برخی از مقالات جالب در حوزه ی بینایی ماشین در سال 2017

Some interesting Computer Vision papers from ICCV 2017

https://medium.com/@sarfarazhusein/some-interesting-computer-vision-papers-from-iccv-2017-94d245e9dd05

#computer_vision

گوگل پیشنمایش تنسرفلو لایت را برای توسعه دهندگان موبایل معرفی کرد.

#TensorFlow_Lite

https://developers.googleblog.com/2017/11/announcing-tensorflow-lite.html

مرتبط با https://t.me/cvision/208

#کتاب رایگان
Considering TensorFlow for the Enterprise
[November 2017, First Edition]
http://www.oreilly.com/data/free/considering-tensorflow-for-the-enterprise.csp

#Oreilly #book #tensorflow #free

معرفی #کورس ، #آموزش

Accelerating Deep Learning with GPU (Beta)

https://cognitiveclass.ai/courses/accelerating-deep-learning-gpu/

#deep_learning #GPU

آینده ی بسیار وحشتناک هوش مصنوعی، ربات پرنده کوچک قاتل مجهز به تشخیص چهره و هدایت خودکار!
#Killer_Drones
فیلم کامل:
https://www.youtube.com/watch?v=TlO2gcs1YvM

#خبر
Google Developers Blog:
Introducing #TensorFlow Feature Columns

https://developers.googleblog.com/2017/11/introducing-tensorflow-feature-columns.html?m=1

🙏Thanks to: @MohsenF91

Artificial Intelligence, Machine Learning and Deep Learning...

فروش لپ تاپ مخصوص دیپ لرنینگ و تنسرفلوکارها!

https://lambdal.com/products/tensorbook

معرفی #کورس، #آموزش

DeepSchool.io

⭕️Contents:
Lesson 0: Introduction to regression.
Lesson 1: Penalising weights to fit better (scikit learn intro)
Mathematics (optional)

Lesson 2: Gradient Descent. Using basic optimisation methods.
Lesson 3: Tensorflow intro: zero layer hidden networks (i.e. normal regression).
Lesson 4: Tensorflow hidden layer introduction.
Deep Learning

Lesson 5: Using #Keras to simplify multi layer neural nets.
Lesson 6: Embeddings to deal with categorical data. (Keras)
Lesson 7: Word2Vec. Embeddings to visualise words. (#Tensorflow)
Lesson 8: Application - Bike Sharing predictions
Lesson 9: Choosing Number of Layers and more
Lesson 10: XGBoost - A quick detour from Deep Learning
Lesson 11: Convolutional Neural Nets (MNIST dataset)
Lesson 12: CNNs and BatchNormalisation (CIFAR10 dataset)
Lesson 13: Transfer Learning (Dogs vs Cats dataset)
Advanced Topics

Lesson 14: LSTMs - Sentiment analysis.
Lesson 15: LSTMs - Shakespeare.
Lesson 16: LSTMs - Trump Tweets.
Lesson 17: Trump - Stacking and Stateful LSTMs.
Lesson 18: Fake News Classifier

🔗Deep Learning tutorials in jupyter notebooks:
http://www.deepschool.io
🔗 YouTube Playlist:
https://www.youtube.com/playlist?list=PLIx9QCwIhuRS1SPS9LHF7VjvZyM1g2Swz

#deep_learning #tutorial

What is a CNN’s receptive field?

https://www.quora.com/What-is-a-CNN%E2%80%99s-receptive-field
#receptive_field #convolutional_neutral_network

Predicting #Cryptocurrency Prices With Deep Learning

 https://dashee87.github.io/deep%20learning/python/predicting-cryptocurrency-prices-with-deep-learning/

#bitcoin #deep_learning #LSTM

#آموزش

An Easy Guide to build new #TensorFlow Datasets and Estimator with #Keras Model

http://bit.ly/2jqR5rc

#آموزش #منابع #دانلود_کورس

دانلود دوره یادگیری عمیق مایکروسافت

http://muniversity.ir/deep-learning-explained/

🙏 Thanks to: @muniversity_ir

منابع مفید برای شروع #یادگیری_تقویتی
#مسیر_یادگیری، #منابع، #کورس

⭕️Resources for #Reinforcement_Learning:

Wikipedia Article for General Info on Reinforcement Learning

https://stackoverflow.com/questions/43288550/iopub-data-rate-exceeded-when-viewing-image-in-jupyter-notebook

Simpler Reinforcement Learning API with #Keras. It's a lot easier to play with this than manually implement techniques in #TensorFlow.

https://github.com/matthiasplappert/keras-rl

Huge Repo of Implemented RL Algos:

https://github.com/dennybritz/reinforcement-learning

#Berkeley #Course on RL and DL:

http://rll.berkeley.edu/deeprlcourse/

Nice Series of Articles on RL:

https://medium.com/emergent-future/simple-reinforcement-learning-with-tensorflow-part-0-q-learning-with-tables-and-neural-networks-d195264329d0

Some great books on RL:

* Richard S. Sutton and Andrew G. Barto. Reinforcement Learning.
* Stuart J. Russell and Peter Norvig. Artificial Intelligence. A Modern Approach.
* Ian Goodfellow, Yoshua Bengio, and Aaron Courville. Deep Learning.

