#منابع_آموزشی #خبرنامه
توصیه می کنیم که عضویت در خبرنامه هفتگی سایت ruder.io که در آن آقای Ruder (یکی از محققین مطرح حوزه یادگیری عمیق و پردازش زبان طبیعی) جدیدترین اخبار، آموزش ها و مطالب مرتبط با یادگیری عمیق و هوش مصنوعی را جمع آوری می کند را از دست ندهید.

http://newsletter.ruder.io/

مرکز تحقیقات هوش پارت:

http://t.me/hamimsoft
http://ble.im/hamimsoft
sapp.ir/hamimsoft

#خبر
نسخه 2.2 کتابخانه کراس منتشر شد.
https://github.com/keras-team/keras/releases/tag/2.2.0

پیشبینی سری های زمانی به وسیله کتابخانه پیشگوی فیسبوک (Prophet)

yon.ir/9rFvB

مرکز تحقیقات هوش پارت

https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

هر چند که کماکان #تنسورفلو به عنوان محبوب ترین فریمورک یادگیری عمیق برای استفاده در محیط های عملی محسوب می شود؛ اما فریمورک پایتورچ هم با روند قابل توجهی در حال تبدیل شدن به یکی از ابزارهای محبوب یادگیری عمیق برای کاربرد های غیر تحقیقاتی است. به طور مثال، کارخانه تویوتا برای توسعه فناوری اتومبیل های خودران خود در سطح عملی و در مقیاس جهانی از مدل های یادگیری عمیقی که با استفاده از فریمورک #پایتورچ بر روی سرویس های ابری EC2 P3 آمازون آموزش داده شده اند، استفاده می کند.

https://amzn.to/2ywjG99
مرکز تحقیقات هوش پارت

https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

http://vrgl.ir/bUAN1

در این پست قسمت دوم اتوانکدر ها آموزش داده شده است.

https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

راه های ارتباطی مرکز تحقیقات هوش مصنوعی و یادگیری ماشین پارت

سایت hamimsoft.com

ایمیل info@hamimsoft.com

پیام رسان بله ble.im/partdpai

پیام رسان تلگرام t.me/partdpai

پیام رسان سروش sapp.IR/partdpai

آپارات aparat.com/partdpai

ویرگول virgool.io/@partdpai

هر روز حجم وحشتناک زیادی از مقالات مرتبط با حوزه های مختلف هوش مصنوعی و یادگیری ماشین منتشر می شود و همین مسئله باعث شده که همراهی با جریان علمی خیلی سخت باشد. برای همین اگر یک مدت خیلی کوتاه هم پیگیر تحقیقات علمی نباشید و به روزترین مقالات یک حوزه را نخوانید ممکن است از آخرین روندهای و دستاوردهای این حوزه عقب بمانید. خوشبختانه اخیرا یک سایت به آدرس www.shortscience.org برای حل این مشکل ساخته شده که به نوعی یک سایت معادل سایت stackoverflow برای محققین و پژوهشگران هست و در آن می توانید آخرین مقالات و دستاوردهای عمدتا مربوط به یادگیری ماشین را که توسط اعضای سایت خلاصه شده بخوانید و بر روی آن با بقیه بحث کنید. به علاوه می توانید خلاصه مقالاتی که خواندید را هم روی این سایت قرار بدهید که خودش یک نوع تمرین برای درک و نوشتن مطالب علمی و تحقیقاتی است.

مرکز تحقیقات هوش پارت


https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

http://vrgl.ir/evHDP

آشنایی اولیه با یادگیری افزایشی

https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

#دیتاست #کد
اسکریپتی برای دانلود بیش از 200 هزار جک کوتاه انگلیسی:

https://github.com/amoudgl/short-jokes-dataset

یک کاربرد بامزه این دیتاست این هست که با استفاده از آن و شبکه های RNN می توانید یک هوش مصنوعی بسازید که خودش برای شما جک بگوید :)
مرکز تحقیقات هوش پارت


https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

برای تنظیم و بهینه سازی خودکار ابرپارامترهای شبکه های یادگیری که با کتابخانه کراس در پایتون می سازیم می توانیم از کتابخانه hyperas استفاده کنیم. در اصل کتابخانه hyperas یک رابط برای کتابخانه معروف تنظیم ابرپارامتر hyperopt هست که با استفاده از روش های بیزی و جستجوی تصادفی ابرپارامترهای بهینه عموم مدل های یادگیری ماشین را برای ما پیدا می کند.

