Forwarded from Masoud Pourreza
کد تخفیف ثبت نام در دوره مقدماتی : deeplearning
کد تخفیف ثبت نام در دوره پیشرفته: deeplearning_a
تخفیف ویژه
برای ثبت نام همزمان دوره مقدماتی و پیشرفته در آدرس سایت دوره
کد تخفیف ثبت نام در دوره پیشرفته: deeplearning_a
تخفیف ویژه
برای ثبت نام همزمان دوره مقدماتی و پیشرفته در آدرس سایت دوره
در این پست به محدودیت های یادگیری ماشینی و مروری بر دیدگاه های علی رحیمی و یودیا پرل در NIPS2017 پرداختم.
جان کلام پرل اینه : هوش مصنوعی در سطح انسانی نمیتواد از ماشین هایی که به صورت “کور کورانه” یاد میگیرند پدید بیاد
علی رحیمی میگه :چیزی که امروزه به اون نیاز داریم یک تئوری محکم در زمینه ml است.عدم وجود یک تئوری محکم و عدم وجود مدل های ذهنی سازماندهی شده در یادگیری عمیق ما رو به کیمیاگران این زمانه تبدیل کرده است.
https://alisterta.github.io/2018-09-07/محدودیت-های-یادگیری-ماشینی-و-مروری-بر-دیدگاه-علی-رحیمی-و-پرل/
جان کلام پرل اینه : هوش مصنوعی در سطح انسانی نمیتواد از ماشین هایی که به صورت “کور کورانه” یاد میگیرند پدید بیاد
علی رحیمی میگه :چیزی که امروزه به اون نیاز داریم یک تئوری محکم در زمینه ml است.عدم وجود یک تئوری محکم و عدم وجود مدل های ذهنی سازماندهی شده در یادگیری عمیق ما رو به کیمیاگران این زمانه تبدیل کرده است.
https://alisterta.github.io/2018-09-07/محدودیت-های-یادگیری-ماشینی-و-مروری-بر-دیدگاه-علی-رحیمی-و-پرل/
alisterta.github.io
محدودیت های یادگیری ماشینی و مروری بر دیدگاه علی رحیمی و پرل
یکی از رایج ترین اعتراضاتی که در مورد هوش مصنوعی عمومی (AGI) می شنویم اینه که “AGI بد تعریف شده ، بنابراین شما واقعا نمیتوانید درباره آن حرف بزنید”
Machine Learning cheatsheets for Stanford's CS 229
این
cheatsheet
که توسط افشین عمیدی و شروین عمیدی طراحی و تهیه شده فایل خوبی برای مراجعات سریع هست. می‌توانید از طریق لینک زیر، آن را دانلود کنید.
https://github.com/afshinea/stanford-cs-229-machine-learning
این
cheatsheet
که توسط افشین عمیدی و شروین عمیدی طراحی و تهیه شده فایل خوبی برای مراجعات سریع هست. می‌توانید از طریق لینک زیر، آن را دانلود کنید.
https://github.com/afshinea/stanford-cs-229-machine-learning
GitHub
GitHub - afshinea/stanford-cs-229-machine-learning: VIP cheatsheets for Stanford's CS 229 Machine Learning
VIP cheatsheets for Stanford's CS 229 Machine Learning - afshinea/stanford-cs-229-machine-learning
یکی از عمیق ترین حقایق یادگیری ماشین اینست که : همواره خوب نیست که از یک مدل “پیچیده تر” استفاده کرد، مدلی که فاکتور های بیشتری را به حساب می‌آورد. اما مسئله مهمتر اینست: چگونه پیچیدگی یک مدل را توجیه کنیم، و یا اینکه تا چه میزان پیچیدگی یک مدل قابل توجیه است؟
در این پست سعی شده یکی از مفاهیم پایه‌ای یادگیری ماشین، یعنی "بیش‌برارزش" و روشهای مقابله با آن از یک دیدگاه فلسفی بررسی شود . اساسا بیش برارزش نوعی “بت پرستی داده” است، با پیامد تمرکز بر روی آنچه که قادر به اندازه گیری هستیم نه آنچه که اهمیت دارد.
https://alisterta.github.io/2018-09-28/چه-وقت-کم-تر-فکر-کنیم!-بررسی-پاره-ای-از-مفاهیم-یادگیری-ماشینی-از-یک-دیدگاه-فلسفی/
در این پست سعی شده یکی از مفاهیم پایه‌ای یادگیری ماشین، یعنی "بیش‌برارزش" و روشهای مقابله با آن از یک دیدگاه فلسفی بررسی شود . اساسا بیش برارزش نوعی “بت پرستی داده” است، با پیامد تمرکز بر روی آنچه که قادر به اندازه گیری هستیم نه آنچه که اهمیت دارد.
https://alisterta.github.io/2018-09-28/چه-وقت-کم-تر-فکر-کنیم!-بررسی-پاره-ای-از-مفاهیم-یادگیری-ماشینی-از-یک-دیدگاه-فلسفی/
alisterta.github.io
چه وقت کم تر فکر کنیم! بررسی پاره ای از مفاهیم یادگیری ماشینی از یک دیدگاه فلسفی
معلم ریاضی درس جدید رو شرو‌ع کرد و بدون مقدمه شرو‌ع به نوشتن فرمول کرد، اما من پافشاری کردم که قبل از ارائه فرمول فلسفه آن را شرح دهد، بعد از کمی کش‌مکش مجبور شدم کلاس را ترک کنیم.
