Pythonic AI
493 subscribers
317 photos
84 videos
67 files
538 links
منابع، دوره ها، همایشها ، مقالات و میم کامپیوتر
Download Telegram
Predicting 486 3D facial landmarks to infer the surface geometry of a human face and hand pose

The facemesh package finds facial boundaries and landmarks within an image, and handpose does the same for hands. These packages are small, fast, and run entirely within the browser so data never leaves the user’s device, preserving user privacy.

Facemesh:
https://lnkd.in/gPeqpei

Handpose:
https://lnkd.in/gJBW_Gm

Github Code:
https://lnkd.in/geXzXZF
https://lnkd.in/gQ9teR7

#deeplearning #artificialintelligence

@pythonicAi
Media is too big
VIEW IN TELEGRAM
☠️ هزینه ترسناک استفاده از سایت‌های رایگان!

فکر می‌کنید گوگل، اینستاگرام، لینکدین، تلگرام و ... از کجا پول در می‌آورند...؟!

👈 در ویدیوی بالا، آدام کانوور، کمدین معروف آمریکایی، با کمک ماتریکس همه چیز را خیلی ساده توضیح می‌دهد!
osint.ir/?p=2785


#Privacy
🇮🇷 @osint_ir
Forwarded from Mathematics Association
✔️ آیدا وینفرد بوسبریج ، ریاضیدان انگلیسی بود که از سال ۱۹۳۵ تا ۱۹۷۰ در دانشگاه آکسفورد تدریس کرد ، وی اولین زنی بود که به بورس تحصیلی آکسفورد در رشته ریاضیات منصوب شد .
آیدا بوسبریج در بیمارستان مسیح تحصیل کرد سپس در کالج رویال هالووی لندن ،ریاضیات خواند. که در ۱۹۲۹ ، بالاترین رتبه در امتحانات ریاضی در کل دانشگاه لندن را کسب کرد .
پس از اخذ مدرک کارشناسی ارشد با امتیاز لندن ،در سال ۱۹۳۵ برای تدریس ریاضی در مقطع کارشناسی در کالج زنان ، به آکسفورد نقل مکان کرد.
وی همچنین در طول جنگ جهانی دوم ، به آموزش فیزیکدانان و مهندسان آکسفورد کمک کرد . به ویژه حجم کار اون بسیار زیاد بود ،نه بخاطر اینکه بقیه ریاضیدانان برای خدمت ویژه در جنگ فراخوانده میشدند ، بلکه به این دلیل که زنان درصد بیشتری از جمعیت کارشناسی را در سالهای جنگ تشکیل دادند .
در سال ۱۹۴۶ ، به بورسیه ای در کالج سنت هیو منصوب شد ، وی اولین زنی بود که به بورس کالج در ریاضیات منصوب میشد . در سال ۱۹۶۲ ، توسط اکسفورد به درجه ی دکترای علوم رسید ، او همچنین عضو انجمن نجوم سلطنتی بود .
تحقیقات او شامل معادلات انتگرال و انتقال رادیو اکتیو بود .
وی بعنوان مدرس، به نیاز های آموزشی و شخصی دانشجویان خود بسیار توجه داشت . در سال ۱۹۷۰ از اکسفورد بازنشسته شد و در سال ۱۹۸۸ درگذشت .
وی در سال ۱۹۶۴ رییس انجمن ریاضی بود .

#بانوی_ریاضیدان ❤️
@qomat
Forwarded from DLeX: AI Python (Farzad 🦅)
This media is not supported in your browser
VIEW IN TELEGRAM
زندگی دولوپرها به روایت تصویر 😂
#فان

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
Forwarded from DLeX: AI Python (Farzad 🦅)
به زودی میزگردی با دکتر اله‌یاری از دانشگاه جورجیا و دکتر رضوی از دانشگاه تبریز در این پیج اینستاگرام به گفتگو خواهند پرداخت . پیج ما را دنبال کنید که هر هفته یکبار با اساتید و پژوهشگران شرکتهای مطرح داخلی و خارجی به گفتگو خواهیم پرداخت.

https://instagram.com/ai_python_podcast?igshid=3j4t6s51mbsb
وقتی هکرهای ناشناس دوباره ظاهر می شوند؛ انانیموس در حمایت از تظاهرات ضد نژاد پرستی
https://jadi.net/2020/06/anonymous-for-blacklivesmatter/
هکرهای انانیموس تاریخچه درخشانی دارن، البته تا زمانی همکاری‌های سابو از گروه لالزسک که از افراد مرتبط با انانیموس هم بود با دولت فاش شد و ۵ هکر دیگه ... اما حالا یه ویدئو...

کانال @jadinet
Andriy Burkov, ML at Gartner, author of The Hundred-Page Machine Learning book:

People dealing with machine learning models are frequently confusing accuracy, precision, and recall.

Accuracy is the ratio of correct predictions in all examples used for testing. So, you tested your model on 100 examples (some of them are positives, some are negatives, the ratio doesn't matter). The model correctly predicted the label of 97 examples of those 100, so your accuracy is 97/100 = 0.97.

Precision is a measure of accuracy on the labels of interest only. Often, the labels of interest are positive labels (i.e., spam), but it depends on the application. So, you tested your model on 100 examples. The model predicted as spam 80 of them, but only 60 of those 80 were correct predictions, so your precision is 60/80 = 0.75.

Recall is a measure of how many examples of interest your model has identified as such. Let's say you have 100 examples, you know that 70 of them are spam. Your model only predicted as spam 60 of those 70. So your recall is 60/70 = 0.86.

Accuracy and precision are easy to confuse, but they represent totally different quantities, so be careful when you use these terms in conversations and reports.

Precision and recall usually have a relationship of being mutually exclusive. When you try to increase precision, you decrease recall and vice versa.

#machinelearning #artificialintelligence

@pythonicAi
Forwarded from DLeX: AI Python (Farzad 🦅)
مصاحبه با دکتر اله‌یاری از دانشگاه جورجیا و دکتر رضوی از دانشگاه تبریز در تاریخ شنبه 17 خرداد ساعت 21 به وقت ایران در این پیج اینستاگرام به گفتگو خواهند پرداخت . 👇👇
🔥 https://instagram.com/ai_python_podcast
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
#کورس #آموزش #منبع #رایگان
فیلم‌های دوره ‌ی جدید جبر خطی دانشگاه MIT رایگان در دسترس است

Intro: A New Way to Start Linear Algebra
مدرس: Gilbert Strang
صفحه این کورس:
https://ocw.mit.edu/resources/res-18-010-a-2020-vision-of-linear-algebra-spring-2020/

ویدیوها در یوتیوب:
https://www.youtube.com/watch?v=YrHlHbtiSM0&list=PLUl4u3cNGP61iQEFiWLE21EJCxwmWvvek
Softly
@musighilight -Giovanni Marradi
موزیک بی کلام اثر Giovanni Marradi

@pythonicAi
End-to-end object detection with Transformers

#deeplearning #artificialintelligence

@pythonicAi
This media is not supported in your browser
VIEW IN TELEGRAM
17 June
دوره تخصصی پردازش زبان طبیعی deeplearning.ai روی پلتفرم coursera منتشر میشه. به محض فراهم شدن شرایط این دوره ها در کانال قرار میگیره.

#deeplearning #artificialintelligence

@pythonicAi