ادرس سایتهایی برای پیدا کردن فاندها و موسسات کمک کننده
🔹 www.dfg.de/en
🔸 www.daad.de/en
🔹 www.humboldt-foundation.de
🔸 www.aif.de
🔹 www.stipendiumplus.de
🔸 www.gerit.org
🔹 www.phdgermany.de
🔸 www.hochschulkompass.de
🔹 www.higher-education-compass.de
🔸 www.dfg.de
🔹 www.helmholtz.de
🔸 www.leibniz-association.eu
🔹 www.mpg.de
🔸 www.maxplanckschools.de
🔹 www.dfg.de/en
🔸 www.daad.de/en
🔹 www.humboldt-foundation.de
🔸 www.aif.de
🔹 www.stipendiumplus.de
🔸 www.gerit.org
🔹 www.phdgermany.de
🔸 www.hochschulkompass.de
🔹 www.higher-education-compass.de
🔸 www.dfg.de
🔹 www.helmholtz.de
🔸 www.leibniz-association.eu
🔹 www.mpg.de
🔸 www.maxplanckschools.de
👍15❤2👎2
Time-series Transformer Generative Adversarial Networks
Github: https://github.com/jsyoon0823/TimeGAN
Paper: https://arxiv.org/abs/2205.11164v1
Stock data: https://finance.yahoo.com/quote/GOOG/history
Energy data: http://archive.ics.uci.edu/ml/datasets/Appliances+energy+prediction
Github: https://github.com/jsyoon0823/TimeGAN
Paper: https://arxiv.org/abs/2205.11164v1
Stock data: https://finance.yahoo.com/quote/GOOG/history
Energy data: http://archive.ics.uci.edu/ml/datasets/Appliances+energy+prediction
GitHub
GitHub - jsyoon0823/TimeGAN: Codebase for Time-series Generative Adversarial Networks (TimeGAN) - NeurIPS 2019
Codebase for Time-series Generative Adversarial Networks (TimeGAN) - NeurIPS 2019 - jsyoon0823/TimeGAN
❤2👍2👎1
Imagen unprecedented photorealism × deep level of language understanding From Google
Home: https://gweb-research-imagen.appspot.com/
Paper: https://gweb-research-imagen.appspot.com/paper.pdf
❇️ @AI_Python
Home: https://gweb-research-imagen.appspot.com/
Paper: https://gweb-research-imagen.appspot.com/paper.pdf
❇️ @AI_Python
👍6
Perturbation Augmentation for Fairer NLP
Responsible NLP projects from Meta AI.
Github: https://github.com/facebookresearch/responsiblenlp
Paper: https://arxiv.org/abs/2205.12586v1
Dataset: https://paperswithcode.com/dataset/glue
❇️ @AI_Python
Responsible NLP projects from Meta AI.