آدرس گیت هاب کتابخانه hyperas
https://github.com/maxpumperla/hyperas

مستندات کتابخانه hyperas
http://maxpumperla.com/hyperas/


مرکز تحقیقات هوش پارت

https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

#مقاله #مقاله_خوانی

احتمالا این خبر را شنیدید که در یکی از مقالات ارائه شده در کنفرانس CVPR 2018 محققین کمپانی NVIDIA با استفاده از یادگیری عمیق موفق شده اند ویدئوهای عادی ( که به طور مثال با تلفن های همراه ضبط شده اند و دقتی در حدود 30 فریم بر ثانیه دارند) را به ویدئوهای اسلوموشن (ویدئوهایی با دقت 240 فریم بر ثانیه) تبدیل کنند. به صورت ساده اگر بخواهیم توضیح دهیم، ایده پشت این مقاله این است که هر ویدئو 30 فریم بر ثانیه ای که با سرعت معمولی ضبط شده در حقیقت یک ویدئو 240 فریم بر ثانیه ای است که 210 فریم باقیمانده آن در هر ثانیه به نوعی از بین رفته اند و ما می خواهیم با استفاده از یادگیری عمیق و بر اساس این 30 فریم، 210 فریم باقیمانده در هر ثانیه را پیشبینی کنیم. برای این کار در این پژوهش، محققین از 11 هزار ویدئو با دقت 240 فریم بر ثانیه به عنوان مجموعه آموزشی استفاده کرده اند که از این میان 30 فریم از 240 فریم ثبت شده در هر ویدئو به عنوان ورودی به یک شبکه کانولوشنال داده شده است تا با آموزش این شبکه بقیه 210 فریم باقیمانده پیشبینی شوند. بنابراین به عبارتی دیگر اگر یک ویدئو که 30 فریم بر ثانیه دارد را به این شبکه بدهیم، در هر ثانیه 210 فریم دیگر به عنوان خروجی به ما داده می شود که با استفاده از آن ها می توانیم یک ویدئو اسلوموشن 240 فریم بر ثانیه ای بسازیم.
در نهایت لازم است که ذکر کنیم تمامی روش ذکر شده در این مقاله با استفاده از فریمورک #پایتورچ پیاده سازی شده است.

لینک مقاله مربوط به این پژوهش
https://arxiv.org/abs/1712.00080
دموی مربوط به این پژوهش:
https://youtu.be/MjViy6kyiqs

مرکز تحقیقات هوش پارت

https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

#کتابخانه یادگیری عمیق DLTK که مخصوص کار با تصاویر پزشکی است و توسط محققین دانشگاه امپریال کالج لندن توسعه داده شده به صورت متن باز در اختیار عموم قرار گرفت. این کتابخانه یک کتابخانه سطح بالاست که با استفاده از #تنسورفلو نوشته شده است.

آدرس گیت هاب کتابخانه DLTK
https://github.com/DLTK/DLTK
معرفی این کتابخانه:
https://medium.com/tensorflow/an-introduction-to-biomedical-image-analysis-with-tensorflow-and-dltk-2c25304e7c13?linkId=53830032

مرکز تحقیقات هوش پارت

https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

#آموزش شبکه LeNet 5 توسط مهندس سید حسن حسین‌پور
منتطر دوره تابستانه ما باشید.

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

مرکز تحقیقات هوش پارت

https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

#کتابخانه #کراس
پایتون و R هر دو از زبان های اصلی برای علم داده ها (Data Science) هستند. با این حال پایتون به خاطر وجود کتابخانه های قدرتمندی مثل #تنسورفلو، #پایتورچ و #کراس با اختلاف بالایی در زمینه یادگیری عمیق و شبکه های عصبی از زبان R جلوتر است.
خوشبختانه جمعی از توسعه دهندگان R برای کم کردن شکاف بین R و پایتون، کتابخانه کراس برای R را توسعه داده اند تا کاربران R هم بتوانند الگوریتم های یادگیری عمیق را به سادگی پیاده سازی کنند.

https://keras.rstudio.com/

به علاوه خبر خوب دیگر برای کاربران R این است که آقای Chollet سازنده کتابخانه اصلی کراس برای پایتون با همکاری یکی از توسعه دهندگان کتابخانه کراس در R کتابی برای آموزش این کتابخانه نوشته اند که دقیقا دارای سرفصل های مشابه با کتاب آموزشی معروف این کتابخانه برای پایتون است که در پست بعدی می توانید آن را دانلود کنید.

مرکز تحقیقات هوش پارت
https://t.me/partdpai
https://ble.im/partdpai
sapp.ir/partdpai
virgool.io/@partdpai

کتاب یادگیری عمیق با R - آموزش کتابخانه Keras در R

#آموزش Network in Network توسط مهندس سید حسین حسن‌پور
منتظر دوره تابستانه ما باشید.

