NVVL Accelerates Machine Learning on Video Datasets

https://devblogs.nvidia.com/accelerate-machine-learning-nvvl/

#رویداد #آنلاین
رویداد آنلاین در مورد کاربردهای هوش مصنوعی در پزشکی با حضور متخصصین از جمله Andrew ng ,و Eric topol , خانم Lily Peng و Pranav Rajpurkar که در تاریخ ۱۵ آوریل ۲۰ ۲۰ توسط deeplearning ai برگزار میشود برای ثبت نام به لینک زیر مراجعه کنید

https://ai4m.eventbrite.com/?aff=facebook

#آموزش #ویدیو #وبینار
Build TensorFlow input pipelines with tf.data

⚪️فیلم وبینار فارسی tf.data و راه‌کارهای افزایش سرعت آموزش - پنج‌شنبه مورخ ۱۴ فروردین ۱۳۹۹
⚪️سطح: پیشرفته (کد نویسی)

این وبینار به آموزش مراحل ساخت pipeline ورودی TensorFlow2 و keras با tf.data و دلایل استفاده نکردن از پیش‌پردازش‌های keras نظیر ImageDataGenerator و لزوم بهره‌گیری از tf.data پرداخته است. بعد از بررسی گام‌های مختلف ETL به عنوان مثال عملی، Transfer learning برای طبقه بندی تصویر را با tf.data انجام دادیم. در نیمه‌ی دوم وبینار بیشتر روی افزایش performance سرعت آموزش و تست بحث شد و راه‌کارهایی نظیر prefetch، Parallelize ، transformation، cache،snapshot، tf.function، XLA و همچنین mixed precision بحث شد.

اسلاید‌های وبینار
https://www.slideshare.net/Alirezaakhavanpour/build-tensorflow-input-pipelines-tfdata

فیلم وبینار در آپارات:
https://www.aparat.com/v/HGvC2

کدهای اسلایدها و مثال عملی:
https://github.com/Alireza-Akhavan/class.vision/tree/master/tf2

@cvision @irandeeplearning

#TensorFlow #keras

#مقاله #سورس_کد

SimCLR - A Simple Framework for Contrastive Learning of Visual Representations https://arxiv.org/abs/2002.05709
کدها با tensorflow
https://github.com/google-research/simclr
مقاله
https://arxiv.org/pdf/2002.05709.pdf

#simclr #contrastive_learnig #representation_learning #self_supervised_learning #unsupervised_learning #computer_vision #metric_learning

خبرگذاری صدا و سیما،
خبر نشون داد که یک تیم ۱۱ نفره تونسته، به کمک هوش مصنوعی Covid-19 رو از روی اسکن ریه تشخیص بده، دستشون درد نکنه

ولی ۱۱ نفر، واقعاً !؟

شمارو با این پست، تنها میذارم (بیش از ۱۰۰ پیاده سازی مختلف وجود داره البته)

Link

که فقط ۱ نفر پیاده‌سازی کرده :/ ، امیدوارم بودجه میلیاردی بابت اینکار نداده باشند

دقیقا به همین فکر میکردم که دوست خوبمون منتشر کردند...

Course 1 of AI For Medicine is all about diagnosing diseases using different kinds of medical data. Here's what you'll learn to do

#رویداد #آنلاین
رویداد آنلاین و #رایگان در مورد کاربردهای هوش مصنوعی در پزشکی
تاریخ ۱۵ آوریل ۲۰ ۲۰

https://www.eventbrite.com/e/online-pie-ai-real-world-ai-applications-in-medicine-tickets-101229766958?aff=dlai

@eventai

سلام دوستان.
با توجه به ویدیوهای دوره مقدماتی و پیشرفته سایت، و همچنین برخی از وبینارها یا کلاس‌های حضوری،
برخی از دوستان پیام دادند که دوست دارند راه ارتباطی باشه برای بقیه افرادی که این دوره ها را گذراندند و یا افرادی که با فریم‌ورک‌‌های تنسرفلو/ کراس آشنا هستند تا بتونند سوالاتشونو مطرح کنند و با بقیه هم فکری کنند.
منم به پیشنهاد این بزرگوارن این گروه را دایر کردم.
اما طبیعتا هر کسی دوست داشت پاسخ بقیه را می‌دهد و فرد مشخصی در گروه مسئول پاسخ‌گویی نیست.
اگر تمایل دارید می‌توانید جوین شوید و با بقیه به گفت‌و گوی مرتبط بپردارید.

https://t.me/tf2keras

#مقاله #سورس_کد
#CVPR2020
Self-Supervised Scene De-occlusion

They developed a self-supervised framework that de-occludes scenes:
1. Extract the order of the objects via pair-wise relations
2. Compose objects to completion (amodal and content)
3. Recompose the entire scenery (!!!)

