چند سال پیش وقتی حرف از AI میشد گرایش های مختلفی از اون توی ذهن میومد اما الان دیگه گرایش خاصی برای AI وجود نداره و در واقع هر فیلدی که تصورش رو بکنید به نوعی گرایشی از AI است یا به طور دقیق تر AI ابزاری است که میشه برای حل مسائل آن فیلد ازش استفاده کرد. این پست آقای کیان کتان‌فروش این موضوع رو به خوبی شرح میده:

https://kiankatan.medium.com/ai-x-dont-switch-careers-add-ai-34eff21dd3e1

🔆 رویداد بزرگ Techknot

📣 از تجربیات برجسته ترین ایرانی های فعال در حوزه‌های تکنولوژی و اپلیکیشن‌های داده محور در رویداد تک‌نات بهره‌مند شوید!

📅 16 و 17 بهمن 1399

💳 هزینه ثبت نام زودهنگام: 99 هزار تومان

⭕️ لینک ثبت نام در رویداد بزرگ تک‌نات

📢 برای کسب اطلاعات بیشتر، برنامه برگزاری، معرفی مدرسان و ... به وبسایت آکادمی لوپ مراجعه فرمایید:

www.loopacademy.io

➖➖➖➖➖➖➖
@LoopAcademy

MuZero: Mastering Go, chess, shogi and Atari without rules

https://deepmind.com/blog/article/muzero-mastering-go-chess-shogi-and-atari-without-rules

PlotNeuralNet - Use Latex for making neural network diagrams!

GitHub: https://github.com/HarisIqbal88/PlotNeuralNet
Overleaf: https://www.overleaf.com/read/jxhnkcnwhfxp

#سیستم_های_توصیه_گر در رویداد تک‌نات

👤سخنران: حمیدرضا حسین‌خانی
⁉️موضوع: رویکردهای مدرن در پیاده سازی سامانه های توصیه‌گر

@loopacademy

✅ در این تاک می‌خوایم به سامانه‌های توصیه گر به عنوان یکی از جذاب‌ترین و با اهمیت ترین اپلیکیشن‌های داده محور بپردازیم
این که این سامانه‌ها چی هستند؟
به چه درد می‌خورند؟
چطور کار می‌کنند؟
و هوش مصنوعی و یادگیری ماشین چطور در ساخت مدرن ترین توصیه‌گرها استفاده می‌شوند.
اگر کمی پایتون بلد باشید احتمالا بعد از این وبینار خودتون می‌تونید یک سامانه توصیه‌گر مدرن بسازید.

@loopacademy

⭕️ ثبت‌نام رایگان این رویداد را از دست ندهید.

برای تماشای رایگان ویدیوی ضبط شده از وبینار "آشنایی با #هوش_مصنوعی و مسیر یادگیری آن" در #مکتب‌خونه می‌توانید از لینک زیر استفاده کنید:

https://lnkd.in/dshjGPH

A complete tutorial (Jupyter notebook) to build and deploy a modern and powerful #Recommender_System using #TensorFlow Recommenders, #Keras, #ScaNN and #Docker.

https://github.com/xei/recommender-system-tutorial/blob/main/recommender_system_tutorial.ipynb

ثبت نام رایگان در رویداد تک‌نات از @loopacademy حداکثر تا فردا.

A great note to become a data engineer by Chip Huyen:

- Data formats
- ETL
- Batch processing vs Stream processing
...

https://docs.google.com/document/u/0/d/1b9iuZiDEGVLHyMmnf6w2y1aN6yWQhAyqk3GHlpI9q6M/mobilebasic

AI is counting...

How Transformers work in deep learning and NLP: an intuitive introduction

https://theaisummer.com/transformer/

Facebook D2Go brings Detectron2 to mobile

https://ai.facebook.com/blog/d2go-brings-detectron2-to-mobile/

AI Picture Restorer Beta

https://hotpot.ai/restore-picture

نوروزتان پیروز 🌸

Production ML:

https://m.youtube.com/playlist?list=PL3N9eeOlCrP5PlN1jwOB3jVZE6nYTVswk

#آموزش فارسی #بازشناسی چهره
جلسه 1 بازشناسی چهره - معرفی دوره
https://www.aparat.com/v/ONEdD

#deep_face_recognition #face_verification #face_recognition #facenet #tripletloss #amsoftmax #arcface

Distrax is a lightweight library of probability distributions and bijectors. It acts as a JAX-native reimplementation of a subset of TensorFlow Probability (TFP), with some new features and emphasis on extensibility.

https://github.com/deepmind/distrax

کورسِ آموزشیِ
طراحی و پیاده‌سازیِ سامانه‌‌های پیشنهاددهنده (Recommender Systems) با استفاده از تکنیک‌های مدرنِ هوش مصنوعی و یادگیری ماشین.
مدرس: حمیدرضا حسین‌خانی
تهیه‌کننده: مکتب‌خونه
کد تخفیف: HHRS01

https://maktabkhooneh.org/course/%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D8%B3%DB%8C%D8%B3%D8%AA%D9%85-%D9%BE%DB%8C%D8%B4%D9%86%D9%87%D8%A7%D8%AF-%D8%AF%D9%87%D9%86%D8%AF%D9%87-Recommender-Systems-mk1062/


سرفصل‌ها:
- مقدمه ای بر سامانه‌های پیشنهاددهنده و بازیابی اطلاعات
- بارگزاری داده‌ها با استفاده از کتابخانه TFDS
- پیش‌پردازش و نمایش ویژگی‌ها با استفاده از Keras Preprocessing Layers
- ساخت یک مدلِ بازیابی اطلاعات (Retrieval Task) با استفاده از شبکه‌ی عصبی دو‌برجی.
- ساخت یک مدلِ عمیق رتبه‌بندی (Ranking Task)
- استقرار مدل هوش مصنوعی روی سرور لینوکسی با استفاده از TF Serving و Docker