#مقاله و #ایده
پروژه های کلاس Andrew NG
این پروژه ها مرتبط با درس یادگیری عمیق هست و همراهان گرامی توانند با خواندن این گزارش ها، ایده های نوین در کار با یادگیری عمیق را پیدا کنند.
متن تویت Prof. Andrew NG

Projects from @Stanford's CS230 (Deep Learning) class. Congrats to all the students on completing so many great projects! http://cs230.stanford.edu/proj-spring-2018.html

با کانال
https://t.me/Machinelearning_Kartal/1378
همراه باشید.

انتشار دوره جدید آموزش یادگیری عمیق دانشگاه MIT در سال 2019 از طریق همین سایت در دسترس قرار خواهد گرفت.

در این سایت سایر دوره های برگزار شده این دانشگاه نظیر «بینایی ماشین/کامپیوتر , یادگیری تقویتی عمیق , شبکه های عصبی مصنوعی , یادگیری عمیق برای ماشین های خودران , هوش مصنوعی , یادگیری آماری » در دسترس است.

https://deeplearning.mit.edu/

#اموزش #mit
@pythonicAI

اگه علاقمند به مباحث هوش مصنوعی هستین بد نیس نگاهی به بلاگ گوگل ai بندازین :)

لینک

@pythonicAI

دیپلماسی توییتری!

شاید در اولین قدم از دیدن این عبارت تعجب کرده باشید. زیرا یک موضوع بسیار مهم مانند دیپلماسی در کنار نام یک شبکه اجتماعی دیده می‌شود. دلیل این موضوع استفاده گسترده از شبکه اجتماعی توییتر برای مقاصد دیپلماتیک است.
امروزه شبکه‌های اجتماعی در موارد بسیار مهمی مانند دیپلماسی نیز حضور دارد.
این عبارت برای اولین بار توسط آن کری خبرنگار آمریکایی استفاده شد. در آن زمان مذاکرات هسته‌ای بین ایران و کشورهای پنج به‌اضافه یک در جریان بود. آقای ظریف و آقای کری از طریق توییتر سعی می‌کردند پیام‌های خود را به جهان مخابره کنند.

لینک

@pythonicAI

💻برایان و جان دو برنامه نویس بودند که در استخدام فیسبوک پذیرفته نشدند.
بعدها Whatsapp رو راه انداختند و 19 میلیارد به فیسبوک فروختند....

💡نوابغ فقط انسان هايي هستن كه نا اميد نشدن!...
#انگیزشی

جزوه طراحی پایگاه داده دکتر بهزاد منتظری، ترم پاییز ۹۷

#database #montazeri

@pythonicAI

✅ یادگیری ماشین برای هنرمندان

#یادگیری_ماشین #آموزش #شبکه_عصبی_کانوولوشن #شبکه_عصبی

🔸 نگاهی به درون شبکه عصبی
🔸 شبکه های عصبی چگونه آموزش می بینند
🔸 شبکه عصبی کانولوشن

🔔 Link Review

❇️ @AI_Python

کمپانی ژاپنی hitachi از لحظه پیدایش آن تا کنون در خط مقدم نوآوری بوده و فلسفه "توسعه برتری، تکنولوژی و محصولات اصیل" رو دنبال کرده.

تکنولوژی های هوش مصنوعی و یادگیری ماشینی این شرکت نه تنها روی سرویس ها و محصولات خودش بلکه روی صنایع دیگر مثل سلامت، حمل و نقل و مالی هم اثر گذاشته.

در سال ۲۰۱۵ این شرکت، H را معرفی کرد، راهکار هیتاچی برای یک هوش مصنوعی عمومی که میتواند کاربردهای مختلفی داشته باشد. H میتواند به تنهایی فرض هایی درمورد دیتایی که به آن خورانده شده تولید کند. بعنوان مثال یک ربات که به H مجهز شده بود، توانست به خودش "تاب خوردن" یاد بده.

این فناوری(H) از پردازش زبان طبیعی و دیپ لرنینگ برای پردازش دیتاهایی که از سنسورها دریافت میشود استفاده میکند تا الگوهایی که انسان ها ندیده اند را پیدا کند. این تکنولوژی به دنبال شرایط مرتبط با هدف کسب و کار، براساس اطلاعاتی که میگیرد، جستجو میکند و متدی برای بهینه سازی این اهداف تعیین میکند.

در بیمارستان ها دور ریز غذای بیمارها زیاد است. دوربین هایی روی سینی های غذا تعبیه شده که از باقی مانده غذا عکس برداری کرده و این تصاویر به خورد الگوریتم دیپ لرنینگ هیتاچی داده شده و آنالیز میشود تا الگوهایی در دور ریز غذای انسان پیدا کند.

بزرگترین کمپانی حمل و نقل اروپا به نام stena line در جهت بهبود مصرف سوخت کشتی های خود از این فناوری هیتاچی بهره گرفته تا سطوح انتشار را کاهش دهد. مدل فعلی متغیرهایی از جمله وضعیت آب و هوا، سرعت کشتی و... را ارزیابی میکند. مدل مذکور تحلیل را با سرعت و به اندازه ای عمیق انجام میدهد که هرگز بصورت دستی امکان پذیر نیست.

