آموزشی مفید انتقال یادگیری

Reusing a pre-trained Deep Learning model on a new task [Transfer Learning]

#آموزش #انتقال_یادگیری #یادگیری_عمیق

🌎 Link Review


❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

بهترین منابع یادگیری عمیق : پروژه های نهایی دانشجویان دانشگاه استنفورد

https://lnkd.in/eA843qV

#machinelearning #deeplearning #artificialintelligence #DL #ML #AI
#منابع #آموزش #یادگیری_عمیق

🌎 Link Review

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

منبعی تئوری برای یادگیری عمیق
#منابع #یادگیری_عمیق


❇️ @AI_Python

📣 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 های کوتاه و آموزش یادگیری عمیق شبکه عصبی با ماژول کراس

#فیلم #آموزش #کراس #یادگیری_عمیق #شبکه_عصبی #پایتون #منابع

🌎 Link Review

❇️@AI_Python

نقشه راه یادگیری مدلهای GAN

#منابع #یادگیری_عمیق #الگوریتمها #کتاب #مقاله #فیلم #کلاس_آموزشی #آموزش_کلاسی


❇️ @AI_Python

بهترین منابع ابزارهای هوش مصنوعی

The best Stanford, CMU, and MIT courses to build a career in AI


📚 Stanford University
🔹 CS229 - Machine Learning by Andrew Ng:

🔹 CS230 - Deep Learning by Andrew Ng

🔹 CS231n - Convolutional Neural Networks for Visual Recognition by Fei-Fei Li and Andrej Karpathy

🔹 CS224n - Natural Language Processing with Deep Learning by Christopher Manning

🔹 CS25 - Transformers United

📚 Massachusetts Institute of Technology

🔹 6.S191 - Introduction to Deep Learning by Alexander Amini and Ava Soleimany

🔹 6.S094 - Deep Learning by Lex Fridman


🔹 6.S192 - Deep Learning for Art, Aesthetics, and Creativity by Ali Jahanian

📚 Carnegie Mellon University

🔹 CS/LTI 11-777 Multimodal Machine Learning by Louis-Philippe Morency:

📚 University College London

🔹 COMP M050 Reinforcement Learning by David Silver

#فیلم #منابع #الگوریتمها #هوش_مصنوعی #پردازش_زبان_طبیعی #یادگیری_ماشین #یادگیری_عمیق #یادگیری_تقویتی

❇️ @AI_Python

دوره کلاسی جدید دانشگاه MIT
MIT Deep Learning for Art, Aesthetics, and Creativity

Generating photorealistic images and arts has been the highlight of AI in 2022.
Covering AI + creativity, GANs, diffusion models, etc.

Videos: https://youtube.com/playlist?list=PLCpMvp7ftsnIbNwRnQJbDNRqO6qiN3EyH

Website: https://ali-design.github.io/deepcreativity/

#منابع #فیلم #کلاس_آموزشی #یادگیری_عمیق
#DeepLearning

❇️ @AI_Python

♨️ Free Self-Study Books on Mathematics, Machine Learning & Deep Learning

🔶1. Matrix Computations

✅ Free Book: Download here

🔶 2. A Probabilistic Theory of Pattern Recognition

💠 Free Book: Download here

✅3. Advanced Engineering Mathematics

💠 Free Book: Download here

✅ 4. Probability and Statistics Cookbook

Free Book: Download here

Machine Learning & Deep Learning Books

➡️ 1. An Introduction to Statistical Learning (with applications in R)