در حال حاضرخلاصه راهنمای یادگیری ماشین،به زبان فارسی در دسترس است.
یادگیری عمیق:
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-deep-learning
نکات و ترفندهای یادگیری ماشین:
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-machine-learning-tips-and-tricks
یاگیری با نظارت:
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-supervised-learning
یادگیری بدون نظارت:
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-unsupervised-learning
یادآوری آمار و احتمالات
https://stanford.edu/~shervine/l/fa/teaching/cs-229/refresher-probabilities-statistics
یادآوری جبر خطی و حسابان
https://stanford.edu/~shervine/l/fa/teaching/cs-229/refresher-algebra-calculus
یادگیری عمیق:
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-deep-learning
نکات و ترفندهای یادگیری ماشین:
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-machine-learning-tips-and-tricks
یاگیری با نظارت:
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-supervised-learning
یادگیری بدون نظارت:
https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-unsupervised-learning
یادآوری آمار و احتمالات
https://stanford.edu/~shervine/l/fa/teaching/cs-229/refresher-probabilities-statistics
یادآوری جبر خطی و حسابان
https://stanford.edu/~shervine/l/fa/teaching/cs-229/refresher-algebra-calculus
stanford.edu
CS ۲۲۹ - راهنمای کوتاه یادگیری عمیق
Teaching page of Shervine Amidi, Graduate Student at Stanford University.
Forwarded from انجمن علمی دانشکده مهندسی کامپیوتر
🔔 اولین ارائه از سری برنامه‌های «ساعت پژوهش»
💻 شناسایی سرطان با استفاده از شبکه‌های عصبی ژرف
👤 دکتر شریفی زارچی
📆 چهارشنبه ۲ آبان ماه
⏰ ساعت ۱۲:۳۰
🏛 سالن خوارزمی دانشکده مهندسی کامپیوتر
@ssc_public
💻 شناسایی سرطان با استفاده از شبکه‌های عصبی ژرف
👤 دکتر شریفی زارچی
📆 چهارشنبه ۲ آبان ماه
⏰ ساعت ۱۲:۳۰
🏛 سالن خوارزمی دانشکده مهندسی کامپیوتر
@ssc_public
همان طور که می دانید علم یادگیری ماشین روز به روز در حال گسترش می باشد. با توجه به حجم واژگان انگلیسی جدیدی که در این مباحث استفاده می شوند نیاز به ایجاد یک واژه نامه فارسی مناسب بر اساس نظرات متخصصین این حوزه احساس می شود. یکی از پژوهشگران ایرانی پروژه ای برای این کار در گیت هاب ایجاد کرده است که نیازمند همیاری دیگر پژوهشگران ایرانی این زمینه است. در صورت امکان می توانید با نظرات خود به بهبود این واژه نامه کمک کنید.
https://github.com/erfannoury/persian-ml-glossary
http://deeplearning.ir/%D9%88%D8%A7%DA%98%D9%87%E2%80%8C%D9%86%D8%A7%D9%85%D9%87%E2%80%8C%DB%8C-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D9%85%D8%A7%D8%B4%DB%8C
%D9%86/
https://github.com/erfannoury/persian-ml-glossary
http://deeplearning.ir/%D9%88%D8%A7%DA%98%D9%87%E2%80%8C%D9%86%D8%A7%D9%85%D9%87%E2%80%8C%DB%8C-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D9%85%D8%A7%D8%B4%DB%8C
%D9%86/
GitHub
GitHub - erfannoury/persian-ml-glossary: Persian Machine Learning Glossary - واژه‌نامه‌ی فارسی یادگیری ماشین
Persian Machine Learning Glossary - واژه‌نامه‌ی فارسی یادگیری ماشین - GitHub - erfannoury/persian-ml-glossary: Persian Machine Learning Glossary - واژه‌نامه‌ی فارسی یادگیری ماشین
کتابچه راهنمای NLP
پردازش زبان طبیعی (NLP) یکی از مهمترین فن آوری های عصر اطلاعات است. درک مفاهیم پیچیده زبان نیز بخش مهمی از هوش مصنوعی است.
برنامه های NLP در همه جا یافت میشوند زیرا مردم از آن برای ارتباطات استفاده میکنند: جستجو در وب، تبلیغات، ایمیل، خدمات به مشتری، ترجمه زبان، گزارش های رادیولوژی، و غیره. به تازگی، روشهای یادگیری عمیق در عملکردهای مختلف NLP کارایی بسیار بالایی کسب کرده اند. در این کتابچه سعی شده مفاهیم اساسی NLP به صورت مختصر بیان شود. مفاهیم آورده شده در این کتابچه عمدتا از کلاس آموزشی CS224N استنفورد استخراج شده است.
https://alisterta.github.io/2018-11-08/کتابچه-راهنمای-NLP/
پردازش زبان طبیعی (NLP) یکی از مهمترین فن آوری های عصر اطلاعات است. درک مفاهیم پیچیده زبان نیز بخش مهمی از هوش مصنوعی است.