منبع: لینک


#machinelearning #deeplearning #artificialintelligence #hitachi #food #ship #finance

@pythonicAI

Keras for Beginners: Building Your First Neural Network

A beginner-friendly guide on using Keras to implement a simple neural network in python.

لینک



#python #keras #machinelearning #neural #network #deeplearning

@pythonicAI

وقتی اولین انسان غارنشین توانست آتش روشن کند، کمی پس از آن، دومین انسان غارنشین تصمیم گرفت یاد بگیرد چطور میتواند آتش روشن کند. مشکل اینجا بود که نمیتوانست با خواندن کتاب یا پاس کردن یک درس ۳ واحدی در دانشگاه، روشن کردن آتش را یاد بگیرد. پس شروع به نگاه کردن به انسان غارنشین اول کرد، سعی کرد کار او را تکرار کند، شکست خورد و دوباره سعی کرد تا اینکه موفق به روشن کردن آتش شد. انسان به همین شکل اموزش میبیند: در یک پروسه تکراری نگاه کردن، تمرین کردن، شکست خوردن و تصحیح کردن خود.

اما نحوه استفاده ما از کامپیوتر با این روش تفاوت دارد. ما دیتا را جمع آوری و پیش پردازش کرده و در انبار داده ها و استخرها دخیره میکنیم و سپس به وسیله ابزارهای تحلیل، آنها را مطالعه میکنیم. مشکل اینجاست که ابزار تحلیل، همه چیز را تحلیل نمیکند!‌صرفا با تکه تکه کردن داده ها و نمایش آنها به درک بهتر آنها توسط انسان کمک میکند.

ما باید کامپیوتر را به همان شکلی که خودمان اموزش میبینیم، اموزش بدهیم. مجموعه ای از داده ها را برای الگوریتم های ماشین لرنینگ که روی پلتفرم های ابری گوگل و IBM پیاده شده، فرستاده و از آنها الگو و بینش های درون دیتا را دریافت کنیم. بدون شک ماشین اشتباه خواهد کرد، و ار ما این است که آن را اصلاح کرده و بارها و بارها این فرایند را تکرار کنیم. بعد از چندبار تکرار، مدل بهتری خواهیم داشت. هدف، کمک به انسان است. ماشین این داده ها را خیلی سریع زیر و رو کرده و با استفاده از مدلی که براساس خود دیتا ساخته شده، به انسان توصیه هایی میکند که میتواند به کمک آنها، الگوها و بینش هایی از این داده ها استخراج کند.

با افزایش طول عمر و افزایش تحصیلات، قدرت شناختی انسان رشد میکند. از حدود سال ۱۹۵۰ قدرت شناختی کامپیوتر شروع به پیشرفت کرد. در سال ۲۰۰۸، میزان قدرت شناختی کامپیوتر به اندازه ۵۰ درصد مغز یک موش تخمین زده شد.

طبق پیشبینی Ray Kurzweil، متخصص هوش مصنوعی، در سال ۲۰۲۰ میزان قدرت شناختی کامپیوتر به اندازه مغز انسان خواهد بود و ۲۵ سال پس از آن، تکینگی(singularity) اتفاق خواهد افتاد، جایی که قدرت شناختی کامپیوتر برابر مغز تمام انسان ها خواهد شد.

اگر میزان رشد قدرت شناختی کامپیوتر را روی یک نمودار در واحد زمان (از ابتدای تمدن تا کنون) رسم کنید، متوجه رشد سریع آن خواهید شد (تقریبا یک خط عمودی خواهد بود) که ما تازه در ابتدای راه درک تاثیر این قدرت روی بشریت هستیم. این موضوع میتواند ترسناک باشد!

منبع: لینک


#machinelearning #artificialinterlligence #ray #kurzweil #singularity #data

@pythonicAI

#خارج‌ـازـبحث

دنیا ازون چیزی که فکر می‌کنید ترسناکتره ؛ تو بحث امنیت همیشه موقع ذخیره هش پسورد یوزرها: ادمین همیشه طولانی ترین و سخت ترین الگوریتم رو انتخاب می‌کنیم و از کاربرها می‌خوایم که پسوردها طولانی‌ باشه و کاراکتر ویژه حروف کوچک و بزرگ و عدد رو شامل بشه (اما صادق باشیم خیلی‌ها پسورد ساده میذارن و امنیت رو به مدیران سرور و سایت میسپارن چون پسورد سخت رو نمی‌تونن به ذهن بسپارند)

امروز خیلی اتفاقی با دوستی آشنا شدم بخاطر کانفیگ سیستمش (۴تا کارت گرافیک) اولین چیزی که به ذهنم رسید و باعث صحبت بیشتر شد این بود که #دیپ‌لرنینگ کار باشه

اما شاید باورتون نشه شغل ایشون :
Password Cracking بود
حتی نمیدونم چجوری باید توی رزومه ازش صحبت کرد؛ ارزون شدن قیمت جهانی کارت گرافیک‌ها و کودا و ... باعث شده ابزارهایی مثل
HashCat بوجود بیاد

این ابزار از تمام قدرت کارت‌گرافیک‌های موجود استفاده می‌کنه و هش‌ها رو برای شما می‌شکونه روش دیکشنری - بروت‌فرس - وایلدکارد و ...

