🔹نمیدونم چقدر با مفهموم Bayesian Optimization for Hyperparameters آشنا هستید اما اگر حتی یکبار هم تلاش کرده باشید یک network روی یک دیتاست جدید train کنید حتما با این موضوع مواجه شدید که مقدار زیادی از وقتتون صرف پیدا کردن یک ترکیب خوبی از فراپارامترهای مربوط به شبکه و اپتیمایزر و دیگر بخش ها میشه.

علاوه بر روش های مرسوم مثل Grid Search و Random Search که دستی و تصادفی هستند که عموما زمانبر هستند چند وقتی هست که گرایش در کامیونیتی بسمت روشهای نسبتا خودکار و آماری رفته که Bayesian Optimization یکی از این روش ها هست.

با معرفی سه کتابخانه مبتنی بر PyTorch این کار برای عموم محقق ها و پژوهشگرها بسیار ساده و با کمترین زمان ممکن قابل استفاده شده.

🔹 من در یک پیاده سازی ساده در این صفحه در گیتاب نشون میدم که چطوری میتونید این کار بسادگی انجام بدید. این روش کاملا قابل تعمیم به task های دیگه هست:

https://github.com/mbiparva/ax-bo-image-classification

🔹جهت مطالعه بیشتر میتونید به کتابخانه های زیر که به هم وابسته بوده و هر سه مبتنی بر PyTorch هستند مراجعه کنید:

Adaptive Experimentation Platform (Ax):
https://ax.dev/

Bayesian Optimization in PyTorch (BOTorch):
https://botorch.org/

Gaussian processes for modern machine learning systems (GPyTorch):
https://gpytorch.ai/
باتشکر از: MahD

❇️ @AI_Python

موضوع : آموزش برنامه نویسی شیء گرا در پایتون (سری شیرجه عمیق)

برنامه‌نویسی شی‌ءگرا (به انگلیسی: Object-Oriented Programming) (به‌اختصار: OOP) یک شیوه برنامه‌نویسی است، که ساختار یا بلوک اصلی اجزای آن، شی‌ءها می‌باشند. در این شیوه برنامه‌نویسی، برنامه به شیء گرایش پیدا می‌کند، به این معنا که داده‌ها و توابعی که بر روی این داده‌ها عمل می‌کنند، تا حد امکان در قالبی به نام شیء و در کنار یکدیگر قرار گرفته، جمع‌بندی شده و یک واحد (یا یک شیء) را تشکیل می‌دهند و نسبت به محیط بیرونِ خود، کپسوله می‌شوند.


⬇️لینک ویدئو جلسه اول
⬇️لینک ویدئو جلسه دوم
⬇️لینک ویدئو جلسه سوم
⬇️لینک ویدئو جلسه چهارم
⬇️لینک ویدئو جلسه پنجم
⬇️لینک ویدئو جلسه ششم
⬇️لینک ویدئو جلسه هفتم
♨️لینک ویدئو جلسه هشتم♨️ NEW!
📢📢ضبط جلسات ادامه دارد...
مدزس : @smkh1985

#پایتون #فیلم #منابع #کلاس_آموزشی

مدل ocr هست با js نوشته شده و دقت مدلش روی انگلیسی بسیار خوبه و عربی رو هم داره که من فارسی بهش دادم تقریبا خوب پیشبینی کرد

https://github.com/naptha/tesseract.js#tesseractjs

تشکر از :@LawofAttraction05
❇️ @AI_Python

مثالهایی از پردازش زبان طبیعی

https://github.com/microsoft/nlp

#منابع #پردازش_زبان_طبیعی #آموزش
#nlp

❇️ @AI_Python

📣 انجمن علمی آمار با همکاری گروه آمار و کامپیوتر دانشگاه لرستان برگزار میکند.

دوره آموزشی داده کاوی با پایتون و نرم افزار R
سرفصلهای این دوره آموزشی:

داده کاوی چیست؟
کاربرد و آینده داده کاوی چیست ؟ جایگاه داده کاوی در شرکتهای بزرگ و کوچک کجاست ؟

– استخراج خصیصه و روش‌های انتخاب آن

–دسته بندی و درخت‌های تصمیم،ماشین‌های بردار پشتیبانی ,مدلهای خطی رگرسیون خطی و لجستیک و knn و شبکه های عصبی

- کاهش ابعاد وخوشه بندی،PCA ، طبقه بندی ، الگوریتم بیز، الگوریتم های سری زمانی، مقایسه انواع الگوریتمهای خوشه بندی
Cross-Validation
Grid search
Evaluation Metrics and scoring

مدرس دوره: فرزاد حسنوند

جهت ثبت نام به این ایدی پیام بدین
@FarzadHeYdarYY

🧠🧠 دوره های آموزشی علم داده و هوش تجاری:

