DLeX: AI Python
22.6K subscribers
4.99K photos
1.22K videos
764 files
4.35K links
هوش‌مصنوعی و برنامه‌نویسی

توییتر :

https://twitter.com/NaviDDariya

هماهنگی و تعرفه تبلیغات : @navidviola
Download Telegram
پروژه های مقدماتی پایتون برای مبتدیان

#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
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
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/
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
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
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
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
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
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
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
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
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
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
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