#آموزش
Understanding Hinton’s Capsule Networks.

✔Part I: Intuition [ https://b64.ir/fy2 ]
✔Part II: How Capsules Work [ https://b64.ir/gRQ ]
✔️Part III: Dynamic Routing Between Capsules [https://b64.ir/c0X]
مرتبط با:
https://t.me/cvision/355
https://t.me/cvision/362
https://t.me/cvision/363
https://t.me/cvision/379

#CapsNet #Hinton #Deep_learning

#وبینار
Capsule Theory – A Boon for Deep Learning or Distraction?
Capsule Theory Webcast
on Dec 7th, 15:00 Amsterdam Time

http://tarrysingh.com/capsule-theory-boon-deep-learning/

#capsnet

#مقاله جدید از فیسبوک، برای آموزش بدون ناظر شبکه برای ترجمه متون!
Unsupervised Machine Translation Using Monolingual Corpora Only

در روشهای قبلی آموزش یک شبکه بازگشتی برای ترجمه متون، مجبور بودیم جفت جملات هم معنی بسیاری از زبان های مبدا و مقصد به شبکه نشان دهیم. در این مقاله روشی مطرح گردیده که نیازی به هیچ ترجمه متناظری از جملات نبوده و شبکه بدون ناظر میتواند برای ترجمه از زبانی به زبان دیگر آموزش ببیند.
این روش جملات را از زبانهای مختلف می گیرد و آنها را در یک فضای دیگر تبدیل میکند. با یادگیری برای بازسازی هر زبان از این فضای ویژگی مشترک، مدل به طور موثر یاد می گیرد بدون ناظر و label زبان مبدا را به زبان مقصد ترجمه کند.

https://arxiv.org/abs/1711.00043

#deep_learning #unsupervised #NLP #Translator #Translation

پروفسور جفری هینتون و سارا صبور، دانشجوی ایرانی ایشان و نویسنده ی اول مقاله شبکه های کپسولی.
#CapsNet #Hinton #deep_learning
https://arxiv.org/abs/1710.09829

#خبر

الگوریتم هوش مصنوعی استنفورد برای تشخیص تمایلات سیاسی هر منطقه، تنها با استفاده از تصاویر street view گوگل و نوع خودروهای هر منطقه:

https://news.stanford.edu/2017/11/28/neighborhoods-cars-indicate-political-leanings/

با سلام و وقت بخیر

به یاری خدا دوره‌ی یادگیری عمیق و تنسورفلو به مدت ۶ هفته در دانشکده کامپیوتر دانشگاه علم و صنعت ایران برگزار شد.
لینک زیر حاوی تمامی محتوای ارائه شده در این دوره است.
خلاصه‌ای از مطالب بیان شده:
- مقدمه‌ای بر یادگیری عمیق با تنسورفلو
- نحوه آموزش شبکه‌های عصبی (Backpropagation - Gradient Based Optimization Methods)
- مقدمه‌ای بر شبکه‌های کانولوشنال (Convolutional Neural Networks)
- مقدمه‌ای بر شبکه‌های برگشتی (Recurrent Neural Networks)
- مقدمه‌ای بر کاربرد یادگیری عمیق در پردازش زبان طبیعی
- بررسی TensorBoard
- مقدمه‌ای بر Word2Vec و آموزش بردارهای Word2Vec فارسی با استفاده از Gensim، Hazm و ویکی‌پدیا فارسی
- مقدمه‌ای بر مدل‌های Seq2Seq
- مقدمه‌ی پردازش گفتار و کاربرد یادگیری عمیق در پردازش گفتار
- مقایسه ابزارها و چارچوب‌های یادگیری عمیق
- مقدمه‌ای درباره‌ی Generative Adversarial Networks
در لینک زیر موارد زیر را خواهید یافت:
- اسلایدهای ارائه شده در کلاس
- لینک‌های مفید برای مطالعه بیشتر، بسیاری از محتوای موجود در اسلایدها در همین لینک‌ها وجود دارند.
- مخازنی از گیت‌هاب که حاوی کدها و مطالب مفید مرتبط با آن جلسه هستند.
- ویدئوهای ضبط شده از صفحه نمایش در هنگام ارائه
- کدهای توضیح داده شده در طول دوره

با احترام

https://github.com/Mahdizade/IUSTDeepLearningWithTensorFlow

#خبر
Nvidia Makes Breakthrough In Reducing AI Training Time

http://www.tomshardware.com/news/nvidia-breakthrough-reducing-ai-training-time,36045.html

#deep_learning #gan #nvidia