BMW shared AI algorithms used in production

Link

#deeplearning #artificialintelligence

@pythonicAI

16 منبع آموزشی الگوریتمهای هوش مصنوعی〰️〰️〰️

♾ 1. Speech and Language Processing by Dan Jurafsky and James Martin

🔊 2. Deep Learning for Natural Language Processing by Richard Socher (Stanford University)

🔔 3. Natural Language Processing (NLP) by Microsoft

🔸 4. Andrew Ng’s course on Machine Learning

🔸 5. The video lectures and resources for Stanford’s Natural Language Processing with Deep Learning

🔰 Part 2

🔹6. Sequence Models for Time Series and Natural Language Processing

🔺 7. Deep Natural Language Processing course offered in Hilary Term 2017 at the University of Oxford.

🔺 8. Natural Language Processing Fundamentals in Python by Datacamp

🔺 9 Natural Language Processing by Higher School of Economics

🔸 10 How to Build a Chatbot Without Coding by IBM

🔸 11. CS 388: Natural Language Processing by University of Texas

🔸 12. Natural Language Processing with Python

⚡️ 13. CSEP 517: Natural Language Processing by University of Washington

🔰 14. Dan Jurafsky & Chris Manning: Natural Language Processing

📘 15. NATURAL LANGUAGE PROCESSING by Carnegie Mellon University

📘 16. CS224n: Natural Language Processing with Deep Learning by Stanford University

#منابع #یادگیری_ماشین #فیلم #کلاس_آموزشی #الگوریتمها #پردازش_زبان_طبیعی #هوش_مصنوعی #یادگیری_عمیق

join👇👇👇

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

سری سخنرانی های یادگیری عمیق دانشگاه MIT از 6 ژانویه(16 دی) شروع میشه که می‌تونید لیست کامل سخنرانان رو در این لینک ببینید.(لیست در روزهای آینده به روز رسانی میشه). همینطور ویدیو هر سخنرانی چند روز بعد از هر سخنرانی در لینک فوق قرار داده می‌شود.
یکی از سخنرانان مشخص شده، فرانسوا شوله نویسنده کتابخانه کراس می‌باشد.

#یادگیری_عمیق دقیقا چیه؟

طی چند روز گذشته، بعضی از محقق‌های بزرگ هوش مصنوعی مانند #یان_لکان و #فرانسوا_شوله تعریف خودشون رو از دیپ لرنینگ توی سال 2019 اعلام کردند.

یان لکان:

"Some folks still seem confused about what deep learning is. Here is a definition:

DL is constructing networks of parameterized functional modules & training them from examples using gradient-based optimization. That's it.

This definition is orthogonal to the learning paradigm: reinforcement, supervised, or self-supervised.

Don't say "DL can't do X" when what you really mean is "supervised learning needs too much data to do X"

Extensions (dynamic networks, differentiable programming, graph NN, etc) allow the network architecture to change dynamically in a data-dependent way."
https://www.facebook.com/722677142/posts/10156463919392143/

فرانسوا شوله:

"What's deep learning?

The "common usage" definition as of 2019 would be "chains of differentiable parametric layers trained end-to-end with backprop".

But this definition seems overly restrictive to me. It describes *how we do DL today*, not *what it is*."
https://twitter.com/fchollet/status/1210031900695449600

اندری بورکوف:

"Looks like in late 2019, people still need a definition of deep learning, so here's mine: deep learning is finding parameters of a nested parametrized non-linear function by minimizing an example-based differentiable cost function using gradient descent."
https://www.linkedin.com/posts/andriyburkov_looks-like-in-late-2019-people-still-need-activity-6615377527147941888-ce68/

#deep_learning

تنسورفلو نسخه ۲.۱ هم منتشر شد، و آخرین نسخه‌ایی هست که از پایتون ۲.۷ پشتیبانی می‌کنه