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

مرکز تحقیقات هوش پارت

https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

#آموزش Vgg Net توسط مهندس سید حسین حسن‌پور.
منتظر دوره تابستانه ما باشید.

https://www.aparat.com/v/4PgN1

مرکز تحقیقات هوش پارت

https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

همانطور که قبلا گفتیم معتبرترین کنفرانس بینایی ماشین جهان کنفرانس CVPR است که هر ساله هزاران مقاله توسط پژوهشگران مطرح سرتاسر دنیا از دانشگاه ها و شرکت های معتبری مثل گوگل، فیسبوک و ... برای ارائه به این کنفرانس ارسال می شود. با این وجود با توجه به کیفیت بالای این کنفرانس باید این نکته را ذکر کرد که تنها نسبت کمی از مقالات ارسال برای ارائه در کنفرانس CVPR پذیرفته می شوند ( به طور مثال نرخ پذیرش مقالات ارسالی در CVPR 2018 در حدود 29 درصد بوده است و به صورت معمول حتی برخی از مقالات ارسال شده توسط پژوهشگران شرکت هایی مثل گوگل و ... در این کنفرانس پذیرفته نمی شوند.)
یک خبر مهم این است که مقاله نوشته شده توسط جناب دکتر سبکرو (پژوهشگاه دانش های بنیادی) ، مهندس خالویی (دانشجوی دکتری دانشگاه صنعتی امیرکبیر)، پروفسور فتحی (پژوهشگاه دانش های بنیادی) و دکتر عادلی (دانشگاه علم و صنعت-استنفورد) با عنوان (Adversarially Learned One-Class Classifier for Novelty Detection) تنها مقاله ارسال شده از طرف دانشگاه ها و موسسات آموزشی ایرانی بوده که در کنفرانس CVPR 2018 پذیرفته شده است.

ما هم به نوبه خود این دستاورد ارزشمند را به این پژوهشگران ارزنده کشورمان تبریک می گوییم و برای آن ها هم در عرصه های علمی و هم در عرصه های غیرعلمی آرزوی موفقیت می کنیم.

لینک مقاله دکتر سبکرو و همکاران در CVPR 2018:
http://openaccess.thecvf.com/content_cvpr_2018/papers/Sabokrou_Adversarially_Learned_One-Class_CVPR_2018_paper.pdf

لازم به ذکر است که هم جناب دکتر سبکرو و هم جناب مهندس خالویی در دوره پائیزه یادگیری عمیق مرکز تحقیقات هوش پارت ارائه داشتند که می توانید ارائه این بزرگواران را در کانال آپارات ما مشاهده کنید:

ارائه دکتر سبکرو در دوره پائیزه یادگیری عمیق مرکز تحقیقات هوش پارت

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

یادگیری بدون نظارت بوسیله شبکه های عصبی

https://www.aparat.com/v/qP5Hm

ارائه مهندس خالویی در دوره پائیزه یادگیری عمیق مرکز تحقیقات هوش پارت

شبکه های GAN (شبکه های مولد تخاصمی)-قسمت 1

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

شبکه های GAN (شبکه های مولد تخاصمی)-قسمت 2

https://www.aparat.com/v/q1L9V

مرکز تحقیقات هوش پارت

https://ble.im/partdpai
https://t.me/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

#دوره_آموزشی
شرکت بلومبرگ هم به جمع شرکت های بزرگ دیگری که دوره های آنلاین و رایگان برگزار می کنند پیوسته و همین چند روز پیش از دوره یادگیری ماشین پیشرفته رایگان خودش رونمایی کرد.
همانطور که گفتیم خیلی از مباحث مطرح شد در این دوره پیشرفته است و مباحثی مثل GAUSSIAN MIXTURE MODELS و BAYESIAN CONDITIONAL PROBABILITY MODELS که در خیلی از دوره های آنلاین یادگیری ماشین آموزش داده نمی شوند در این دوره آموزش داده می شوند. برای همین برای گذراندن این دوره نیاز به پیش زمینه ای نسبتا قوی در ریاضیات دارید. البته پیاده سازی الگوریتم ها در این دوره اغلب به وسیله کتابخانه scikit-learn #پایتون صورت می پذیرد.

سرفصل، ویدئوها، اسلایدها، کدها و تکالیف این دوره را می توانید در آدرس زیر ببینید:
https://bloomberg.github.io/foml

مرکز تحقیقات هوش پارت

https://t.me/partdpai
https://ble.im/partdpai
sapp.IR/partdpai
virgool.io/@partdpai

#dataviz
#DataScience
یک بصری سازی تعاملی بسیار زیبا در خصوص تمامی بازیکنان حاضر در جام جهانی
http://fingfx.thomsonreuters.com/gfx/rngs/SOCCER-WORLDCUP/010070SF1P4/index.html

مرکز تحقیقات هوش پارت

https://t.me/partdpai
https://ble.im/partdpai
sapp.IR/partdpai
virgool.io/@partdpai