🔗Video:
https://youtu.be/xIHCyyaB5gU

🔗Project page:
https://xiaohangzhan.github.io/projects/deocclusion/

🔗Paper:
https://arxiv.org/abs/2004.02788

🔗Source code:
https://github.com/XiaohangZhan/deocclusion

#سورس_کد
کلی مثال با تنسرفلو2 و کراس!

TensorFlow2.0-Examples
https://github.com/YunYang1994/TensorFlow2.0-Examples

فرارسیدن نیمه شعبان و ولادت امام زمان را تبریک عرض می‌کنم

در ادامه این وبینار با هدف استفاده بهتر از تنسرفلو 2 قصد دارم وبینار دوم را با موضوع " استفاده از callback ها در TF2/Keras"

با سرفصل های زیر برگزار کنم.

بیاموزیم که چگونه :
آموزش را به صورت خودکار متوقف کنیم
آموزش را از نقطه دلخواه آموزش ادامه دهیم
قبل از آموزش LR بهینه را پیدا کنیم
در حال آموزش مدل LR مدل را تغییر بدهم
از Tensorboard استفاده کنیم
مدل در حین آموزش را ذخیره کنیم
ویژگی‌های استخراج شده از هر لایه را باT-SNE در Tensorboard رسم کنیم
لایه های مدل Visualization کنیم و درک کنیم

اگر پیشنهادی مرتبط با این موضوعات پیشنهاد دارید در گروه بفرمایید.

https://t.me/tf2keras

اطلاع زمان وبینار و نحوه ثبت نام در روزهای آتی اعلام میشه

#خبر
عجیبه!
اما ظاهرا فعالیت های کمتر بشر به خاطر قرنطینه، منجر به کاهش حرکات زمین و زلزله های کمتر و خفیفتر شده

https://www.nature.com/articles/d41586-020-00965-x

نقد François Chollet به توجه بیش از حد به Deep learning برای دست یابی به هوش انسانی! میگه من درک نمیکنم کسایی که برای هوش در سطح انسان یا همون GI (یا هوش قوی) فکر میکنند تنها روش دست‌یابی شبکه های عمیق تره! ما فیلدهای دیگه هوش مصنوعی هم داریم...

https://twitter.com/fchollet/status/1248326821306761216?s=20

How Airbus Detects Anomalies in ISS Telemetry Data Using #Tensorflow TFX
https://blog.tensorflow.org/2020/04/how-airbus-detects-anomalies-iss-telemetry-data-tfx.html

در ادامه ئوئیت قبلی ، François Chollet یک داستان در نقد این افراد می‌سازه و روایت می‌کنه که جای تامل داره و آدم به خودش میاد:)

اخلاقی بودن این داستان اینه که اگر شما برای حل مشکلات بلندپروازانه تلاش کردید، آنچه شما به آن نیاز دارید تأمین بودجه میلیارد دلاری نیست!
شما به نگرش تردید و یادگیری دائمی نیاز دارید.
شما باید کتاب بخوانید.
شما نمی‌توانید به چیزهایی که فکر می کنید می دانید اطمینان مطلق داشته باشید.

نادان بودن و غلط بودن ، پایان کار نیست!
این می تواند آغاز باشد.
اما اگر بدون مطالعه الکی ژست روشنفکری بگیرید، سفر شما قبل از شروع کار تمام شده است.

(بابت پایبندی کمم به ترجمه شرمنده! اصلشو از انتهای این پست بخوانید :) )
Deep learning maximalism: a dialogue

A: So these guys are very confident that they will develop superhuman AI within a few years

B: Cute, I guess that neuropsychology degree is really paying off for them

A: No, no, they don't have any background in neuroscience or psychology

B: Oh ok. I guess they must be the mathematician or physicist type then. That would be *so* in character!

A: No, they don't really have any strong math background either

B: Oh. Well, it's not like you really need a PhD in any of these fields, you could just read a lot of books and papers, and catch up...

A: No, here's the thing: they don't read books. Not even AI/ML books. They only read ArXiv preprints

B: ...

A: ...are you getting it now?

The moral of this story is this: if you set out to solve ambitious problems, what you need most isn't "billions of dollars in funding", you need an attitude of doubt & perpetual learning. You need to read books. You can't be supremely confident in the things you think you know.

Especially if you happen to know nothing and to be horribly wrong in your key assumptions.

Being ignorant and wrong isn't the end! It could be the beginning. But if you don't read and if you display absolute intellectual arrogance, your journey is already over before it started.


https://twitter.com/fchollet/status/1248327775087259648?s=20

آخرین کار ما با همکاری Google Brain, Microsoft Research, Snapchat, Nanyang Technological University و البته دانشگاه تبریز:

🎯 Deep Learning Based Text Classification: A Comprehensive Review

🗣 Shervin Minaee, Nal Kalchbrenner, Erik Cambria, Narjes Nikzad, Meysam Chenaghlu, Jianfeng Gao
لینک:
https://arxiv.org/abs/2004.03705

❇️ @AI_Python