Github release link

زبان های برنامه نویسی مورد استفاده در لایه های مختلف IoT

جاوا و پایتون در تمام لایه ها قابل استفاده هستن

#python #java #iot

@pythonicAI

فرایند یادگیری ماشین در یک نگاه

@pythonicAI

Elements of statistical learning

یکی از کتابهای خوب در زمینه یادگیری آماری و یادگیری ماشینی
نویسندگان:
Trevor Hastie 
Robert Tibshirani
Jerome H. Friedman

@pythonicAI

📝 چگونه هوش مصنوعی صنعت خودرو سازی را متحول خواهد کرد

🔸از خودروهای بدون راننده گرفته تا روبات های موجود در کف کارخانه ، هوش مصنوعی در حال متحول کردن صنعت خودرو است. در اینجا مراحلی که شرکتهای هوشمند برای بهره مندی از فرصت هایی که هوش مصنوعی پیش پای آن ها میگذارد را بررسی میکنیم.

طی دو دهه آینده، هوش مصنوعی (AI) خودرو های خودران را جزء خودرو های پرطرفدار در بازار خواهد کرد. در آن واحد، هوش مصنوعی بیشتر جنبه های فرآیند تولید خودکار را از تحقیق و طراحی گرفته تا مدیریت پروژه و عملکردهای پشتیبانی کسب و کار، تغییر خواهد داد.

🔻برای دریافت اطلاعت بیشتر به لینک زیر مراجعه کنید :

⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩
https://shahaab-co.ir/mag/news/ai-applications-in-automobile-industry/

#تازه_ها
#هوش_مصنوعی
#مجله_شهاب

ScienceAlert - Latest
A Neuroscientist Explains What Sugar Really Does to Our Brains

➖ @sciencetoall ➖

Facebook AI researchers have created Fashion++

An AI tool that learns from sample images and then recommends easy changes to a person’s outfit to make it more stylish.

Link

#artificialintelligence

@pythonicAI

Inside a #Google data center

انقلابی در عرصه هوش مصنوعی با جولیا

ویژگی های جولیا:

1. یک زبان برنامه نویسی متن باز با پروانه MIT آمریکا

2. سرعت نزدیک به c

3. مانند زبان لیسپ است، به این معنا که کدهای برنامه نیز داده هایی از برنامه به شمار میروند، که امکان تولید کدهای برنامه نویسی پویا را به برنامه نویس می‌دهد.

4. سینتکس ساده و روان مثل پایتون

5. پویایی مثل روبی

6. قابلیت فراخوانی برنامه های پایتون، متلب،  c و c++

7. پشتیبانی از metaprogramming  به منظور تولید برنامه با کد کمتر و سرعت بیشتر

8. پشتیبانی بهینه از یونی‌کد شامل UTF-8

@uselinux
💥کرنل لینوکس در ورود به سال 2020 به 27.8 میلیون خط در گیت رسید اما در سال 2019 دولوپران کمتری روی آن کار کردند!
@uselinux
در سال 2019 کرنل لینوکس 74,754 کامیت دریافت کرد درحالی که این تعداد پایین ترین میزان از سال 2013 بوده است
در سال 2017 و 2018 کامیت ها 80k و در سال 2016 حدود 77k و در سال های 2014 , 2015 به میزان 75k بوده است
@uselinux
علاوه بر کامیت ها میزان دولوپران نیز کمتر بوده است
در سال 2019 حدود 4189
در سال 2018 حدود 4362
و در سال 2017 نیز 4402
@uselinux
و با وجود کامیت های کمتر 3,386,347 خط کد جدید به آن اضافه و 1,696,620 خط از آن حذف شده است
و لینوس توروالدز بیشترین میزان کانتریبیوت را داشته است .
@uselinux
منبع

Some of Machine Learning Algorithms

#machinelearning #artificialintelligence

@pythonicAI

GPyTorch

Gaussian processes for modern machine learning systems

Link

Github

#machinelearning #artificialintelligence

@pythonicAI

رودمپی جالب برای شروع دیپ لرنینگ از الفبا تا تخصص

لینک

#roadmap #deeplearning #artificialintelligence

@pythonicAI

These Projects will make you the Super Hero of Python: Link

#python #machinelearning #deeplearning #artificialintelligence

@pythonicAI