پروژه های مقدماتی پایتون برای مبتدیان
#پایتون #آموزش #کلاس_آموزشی #فیلم #دکترـرضوی #منابع
🌎 مطالعه پست
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arXiv
#پایتون #آموزش #کلاس_آموزشی #فیلم #دکترـرضوی #منابع
🌎 مطالعه پست
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arXiv
All You Need About Common MachineLearning Algorithms.pdf
500.2 KB
همه آنچه که درمورد الگوریتمهای یادگیری ماشین باید دانست :کارایی ها و مزایاها
#یادگیری_ماشین #منابع #کلاس_آموزشی #فیلم #آموزش
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arXiv
#یادگیری_ماشین #منابع #کلاس_آموزشی #فیلم #آموزش
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arXiv
راه حل فوق العاده فیلیپین برای حفظ محیط زیست:
هر دانشجو/دانش آموز قبل از فارغ التحصیلی بایستی ۱۰ درخت بکارد!
لینک
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arXi
هر دانشجو/دانش آموز قبل از فارغ التحصیلی بایستی ۱۰ درخت بکارد!
لینک
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arXi
ScienceAlert
Philippines Passes Bill Requiring Students to Plant 10 Trees Before Graduating
Between 1990 and 2005, the Philippines lost 32.3 percent of its forest cover. Illegal logging has historically been a huge issue for the country, but now the Philippines House of Representatives has put forward a new way of dealing with the pr
یک فن اپل ادعا کرده که دوبار سرورهای اپل رو هک کرده که استخدام بشه!
لینک
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arXi
لینک
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arXi
ScienceAlert
Apple Fanboy Says He Hacked The Tech Giant's Server Twice Because He Wanted a Job
An Australian teenager and self-proclaimed Apple fanboy - who can't be identified for legal reasons - has been found guilty of hacking into Apple's systems in 2015 and 2017.
همتا ثبت گوشی با کدملی رو بسته
مشکلش چیه ؟
برندهایی که تو ایران نمایندگی ندارند یا شرکتها نمیارن دیگه نمیشه خرید
شرکتها به اسم گارانتی و خدمات پسازفروش که تست شده و دروغ محض هستند
از ۵۰۰.۰۰۰ تومن تا ۲-۳ میلیون تومن روی قیمت گوشی میکشند
این افزایش قیمت علاوه بر سود مجاز و ... هست
و صرفاْ بخاطر گارانتی و خدمات پس از فروش هست
حالا که صدای همه مردم و موبایل فروشها در اومده
همتا داره تمام تلاشش رو میکنه که بگه این داستان خیلی هم خوبه
راست میگه خوبه ؛ ولی با وضع الان نه برای مردم بلکه برای شرکتهای وارد کننده موبایل
نظر یکی از کاربران کانال در مورد رجیستری گوشی
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
مشکلش چیه ؟
برندهایی که تو ایران نمایندگی ندارند یا شرکتها نمیارن دیگه نمیشه خرید
شرکتها به اسم گارانتی و خدمات پسازفروش که تست شده و دروغ محض هستند
از ۵۰۰.۰۰۰ تومن تا ۲-۳ میلیون تومن روی قیمت گوشی میکشند
این افزایش قیمت علاوه بر سود مجاز و ... هست
و صرفاْ بخاطر گارانتی و خدمات پس از فروش هست
حالا که صدای همه مردم و موبایل فروشها در اومده
همتا داره تمام تلاشش رو میکنه که بگه این داستان خیلی هم خوبه
راست میگه خوبه ؛ ولی با وضع الان نه برای مردم بلکه برای شرکتهای وارد کننده موبایل
نظر یکی از کاربران کانال در مورد رجیستری گوشی
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
#آموزش
دوره آموزشی یادگیری عمیق و پیاده سازی در #keras
دو ساعت و نیم نخست دوره آموزشی Deep Learning برای ارزیابی خریداران بر روی آپارات قرار گرفت.
http://aparat.com/v/0xgm5
همچنین کد پروژه های انجام شده و اسلایدها برای عموم در دسترسی است:
https://github.com/Alireza-Akhavan/SRU-deeplearning-workshop/
برای خرید این دوره میتوانید از طریف این لینک اقدام کنید
http://class.vision
مدرس: علیرضا اخوانپور
برگزار کننده: انجمن علمی کامپیوتر دانشگاه شهید رجایی
قیمت: 100.000 تومان
لینک خرید: http://class.vision/deeplearning-keras/
دوره آموزشی یادگیری عمیق و پیاده سازی در #keras
دو ساعت و نیم نخست دوره آموزشی Deep Learning برای ارزیابی خریداران بر روی آپارات قرار گرفت.
