📕 یادگیری ماشین با متلب | نسخه دوم
📅سال چاپ: 2019
📝چاپ کننده: Apress
🧷لینک دانلود:
https://bit.ly/2M7S0hS

#machin_learning #Matlab
#یادگیری_ماشین #متلب

@pythonicAI

متفاوت ترین جلسه #مصاحبه شغلی در #مرسدس_بنز
مصاحبه با بیش از 100 دولوپر در محیطی متفاوت

نهایت #خلاقیت رو همیشه از شرکت های مطرح دنیا مشاهده میکنیم. در اتاق های فکر آنها چه میگذرد؟ حتی برای مصاحبه هم برنامه ای خاص و تبلیغاتی دارند ولی ما همچنان درگیر استخدامی با مزایایی از قبیل حقوق به موقع و بیمه تامین اجتماعی هستیم.

@pythonicAI

#معرفی_اعضای_کانال
#آموزش
#پروژه_دیپ_لرنینگ
#دیپ_لرنینگ

اعضا: سروش معاضد، دانشجوی ترم آخر کارشناسی ارشد، دانشکده مهندسی پزشکی دانشگاه امیرکبیر
@Machinelearning_Kartal
تشریح کار و پروژه ای که انجام داده اند.
🌿🌿🌿💭💭💭🌹🌹🌹
اگر بخواهید چهره کسی را برای دوست خود توصیف کنید، از کنار هم قرار دادن برخی ویژگیها استفاده میکنید تا دوست شما بتواند آن چهره را مجسم کند: “مرد” “جوان”ی با “موهای سیاه” و “بینی نوک تیز” و ... آیا میتوان مدلی داشت که بتواند تصاویر چهره را توسط این ویژگی‌های ظاهری بازنمایی کند؟
@Machinelearning_Kartal
مدل‌های معروف به Variational Auto-Encoder یا به اصطلاح VAE مدلهایی هستند که توزیع آماری داده را مدل میکنند. در تصاویر، برای مدلسازی توزیع آماری پیکسلها و پیوستگی بینشان، از شبکه های عصبی کانوولوشنال استفاده میشود. مدلهای ابتدایی VAE به عنوان تابع هزینه از اختلاف دو به دو بین تصاویر تولید شده در خروجی و تصاویر اصلی استفاده میکردند که به همین علت کیفیت تصاویر تولیدی چشمگیر نبود. در شبکه Deep Feature Consistent VAE به جای محاسبه اختلاف دو به دو بین پیکسلها، اختلاف بین بازنمایی تولید شده توسط یک شبکه از پیش تعلیم داده شده مانند VGG19 از تصویر تولید شده و تصویر اصلی به عنوان تابع هزینه در نظر گرفته میشود. در این صورت کیفیت تصاویر تولیدی به مراتب افزایش می یابد و از طرفی به خاطر مدلسازی دقیقتر توزیع داده ها، میتوان بردارهایی برای برخی ویژگیها استخراج نمود.
@Machinelearning_Kartal
به عنوان مثال، اگر تصاویر چهره “خندان” توسط قسمت انکودر مدل کدگذاری شوند و از این بردارها میانگین بگیریم، به یک بردار “خنده” میرسیم که با اضافه کردن این بردار به بردار تولید شده برای یک چهره و سپس بازسازی توسط قسمت دیکودر مدل، خنده به چهره اضافه خواهد شد.
@Machinelearning_Kartal
میتوانید با باز کردن نوتبوک قرار داده شده در مخزن مورد نظر، و اجرای خط به خط کدها، به سادگی طی چندین ساعت مدل خود را تعلیم داده و به دستکاری چهره دوستان خود بپردازید :)
منبع نوشته: ارسالی از خود عضو محترم.
لینک پروژه :

https://github.com/iamsoroush/face_vae/blob/master/README.md

کانال
@Machinelearning_Kartal

"A machine capable of learning? That sounds wonderful." Learn how heroes of #deeplearning Yann LeCun and Ruslan Salakhutdinov first became interested in #AI:

✴️ @AI_Python_EN

For Who Have a Passion For:

1. Artificial Intelligence
2. Machine Learning
3. Deep Learning
4. Data Science
5. Computer vision
6. Image Processing
7. Cognitive Neuroscience
8. Research Papers and Related Courses

https://t.me/DeepLearningML

We Are Available in Engilsh Please Ask Your Question in English

قانونی به نام hr1044 در خانه ملت به رای گذاشته شد و رای آورد
این قانون سقف کشوری گرین کار‌ (۷ درصد) رو برمیداره