🖇 Free Book: Download here

➡️ 2. Probabilistic Programming and Bayesian Methods for Hackers

👉 Free Book: Download here

➡️3. The Elements of Statistical Learning

👉 Free Book: Download here

➡️4. Bayesian Reasoning and Machine Learning

👉 Free Book: Download here

❇️@AI_Python
❇️@Data_Experts

✔️ 5. Information Theory, Inference, and Learning Algorithms

👉 Free Book: Download here

✔️ 6. Deep Learning

🔗Free Book: Download here

📚 7. Neural Networks and Deep Learning

🔗 Free Book: Download here

📚 8. Supervised Sequence Labelling with Recurrent Neural Networks

🔗Free Book: Download here

📚 9. Reinforcement Learning: An Introduction

🔗 Free Book: Download here

#کتاب #هوش_مصنوعی #یادگیری_عمیق #یادگیری_تقویتی #آموزش #آمار #احتمال #منابع

❇️@AI_Python
❇️@Data_Experts

آموزشهای دکتر اله یاری

🔸 RNN and LSTM Networks Tutorial Part 2

🔸 RNN and LSTM Networks Tutorial Part 1

🔸 Seq2seq Learning Example Part 2

🔸 Seq2seq Learning Example Part 1

🔸 Autoencoders Tutorial Part 3 final

🔸 Autoencoders Tutorial Part 2

🔸 Autoencoders Tutorial Part 1

🔸 CNNs Tutorial Part 2 final

🔸 CNNs Tutorial Part 1

🔸 Logistic Regression Part 4 final

🔸 Logistic Regression Part 3

🔸 Linear Regression Part 2

🔸 Linear Regression Part 1

🔸 Neural Network Part 5 final

🔸 Neural Network Part 4

🔸 Neural Network Part 3

🔸 Neural Network Part 1

🔸 Neural Network Part 2

#شبکه_عصبی #منابع #فیلم #دانشگاه #الگوریتمها #کلاس_آموزشی #یادگیری_عمیق #هوش_مصنوعی #یادگیری_ماشین


❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

کورس کلاسی دانشگاه میشیگان
🔸 Deep Learning for Computer Vision

#منابع #فیلم #کلاس_آموزشی #بینایی_کامپیوتر #یادگیری_عمیق

❇️ @AI_Python

انتشار دوره جدید دانشگاه MIT مقدمه ای بر مبانی یادگیری ماشین برای کاربرد آن در ژنتیک و علوم زیستی
MIT Deep Learning in Life Sciences

🔗 Course
🔗 Materials

#منابع #فیلم #کلاس_آموزشی #یادگیری_عمیق
#DeepLearning #MachineLearning #ML #DL

❇️ @AI_Python

نقشه راه یادگیری مدلهای GAN

#منابع #یادگیری_عمیق #الگوریتمها #کتاب #مقاله #فیلم #کلاس_آموزشی #آموزش_کلاسی


❇️ @AI_Python

✔️ معرفی #منابع_آموزشی پیشنهادی برای یادگیری هوش مصنوعی
#Ai #Deep_Learning #Machine_learning
#یادگیری_عمیق #هوش_مصنوعی
#یادگیری_ماشین #شبکه_عصبی
✅ گام اول برای یادگیری هوش مصنوعی:
- فراگیری پایتون
- فراگیری یادگیری ماشین

📍یادگیری ماشین بااستفاده از scikit-learn 👈 لینک دوره
📍یادگیری ماشین با استفاده از پایتون 👈 لینک دوره
📍آموزش یادگیری ماشین 👈 لینک دوره
📍یادگیری ماشین با استفاده از scikit-learn-part1 👈 لینک دوره
📍مبانی مقدماتی تا پیشرفته یادگیری ماشین 👈 لینک دوره

✅ استفاده از منبع های مختلف دانشگاه ها و سایت های معتبر

📍 اصول و روش های هوش مصنوعی از دانشگاه استنفورد 👈 لینک دوره
📍 منابع آموزشی دانشگاه MIT 👈 لینک دوره
📍دوره هوش مصنوعی Saylor 👈 لینک دوره
📍منابع آموزشی موجود در سایت Edx 👈 لینک دوره
📍منابع اموزشی مقدمات هوش مصنوعی 👈 لینک دوره
📍 ویدیو های سخنرانی دانشگاه برکلی 👈 لینک دوره
📍 آموزش یادگیری عمیق Google 👈 لینک دوره
📍ویدیو آموزش یادگیری ماشین دانشگاه کارنگی ملون استاد لری وارسرمن 👈 لینک دوره
📍آموزش شبکه های عصبی برای هوش مصنوعی 👈 لینک دوره

✅ یادگیری نظریه های آمار، احتمال و ریاضی

📍آموزش جبر خطی 👈 لینک دوره
📍آموزش آمار و احتمال دانشگاه MIT 👈 لینک دوره
📍معادلات دیفرانسیل و چندگانه 👈لینک دوره ۱ لینک دوره ۲
📍آموزش نظریه گراف سایت coursera 👈 لینک دوره
📍آموزش روش های بهینه سازی دانشگاه استنفورد👈 لینک دوره

✅ ویدیوهای فارسی
📍آموزش‌های فارسی یادگیری ماشین دکتر رضوی 👈 لینک

📍گروه فارسی پرسش و پاسخ هوش مصنوعی، یادگیری ماشین و یادگیری عمیق:
https://t.me/joinchat/ClyM2kZKfp0_jRXWpiQDkw