Github: https://github.com/facebookresearch/responsiblenlp
Paper: https://arxiv.org/abs/2205.12586v1
Dataset: https://paperswithcode.com/dataset/glue
❇️ @AI_Python
👍3
14 Cost Function for RNNs.webm
5 MB
دوره
Natural Language Processing with Sequence Models
سایت کورسرا
14 Cost Function for RNNs
#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم
❇️ @AI_Python
Natural Language Processing with Sequence Models
سایت کورسرا
14 Cost Function for RNNs
#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم
❇️ @AI_Python
👍3
This media is not supported in your browser
VIEW IN TELEGRAM
Text2Human - Official PyTorch Implementation
Github:
https://github.com/yumingj/Text2Human
Project:
https://yumingj.github.io/projects/Text2Human.html
StyleGAN:
https://github.com/stylegan-human/stylegan-human
Paper:
https://arxiv.org/abs/2205.15996v1
Dataset:
https://github.com/yumingj/DeepFashion-MultiModal
❇️ @AI_Python
Github:
https://github.com/yumingj/Text2Human
Project:
https://yumingj.github.io/projects/Text2Human.html
StyleGAN:
https://github.com/stylegan-human/stylegan-human
Paper:
https://arxiv.org/abs/2205.15996v1
Dataset:
https://github.com/yumingj/DeepFashion-MultiModal
❇️ @AI_Python
👍1👎1
انتشار دوره کلاسی جدید دانشگاه استنفورد
NLP with Deep Learning
Find links on:
1. lecture slides & videos
2. notes
3. codes
4. suggested readings
All is here⬇️
http://web.stanford.edu/class/cs224n/
#فیلم #کلاس_آموزشی #منابع #پردازش_زبان_طبیعی
❇️ @AI_Python
NLP with Deep Learning
Find links on:
1. lecture slides & videos
2. notes
3. codes
4. suggested readings
All is here⬇️
http://web.stanford.edu/class/cs224n/
#فیلم #کلاس_آموزشی #منابع #پردازش_زبان_طبیعی
❇️ @AI_Python
👍11🔥2
با تشکر از یکی از دوستان بابت ارسال این پیام یگ ورکشاپ در مورد
Learn medical image analysis and deep learning in Python
از اساتید و پژوهشگران دانشگاه های مقیم کانادا و آمریکا این ورکشاپ برگزار میگردد علاقمندان میتوانند ثبت نام کنند
پ.ن: محدودیتی برای شرکت ایرانیها در سایت ذکر نگردیده است.
❇️ @AI_Python
Learn medical image analysis and deep learning in Python
از اساتید و پژوهشگران دانشگاه های مقیم کانادا و آمریکا این ورکشاپ برگزار میگردد علاقمندان میتوانند ثبت نام کنند
پ.ن: محدودیتی برای شرکت ایرانیها در سایت ذکر نگردیده است.
❇️ @AI_Python
👍7
Deep Learning for NLP
If you want to learn about Deep Learning for NLP through tutorials, we published a few here: https://github.com/dair-ai/ML-Notebooks
From a simple bag of words classifier to more advanced uses of Transformers.
❇️ @AI_Python
If you want to learn about Deep Learning for NLP through tutorials, we published a few here: https://github.com/dair-ai/ML-Notebooks
From a simple bag of words classifier to more advanced uses of Transformers.
❇️ @AI_Python
👏4
Forwarded from DLeX: AI Python (Farzad🦅🐋🐕🦏)
📣 فیلم های کوتاه و آموزش یادگیری عمیق شبکه عصبی با ماژول کراس
#فیلم #آموزش #کراس #یادگیری_عمیق #شبکه_عصبی #پایتون #منابع
🌎 Link Review
❇️@AI_Python
#فیلم #آموزش #کراس #یادگیری_عمیق #شبکه_عصبی #پایتون #منابع
🌎 Link Review
❇️@AI_Python
🔥1
کاربرد هوش مصنوعی در کسب و کار - ۱۵
سید مصطفی کلامی هریس
مجموعه پادکست
کاربردهای هوش مصنوعی در کسب و کار
بخش پانزدهم: والمارت – Walmart
اهم مطالب:
– تاریخچه و سوابق والمارت
– روش کار والمارت در بازار خردهفروشی
– اهمیت انبارداری و کنترل موجودی در خردهفروشی
