Advanced AI – Telegram
Advanced AI
2.39K subscribers
86 photos
12 videos
94 files
996 links
کانال Advnaced AI:
کانالی برای علاقه‌مندان هوش مصنوعی

رویکردهای اصلی کانال:
📘📖ارائه به‌روزترین کتاب‌ها و مقالات
🎥📝ارائه ویدئوها و لینک‌های آموزشی
👨‍💻💵استخدامی و فرصت‌های شغلی
🧠🕺🏻ایده‌ها و دستاوردها
Download Telegram
یک پوزیشن Postdoc و چندین پوزیشن PHD در زمینه‌های شبکه‌های بی‌سیم، امنیت و هوش مصنوعی

#PHD #PostDoc

دانشگاه Queen، کانادا

اطلاعات بیشتر:
https://bit.ly/3RoXpOp

👇🏻عضویت در کانال: 👇🏻

Link: https://news.1rj.ru/str/Adv_AI
ID: @Adv_AI
پوزیشن PHD در زمینه مهندسی صنایع و یادگیری ماشین

#PHD

دپارتمان مهندسی سیستم و صنایع
دانشگاه Mississippi State، آمریکا

اطلاعات بیشتر:

https://bit.ly/3cCT3En

👇🏻عضویت در کانال: 👇🏻

Link: https://news.1rj.ru/str/Adv_AI
ID: @Adv_AI
👎3
IoT and ICT for Healthcare Applications.pdf
7.9 MB
#کتاب

📕 اینترنت اشیا و فناوری اطلاعات برای کاربردهای پزشکی
📅سال چاپ: 2020
📝ناشر: Springer

👇🏻عضویت در کانال: 👇🏻

Link: https://news.1rj.ru/str/Adv_AI
ID: @Adv_AI
🚀 #منتشر_شد ... 🚀

📚 دوره آموزشی یادگیری عمیق با استفاده از کتابخانه کراس (Keras) در پایتون

🧑🏻‍🏫 مدرس: رضا اکبری موحد
کارشناس ارشد مهندسی پزشکی از دانشگاه تربیت مدرس تهران

مدت زمان دوره: ۱۳ ساعت و ۴۸ دقیقه

📙 چرا این دوره رو به شما پیشنهاد می‌کنیم؟
یادگیری عمیق (Deep Learning) به عنوان یکی از مدرن‌ترین شاخه‌های یادگیری در هوش مصنوعی زیاد می‌شنویم. این شاخه دارای ابزارها و کتابخانه‌های معروف و معتبری هست که تو این دوره آموزشی سراغ یکی از اساسی‌ترین این نیازمندی‌ها، یعنی کتابخانه کراس (Keras) اومدیم تا در قالب این آموزش به بهترین شکل ممکن با پیاده‌سازی تکنیک‌های مختلف یادگیری عمیق آشنا می‌شید که این کار برای یادگیری هرچه بیشتر و ملموس‌تر شما، با استفاده از مثال‌ها و دیتاست‌های معتبر و واقعی مثل MNIST، CIAFR10 و IRIS انجام می‌شه؛

🌐 اطلاعات بیشتر و مشاهده دوره:
https://www.gilademia.com/product/deep-learning-with-keras-in-python/

..............................
🍔 گیلادمیا رو در صفحات مجازی دنبال کنید:
وب‌سایت | تلگرام | اینستاگرام | لینکدین
..............................

#تکمیل_شده #یادگیری_عمیق #کراس
👍3
Graph Algorithms for Data Science.pdf
6.6 MB
#کتاب


📕 الگوریتم‌های گراف برای علم داده
📅سال چاپ: 2022
📝ناشر: Manning

👇🏻عضویت در کانال: 👇🏻

Link: https://news.1rj.ru/str/Adv_AI
ID: @Adv_AI
👍6
پوزیشن PHD در زمینه نوروساینس و یادگیری ماشین
#PHD

دانشگاه Aalborg، دانمارک

اطلاعات بیشتر:

https://scholarshipdb.net/scholarships-in-Denmark/One-Or-More-Ph-D-Stipend-S-At-The-Center-For-Neuroplasticity-And-Pain-Cnap-21-22072-Aalborg-University=lo6kz-4n7RGUYQAlkGUTnw.html

👇🏻عضویت در کانال: 👇🏻

Link: https://news.1rj.ru/str/Adv_AI
ID: @Adv_AI
👍1
Intro to Python for Computer Science..pdf
17.5 MB
#کتاب


📕 مقدمه‌ای بر پایتون در حوزه‌های علوم کامپیوتر و علم داده
📅سال چاپ: 2022

👇🏻عضویت در کانال: 👇🏻

Link: https://news.1rj.ru/str/Adv_AI
ID: @Adv_AI
⬅️"روشی كارآمد برای جداسازی منابع صوتی با استفاده از تركيب شبكه عصبی كانولوشنال و بازگشتی"

🔉جداسازی منابع صوتی (مانند زمانی كه چند شخص همزمان صحبت می كنند) یكی از مباحثی است كه پژوهش‌های زیادی در زمینه آن انجام شده است.

🗂روش‌های متعددی برای این كار وجود دارد.

📍💡یكی از بهترین روش‌هایی كه تاكنون ارائه شده است، استفاده از شبكه عصبی عمیق است. LSTM یك نوع شبكه عصبی بازگشتی است كه برای سیگنال‌های طولانی به‌كار می‌رود. در این روش به دلیل ارتباط كامل میان لایه ها، آموزش شبكه كند است و اندازه مدل بزرگ خواهد شد.

📍💡یك روش دیگر استفاده از شبكه عصبی كانولوشنال است. این روش برای سیگنال‌های طولانی منجر به عمق بیشتر شده و فرآیند آموزش را سخت تر می كند.

📃در مقاله مطالعه شده دنبال روشی جدید هستیم كه با تركیب این دو شبكه عصبی بتوانیم مدل كارآمدتری بسازیم. ابتدا ساختار هر یك از شبكه ها را بررسی كرده، سپس درباره انواع شیوه اتصالات آن‌ها بحث می‌كنیم و بهترین روش را برای ساختار جدید ارائه می‌كنیم. سپس این شبكه را برای جداسازی صدای خواننده در موسیقی به‌كار می‌بریم.

#مقاله_علمی_عصر_گویش_پرداز
⬇️⬇️⬇️
https://b2n.ir/u58091
👍4