✅ برترین مقالات هوش مصنوعی و یادگیری ماشین:
@ai_python_arxiv

❇️ @AI_Python

کلاس آموزشی دانشگاه میشیگان

Deep Learning for Robot Perception - Michigan, 2023

#فیلم #منابع_پیشنهادی #منابع #کلاس_آموزشی #آموزش_کلاسی #رباتیک #یادگیری_عمیق

✅ @AI_Python

✔️ معرفی #منابع پیشنهادی برای #یادگیری_عمیق
قدم اول برای یادگیری عمیق
#یادگیری_ماشین #پردازش_زبان_طبیعی #هوش_مصنوعی #آموزش #شبکه_عصبی_کانوولوشن #شبکه_عصبی #منابع
✅1 - فراگیری مفاهیم مقدماتی یادگیری ماشین
مباحث آموزشی دکتر هینتون و بنجیو و لکون
👈 لینک
✅ فیلم های اموزشی یادگیری ماشین و یادگیری عمیق دکتر رضوی
👈 لینک
✅ تسلط بر مباحث برنامه نویسی پایتون و کار با تنسرفلو وکراس
✅ تسلط بر مباحث ریاضیات و جبر از دانشگاه MIT
👈 لینک
✔️ معادلات ماتریسی یادگیری عمیق دانشگاه کالیفرنیا جنوبی
👈 لینک
✔️ استفاده از سایت بسیار مشهور که به وسیله پژوهشگران برتر هدایت میشود
fast.ai
👈 لینک

📚 2 - مطالعه منابع عمیق دانشگاه ها و...
یادگیری عمیق دانشگاه آکسفورد
👈 لینک 👈 لینک ۲ 👈 لینک ۳ 🖋فیلمهای این دانشگاه
❌ آموزش های شبکه ای کانولوشن و یادگیری ماشین و...
⁉️ لینک
❌ وبسایتی که آموزشها و مقالات را از سال ۲۰۱۲ تا ۲۰۱۶ قابل دسترس است
⁉️ لینک
❌ شبکه عصبی کانولوشن برای تشخیص بصری
⁉️ لینک
❌ پردازش زبان طبیعی برای یادگیری ماشین
⁉️لینک
❌ مدرسه تابستانی یادگیری عمیق مونترال
⁉️ لینک ۱ ⁉️ لینک ۲
❌ شبکه کانولوشن عصبی و شبکه عصبی
⁉️ لینک
🔍 یادگیری شبکه های عصبی جفری هینتون کورسرا

📘 کلاس شبکه های عصبی دانشگاه اوشربروک کانادا
👈لینک
📕منابع یادگیری ماشین دانشگاه کالتک برای یادگیری نظری ها
👈 لینک
📘 3- معرفی کتابها
Neural Networks and Deep Learning Book by Michael Nielsen
Deep Learning Book by Ian Goodfellow, Yoshua Bengio and Aaron Courville

📘 4- سایر منابع
CS231n Convolutional Neural Networks for Visual Recognition University of Stanford
Getting Started in Computer Vision by Mostafa S. Ibrahim he focus on GPU and ...

🗓 پردازش زبان طبیعی دانشگاه استنفورد
👈 لینک 👈لینک ۲
🗓 مطالعه مقاله درمورد حافظه شبکه
👈 لینک
📘 مطالعه مقاله پایه ای حافظه شبکه و NLP
👈 لینک
ویدیوهای شرکت DeepMind
👈 لینک

❇️ یادگیری عمیق تقویتی
👈 لینک کتابهای
❇️ فهم یادگیری LSTM
👈 لینک
❇️ اثر بخشی ناعادلانه RNN
👈 لینک
✔️ مدل های تولیدی
✅ مقاله جهت یادگیری مدلهای GANs
👈لینک
✅ یادگیری مدل VANs
👈 لینک
✅ مقاله نوشته شده دکتر Ian Goodfellow در مورد GAN
👈 لینک
✅ مقاله نوشته شده LAPGAN
👈 لینک
✅ مقاله نوشته شده در مورد DCGAN
👈لینک مقاله 👈 لینک کدها
✅ استفاده از روش DCGAN برای تصاویر کیفیت بالا
👈 لینک
✅ فیلم های یادگیری عمیق برای پردازش تصویر
👈 لینک
🌐 ساخت پروژه
👈 لینک دیتا
🌐 شناسایی و طبقه بندی تصاویر
👈 لینک ۱ 👈 لینک ۲
🌐 تحلیل احساسات با استفاده از RNN
👈لینک
و با استفاده از CNN
👈 لینک
🌐 کاربرد الگوریتم عصبی سبک هنری
👈لینک
🌐 ساخت موسیقی با استفاده از RNNs
👈 لینک
🌐 ساخت بازی پینگ پونگ با استفاده از یادگیری عمیق تقویتی
👈 لینک
✳️ استفاده از شبکه عصبی Rate a selfie
👈 لینک
✳️ استفاده از رنگ عکسهای سیاه و سفید با استفاده از یادگیری عمیق
👈 لینک
✳️ سایر منابع یادگیری عمیق از پژوهشگران برتر کارپاتی
👈 لینک مقالات
✳️ لینک یادگیری عمیق دانشگاه استنفورد
👈 لینک ۱ 👈 لینک ۲
✳️ یادگیری عمیق
👈 لینک