– تحلیل و پیشبینی تقاضا
– نوآوریهای والمارت برای بهبود تجربه مشتریان
– اپلیکیشن والمارت
– روباتهای مستقر فروشگاههای والمارت
– ابزارها و فناوریهای مورد استفاده
– کلانداده یا بیگدیتا در والمارت
– نتایج، چالشها و ایدهها
📚 مراجع:
1️⃣ کتاب Artificial Intelligence in Practice، انتشارات وایلی، ۲۰۱۹
2️⃣ مدخل والمارت در ویکیپدیا
3️⃣ رقابت والمارت و آمازون
4️⃣ روباتهای مستقر در شعب والمارت
5️⃣ استفاده از روباتها در فروشگاههای والمارت
6️⃣ اخبار مربوط به بوسا نووا
7️⃣ کلانداده یا بیگدیتا در والمارت
8️⃣ بینایی ماشین در والمارت
9️⃣ کاربرد هوش مصنوعی در والمارت
✴️ شنیدن این اپیزود در دیگر پلتفرمها
🔗 کستباکس [+]
🔗 اینستاگرام [+]
#پادکست #هوش_مصنوعی
ـــــــــــــــــــــــــــــــــ
سید مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: @KalamiHeris
کانال پرسش و پاسخ: @Kalami_QA
مجموعه پادکست
کاربردهای هوش مصنوعی در کسب و کار
بخش پانزدهم: والمارت – Walmart
اهم مطالب:
– تاریخچه و سوابق والمارت
– روش کار والمارت در بازار خردهفروشی
– اهمیت انبارداری و کنترل موجودی در خردهفروشی
– تحلیل و پیشبینی تقاضا
– نوآوریهای والمارت برای بهبود تجربه مشتریان
– اپلیکیشن والمارت
– روباتهای مستقر فروشگاههای والمارت
– ابزارها و فناوریهای مورد استفاده
– کلانداده یا بیگدیتا در والمارت
– نتایج، چالشها و ایدهها
📚 مراجع:
1️⃣ کتاب Artificial Intelligence in Practice، انتشارات وایلی، ۲۰۱۹
2️⃣ مدخل والمارت در ویکیپدیا
3️⃣ رقابت والمارت و آمازون
4️⃣ روباتهای مستقر در شعب والمارت
5️⃣ استفاده از روباتها در فروشگاههای والمارت
6️⃣ اخبار مربوط به بوسا نووا
7️⃣ کلانداده یا بیگدیتا در والمارت
8️⃣ بینایی ماشین در والمارت
9️⃣ کاربرد هوش مصنوعی در والمارت
✴️ شنیدن این اپیزود در دیگر پلتفرمها
🔗 کستباکس [+]
🔗 اینستاگرام [+]
#پادکست #هوش_مصنوعی
ـــــــــــــــــــــــــــــــــ
سید مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: @KalamiHeris
کانال پرسش و پاسخ: @Kalami_QA
👍5🔥1
GraphML arXiv: Hypergraph NNs, GNNs are dynamic programmers, latent graph learning, 3D equivariant molecule generation, and a new GNN library for Keras.
△ Hypergraph Neural Networks:
- Message Passing Neural Networks for Hypergraphs
- Hypergraph Convolutional Networks via Equivalency between Hypergraphs and Undirected Graphs ft. Yu Rong.
- Preventing Over-Smoothing for Hypergraph Neural Networks
⅀ Theory:
- Graph Neural Networks are Dynamic Programmers ft. Petar Veličković.
- OrphicX: A Causality-Inspired Latent Variable Model for Interpreting Graph Neural Networks
- Shift-Robust Node Classification via Graph Adversarial Clustering ft. Jiawei Han.
- Mutual information estimation for graph convolutional neural networks
- Graph-in-Graph (GiG): Learning interpretable latent graphs in non-Euclidean domain for biological and healthcare applications ft. Michael Bronstein.
🏐 Equivariance and 3D Graphs:
- Equivariant Diffusion for Molecule Generation in 3D ft. Max Welling.
- 3D Equivariant Graph Implicit Functions
📚 Libraries and Surveys:
- GNNkeras: A Keras-based library for Graph Neural Networks and homogeneous and heterogeneous graph processing ft. Franco Scarselli.
- Graph Neural Networks in IoT: A Survey
🔨 Applications:
- Graph similarity learning for change-point detection in dynamic networks ft. Xiowen Dong.
- Multilingual Knowledge Graph Completion with Self-Supervised Adaptive Graph Alignment ft. Yizhou Sun.