http://aparat.com/v/0xgm5
همچنین کد پروژه های انجام شده و اسلایدها برای عموم در دسترسی است:
https://github.com/Alireza-Akhavan/SRU-deeplearning-workshop/
برای خرید این دوره میتوانید از طریف این لینک اقدام کنید
http://class.vision
مدرس: علیرضا اخوانپور
برگزار کننده: انجمن علمی کامپیوتر دانشگاه شهید رجایی
قیمت: 100.000 تومان
لینک خرید: http://class.vision/deeplearning-keras/
آپارات - سرویس اشتراک ویدیو
دوره آموزشی یادگیری عمیق و Keras
قسمت اول کلاس به عنوان پیش نمایش قرار داده شده تا در صورت تمایل این ویدیو را از سایتclass.visionخریداری نمایید.برای مشاهده سرفصل ها، اطلاعات بیشتر و خرید این دوره آموزشی 12 ساعته لینک http://class.vision/deeplearning-keras/ را کلیک نمائید.
Forwarded from DLeX: AI Python (Meysam Asgari)
کانالهای هوش مصنوعی/پایتون/لینوکسی که گلچین کردم:
۱- فقط و فقط تنسورفلو و یادگیری عمیق:
https://t.me/cvision
۲- یادگیری ماشین و مطالبی مرتبط با تحصیل در خارج در رشته کامپیوتر:
https://t.me/Machinelearning_Kartal
۳- جوکهای مرتبط با هوش مصنوعی:
https://t.me/AI_Jokes
۴- مقالات مهم و تازه از arXiv:
https://t.me/ai_python_arxiv
۵- هوش مصنوعی و پایتون و لینوکس و ... (همین کانال خودمون میشه):
https://t.me/ai_python
۶- لینوکس و اخبار و تازه هاش و اوپن سورس و این داستانها:
https://t.me/uselinux
۱- فقط و فقط تنسورفلو و یادگیری عمیق:
https://t.me/cvision
۲- یادگیری ماشین و مطالبی مرتبط با تحصیل در خارج در رشته کامپیوتر:
https://t.me/Machinelearning_Kartal
۳- جوکهای مرتبط با هوش مصنوعی:
https://t.me/AI_Jokes
۴- مقالات مهم و تازه از arXiv:
https://t.me/ai_python_arxiv
۵- هوش مصنوعی و پایتون و لینوکس و ... (همین کانال خودمون میشه):
https://t.me/ai_python
۶- لینوکس و اخبار و تازه هاش و اوپن سورس و این داستانها:
https://t.me/uselinux
Forwarded from دستاوردهای یادگیری عمیق(InTec)
یک پروژهایی که به تازگی بهم پیشنهاد شد تشخیص یک سری اتفاقات خاص بود (فیلم و دوربین و ...)
راه حلهای زیادی تست شده بود روی این دیتاست و هرکدوم دقتهای خوبی داشت (فکر میکنم تمومی روشهای بادقت خیره کننده موجود تست شده)
اما همچنان نیاز هست که دقت بیشتر از این باشه؛ بخاطر دوستی که با یکی از اعضای این تیم داشتم بهم پیشنهاد شد که به تیم کمک کنم و اگر ایدهایی دارم حتی اگر وقت پیادهسازی ندارم برای تیم شرح بدم تا اعضای اون کد رو پیاده سازی کنند.
همیشه گفتم ؛ اول دیتا رو خوب بشناسید حتی اگر زمان زیادی رو خرجش میکنید (مطمئن باشید پشیمون نمیشید.)
بعد از گرفتن اصل دیتاها و کلی بررسی کردن از گروه خواستم نمونههایی که مدلهاشون درست عمل نمیکنه رو بهم بدند (از دیتای تست و مدلی که پیادهسازی شده برای مشتری و ...)
این کار مشکلی نداره چون من نمیخوام پارامترهای مدل رو تغییر بدم یا تقلب کنم که مدل عملکرد بهتری داشته باشه (جلوتر متوجه میشید)
دلیلم این بود که توی بررسی ۱۰۰ تا از دیتاها به یک نمونه خاص برخوردم که با دیتاهای قبلی تفاوت داشت
توی دیتای تست هم از ۱۰۰ مورد حدود ۳۰ مورد همین حالت بود ؛
بعنوان مثال :
فرض کنید تیم میخواد جاهایی که سگ وجود داره رو تشخیص بده اما تو بعضی از ویدئوها دوربین نقطه کور داره و سگ توی ویدئو دیده نمیشه البته که سگ وجود داره و این لیبلی هست که برای دیتا خورده.