بسیار بسیار سریع هست و فوق‌العاده؛ اونقد سریع و خطرناک که اگه راه داشته باشه باید خوندن
/ect/passwd
رو برای یوزرهای غیر سودوئر حتماْ بست

ازین ابزار برای شکوندن پسورد وای‌فای و ... هم استفاده می‌شه
پس ازونجا که همچین شغلی بوجود اومده:

۱- اگر ادمین هستید؛ الگوریتم‌های هش رو جدی بگیرید و الگوریتم‌های قدیمی رو بریزید دور (تو چند ثانیه کارشون تمومه)
۲- اگر یوزر هستید؛ حتماْ پسوردهاتون رو جدی بگیرید برای سایت‌های مهم حداقل پسورد ترکیبی بذارید (عدد - سمبل - حروف کوچیک و بزرگ) اگر طول پسورد بالای ۹-۱۰ حرف باشه حداقلش اینه که زمانبرتر می‌شه؛ برای کرکرهای رندم (شما هدف نیستید) شاید اصلاْ تست هم نشه چون زمانبر هست

با ساختن اکانت تو سایت

learning.oreilly.com

میتونین به مدت یک هفته خیلی از کتابهای انتشاراتهای معروف مثل packt و oreilly رو مجانی مطالعه کنین!

#book #oreilly #packt #free

.


@pythonicAI

کتاب آشنایی با جبرخطی کاربردی - بردارها، ماتریس ها و مجذور مربع ها

بهمراه اسلایدها و تمرینات

جهت مطالعه علاقه مندان به یادگیری ماشین

لینک

#machinelearning #linear #algebra

@pythonicAI

با جستجوی کلمه recursion در گوگل، درون لوپی بی نهایت میفتید و هرچقدر هم که عبارت بعد از Did you mean رو بزنید باز هم فرقی نمیکنه (شوخی گوگل برای حلقه های بی نهایت)

#fun

@pythonicAI

یه نفر با کمک شبکه های عصبی چهره بازیکن بازی خاطره انگیز Doom رو بازسازی کرده، اونم با کیفیت HD :)

چهره بدست آمده شبیه به Nathan Fillion بوده و خروجی چندین سیستم ai بوده است.

تصویر اصلی ابتدا به خورد بخش هوش مصنوعی نرم افزارهایی از جمله gimp ، faceApp و waifu2x داده شده که تصویر خروجی همچنان کیفیت مناسبی نداشته‌. سپس خروجی آنها به خورد styleGAN (سیستم هوش مصنوعی nvidia) داده شده. که تصویر خروجی آن کیفیت بهتری نسبت به قبل داشت. اما به دلیل وجود بخشهای unrealistic در تصویر اصلی، تصویر خروجی بصورت دستی کمی تغییر یافته و تصویر بالا بدست آمده است.

لینک

#artificialintelligence #doom #guy #nvidia #neural #network

@pythonicAI

@UseLinux
💢هر چه سریعتر فایرفاکس خود را آپدیت کنید!
آسیب پذیری جدید که با شناسه
CVE-2019-11707
معرفی شده است به هکر ها امکان دسترسی pc شمارا میدهد.
🔰اطلاعات بیشتر👇
http://cutt.ly/KoU1ID

@UseLinux

کتابخانه PennyLane:

یک فریم ورک نرم افزاری به زبان پایتون جهت پیاده سازی الگوریتم های یادگیری ماشین کوانتومی و الگوریتم های ترکیبی کلاسیک کوانتومی

لینک


#quantum #machinelearning #classic #algorithm #artificialintelligence

@pythonicAI

#کتاب

کتاب پیشنهادی اکثرا اساتید هوش مصنوعی برای یادگیری عمیق نویسنده گان Ian_Goodfellow,_Yoshua_Bengio,_Aaron

با توجه به گزارش بالا از سایت کاریابی indeed، مهندسی یادگیری ماشین با دستمزد ۱۴۶ هزار دلاری بعنوان بهترین شغل سال ۲۰۱۹ انتخاب شده و دلیل آن رشد روزافزون و حقوق بالا و رشد ۳۴۴ درصدی نسبت به سال قبل میباشد. در این لیست شغلهایی با درآمد بیشتر مانند Agile Coach در رتبه ۱۸ و مهندسی بینایی ماشین در رتبه ۱۳ به چشم میخورد که به دلیل کم بودن شغل هایشان و میزان رشدشان در رتبه های پایین تر قرار گرفته اند.

منبع: http://blog.indeed.com/2019/03/14/best-jobs-2019

@pythonicAI

A Gentle Introduction to Generative Adversarial Networks (GANs)

لینک


#machinelearning #gan #generative #network

@pythonicAI

#security
@pythonicAI