#bigdata #datascience #data #book #tutorial
#منبع

@pythonicAI

ثبت‌نام ششمین آزمون جاواکاپ آغاز شد.

کسب اطلاعات بیشتر و ثبت‌نام:
javacup.ir/contest


@JavaCupIR

Understanding Capsule Networks:

Part I:
https://pechyonkin.me/capsules-1/

Part II:
https://pechyonkin.me/capsules-2/

Part III:
https://pechyonkin.me/capsules-3/

Part IV:
https://pechyonkin.me/capsules-4/

درس یادگیری ماشین و یادگیری تقویتی #فرادرس
مدرس: دکتر کیهانی پور
جلسه: 1

#یادگیری_ماشین #هوش_مصنوعی
#machinelearning #artificialintelligence

@pythonicAI

روزهای زوج قسمتهای این دوره آموزشی آپلود میشود. دوره یادگیری ماشین فرادرس از معدود دوره های فارسی هست که ارزش دیدن داره. امیدوارم براتون مفید باشه.

برای مخالفت با تصمیم جدید گیت هاب، که حساب کاربری ایرانیان رو محدود میکنه به این مخزن ستاره بدهید:

https://github.com/1995parham/github-do-not-ban-us

در توییتر هم با ریتوییت هاتون حمایت کنید:

https://twitter.com/AR_AmirSamimi/status/1154718589334806528

@pythonicAI

خرمشهر را اسکات هانسلمن آزاد کرد!!

چند روزی بود که دنیای نرم‌افزار اوپن سورس ایران دچار کابوس شده بود! شهر آرمانی دنیای اوپن‌سورس، جایی که همه آزادانه سورس‌های خود را به اشتراک می‌گذارند، یعنی GitHub به علت تحریم‌ها برای ایرانیان محدود شده بود.

خرمشهر در فارسی یعنی شهری که همه در اون خوش و خرم هستند و در ادبیات تاریخی ما نماد جایی هست که به زور می‌خواستند بگیرنش، بی شباهت به گیت‌هاب نیست!

خبر جذذاب (با دو تا ذ!) این بود که اسکات هانسلمن امروز فارسی توییت کرد «خسته نباشید!» اما چه ربطی داره!؟

ظاهرا تعداد زیادی برنامه‌نویس ایرانی که در توییتر با اسکات هانسلمن در این مورد صحبت کردن باعث شدن که صحبتی بین اسکات و «نات فریمن» مدیر عامل گیت‌هاب شکل بگیره و در حال حاضر این امکان فراهم شده که برنامه‌نویسانی که ریپازیتوری خصوصی داشتن بتونن پابلیکش کنن و به کدهاشون دسترسی پیدا کنن.

نات فریمن در توییتی توضیح داده که: «فعلا تونستیم کاری کنیم که افراد بتونن ریپازیتوری‌هاشون رو پابلیک کنن تا بهش دسترسی داشته باشن، طبق فهم ما از قانون فعلا نمی‌تونیم کار بیشتری کنیم...» و در توییتی دیگه نوشته: «ما این کار رو نکردیم چون می‌خواستیم، این کار رو کردیم چون مجبور شدیم...»

و در آخر اینکه لامصب اسکات هانسلمن، فارسی هم می‌خواد صحبت کنه فلوئنت صحبت می‌کنه!

لینک توییت‌های ذکر شده:

https://twitter.com/shanselman/status/1155240674301624321
https://twitter.com/natfriedman/status/1155311124687945728
https://twitter.com/natfriedman/status/1155311125967171585
https://twitter.com/mehrandvd/status/1155385194657935360

#مهران_داودی (http://ow.ly/GwIl309lFEm)

@pythonicAI

هوش مصنوعی عکس‌های شما را به یک اثر هنری فاخر تبدیل می‌کند
https://dgto.ir/1dii
#هوش_مصنوعی
#پردازش_تصویر
#خبر

@pythonicAI

درس یادگیری ماشین و یادگیری تقویتی #فرادرس
مدرس: دکتر کیهانی پور
جلسه: 2

#یادگیری_ماشین #هوش_مصنوعی
#machinelearning #artificialintelligence

@pythonicAI

🎧 اثر Human از Rag n Bone Man

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

#musicForProgramming

@pythonicAI

درس یادگیری ماشین و یادگیری تقویتی #فرادرس
مدرس: دکتر کیهانی پور
جلسه: 3

#یادگیری_ماشین #هوش_مصنوعی
#machinelearning #artificialintelligence

@pythonicAI

Simple Deep Learning for
Programmers Write your own modern neural networks in Keras and Python for images and sequence data
#By: The Lazy Programmer
#book #DL
@Machine_learn

مقاله تحقیقی جدید با همکاری شرکت مایکروسافت برای آموزش و ارزیابی عقل سلیم در هوش مصنوعی با تمرکز بر حوزه پردازش زبان طبیعی

هوش مصنوعی در سال های اخیر قدم های بزرگی برای پیشرفت برداشته است. از برتری هوش مصنوعی گوگل در بازی "go" گرفته تا خلق داستان و یادگیری برنامه نویسی و ... اما همچنان هوش مصنوعی کنونی یک نقطه ضعف اساسی دارد و آن هم اینکه فاقد عقل سلیم است.