- A Simple Yet Effective Pretraining Strategy for Graph Few-shot Learning
- Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling and Design ft. Pieter Abbeel.
#مقاله
❇️@AI_Python
△ Hypergraph Neural Networks:
- Message Passing Neural Networks for Hypergraphs
- Hypergraph Convolutional Networks via Equivalency between Hypergraphs and Undirected Graphs ft. Yu Rong.
- Preventing Over-Smoothing for Hypergraph Neural Networks
⅀ Theory:
- Graph Neural Networks are Dynamic Programmers ft. Petar Veličković.
- OrphicX: A Causality-Inspired Latent Variable Model for Interpreting Graph Neural Networks
- Shift-Robust Node Classification via Graph Adversarial Clustering ft. Jiawei Han.
- Mutual information estimation for graph convolutional neural networks
- Graph-in-Graph (GiG): Learning interpretable latent graphs in non-Euclidean domain for biological and healthcare applications ft. Michael Bronstein.
🏐 Equivariance and 3D Graphs:
- Equivariant Diffusion for Molecule Generation in 3D ft. Max Welling.
- 3D Equivariant Graph Implicit Functions
📚 Libraries and Surveys:
- GNNkeras: A Keras-based library for Graph Neural Networks and homogeneous and heterogeneous graph processing ft. Franco Scarselli.
- Graph Neural Networks in IoT: A Survey
🔨 Applications:
- Graph similarity learning for change-point detection in dynamic networks ft. Xiowen Dong.
- Multilingual Knowledge Graph Completion with Self-Supervised Adaptive Graph Alignment ft. Yizhou Sun.
- A Simple Yet Effective Pretraining Strategy for Graph Few-shot Learning
- Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling and Design ft. Pieter Abbeel.
#مقاله
❇️@AI_Python
👍1
Accelerate AI training in a few lines of code without changing the training setup.
https://github.com/nebuly-ai/nebulgym
❇️@AI_Python
https://github.com/nebuly-ai/nebulgym
❇️@AI_Python
👍1🤮1
Forwarded from Farzad 🦅
🔰 گفتگو با دکتر حمید عرب نیا استاد دانشگاه جورجیا
📣 موضوع گفتگو :
استارت آپ : از ایده تا عمل
در تاریخ جمعه 10 june ساعت 21 به وقت تهران
گوگل اسکالر :
https://scholar.google.com/citations?user=g86VLOUAAAAJ&hl=en
🔔لینک گفتگو به زودی منتشر میگردد
📣 موضوع گفتگو :
استارت آپ : از ایده تا عمل
در تاریخ جمعه 10 june ساعت 21 به وقت تهران
گوگل اسکالر :
https://scholar.google.com/citations?user=g86VLOUAAAAJ&hl=en
🔔لینک گفتگو به زودی منتشر میگردد
👍10💩3
🔰 گفتگو با دکتر حمید عرب نیا استاد دانشگاه جورجیا
📣 موضوع گفتگو :
استارت آپ : از ایده تا عمل
در تاریخ جمعه ۲۰ خرداد ساعت 21 به وقت تهران
🔰 https://instagram.com/ai_python_podcast
📣 موضوع گفتگو :
استارت آپ : از ایده تا عمل
در تاریخ جمعه ۲۰ خرداد ساعت 21 به وقت تهران
🔰 https://instagram.com/ai_python_podcast
👎3👍1
Forwarded from Deep Time
آیا ارزش داره مسابقات Kaggle شرکت کنیم؟
این مسئله از نظر شغلی (برای مثال پیدا کردن شغل در کمپانیهای بزرگ مثل گوگل و انودیا) و مهارت در حوزه چقدر اهمیت داره؟
یک استاد Kaggle اینو توضیح میده.
@deeptimeai
این مسئله از نظر شغلی (برای مثال پیدا کردن شغل در کمپانیهای بزرگ مثل گوگل و انودیا) و مهارت در حوزه چقدر اهمیت داره؟
یک استاد Kaggle اینو توضیح میده.