راهکار این نیست که دیتارو حذف کنیم یا دوربین بیشتر بذاریم و محدوده رو بزرگتر کنیم و دوباره دیتا جمع کنیم.
براهکار کم خرج و بهتر چی میتونه باشه ؟؟؟؟؟؟
ی چندبار توجه به لیبل و دیتاها و گرفتن دیتای تست از گروه دقیقاْ برای همین موضوع بود (تا آخر با مثال سگ پیش میرم)
توی یک نمونه دیتایی که من توی داده ترین متوجهاش شدم صدای سگ وجود داشت اما سگی نبود؛ به همین دلیل لیبل دستی که براش زده شده بود سگ داشت اما مدلهای دیپلرنینگ میگفتند سگی وجود نداره و هردو هم درست میگفتند.
کاری که من انجام دادم جدا کردن صداها از ویدئوها بود و دسته بندی کردن بر اساس صداها
درنهایت هم بر اساس ویدئو و هم براساس صدا مدل کارش رو انجام میده ؛ دقت خیلی خیلی بهتر شد و مشکلات حل
برای ترین کردن شبکهایی که استفاده کردم ۲تا دیتاست فوقالعاده پیدا کردم :
1-
https://research.google.com/audioset/
2-
https://urbansounddataset.weebly.com/
حل کردن چالش واقعاْ لذت بخش هست
این راهکار میتونه برای حل مسائل دیگه هم استفاده بشه؛ موضوع و راهکار خوبی برای پایاننامه و مقاله هم میتونه باشه
راه حلهای زیادی تست شده بود روی این دیتاست و هرکدوم دقتهای خوبی داشت (فکر میکنم تمومی روشهای بادقت خیره کننده موجود تست شده)
اما همچنان نیاز هست که دقت بیشتر از این باشه؛ بخاطر دوستی که با یکی از اعضای این تیم داشتم بهم پیشنهاد شد که به تیم کمک کنم و اگر ایدهایی دارم حتی اگر وقت پیادهسازی ندارم برای تیم شرح بدم تا اعضای اون کد رو پیاده سازی کنند.
همیشه گفتم ؛ اول دیتا رو خوب بشناسید حتی اگر زمان زیادی رو خرجش میکنید (مطمئن باشید پشیمون نمیشید.)
بعد از گرفتن اصل دیتاها و کلی بررسی کردن از گروه خواستم نمونههایی که مدلهاشون درست عمل نمیکنه رو بهم بدند (از دیتای تست و مدلی که پیادهسازی شده برای مشتری و ...)
این کار مشکلی نداره چون من نمیخوام پارامترهای مدل رو تغییر بدم یا تقلب کنم که مدل عملکرد بهتری داشته باشه (جلوتر متوجه میشید)
دلیلم این بود که توی بررسی ۱۰۰ تا از دیتاها به یک نمونه خاص برخوردم که با دیتاهای قبلی تفاوت داشت
توی دیتای تست هم از ۱۰۰ مورد حدود ۳۰ مورد همین حالت بود ؛
بعنوان مثال :
فرض کنید تیم میخواد جاهایی که سگ وجود داره رو تشخیص بده اما تو بعضی از ویدئوها دوربین نقطه کور داره و سگ توی ویدئو دیده نمیشه البته که سگ وجود داره و این لیبلی هست که برای دیتا خورده.
راهکار این نیست که دیتارو حذف کنیم یا دوربین بیشتر بذاریم و محدوده رو بزرگتر کنیم و دوباره دیتا جمع کنیم.
براهکار کم خرج و بهتر چی میتونه باشه ؟؟؟؟؟؟
ی چندبار توجه به لیبل و دیتاها و گرفتن دیتای تست از گروه دقیقاْ برای همین موضوع بود (تا آخر با مثال سگ پیش میرم)
توی یک نمونه دیتایی که من توی داده ترین متوجهاش شدم صدای سگ وجود داشت اما سگی نبود؛ به همین دلیل لیبل دستی که براش زده شده بود سگ داشت اما مدلهای دیپلرنینگ میگفتند سگی وجود نداره و هردو هم درست میگفتند.