برای درک موضوع این جمله را در نظر بگیرید :
"ماموران آتش نشانی چون از فاصله خیلی دوری می آمدند بعد از نیروهای پلیس به محل حادثه رسیدند." آیا ماشین میتواند تشخیص دهد که در این سناریو کدام یک از نیروهای پلیس یا ماموران آتش نشانی از راه دورتری می آمدند؟ یک انسان به راحتی بر اساس تجربه این را تشخیص می دهد ولی درک این مسئله بسیار ساده برای یک ماشین هنوز ممکن نیست.

اکنون سوال اینست که ما چگونه ماشین ها را برای چنین موضوعاتی آموزش دهیم و سوال دیگر اینکه چگونه پیشرفت به سوی این هدف را در آنها اندازه گیری کنیم؟

به تازگی جمعی از محققین دانشگاه "مک گیل" با همکاری شرکت مایکروسافت مقاله ای در این زمینه منتشر کرده اند که قصد پاسخ به این سوالات را داشته است که در ادامه می توانید اصل مقاله را نیز از لینک زیر دریافت کنید:

لینک

منبع: کانال پردازش هوشمند

#یادگیری_ماشین #هوش_مصنوعی #یادگیری_عمیق #پردازش_زبان_طبیعی

@pythonicAI

#Magazine

مجله "مخابرات IEEE"، جولای ۲۰۱۹، دوره‌ی ۵۷، شماره‌ی ۷

IF = 10.356

@pythonicAI

سخنرانی تورینگ (Turing Lecture) که بطور سالیانه توسط یک سخنران سرشناس در حوزه‌ی علوم کامپیوتر انجام می‌شود، امسال توسط Hinton و LeCun (از برندگان جایزه‌ی تورینگ ۲۰۱۸) برگزار شد. ویدئوی سخنرانی را می‌توانید در لینک زیر مشاهده کنید (سخنرانی از دقیقه‌ی ۱۰ شروع می‌شود):
https://www.youtube.com/watch?v=VsnQf7exv5I

فراخوان ارسال مقاله برای جدیدترین ژورنال IEEE با موضوع "حوزه‌های منتخب در تئوری اطلاعات (JSAIT)"

دوره‌ی اول، شماره‌ی اول

Manuscript Due: 1 Oct. 2019
Expected Publication: Apr./May 2020
@pythonicAI

برای بهتر شدن تشخیص صدای فارسی، در پروژه صدای مشترک موزیلا، مشارکت کنین

https://voice.mozilla.org/fa

سیستم‌های یادگیری بر اساس نمونه‌ها کار می کنن. باید از چیزها نمونه های زیادی داشته باشیم تا بتونیم به ماشین ها بگیم «اینها رو نگاه کن، حالا سعی کن تکرارش کنی». مثلا اگر قراره ماشین یاد بگیره گربه چیه باید چند هزار عکس گربه ببینه یا اگر قراره صدای ما رو به متن تبدیل کنه، باید چند صد ساعت صدا و متن داشته باشه. حالا معلومه که چرا سیستم های مرتبط با صوت فارسی، عقب از بقیه هستن: چون نمونه هاشون کمه.

شرکت های مختلف برای حل این مشکل راه حل های مختلف دارن. مثلا ممکنه یک شرکت ارائه دهنده نقشه، چند ده نفر رو بذاره که اسم همه خیابون ها رو چندین بار بخونن تا بعدا کامپیوتر بفهمه «یوسف آباد» چطوری تلفظ می شه و اگر شما گفتین «یوسف آباد» بفهمه ماجرا چیه. اما همه که یه مرکز تماس ندارن و حتی اگر هم داشته باشن، در نهایت به چند صد ساعت صدا می رسن. پس چیکار کنیم؟

پروژه بنیاد موزیلا قراره با هممون کمک کنه. هم به همه تولید کننده های سیستم های مرتبط با صوت فارسی [و هر زبون دیگه] و هم به همه مصرف کننده هایی که لازم داریم کامپیوترها صدامون رو بفهمن. توی پروژه صدای مشترک موزیلا، شما صداتون رو اهدا می کنین، ترسناک نیست! در واقع می رین و چند تا جمله رو با صدای طبیعی خودتون می خونین و دیتابیسی از متن و صدا رو کامل می کنن. اگر هم ترجیح دادین، می تونین به جای خوندن جمله، جمله های بقیه رو گوش بدین و اعتبار سنجی کنین. دیتابیسی که درسته می شه، آزاد است و در اختیار هر کسی که بعدا بخواد روش کار کنه.

پروژه صدای مشترک ابتکار موزیلا برای کمک به آموزش ابزارهای یادگیری ماشین است تا بدانند مردم واقعی چگونه صحبت می‌کنند.

توی این پروژه شما حتی می تونین سن و جنس خودتون رو هم بزنین و دیتایی غنی تر برای هر کسی درست کنین که می خواد به کامپیوترها «فهمیدن» صدا رو آموزش بده. همونطور که گفتم این دیتابیس کاملا آزاد و قابل استفاده توسط همه است و مشارکت توش باعث می شه زندگی همه فارسی زبان ها آسونتر و با کیفیت تر بشه. پس به صفحه پروژه صدای مشترک موزیلا برین و چند تا جمله بخونین و حتی مثل من صفحه اش رو باز بذارین و گاه گداری برای رفع کسالت هم که شده، چند تا جمله از خودتون اهدا کنین یا به جمله های بقیه گوش بدین و بگین درست خوندنش یا نه. اینطوری همه با هم به پیشرفت زبان فارسی در دنیای کامپیوتر کمک کردیم و زودتر به دنیایی می رسیم که توش اگر کسی دوست نداره، مجبور نباشه تایپ کنه.



کانال @jadinet

#lulzsec #security #team

@pythonicAI