@deeptimeai
Forecastegy
Are Kaggle Competitions Worth It? Ponderings of a Kaggle Grandmaster
I would not have a data science career without Kaggle.
So if you are looking for a blog post bashing Kaggle, this is not the place.
That said, I am not a radical that thinks Kaggle is the ultimate thing that everyone must do in order to become a data scientist.…
So if you are looking for a blog post bashing Kaggle, this is not the place.
That said, I am not a radical that thinks Kaggle is the ultimate thing that everyone must do in order to become a data scientist.…
👍9👎1
Forwarded from Deep Time
Time-series Transformer Generative Adversarial Networks
مقاله جالبی برای تولید داده مصنوعی سری زمانی که با ترنسفورمر انجام شده. مدل مشخصا طوری عمل میکنه که توزیع احتمالاتی و روابط پیچیده در داده ها حفظ شن.
کاربرد مهم این مدلها در بازار مالی هست که همیشه نیاز به داده بیشتر برای یادگیری و شبیه سازی هاست که دیشب هم بحثش با آقای دکتر براک بود در جلسه ارائه کتاب.
دو مورد پست دیگه هم در این مورد داشتیم تو کانال اگر دوستان خاطرشون باشه.
این مقاله ادعا میکنه که از مدلهای SOTA قبلی نتایج بهتری داره.
@deeptimeai
مقاله جالبی برای تولید داده مصنوعی سری زمانی که با ترنسفورمر انجام شده. مدل مشخصا طوری عمل میکنه که توزیع احتمالاتی و روابط پیچیده در داده ها حفظ شن.
کاربرد مهم این مدلها در بازار مالی هست که همیشه نیاز به داده بیشتر برای یادگیری و شبیه سازی هاست که دیشب هم بحثش با آقای دکتر براک بود در جلسه ارائه کتاب.
دو مورد پست دیگه هم در این مورد داشتیم تو کانال اگر دوستان خاطرشون باشه.
این مقاله ادعا میکنه که از مدلهای SOTA قبلی نتایج بهتری داره.
@deeptimeai
ar5iv
Time-series Transformer Generative Adversarial Networks
Many real-world tasks are plagued by limitations on data: in some instances very little data is available and in others, data is protected by privacy enforcing regulations (e.g. GDPR). We consider limitations posed spe…
👍5👏1
Forwarded from @machinelearningnet (Sasan Barak)
دوستان یک ماجرای واقعی رو براتون باید شرح کنم که واقعا کل اینهمه سال که من توی آکادمیا برای بچه های ایران زحمت کشیدم، همه رو بهم ثابت کرد که به اشتباه بوده.
ماجرا از اینجا شروع شد که استادیار دانشگاه تربیت مدرس به اسم آقای مهدی ذوالفقاری ،
https://www.modares.ac.ir/~m.zolfaghari
دو تا از مقالاتی که باهم کار میکردیم رو یهو سابمیت میکنن، و اکسپت میگیرن، بدون اینکه اصلا به من خبر بدن، و بدون اسم من چاپ میکنن،
بعدش من خبردار شدم، ایشون کلی گریه و زاری و کلی مسیج که آقا من اشتباه کردم ، بدبختم، خانواده دارم، منو از کار بیکار میکنن و فلان، ول کن شکایت نکن،
همه مدارک لازم برای اثبات اینکه مقالات کاملا با نظارت من نوشته شده، ورژن های اولیه، کامنت های من روی مقاله، تغییراتی که اعمال کردم همه دونه دونه وجود داره
این لینک مقاله اول
https://link.springer.com/article/10.1007/s12053-019-09800-3
که هنوز کار نهایی نشده بود! یهو بعد از ورژنی که به این فرد فرستادم، دیدم وا! گوگل ریکام زده که فلان مقاله ای شبیه کارهات چاپ شده. بد نیست نگاه کنی، اومدم دیدم ورژن ماقبل نهایی فرستاده شده و چاپ شده !