🔔@AI_Python

✅ معرفی #منابع پیشنهادی برای #یادگیری_ماشین #آموزش #دکترـرضوی
«قدم اول یادگیری زبانهای برنامه نویسی R و Python و Weka که در بیشتر موارد نرم افزار پایتون بهترین گزینه جهت انجام همه این کار ها است»
#یادگیری_عمیق #پردازش_زبان_طبیعی
✅ دنبال کردن کلاس آموزشی دکتر رضوی
👈 کلاس آموزشی دکتر رضوی

❇️@AI_Python
🌐 آموزشهای یادگیری علم داده دانشگاه هاروارد
👈 لینک
👈 لینک آموزش فایلهایی ویدیویی
👈 تمرینات
🌐 آموزش های ویدیویی یادگیری ماشین دانشگاه استنفورد
👈 لینک
🌐 کتابهای آموزشی یادگیری آماری جهت فراگیری یادگیری ماشین
👈 فایل pdf
👈 فایل pdf 2
🌐 فراگیری آموزش احتمال که توسط سایت Edx برگزار شده است
👈 لینک
❎یادگیری کلان داده با استفاده آپاچی اسپارک
👈 لینک
❎ یادگیری مباحث ریاضیاتی نظیر جبرخطی و معادلات دیفرانسیل
👈 لینک
❎ یادگیری آموزشهای تقویتی یادگیری ماشین و یادگیری عمیق دانشگاه برکلی
👈 لینک
❎ مطالعه مقالات و یادگیری آموزش الگوریتم های پیشنیاز یادگیری ماشین
👈 لینک
❎ معرفی کتاب
✔️ Bishop's Pattern Recognition and Machine Learning
✔️ Introduction to Probability by John N. Tsitsiklis
✔️ Larry Wasserman's All of Statistics: A Concise Course in Statistical Inference
✔️ Joel Grus' Data Science from Scratch: First Principles with Python
✔️ Brett Lantz's Machine Learning with R
✔️ Willi Richert & Luis Pedro Coelho's Building Machine Learning Systems with Python
✔️ Nick Pentreath's Machine Learning with Spark
✔️ Learning From Data by Yaser S. Abu-Mostafa

❇️@AI_Python
📎 استنتاج بیزی و یادگیری ماشین دانشگاه کمبریج
👈 لینک
📎 یادگیری ماشین و دیدگاه احتمالی دانشگاه بریتیش کلمبیا
👈 لینک
📎 چگونه از دیتا یاد بگیریم دسترسی به کتابها و مطالب دانشگاه Caltech
👈 لینک
🌐 معرفی الگوریتم های خطی و غیر خطی یادگیری ماشین
Linear Algorithm

Gradient Descent
Linear Regression
Logistic Regression
Linear Discriminant Analysis

Nonlinear Algorithms

Classification And Regression Trees, Naive Bayes, KNN,Learning Vector Quantization, Support Vector Machines, Bagging and Random Forest,Boosting and AdaBoost

❇️@AI_Python

MIT Introduction to Deep Learning - 2023 Starting soon! MIT Intro to DL is one of the most concise AI courses on the web that cover basic deep learning techniques, architectures, and applications.

2023 lectures are starting in just one day, Jan 9th!

Link to register:
http://introtodeeplearning.com

MIT Introduction to Deep Learning The 2022 lectures can be found here:

https://m.youtube.com/playlist?list=PLtBw6njQRU-rwp5__7C0oIVt26ZgjG9NI

#فیلم #منابع #منابع_پیشنهادی #یادگیری_عمیق #کلاس_آموزشی #آموزش_کلاسی

✅ @AI_Python

کورس کلاسی دانشگاه کارنگی ملون

Introduction to Deep Learning, Carnegie Mellon 2022-23

https://m.youtube.com/playlist?list=PLp-0K3kfddPwgBSCbDtT6NaVOd-gIHVMW

#منابع #فیلم #یادگیری_عمیق #کلاس_آموزشی #آموزش_کلاسی

✅ @AI_Python