برنامه های NLP در همه جا یافت میشوند زیرا مردم از آن برای ارتباطات استفاده میکنند: جستجو در وب، تبلیغات، ایمیل، خدمات به مشتری، ترجمه زبان، گزارش های رادیولوژی، و غیره. به تازگی، روشهای یادگیری عمیق در عملکردهای مختلف NLP کارایی بسیار بالایی کسب کرده اند. در این کتابچه سعی شده مفاهیم اساسی NLP به صورت مختصر بیان شود. مفاهیم آورده شده در این کتابچه عمدتا از کلاس آموزشی CS224N استنفورد استخراج شده است.
https://alisterta.github.io/2018-11-08/کتابچه-راهنمای-NLP/
TensorSpace is a neural network 3D visualization framework built by TensorFlow.js, Three.js, and Tween.js.
For more information, you can follow it @ https://tensorspace.org
For more information, you can follow it @ https://tensorspace.org
Forwarded from کارگروه کلان‌داده - دانشگاه صنعتی شریف
🗒 Let's Talk AI
🖥 کنفرانس آنلاین
⏱ زمان : امروز پنجشنبه 24آبان ماه ساعت13:15
🔗 ثبتنام: https://goo.gl/ni2QR2
@bigdataworkgroup
🖥 کنفرانس آنلاین
⏱ زمان : امروز پنجشنبه 24آبان ماه ساعت13:15
🔗 ثبتنام: https://goo.gl/ni2QR2
@bigdataworkgroup
انتشار ویدیوهای کورس یادگیری تقویتی کالج دانشگاهی لندن توسط تیم Deepmind
این کورس به دو بخش عمده تقسیم شده است.
بخش اول استفاده از شبکه های عصبی عمیق در یادگیری ماشینی
مباحث:
معرفی شبکه های عصبی و یادگیری با نظارت با استفاده از تنسورفلو
شبکه های CNN و RNN
مدل های یکپارچه، متد های بهینه‌سازی
مکانیزم Attention
و کاربردهایی نظیر بازشناسایی اشیاء و پردازش زبان طبیعی
بخش دوم استفاده از یادگیری تقویتی برای کنترل و تخمین
مباحث : فرایند های تصمیم گیری مارکوف
برنامه نویسی پویا
Model-Free Prediction and Control
Value function
Policy gradient methods
https://m.youtube.com/playlist?list=PLqYmG7hTraZDNJre23vqCGIVpfZ_K2RZs
این کورس به دو بخش عمده تقسیم شده است.
بخش اول استفاده از شبکه های عصبی عمیق در یادگیری ماشینی
مباحث:
معرفی شبکه های عصبی و یادگیری با نظارت با استفاده از تنسورفلو
شبکه های CNN و RNN
مدل های یکپارچه، متد های بهینه‌سازی
مکانیزم Attention
و کاربردهایی نظیر بازشناسایی اشیاء و پردازش زبان طبیعی
بخش دوم استفاده از یادگیری تقویتی برای کنترل و تخمین
مباحث : فرایند های تصمیم گیری مارکوف
برنامه نویسی پویا
Model-Free Prediction and Control
Value function
Policy gradient methods
https://m.youtube.com/playlist?list=PLqYmG7hTraZDNJre23vqCGIVpfZ_K2RZs
Forwarded from کارگروه کلان‌داده - دانشگاه صنعتی شریف
Deep learning for Poets ::
Theory and implementation of deep learning algorithms
👤 دکتر امیرحسین پی براه
👤 مهندس سینا شیخ الاسلامی
⏱ زمان: 28و29آذرماه
🔗 ثبتنام: https://goo.gl/14fAyM
@bigdataworkgroup
Theory and implementation of deep learning algorithms
👤 دکتر امیرحسین پی براه
👤 مهندس سینا شیخ الاسلامی
⏱ زمان: 28و29آذرماه
🔗 ثبتنام: https://goo.gl/14fAyM
@bigdataworkgroup
This tool allows you to easily clean the LaTeX code of your paper to submit to arXiv. From a folder containing all your code, e.g. /path/to/latex/, it creates a new folder /path/to/latex_arXiv/, that is ready to ZIP and upload to arXiv.
https://github.com/google-research/google-research/tree/master/arxiv_latex_cleaner
https://github.com/google-research/google-research/tree/master/arxiv_latex_cleaner
GitHub
google-research/arxiv_latex_cleaner at master · google-research/google-research
Google Research. Contribute to google-research/google-research development by creating an account on GitHub.
Forwarded from انجمن علمی دانشکده مهندسی کامپیوتر
پخش زنده کارگاه در لینک زیر:
www.lahzenegar.com/ceit_ssc/live
www.lahzenegar.com/ceit_ssc/live