The 1st Agriculture-Vision Challenge: Methods and Results

By Andrew Ng et al.

https://arxiv.org/abs/2004.09754v1

چالش :
https://www.agriculture-vision.com

https://competitions.codalab.org/competitions/23732?secret_key=dba10d3a-a676-4c44-9acf-b45dc92c5fcf

#paper #artificialintelligence

@pythonicAi

Mathematics For Machine Learning

The table of contents breaks down as follows:

Part I: Mathematical Foundations
- Introduction and Motivation
- Linear Algebra
- Analytic Geometry
- Matrix Decompositions
- Vector Calculus
- Probability and Distribution
- Continuous Optimization

Part II: Central Machine Learning Problems
- When Models Meet Data
- Linear Regression
- Dimensionality Reduction with Principal Component Analysis
- Density Estimation with Gaussian Mixture Models
- Classification with Support Vector Machines

https://mml-book.github.io

#machinelearning #artificialintelligence #book

@pythonicAi

بسیاری از کارها با الگوریتم‌های هوش مصنوعی به کمک کتابخونه scikit-learn انجام می‌شه، چندروز پیش در یک وبینار خصوصی روی دیتاهای بسیار زیاد، پیشنهاد بسیاری از دوستان به سمت استفاده از کتابخانه sklearn و ابزار spark برای کار روی دیتا بود

اما تعجب کردم که کسی به Vowpal اشاره نکرد، وقتی دیتای بسیار زیادی دارید بهتره ازین کتابخونه پایتون استفاده کنید.

GitHub Link

A conversation with Andrew Ng

#Week2_Lesson1
Introduction to Tensorflow for AI, Coursera

#course #coursera #tensorflow #deeplearning #artificialintelligence

@pythonicAi

🔴 توجه... توجه...توجه🔴

📍 وبینار رایگان امنیت در ورود پرس


🗓 جمعه 12 اردیبهشت 1399
⏰ ساعت 21:00
👤سخنران: مهندس وحید اشرف

❌بدون نیاز به ثبت نام❌

لینک حضور در وبینار مرکز تخصصی آپا دانشگاه رازی:👇

🌐 http://vc1.razi.ac.ir/apa

📌گروه آموزشی مرکز تخصصی آپا دانشگاه رازی
📲 @Edu_Aparazi 👨‍💻

An intro to computer vision

#Week2_Lesson2
Introduction to Tensorflow for AI, Coursera

#course #coursera #tensorflow #deeplearning #artificialintelligence

@pythonicAi

انتشارات اشپرینگر لیستی از کتابهای خود را رایگان برای دانلود گذاشته است.
جلوی هر کتاب لینک وجود دارد. روی آن کلیک کنید و دانلود کنید. در استفاده از آن به هیچ وجه تردید نکنید، خیلی از آنها بسبار گران هستند و در این ایام خاص رایگان است.

#کتاب
#book

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

از «سه قسمتی» خوشم اومد. اولیش می شه معرفی،‌ دومی کمی پیشرفته تر و سومی مورد خاص یا راه پیش رو (: رفتم سراغ

سه قسمتی ادیتور vi یا vim قسمت اول: همه اون چیزی که اگر بلد باشین، بیشتر از یه آدم متوسط بلدین (:

#آموزش

آپارات: https://www.aparat.com/v/JoLOj
یوتیوب:
https://www.youtube.com/watch?v=BnfJJtcVFPo

Writing code to load training data

#Week2_Lesson3
Introduction to Tensorflow for AI, Coursera

#course #coursera #tensorflow #deeplearning #artificialintelligence

@pythonicAi

Coding a computer vision neural network

#Week2_Lesson4
Introduction to Tensorflow for AI, Coursera

#course #coursera #tensorflow #deeplearning #artificialintelligence

@pythonicAi

اهمیت ریاضی برای هوش مصنوعی و یادگیری ماشین

یادگیری برای نوشتن الگوریتم های AI و ML آسان نیست و نیازمند برنامه نویسی گسترده و دانش ریاضی است. ریاضی نقش مهمی ایفا می کند، زیرا پایه ای برای برنامه نویسی برای این دو جریان ایجاد می کند. در این دوره با اصول ریاضی برای نوشتن برنامه ها و الگوریتم های AI و ML آشنا می شوید.

Link

#machinelearning #math #artificialintelligence #course

@pythonicAi

Walk through a notebook for computer vision

#Week2_Lesson5
Introduction to Tensorflow for AI, Coursera

#course #coursera #tensorflow #deeplearning #artificialintelligence

@pythonicAi

Walk through a notebook for computer vision

#Week2_Lesson5
Introduction to Tensorflow for AI, Coursera

#course #coursera #tensorflow #deeplearning #artificialintelligence

@pythonicAi

#خارج_از_بحث
#anonymous

@pythonicAi

Using callbacks to control training

#Week2_Lesson6
Introduction to Tensorflow for AI, Coursera

#course #coursera #tensorflow #deeplearning #artificialintelligence

@pythonicAi

How to implement callbacks

#Week2_Lesson6
Introduction to Tensorflow for AI, Coursera

#course #coursera #tensorflow #deeplearning #artificialintelligence

@pythonicAi

YOLOv4: Optimal Speed and Accuracy of Object Detection.

http://arxiv.org/abs/2004.10934

#paper #artificialintelligence

@pythonicAi

دوره یادگیری ماشین با تنسرفلو شرکت گوگل منتشر شد.

✏️ Link

#یادگیری_ماشین #تنسرفلو #منابع #فیلم #کلاس_آموزشی #پایتون
#machinelearning #python

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

Walk through a notebook with callbacks

#Week2_Lesson7
Introduction to Tensorflow for AI, Coursera

#course #coursera #tensorflow #deeplearning #artificialintelligence

@pythonicAi

#مقاله

Optimizing Multiple Loss Functions with Loss-Conditional Training

ایده ی جالب این مقاله اینه که برای برخی از کاربردها نظیر style transfer و یا image compression و یا ... که چند تا loss مختلف داریم، قبلا مجبور بودیم ضریب هر loss را تعیین کنیم و بعد آموزش بدیم و این ضریب روی خروجی تاثیر داشت.
مثلا در بحث image compression ممکن بود تنظیم این ضریب روی کیفیت عکس و حجم اثر بزاره، مثلا در یک طرف کیفیت بالا و حجم بالا و در طرف مقابل کیفیت پایین و حجم پایین
حالا فکر کنید اگر شبکه عصبی برای کاهش حجم عکس در 3 حالت مختلف ( خیلی کاهش حجم - متوسط - کاهش حجم کم) میخواستیم باید 3 شبکه آموزش میدادیم و ذخیره میکردیم.

در این مقاله گفته فقط یک شبکه ترین کنیم و پارامترهای اینچنینی را بعد از آموزش روش کنترل داشته باشیم.

https://ai.googleblog.com/2020/04/optimizing-multiple-loss-functions-with.html

مرتبط با مقاله:
https://t.me/cvision/1884

موقعیت دکتری در زمینه اینترنت اشیا در قبرس

https://www.cut.ac.cy/studies/phd/phd-posts/cis-pg/?languageId=1