مقاله دوم
https://www.sciencedirect.com/science/article/abs/pii/S095741742100590X#
هم انگار برای شاگردشون ( به نام صمد غلامی که در گروه هم با این ID هست @gami_saman ) بوده که دوباره همین اتقاق افتاد، به من گفت بجای اون مقاله، یکی دیگه رو بخدا باهم کار میکنیم،
این دومی رو فرستاد، من دوباره شروع کردم به کامنت و اصلاح این مقاله دوم. دوباره بعد از اعمال اونا، بدون اینکه با من هماهنگ کنن مقاله فرستاده شد و چاپ شد. بازم ورژن های مقاله رو دارم و همه چی موجوده.
حتی من کامنت های این استاد که چقدر به خودش فحش داد که من بیچاره ام و فلان و تورو خدا شکایت نکن و اینا رو هم دارم،
در این وسط، قبل از چاپ کردن مقاله دوم، ایشون گفتن دوتا دانشجو هم دارن که علاقهمند به مقاله نوشتن هستن اما تجربه ندارن. با اینا کار کن و فلان و اگه مقاله ای در اومد دیگه من از خجالت تو در بیام .
دو تا دانشجوش یکی همین صمد غلامی بود. و دومی یه شارلاتان بدتر از خودش بنام
مهراد اسدی ( مشخصاتش رو فرستادم)
من یکسال وقت گذاشتم این دو نفر یه مقاله نوشتن، موضوع هم خیلی ژورنال پسند نبود، اما اونقدر ما باهم جلسه داشتیم تا اینکه همه چی بلاخره رسید به سابمیت.
مقاله رو یکی دوجا فرستادیم ریجکت شد، تا اینکه special issue یک ژورنالی من دوتا از همکارهام داور بودن، گفتن مقاله کریپتو داری بفرست،
من این مقاله رو به عنوان نویسنده اول و این دو نفر رو هم نفر دوم و سوم زدم و یک استادی هم از دانشگاه ساوتهمتون رو فقط برای اینکه اعتبار کار بره بالا گذاشتیم نویسنده مسئول و فرستادیم.
دور اول داوری گرفت، همه هم راضی که مقاله داوری گرفته و این دو نفر شروع کردن به کار نکردن. به من یک جوابیه فرستادن که کلش رو ۱۰۰ ٪ از اول نوشتم. برای داوری مقاله ۲۶ صفحه جوابیه نوشتم. همش هست، چیزی که این دو نفر فرستاده بودن هم هست، کاری که من نوشتم هم هست، ۹۰ درصد چیزی که فرستادن رو عوض کردم چون اشتباه بود، مجبور شدم کلی دعوا کنم باهاشون و بیخیال اینا بشم و در کل جوابیه رو از اول درست بنویسم.
مقاله رو سابمیت کردیم ( با همون ترتیب ۴ نفری و بدون هیچ تغییری ) دوباره یک ریوایز بشدت سنگین دیگه از داوران گرفتیم، مجله بسیار مجله گیری هست.
بهشون گفتم بیا کار کنیم، صمد دقیقا گفت من نیستم، اسم منو هم نزن (مسیج اش رو هم میفرستم بهتون)
این شارلاتان، مهراد اسدی، گفت من دیگه جوابیه اینا نمینویسم. خودت جواب بده و من حقم اصلا خیلی بیشتره. متوجه نشدم کسی که ورژن اول نفر دوم بود و بعد دو دور جوابیه داوری کاری نکرد ، چرا یهو فکر کرد حقش بیشتره !!!!.
من دوباره با یکی از بچه های اینجا بالای ۲۰ صفحه جوابیه نوشتیم، یک کلمه این دو نفر نمیدونن چی اصلا نوشتیم چی سابمیت شده ، چون تقریبا ۷۰ درصد مقاله کلا عوض شد، مطالب اون ورژن اول رو انداختیم توی اپندیکس و اینبار ۵ نفری سابمیت کردیم.