کاری که من انجام دادم جدا کردن صداها از ویدئوها بود و دسته بندی کردن بر اساس صداها
درنهایت هم بر اساس ویدئو و هم براساس صدا مدل کارش رو انجام میده ؛ دقت خیلی خیلی بهتر شد و مشکلات حل
برای ترین کردن شبکهایی که استفاده کردم ۲تا دیتاست فوقالعاده پیدا کردم :
1-
https://research.google.com/audioset/
2-
https://urbansounddataset.weebly.com/
حل کردن چالش واقعاْ لذت بخش هست
این راهکار میتونه برای حل مسائل دیگه هم استفاده بشه؛ موضوع و راهکار خوبی برای پایاننامه و مقاله هم میتونه باشه
Forwarded from دستاوردهای یادگیری عمیق(InTec)
کتابخونهایی که ازش کمک گرفتم :
librosa
و اینکه این کار چجوری شدنی هست هم :
https://www.iotforall.com/tensorflow-sound-classification-machine-learning-applications/
البته خودم به شخصه کل این پست رو نخوندم
librosa
و اینکه این کار چجوری شدنی هست هم :
https://www.iotforall.com/tensorflow-sound-classification-machine-learning-applications/
البته خودم به شخصه کل این پست رو نخوندم
Forwarded from PersianStack
Media is too big
VIEW IN TELEGRAM
🎬 7 عادت بد برنامه نویس ها | قسمت اول
💫 توضیحات | بررسی 7 عادت بد و مٌضر برنامه نویسان
🙎♂️ یوتیوبر و چنل | تِک لید ( TechLead )
🖇 لینک قسمت های دیگر | قسمت 2 ( 9 خرداد) | قسمت 3 (10خرداد)
🔍 جستجو | #ولاگ برنامه نویسی
🖥 | @IRAN_STACK | @Ai_Python
💫 توضیحات | بررسی 7 عادت بد و مٌضر برنامه نویسان
🙎♂️ یوتیوبر و چنل | تِک لید ( TechLead )
🖇 لینک قسمت های دیگر | قسمت 2 ( 9 خرداد) | قسمت 3 (10خرداد)
🔍 جستجو | #ولاگ برنامه نویسی
🖥 | @IRAN_STACK | @Ai_Python
A_Beginner’s_Guide_to_Hierarchical.pdf
644.9 KB
راهنمای کلاسترینگ سلسله مراتبی- و نحوه انجام آن در پایتون
#پایتون #آموزش #علم_داده #منابع #datascienece
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
#پایتون #آموزش #علم_داده #منابع #datascienece
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
Understanding_Support_Vector_Machine.pdf
941.5 KB
آموزش مقدماتی «ماشین بردار پشتیبان با مثال » برای دانش آموزان و دانشجویان
#الگوریتمها #منابع #آموزش #یادگیری_ماشین #برنامه_نویسی
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
#الگوریتمها #منابع #آموزش #یادگیری_ماشین #برنامه_نویسی
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
This media is not supported in your browser
VIEW IN TELEGRAM
Set of animated Artificial Intelligence cheatsheets covering Stanford's CS 221 class:
Reflex-based: http://stanford.io/2EqNPHy
States-based: http://stanford.io/2wh4F7u
Variables-based: http://stanford.io/2HAiAfh
Logic-based: http://stanford.io/2M7taia
GitHub: https://github.com/afshinea/stanford-cs-221-artificial-intelligence
#یادگیری_ماشین #هوش_مصنوعی #یادگیری_عمیق
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
Reflex-based: http://stanford.io/2EqNPHy
States-based: http://stanford.io/2wh4F7u
Variables-based: http://stanford.io/2HAiAfh
Logic-based: http://stanford.io/2M7taia
GitHub: https://github.com/afshinea/stanford-cs-221-artificial-intelligence
#یادگیری_ماشین #هوش_مصنوعی #یادگیری_عمیق
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
مجموعه ای از راهنمایی های کوتاه کلاس یادگیری ماشین دانشگاه استنفورد CS 229 - 2018 | ( به زبان فارسی )
🔸یادگیری با نظارت :
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-supervised-learning
🔸یادگیری بدون نظارت :
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-unsupervised-learning
🔸یادگیری عمیق :
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-deep-learning
🔸نکات و ترفندهای یادگیری ماشین :
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-machine-learning-tips-and-tricks
🔸Github:
https://github.com/afshinea/stanford-cs-229-machine-learning
#یادگیری_عمیق #یادگیری_ماشین #منابع
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