یعنی اینکه کشورهایی که جمعیت زیادی دارند مثل هند همه گرین کارت ها رو میگیرن و هر ملیت دیگری باید بیش از ۱۵ سال منتظر بمونه

ما داریم فعالیت می‌کنیم که این طرح قانون نشه

دوستان چینی هم به‌راه افتادن
به ۱۰۰ هزار امضا نیاز داریم
این رو همه جا پخش کنید و امضا کنید
لینک تایید امضا به ایمیلها میفرسته ، لطفا چک کنید بدون تایید امضاتون بی اثر خواهد شد .
https://petitions.whitehouse.gov/petition/do-not-pass-bills-s386-or-hr1044-do-not-pass-bills-s386-or-hr1044-us-worker-and-racial-diversity

#خبر
شرکت IBM بالاخره نتیجه‌ی تلاش‌هایش برای تصاحب Red Hat را گرفت و با پرداخت ۳۴ میلیارد دلار، آن را به زیرمجموعه‌ی خود افزود.
#redhat
#ibm
@pythonicAI

2008 Feature Engineering for Machine Learning

2015 Feature Selection for High-Dimensional Data

#مقاله چگونه دانشمند داده شویم؟

https://towardsdatascience.com/a-long-term-data-science-roadmap-which-wont-help-you-become-an-expert-in-only-several-months-4436733e63ff

#machinelearning #data #science

@pythonicAI

آماری از میانگین قیمت ۱ گیگابایت اینترنت همراه در کشورهای مختلف در سال ۲۰۱۹
@pythonicAI

📒GPU Computing with Python
📒کتاب محاسبات GPU با پایتون
انتشارات :Packt
سال 2019

کانال هوش مصنوعی؛ یادگیری عمیق و یادگیری ماشین
@machin_learning

خبر خوب برای گیک‌ها و برنامه نویس‌ها: تصویر تورینگ روی اسکناس‌های ۵۰ پوندی انگلیس


https://jadi.net/2019/07/50notes-turing/

به نظر می‌رسه که بالاخره درخواست‌ها و پتیشن‌ها و پیشنهادها جواب داده و مردم انگلیس از ۲۰۲۱، شاهد اسکناس‌های ۵۰ پوندی پلمیری با تصویر آلن تورینگ خواهند بود! باورش سخته ولی سایت بانک انگلستان هم همین رو می گه. پروسه انتخاب دانشمندی که قراره روی پول باشه از ۲۰۱۸ شروع شد. اول مردم بیشتر از ۲۲۷هزار نفر رو نامزد این افتخار کردن که بعدش به ۹۸۹ نفر تقلیل پیدا کرد و در نهایت یک لیست ۱۲ نفره ازش بیرون امد و به مدیر بانک انگلستان پیشنهاد شد.

مدیر بانک انگلستان می گه «آلن تورینگ ریاضی دانی برجسته بود که کارش تاثیری بزرگ بر روی زندگی امروز ما داره. تورینگ به عنوان پدر علوم کامپیوتر و هوش مصنوعی و همینطور به عنوان یک قهرمان، غولی است که حالا خیلی ها [برای به اوج رسیدن] روی دوش‌های اون ایستادن».

از دلایل انتخاب آلن تورینگ منطقا می شه به پایه گذاری اصول کامپیوترهای امروزی (ماشین های تورینگ)، پایه گذاری هوش مصنوعی (تست تورینگ) و همکاری موثر در ساخت ماشینی برای شکستن رمزنگاری آلمانی ها در جنگ جهانی دوم (انیگما) نام برد.

تورینگ به خاطر گرایش جنسی اش در دوران خودش متحمل فشارهای زیادی شد و سال‌ها پس از مرگش، ملکه به خاطر اون رفتار ازش معذرت خواهی کرد. حداقل نمایشی از اینکه «می دونیم اشتباه کردیم».

