گزارشات تایید شده ای هست که برخی از افراد سودجو و کلاه بردار مثل @Projetyip با اسم دادن پروژه ی تایپ به دانشجویانی که دنبال کار میکردند پول حق عضویت گروه کاری میگیرند و هیچ پول دستمزدی در کار نیست!
فریب این موارد و همچنین انجام پروژه های دانشجویی را در گروه ها نخورید
لطفا اطلاع رسانی کنید و اگر این اتفاق برای شما هم افتاده و حوصله ی شکایت ندارید حتما از طریق سایت پلیس فتا و گزارش های مردمی به پلیس اطلاع دهید.
اگر مورد مشابهی دارید اینجا بنویسید.

#خبر

🤖~ Github copilot ~🤖
☠️ دنیای کدنویسی ترسناک میشود.


شرکت بزرگ گیت هاب با همکاری شرکت Open AI ابزاری به نام Copilot رو برای برنامه نویس ها توسعه داده است که فراتر از Auto Complete موجود در ادیتور های مختلف هست و توانایی نوشتن کامل کد های یک تابع را دارد و کد ها را به برنامه نویس پیشنهاد میدهد.
این ابزار به صورت افزونه برای ویرایشگر های کد معروف عرضه شده و بر مبنای هوش مصنوعی Codex شرکت Open AI کار میکنه که خودش مشتق شده از هوش مصنوعی معروف GPT-3 هست و با استفاده از کدهای در دسترس عموم تمرین داده شده.

اطلاعات بیشتر: GitHub Copilot

—————————————
مجموعه دانش بنیان شناسا (داده پویان آلما):
shenasa.ai
shenasa-ai.ir
@shenasa_ai

مواردی که در جمع آوری دیتاست های object detection باید دقت کنید

https://youtu.be/40GqhTrMcNA

ورژن 2.9 تنسرفلو منتشر شد، همچنین تغیرات ورژن 2.10 را نوشتند که تغییراتی نظیر موارد زیر مشاهده میشه

https://github.com/tensorflow/tensorflow/blob/master/RELEASE.md

در 2.10 متد tf.keras.utils.audio_dataset_from_directory
مثل تصویر و متن که قبلا بود اضافه شده،

به تمامی متدهای X_dataset_from_directory (به جای X شما image, text و audio بخوانید) متد subset="both" اضافه شده که همزمان ترین و تست را برگردونه (قبلا seed پاس میدادیم و دوبار صدا میکردیم)
و ...

این دوره 1 خرداد شروع میشود.

🔥Deep Learning for Face Anti-Spoofing
https://github.com/ZitongYu/DeepFAS

PatchNet: A Simple Face Anti-Spoofing Framework via Fine-Grained Patch Recognition

https://arxiv.org/pdf/2203.14325.pdf

#آموزش #بلاگ (سطح: مقدماتی)
📢 پست جدید وبلاگ شناسا،
📝 انواع هوش مصنوعی و تفاوت آن‌ها با هوش انسان

https://vrgl.ir/w9lJy


ما را در ویرگول دنبال کنید و در کامنت‌ها، موضوع آموزش‌های آینده را پیشنهاد بدهید.

————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai

کسی دیتاست mEBAL را قبلا دانلود کرده؟
mEBAL is a multimodal database for eye blink detection and attention level estimation.

تفاوت mlops و devops
https://datatalks.club/blog/devops-and-mlops-same-thing.html

آخرین مهلت ثبت نام امروز است.
فردا شروع کلاس خواهد بود.

دوره‌ی تخصصی شبکه های عصبی مولد عمیق و GAN

https://class.vision/product/gan-deep-generative/

یک visualization خوب برای رگرسیون

Unsupervised Semantic Segmentation and Localization

https://lukemelas.github.io/deep-spectral-segmentation/

ویدیوی ضبط شده ی ای رویداد:
https://www.aparat.com/v/QU5i1

Spatial Transformer Networks Using TensorFlow


https://pyimagesearch.com/2022/05/23/spatial-transformer-networks-using-tensorflow/

Label Studio
یک ابزار اوپن-سورس لیبل زنی که انواع داده‌ها مانند صدا، متن، تصاویر، ویدیوها و سری‌های زمانی را پشتیبانی میکنه!
میتوید با یک رابط کاربری ساده داده ها را برچسب بزنید و به فرمت‌های مختلف خروجی بگیرید!

https://github.com/heartexlabs/label-studio

#annotation #labeling

در این صفحه از تنسرفلو تمامی منابع، کتب، کورس های پیشنهادی دیپ لرنینگ به تفکیک لیست شده:

https://www.tensorflow.org/resources/learn-ml?gclid=CjwKCAjwp7eUBhBeEiwAZbHwkQk0mmWUZS-SKNXGZgNohIUUbdSthJa02NHWOijUyq6wG790xBaQkRoCUJgQAvD_BwE

#مجموعه_داده #دیتاست

اسامی فارسی و درصد استفاده از آنها

Deep Learning for Visual Speech Analysis: A Survey

https://deepai.org/publication/deep-learning-for-visual-speech-analysis-a-survey

این سلسله توئیت برام جالب بود گفتم اینجا بزارم:

1/n (deep belief nets)

16 سال پیش، در سال 2006 بود که جفری هینتون
و همکاران نسخه ی نمایشی خود را از شبکه های باور عمیق منتشر کردند. من به شدت تحت تأثیر قرار گرفتم و متقاعد شدم که یادگیری عمیق راهی است که باید رفت. تقریباً هر روز وب‌سایت هینتون را رفرش می‌کردم تا مقالات جدیدش را بررسی کنم...

—————-
2/n (Non-Convex Loss Function)
3/n and 4/n (who uses Neural net?!)
5/n (VAE demo)
6/n (GAN and face images)
7/n (Imagen)
8/n (Compute Trends)

https://twitter.com/dpkingma/status/1530968979333820416

2/n (Non-Convex Loss Function)

تقریباً در همان زمان، شروع به خواندن تمام مقالات و ویدیوهای یان لکان کردم.
سخنرانی سال 2007 اون را با موضوع Who is Afraid of Non-Convex Loss Functions?را دوست داشتم !
لینک ویدیوی این سخنرانی:
https://youtube.com/watch?v=8zdo6cnCW2w

این توئیت:
https://twitter.com/dpkingma/status/1530968985134518274