#آموزش

Learn how you can find the best parameters with Keras Tuner

A fully-featured, scalable, and easy-to-use hyperparameter tuning library for Keras and beyond.

https://blog.tensorflow.org/2020/01/hyperparameter-tuning-with-keras-tuner.html

مطلب مرتبط:
https://t.me/cvision/1488

SVM on GPUs:
https://github.com/Xtra-Computing/thundersvm

Gradient Boosting and Random Forest on GPUs:
https://github.com/Xtra-Computing/thundergbm

TensorFlow: Data and Deployment Specialization

https://www.coursera.org/specializations/tensorflow-data-and-deployment

کانال هوش مصنوعی و برنامه نویسی پایتون
https://t.me/ai_python

#Financial_Aid

در صورتی که دوره های سایت CLASS.VISION میتونه گره گشای کار شما باشه، اما مشکلات مالی یا پرداختی دارید با تکمیل فرم زیر درخواست خود را ارسال کنید:

https://forms.gle/fopPRxk1WufZCPnp6

توجه کنید که سهمیه مشخصی در هر ماه در نظر گرفته شده و درخواست های غیر ضروری علاوه بر اینکه ما را از تهیه فیلم‌های بعدی منع می‌کند، باعث می‌شود نتوانیم افراد واقعی را شناسایی کنیم.
به همین منظور سوالات را دقیق و با حوصله پاسخ بدهید

کد تخفیف 10 درصدی مخصوص اعضای کانال:

cvision

https://utech-academy.ir/product/winter-deep/

تاریخ شروع: همین هفته - پنج شنبه

💯یادگیری Deep Learning را از همین الان شروع کنید.
کد تخفیف 10 درصدی مخصوص اعضای کانال برای تمام دوره های سایت بینایی ماشین:
cvision

✅دوره مقدمات یادگیری عمیق:

اگر حتی هیچ آشنایی ندارید، بهترین فرصته که همین الان DeepLearning را شروع کنید و مهارت خود را بالا ببرید!
http://class.vision/deeplearning-keras/

✅دوره پیشرفته - شبکه های بازگشتی:

اگر متخصص دیپ لرنینگ هستید و میخواهید دانش خود را در شبکه های بازگشتی بالا ببرید این دوره مناسب شماست.
http://class.vision/deeplearning2/

🔅پیش‌نمایش رایگان دوره در سایت در دسترس است

Telegram: @cvision

How accurate can a ResNet-50 on ImageNet with only 250k of its original 25M weights be
🧐
? With RigL, accuracy of this 99% sparse network seems to increase with training time almost indefinitely
📈
! When does it stop?!

1x->53% 🤓
5x->61.8% 😎
10x->63.9% 🤔
40x->66.9% 😵
100x->?

https://twitter.com/utkuevci/status/1223267258832707584?s=20
https://github.com/google-research/rigl/

کانال اطلاع رسانی رویدادهای ملی و بین المللی:
- اخبار و استخدامی ها
- همایش ها و سمینار ها
- کنفراس ها و ژورنال ها
- کارگاه ها و مسابقات
#Convent
https://telegram.me/convent
@convent

A Simple and Effective Framework for Pairwise Deep Metric Learning

دیپ متریک لرنینگ در سال‌های گذشته در حوزه بینایی ماشین بسیار مورد استفاده قرار گرفته است. روش‌های پیشین بر روی طراحی توابع خطا پیچیده یا ... تمرکز داشتند. در این مقاله روشی ارایه شده که علاوه‌بر برتری نسبت به رویکرد‌های گذشته، ساده‌تر هم می‌باشد.
برای مطالعه بیشتر به این دو لینک مراجعه کنید.

Paper: https://arxiv.org/abs/1912.11194
Code: https://github.com/qiqi-helloworld/A-Simple-and-Effective-Framework-for-Pairewise-Distance-Metric-Learning

#data_visualization

t-SNE algorithm on MNIST with NVIDIA's ultra-fast Rapids library on GPU which is 2000x faster than the sklearn version on CPU

https://www.kaggle.com/tunguz/mnist-2d-t-sne-with-rapids

#آموزش #rnn #lsrm #gru
قسمت اول - مقدمات شبکه‌های بازگشتی:

https://www.aparat.com/v/zqbc8

جلسه اول

فیلم جلسه دوم

#مقدماتی

https://t.me/cvision/1609
https://t.me/cvision/1610

دو فیلم بالا آشنایی کلی با اینکه
یادگیری عمیق چیه! چه فرقی با هوش مصنوعی و ماشین لرنینگ داره را بیان میکنه. یه مقدار سر انتخاب فریم ورک بحث میکنیم
و در ادامش پایتونو معرفی میکنه و در آخر سراغ کتابخونه هایی مثل numpy میره و خیلی خلاصه pandas و matplotlib هم معرفی میکنه.

این دو فیلم برای کسی تا الان یادگیری عمیق شروع نکرده و دوست داره تازه بیاد سمتش مناسبه

اگر تا الان سمتش نرفته بودید و تازه جذبش شدید بلاگ پست پایین هم مطالب رایگان و پولی انگلیسی و فارسیو برای ادامه راهتون میگه:

http://class.vision/deeplearning-learning-path/

برای اطلاع از کارگاه‌های آموزشی جانبی یازدهمین کنفرانس ملی و اولین کنفرانس بین‌المللی بینایی ماشین و پردازش تصویر ایران، می‌توانید به نشانی زیر مراجعه بفرمایید:

https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa

برای شرکت در این کارگاه‌ها ثبت نام در کنفرانس ضروری نیست، اما دانشجویان به خصوص دانشجویان دانشگاه‌های شهر قم و تمامی دانشجویان دانشگاه تهران می‌توانند با ثبت نام رایگان در کنفرانس، با تخفیف ویژه در این کارگاه‌ها ثبت نام و شرکت کنند.

http://mvip2020.ut.ac.ir
@mvip_2020

در کارگاه های کنفرانس با دو موضوع موضوع

آشنایی با Tensorflow / Keras
و
شبکه‌های مولد تخاصمی (GAN) و پیاده‌سازی در Tensorflow / Keras

در خدمتتان هستم...

#آموزش #rnn #lsrm #gru
قسمت دوم - ادامه مقدمات شبکه‌های بازگشتی:

https://www.aparat.com/v/WQyuo?playlist=287685