چون این آقای صمد غلامی گفته بودن نه من کاری دیگه میخوام بکنم و نه اسمم تو لیست باشه، مقاله رو بجای اسم آقای صمد غلامی، اون فردی که از ساوتهمتون کمک کرد برای ریورژن دوم ، اسم اون رو جایگزین کردیم و فرستادیم،
ادیتور مقاله به من ایمیل زد که چرا صمد حذف شده. منم گفتم که خودش گفته علاقه ای نداره، و متن چت رو به ادیتور فرستادم ( توی چت صمد، من انگلیسی نوشته بودم جواب صمد فارسی بود اما اونا گفتن اوکیه، مترجم داریم)
در این حین من به جفتشون ( صمد و شارلاتان اسدی) ایمیل زدم که آقا تاییده بدین اگه نمیخواین در راند های بعدی داوری دوباره باشین، باید بگین، نمیشه مثل راند قبل هیچ کاری نکنید و من اسمتون رو بزنم، اگه اینجوریه من جفتتون رو حذف میکنم.
ماجرا از اینجا شروع شد که استادیار دانشگاه تربیت مدرس به اسم آقای مهدی ذوالفقاری ،
https://www.modares.ac.ir/~m.zolfaghari
دو تا از مقالاتی که باهم کار میکردیم رو یهو سابمیت میکنن، و اکسپت میگیرن، بدون اینکه اصلا به من خبر بدن، و بدون اسم من چاپ میکنن،
بعدش من خبردار شدم، ایشون کلی گریه و زاری و کلی مسیج که آقا من اشتباه کردم ، بدبختم، خانواده دارم، منو از کار بیکار میکنن و فلان، ول کن شکایت نکن،
همه مدارک لازم برای اثبات اینکه مقالات کاملا با نظارت من نوشته شده، ورژن های اولیه، کامنت های من روی مقاله، تغییراتی که اعمال کردم همه دونه دونه وجود داره
این لینک مقاله اول
https://link.springer.com/article/10.1007/s12053-019-09800-3
که هنوز کار نهایی نشده بود! یهو بعد از ورژنی که به این فرد فرستادم، دیدم وا! گوگل ریکام زده که فلان مقاله ای شبیه کارهات چاپ شده. بد نیست نگاه کنی، اومدم دیدم ورژن ماقبل نهایی فرستاده شده و چاپ شده !
مقاله دوم
https://www.sciencedirect.com/science/article/abs/pii/S095741742100590X#
هم انگار برای شاگردشون ( به نام صمد غلامی که در گروه هم با این ID هست @gami_saman ) بوده که دوباره همین اتقاق افتاد، به من گفت بجای اون مقاله، یکی دیگه رو بخدا باهم کار میکنیم،
این دومی رو فرستاد، من دوباره شروع کردم به کامنت و اصلاح این مقاله دوم. دوباره بعد از اعمال اونا، بدون اینکه با من هماهنگ کنن مقاله فرستاده شد و چاپ شد. بازم ورژن های مقاله رو دارم و همه چی موجوده.
حتی من کامنت های این استاد که چقدر به خودش فحش داد که من بیچاره ام و فلان و تورو خدا شکایت نکن و اینا رو هم دارم،
در این وسط، قبل از چاپ کردن مقاله دوم، ایشون گفتن دوتا دانشجو هم دارن که علاقهمند به مقاله نوشتن هستن اما تجربه ندارن. با اینا کار کن و فلان و اگه مقاله ای در اومد دیگه من از خجالت تو در بیام .
