Python (Artificial intelligence and Data Science)
1.1K subscribers
57 photos
19 videos
32 files
199 links
Contact Points:

📱 Telegram:
@AmirHosseinBabaeayan

🔮 Instagram:
Instagram.com/AmirHosseinBabaeayan

🖥️ LinkedIn:
https://www.linkedin.com/in/amirhossein-babaeayan/

📨 Mail:
AmirHosseinBabaeayan@gmail.com
Download Telegram
Mara Bebakhsh
Alireza Ghorbani
همیشه هم نباید علمی باشه ؛)
گاهی یک آهنگ خوب هم میچسبه.

🧬 علیرضا قربانی - مرا ببخش
4👍2
50-useful-python-scripts-free-pdf (3).pdf
426.5 KB
🔥 پنجاه اسکریپت مفید در پایتون
🆔 @PythonAIDS
🔥3
توابع مهم در پایتون
🔥4👍1
مبحث بسیار مهم Lambda در پایتون
3🔥1
🧡 دانشجویان علاقمند به فراگیری هوش‌مصنوعی از سراسر ایران و جهان: برای نخستین بار می‌توانید به صورت زنده و آنلاین، در کلاس «یادگیری ماشین» دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف شرکت کنید.

🧡 مدرس: دکتر علی شریفی زارچی، عضو هیات علمی گروه هوش‌مصنوعی و بیوانفورماتیک دانشگاه صنعتی شریف

🧡 تیم تهیه‌ی محتوا: ۷۰ نفر از دانشجویان و دانش‌آموختگان دانشگاه شریف و سایر دانشگاه‌های برتر

👑 هزینه‌ی ثبت‌نام: رایگان

👑 شروع کلاس‌ها: ۱ مهر ۱۴۰۳

👑 اطلاعات بیشتر و ثبت‌نام: sharifml.ir
Please open Telegram to view this post
VIEW IN TELEGRAM
6
Python (Artificial intelligence and Data Science)
Intro_Google_Colab.pdf
🔥 جهت تکمیل پست مربوط به Jupyter باید بدونین که برای آشنایی با Google colab هم میتونین از این فایل استفاده کنین.
👍2
مجموعه جلسات «گذر»

💠عنوان:
"Probabilistic Programming for Machine Learning"

🎙 ارائه‌دهنده:
امیرعباس اسدی

🔻توضیحات:
Bayesian Learning provides a natural framework for approaching Machine Learning problems. For a long time, due to the significant computational cost of Bayesian inference, this framework was limited to simple models and problems with a small amount of data. Probabilistic Programming is the fruit of many years of research in approximate Bayesian inference aiming to address these limitations. This presentation is a friendly introduction to Probabilistic Programming. We will explore how modern inference methods and recent advances in Differentiable Programming can help us unlock the full potential of Bayesian Machine Learning.

Presentation outline:
- Bayesian Learning and Probabilistic Programs
- Probabilistic Programming in Julia
- Approximate Bayesian Inference
-- Markov Chain Monte Carlo
-- Variational Inference
- Differentiable Programming
- Discussing some examples:
-- Bayesian Deep Learning
-- Bayesian Neural Differential Equations
-- Inverse Optimization

پیشنیاز های علمی:  آمار و احتمال مقدماتی، آشنایی با Deep Learning



🌐 فرم ثبت‌نام

مهلت ثبت‌نام : ۱۵ مهر
🗓 زمان: چهارشنبه ۱۸ مهر - ساعت ۱۶:۰۰
📍مکان: به صورت هیبرید - کلاس ۱۰۹ دانشکده ریاضی


🚀 @Gozar_SUT
🚀 @hamband_sut
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4
سلام به همه دوستان
اگر کسی هستش که از دوره ها جزوه ای نوشته ممنون میشم به اشتراک بذاره که داخل کانال منتشر کنیم بقیه دوستان هم استفاده کنن.
متشکرم ازتون ؛)
🔥4🤩1
🔰 فرم دستیاری آموزشی یادگیری ماشین کاربردی دکتر ناظرفرد در ترم دوم ۱۴۰۳-۱۴۰۴ دانشگاه صنعتی امیرکبیر:

https://docs.google.com/forms/d/e/1FAIpQLSdNDR9tU0dZ_fBA9twh1n8FOyNGGGNnvkBULlZLywrorCbetQ/viewform?usp=sf_link

صرفا دوستانی میتونن درخواست رو داشته باشن که مقطع کارشناسی ارشد یا دکتری باشن و درس رو گذرونده باشن.
از دانشگاه های غیر از صنعتی امیرکبیر هم برای این ترم میتونین درخواست بدین که بررسی داشته باشیم.
لازم به ذکر هستش که هد تی ای این درس من (امیرحسین بابائیان) هستم.
👍4
رویداد تحول دیجیتال با زیرساخت ابری

حضور محدود در رویداد:
https://irancellacademy.com/event?key=679b6218567806be451278c3
🔥2
سال نو مبارک باشه
سال تازه پر از اتفاقای خوب باشه براتون.
13