🔸یادگیری با نظارت :
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-supervised-learning
🔸یادگیری بدون نظارت :
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-unsupervised-learning
🔸یادگیری عمیق :
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-deep-learning
🔸نکات و ترفندهای یادگیری ماشین :
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-machine-learning-tips-and-tricks
🔸Github:
https://github.com/afshinea/stanford-cs-229-machine-learning
#یادگیری_عمیق #یادگیری_ماشین #منابع
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
DLeX: AI Python
مجموعه ای از راهنمایی های کوتاه کلاس یادگیری ماشین دانشگاه استنفورد CS 229 - 2018 | ( به زبان فارسی ) 🔸یادگیری با نظارت : https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-supervised-learning 🔸یادگیری بدون نظارت : https://stanford.edu/~…
🔹 یادآوری آمار و احتمالات
https://stanford.edu/~shervine/l/fa/teaching/cs-229/refresher-probabilities-statistics
🔹یادآوری جبر خطی و حسابان
https://stanford.edu/~shervine/l/fa/teaching/cs-229/refresher-algebra-calculus
#یادگیری_عمیق #یادگیری_ماشین #منابع
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
https://stanford.edu/~shervine/l/fa/teaching/cs-229/refresher-probabilities-statistics
🔹یادآوری جبر خطی و حسابان
https://stanford.edu/~shervine/l/fa/teaching/cs-229/refresher-algebra-calculus
#یادگیری_عمیق #یادگیری_ماشین #منابع
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
stanford.edu
CS ۲۲۹ - یادآوری آمار و احتمالات
Teaching page of Shervine Amidi, Graduate Student at Stanford University.
مجموعه ای از راهنمایی های کوتاه کلاس یادگیری عمیق دانشگاه استنفورد CS 230 - 2019 | ( به زبان فارسی )
🔸شبکههای عصبی کانولوشنی :
https://stanford.edu/~shervine/l/fa/teaching/cs-230/cheatsheet-convolutional-neural-networks
🔸🔸شبکههای عصبی برگشتی
https://stanford.edu/~shervine/l/fa/teaching/cs-230/cheatsheet-recurrent-neural-networks
🔸نکات و ترفندهای یادگیری عمیق
https://stanford.edu/~shervine/l/fa/teaching/cs-230/cheatsheet-deep-learning-tips-and-tricks
github :
https://github.com/afshinea/stanford-cs-230-deep-learning
#یادگیری_عمیق #یادگیری_ماشین #منابع
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
🔸شبکههای عصبی کانولوشنی :
https://stanford.edu/~shervine/l/fa/teaching/cs-230/cheatsheet-convolutional-neural-networks
🔸🔸شبکههای عصبی برگشتی
https://stanford.edu/~shervine/l/fa/teaching/cs-230/cheatsheet-recurrent-neural-networks
🔸نکات و ترفندهای یادگیری عمیق
https://stanford.edu/~shervine/l/fa/teaching/cs-230/cheatsheet-deep-learning-tips-and-tricks
github :
https://github.com/afshinea/stanford-cs-230-deep-learning
#یادگیری_عمیق #یادگیری_ماشین #منابع
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
Forwarded from PGTWEET | توییت برنامه نویسی
This media is not supported in your browser
VIEW IN TELEGRAM
🎬 نام انیمیشن |بابا ( Dad )
🔗 لینک یوتیوب : لینک
📥 حجم : 12.1 مگابایت
🔍 جستجو | #انیمیشن_کوتاه
🖥 | @PGTWEET | @Ai_Python
🔗 لینک یوتیوب : لینک
📥 حجم : 12.1 مگابایت
🔍 جستجو | #انیمیشن_کوتاه
🖥 | @PGTWEET | @Ai_Python
چرا Swift میتواند موضوع بزرگ بعدی یادگیری عمیق باشد؟؟
#برنامه_نویسی #یادگیری_ماشین #آموزش #یادگیری_عمیق
🌎 ادامه مطلب
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
#برنامه_نویسی #یادگیری_ماشین #آموزش #یادگیری_عمیق
🌎 ادامه مطلب
❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_arX
Forwarded from Windows Experts
گروه Windows Experts + .Net منتظر دیدن شما دوستان عزیز هستیم.
لینک گروه :
📡 : https://t.me/joinchat/Ly1-vD91J0WfeLbK5m6LDg
لینک کانال :
📡 : https://t.me/WindowsExperts
لینک گروه :
📡 : https://t.me/joinchat/Ly1-vD91J0WfeLbK5m6LDg
لینک کانال :
📡 : https://t.me/WindowsExperts