دو تا دانشجوش یکی همین صمد غلامی بود. و دومی یه شارلاتان بدتر از خودش بنام
مهراد اسدی ( مشخصاتش رو فرستادم)
من یکسال وقت گذاشتم این دو نفر یه مقاله نوشتن، موضوع هم خیلی ژورنال پسند نبود، اما اونقدر ما باهم جلسه داشتیم تا اینکه همه چی بلاخره رسید به سابمیت.
مقاله رو یکی دوجا فرستادیم ریجکت شد، تا اینکه special issue یک ژورنالی من دوتا از همکارهام داور بودن، گفتن مقاله کریپتو داری بفرست،
من این مقاله رو به عنوان نویسنده اول و این دو نفر رو هم نفر دوم و سوم زدم و یک استادی هم از دانشگاه ساوتهمتون رو فقط برای اینکه اعتبار کار بره بالا گذاشتیم نویسنده مسئول و فرستادیم.
دور اول داوری گرفت، همه هم راضی که مقاله داوری گرفته و این دو نفر شروع کردن به کار نکردن. به من یک جوابیه فرستادن که کلش رو ۱۰۰ ٪ از اول نوشتم. برای داوری مقاله ۲۶ صفحه جوابیه نوشتم. همش هست، چیزی که این دو نفر فرستاده بودن هم هست، کاری که من نوشتم هم هست، ۹۰ درصد چیزی که فرستادن رو عوض کردم چون اشتباه بود، مجبور شدم کلی دعوا کنم باهاشون و بیخیال اینا بشم و در کل جوابیه رو از اول درست بنویسم.
مقاله رو سابمیت کردیم ( با همون ترتیب ۴ نفری و بدون هیچ تغییری ) دوباره یک ریوایز بشدت سنگین دیگه از داوران گرفتیم، مجله بسیار مجله گیری هست.
بهشون گفتم بیا کار کنیم، صمد دقیقا گفت من نیستم، اسم منو هم نزن (مسیج اش رو هم میفرستم بهتون)
این شارلاتان، مهراد اسدی، گفت من دیگه جوابیه اینا نمینویسم. خودت جواب بده و من حقم اصلا خیلی بیشتره. متوجه نشدم کسی که ورژن اول نفر دوم بود و بعد دو دور جوابیه داوری کاری نکرد ، چرا یهو فکر کرد حقش بیشتره !!!!.
من دوباره با یکی از بچه های اینجا بالای ۲۰ صفحه جوابیه نوشتیم، یک کلمه این دو نفر نمیدونن چی اصلا نوشتیم چی سابمیت شده ، چون تقریبا ۷۰ درصد مقاله کلا عوض شد، مطالب اون ورژن اول رو انداختیم توی اپندیکس و اینبار ۵ نفری سابمیت کردیم.
چون این آقای صمد غلامی گفته بودن نه من کاری دیگه میخوام بکنم و نه اسمم تو لیست باشه، مقاله رو بجای اسم آقای صمد غلامی، اون فردی که از ساوتهمتون کمک کرد برای ریورژن دوم ، اسم اون رو جایگزین کردیم و فرستادیم،
ادیتور مقاله به من ایمیل زد که چرا صمد حذف شده. منم گفتم که خودش گفته علاقه ای نداره، و متن چت رو به ادیتور فرستادم ( توی چت صمد، من انگلیسی نوشته بودم جواب صمد فارسی بود اما اونا گفتن اوکیه، مترجم داریم)
در این حین من به جفتشون ( صمد و شارلاتان اسدی) ایمیل زدم که آقا تاییده بدین اگه نمیخواین در راند های بعدی داوری دوباره باشین، باید بگین، نمیشه مثل راند قبل هیچ کاری نکنید و من اسمتون رو بزنم، اگه اینجوریه من جفتتون رو حذف میکنم.
SpringerLink
A hybrid approach to model and forecast the electricity consumption by NeuroWavelet and ARIMAX-GARCH models
Energy Efficiency - Today, electrical energy plays a major role in production and consumption and is of special importance in economic decision-making process. Being aware of electrical energy...
👍16👎2🤬2👏1