طرح ابتدایی اسکناس که نشون داده شده حاوی عناصر زیر است:

- تصویر تورینگ که در ۱۹۵۱ گرفته شده
- جدول و فرمول ریاضی مقاله ای از تورینگ که پایه های علوم کامپیوتر امروزی رو بنیان گذاشت (On Computable Numbers, with an application to the Entscheidungsproblem) و توش مفهوم ماشین‌های تورینگ توضیح داده شدن
- تصویر پایلوت ماشین محاسبه اتوماتیک که اولین دستگاهی بود که برنامه اش رو به شکل الکترونیک ذخیره می کرد
- طراحی فنی British Bombe که دستگاهی بود برای کمک به رمزشکنی انیگما در طول جنگ جهانی دوم
- نقل قولی از تورینگ در ۱۹۴۹ که می گه «این تنها مزه مزه کردن چیزی است که قرار است به وجود بیاد، تنها سایه ای از آنچه خواهد آمد».
- امضای تورینگ
- نوار تیپ حاوی تاریخ تولد تورینگ به باینری. تورینگ در مقاله ۱۹۳۶، مفهوم نوار تیپ و کامپیوتری را که از روی آن برنامه ای را اجرا می کند، مطرح کرده بود

مطمئنا دنیایی که عکس دانشمندها روی پول‌ها باشه، بهتر از دنیایی است که عکس سیاستمدارها و بخصوص دیکتاتورها روی پول ها باشه (:

کانال @jadinet

خبر خوب برای دیتاساینتیست ها 💻

دیتاک، پلتفرم پردازش داده هست که مجموعه ابزارهای بازیابی اطلاعات، پردازش زبان طبیعی و یادگیری ماشینی برای استخراج دانش از داده رو ارائه میده.

این پلتفرم به مناسبت نمایشگاه الکامپ هدیه ای به شرح زیر درنظر گرفته برای علاقمندان به دیتاساینس و پردازش داده:

شما می‌توانید در هر موضوعی که مدنظرتان است تا سقف 10 هزار رکورد از پست‌های رسانه‌های اجتماعی شامل خبر، توئیتر، اینستاگرام، تلگرام، فیس‌بوک و … دیتاست سفارشی خود را از سکو دریافت نمائید.

http://bit.ly/Dk2Sko

#سکو #دیتاک
#datamining #data #science #dataset

@pythonicAI

کورس آنلاین آموزش محاسبات کوانتومی دانشگاه ام آی تی (MIT)

لینک


#محاسبات_کوانتومی
#quantum #computing

@pythonicAI

پروفسور مایکل جردن: انقلاب واقعی هوش مصنوعی هنوز رخ نداده است! یادگیری ماشین معادل هوش مصنوعی نیست !

مایکل جردن دانشمند معروف جهان هوش مصنوعی اعتقاد دارد آنچه امروزه به نام انقلاب نوین هوش مصنوعی معرفی میشود در واقع نه هوش مصنوعی واقعی بلکه تنها یادگیری ماشین است و بین هوش مصنوعی ویادگیری تفاوت وجود دارد!

به عقیده پروفسور جردن آنچه امروزه در اخبار درباره پیشرفت های هوش مصنوعی می بینیم غالبا برچسبی یادگیری ماشین را با خود دارند .یادگیری ماشین الگوریتم هایی برای پردازش داده ها با الهام از روش های آماری و علوم کامپیوتری به منظور پیش بینی وتصمیم گیری بوده است .در حالی هدف هوش مصنوعی تولید موجودیتی بوده است که حداقل از جنبه ذهنی مانند انسان باشد .الگوریتم های یادگیری ماشین روی مدل سازی فرایند های تصمیم گیری در سطوح پایین تمرکز دارند در حالی که هدف هوش مصنوعی مدل سازی فرایند های تصمیم گیری در سطوح بالاست.یعنی باز تولید فرایند های شناختی و فکری انسان در حالی که یادگیری ماشین امروزه بیشتر مبتنی بر شناسایی آماری الگو ها و انجام تخمین ها متمرکز است.

اصل مقاله :
https://hdsr.mitpress.mit.edu/pub/wot7mkc1

منبع: کانال پردازش هوشمند

#هوش_مصنوعی
#artificialintelligence #machinelearning

@pythonicAI

🎧 اثر Shape Of My Heart از Sting

موزیک گوش بدین 🎼، کد بزنین 💻 و از زندگی لذت ببرین 😉👨🏻‍💻👩🏻‍💻

#musicForProgramming

@pythonicAI

💻 P0SCon2019

Join P0SCon2019 and send your abstract of speech or workshop to be a speaker at P0SCon.

More information:
http://poscon.ir

Deadline:
11 Sep 2019

Conference Date:
12 Oct 2019

Urmia University of Technology

2008 Feature Engineering for Machine Learning

#مقاله چگونه دانشمند داده شویم؟

https://towardsdatascience.com/a-long-term-data-science-roadmap-which-wont-help-you-become-an-expert-in-only-several-months-4436733e63ff

#machinelearning #data #science

@pythonicAI