مسیرهای جامع آموزشی

🥅🥅آشنایی با حوزه علوم داده و تصمیم گیری در خصوص انتخاب مسیر

۱) دوره مسیریابی و تصمیم گیری

۲) دوره جامع تربیت دانشمند داده

۳) دوره جامع تربیت مهندس داده

۴) دوره جامع تربیت تحلیل گر داده

کدام مسیر مناسب شماست؟

مشاوره و ثبت نام :
۶۶۰۷۵۶۲۶-۶۶۰۷۵۶۴۱

@jsharif

ویدیوی سخنرانی بنجیو دانشگاه تهران چهارم شهریور
@Sensifai_Talk

https://www.aparat.com/v/RYF94

بهترین منبع برای یادگیری کاربردی "reinforcement learning"

📌 https://github.com/yandexdataschool/Practical_RL

📌 https://medium.com/@jonathan_hui/rl-deep-reinforcement-learning-series-833319a95530

📌 https://spinningup.openai.com/en/latest/

❇️ @AI_Python

https://github.com/twintproject/twint
برای کسایی که دنبال دیتاست از توئیتر میگردن, بدون محدودیت میتونید توئیت استخراج کنید.
#علم_داده #دیتاست #دیتا #منابع #دیتاست
#datascience #dataset

❇️ @AI_Python

🎞 یادگیری عمیق به زبان ساده : یک مشکل قدیمی – قسمت پنجم

🔸اگر شبکه های عصبی عمیق بسیار قدرتمند هستند، چرا آن ها بیشتر مورد استفاده قرار نمی گیرند؟ علت آن این است که به دلیل موضوعی که به عنوان محو شدگی گرادیان شناخته می شود، آموزش آن ها بسیار مشکل است.

برای آموزش شبکه عصبی بر روی مجموعه بزرگی از داده های دارای برچسب ، باید پیوسته تفاوت بین خروجی پیش بینی شده شبکه و خروجی واقعی را محاسبه کنید. این تفاوت هزینه نامیده می شود و فرآیند آموزش یک شبکه به عنوان پس انتشار یا Back Propagation شناخته می شود. در طول پس انتشار، وزن ها و بایاس ها کمی تغییر می کنند تا کمترین هزینه ممکن حاصل شود. یکی از جنبه های مهم این فرآیند گرادیان است، یک مقدار که نشان می دهد چقدر هزینه با توجه به تغییر در وزن یا بایاس تغییر می کند.

🔻برای دریافت اطلاعت بیشتر درباره ی شبکه های عصبی و مشاهده قسمت های دیگر این مجموعه به لینک زیر مراجعه کنید :

⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩
https://shahaab-co.ir/mag/edu/deep-learning/deep-learning-simplified-an-old-problem-ep-5/

#آموزش
#ویدیو
#یادگیری_عمیق
#مجله_شهاب

Maybe this is how the MNIST fashion dataset was actually created #AIFun

لیست رایگان از منابع آموزشی برای برنامه نویسان و پژوهشگران الگوریتمهای هوش مصنوعی



❎ لیست




#برنامه_نویسی #الگوریتمها #هوش_مصنوعی #منابع #فیلم #کلاس_آموزشی #علم_داده #یادگیری_ماشین
#datascience #machinelearning

❇️ @AI_Python

❇️ @AI_Python
✴️ @AI_Python_EN

گروههای ما:
https://t.me/DeepLearningAIExperts
https://t.me/NLPExperts
https://t.me/PythonLinuxExperts

@ai_python

Our channel in English for foreign users:

https://t.me/ai_python_en

الگوریتمهای یادگیری ماشین
#یادگیری_ماشین #منابع #آموزش

❇️ @AI_Python
✴️ @AI_Python_EN

❇️ @AI_Python

How to Resize Images on the Ubuntu Command Line

sudo apt install imagemagick
ابتدا این ابزار را نصب کنید
الان این دستورات را روی gif انجام میدم بعدا شما میتوانید روی فرمت های دیگر نظیر png یا jpg هم انجام دهید
ابتدا با دستور زیر سایز گیف خود را محاسبه میکنیم:
identify -format "%wx%h" sample.gif
اولین خروجی سایز اصلی گیف شما هست
حالا برای اینکه سایز گیف تغییر بدیم ابتدا از گیف یک گیف دیگر میسازیم که گیف اورجینال ما خراب نشود:
convert sample.gif -coalesce temporary-image.gif
نحوه عملکرد دستور به صورت زیر است
convert -size [orig-size-of-input-gif] temporary-image.gif -resize [target-size] resized-image.gif
که به فرض مثال اگر گیف ما 600*800 باشد و ما بخواهیم آن را تبدیل به 300*400 کنیم به صورت زیر است:
convert -size 800x600 temporary-image.gif -resize 400x300 resized-image.gif
حالا با کامند زیر میبینم که اندازه آن تغییر کرده است:
identify -format "%wx%h" resized-image.gif

❇️ @AI_Python

“10 Lessons I Learned Training GANs for a Year” by Marco Pasini https://link.medium.com/VChuXrpxSZ