Designing an Encoder for StyleGAN Image Manipulation.

📕PDF
🗂یه ایده با پیاده سازی خوب
____
📚@BigDataServe

خلاصه نکات #رگرسیون_خطی
_________________________
📚 @BigDataServe

#deeplearning

🔰 درک نحوه عملکرد یادگیری عمیق

📚@BigDataServe

Multi-Stage Progressive Image Restoration.

📙PDF
💡از این مقاله ها ایده بگیریم و تحقیق جدیدی انجام بدیم....
______
📚@BigDataServe

بلدید یه عکس رو سیاه سفید کنید؟ 😀
_____________________
📚 @BigDataServe

#آموزش_پایتون شروع شد.

💥آموزش آنلاین پایتون در علم داده
📎با اعطای گواهینامه معتبر

🔴 جلسه اول (توجیهی و رایگان)
🎉امروز🎉 یکشنبه ۲۶بهمن، ساعت ۱۸

🗓 برنامه کلاس: یکشنبه ها و جمعه ها، ساعت ۱۸ الی ۲۱
🔖 شهریه دوره: ۵۲۰ هزار تومان

🌐 لینک ورود به کلاس
https://www.skyroom.online/ch/jdyazd/yz4091

✅ جهت ثبت نام به ادمین جهاد دانشگاهی یزد پیام دهید.
🆔 @jdyazd_edu_admin
☎️۰۳۵۳۸۳۰۳۴۵۶

#deeplearning

🔰در شبکه های عصبی، در عین حال که عملکرد روی داده های آموزش (train) بهتر می شود، در نهایت شروع به بیش برازش (overfitting) می کنند و روی داده هایی که قبلا با آنها روبرو نشده اند یعنی داده های آزمایش (test) نتایج بد و بدتری حاصل می کنند.
برای جلوگیری از بروز بیش برازش در شبکه های عصبی، می توان از روش های زیر به عنوان معمول ترین روش ها استفاده کرد.

🔻دریافت داده های آموزشی بیشتر (در صورت امکان)
🔻کاهش ظرفیت شبکه
🔻افزودن تنظیم وزن (L1 و L2)
🔻افزودن حذف تصادفی

📚@BigDataServe

📣 انجمن علمی صنایع دانشگاه علم و صنعت با همکاری گروه BigDataServe برگزار میکند:

🌟 کد۳ دوره مجازی هوش تجاری🌟

🧠 Business Intelligence

👨‍🏫 مدرس: مهندس محمدعلی شهلایی

✅ ۴۰ ساعت آموزش همراه با پروژه نهایی

❎ آنچه در این دوره خواهیم آموخت:

1⃣ آشنایی کامل با مفاهیم و کلیات هوش تجاری
2⃣ گزارش گیری از پایگاه داده با استفاده از زبان TSQL
3⃣ آموزش نرم افزار هوش تجاری PowerBI
4⃣ آموزش به صورت پروژه محور با داده های واقعی

📃 همراه با ارائه مدرک از انجمن علمی صنایع دانشگاه علم و صنعت 🔴

🗓 زمان: دوشنبه ها و پنجشنبه ها
🕕 ساعت ۱۶ الی ۱۹
از ۴ اسفند ۱۳۹۹
جهت ثبت نام از طریق لینک
https://evnd.co/yoSkV
اقدام نمایید.

❌کدتخفیف ۱۰درصد دانشجویی:
daneshjoo
برای دریافت کدتخفیف ثبت نام گروهی(حداقل سه نفر) به آیدی
@f79s79a79
پیام دهید.

@ssiediust
@bigdataserve
---------------------------------------------------

#advanced_machinelearning
#scikit_learn
🔸دوره آموزش پیشرفته یادگیری ماشین با کتابخانه Scikit-learn

قسمت سی و هشتم
The Hashing Trick

📚@BigDataServe

وقتی میگه زبان c بلده😀
#فان
____________________
📚 @BigDataServe

آشنایی با استارتاپ vacasa |
این استارتاپ در حال ایجاد و استفاده از ابزارهای مبتنی بر هوش مصنوعی برای بهبود تجارب مشتریان خود در اجاره خانه در سراسر جهان است. استراتژی هوش مصنوعی آن‌ها شامل بهبود هر جنبه از چرخه عمر مشتری از قیمت گذاری به وسیله زمان‌بندی پس از تمیزکاری است. این شرکت یک پورتفیلوی رو‌به رشد بیش از ۱۴ هزار خانه در امریکا، اروپا، امریکای جنوبی و آفریقای جنوبی را مدیریت می‌کند.
این استارتاپ موفق شده ۳۱۹ میلیون دلار در راند C جذب سرمایه کند.
سایت:
vacasa.com
_________
📚 @BigDataServe

#deeplearning

🔰کاهش اندازه شبکه

🔻ساده ترین روش برای جلوگیری از بروز بیش برازش، کاهش اندازه مدل است، یعنی تعداد پارامترهای قابل یادگیری در مدل که بر اساس تعداد لایه ها و تعداد واحدها به ازای هر لایه مشخص می شود. در یادگیری عمیق، تعداد پارامترهای قابل یادگیری در یک مدل اغلب به عنوان ظرفیت مدل نامیده می شود. مدلی که دارای پارامترهای بیشتری باشد دارای ظرفیت به خاطرسپاری بالاتری نیز هست اما این بدان معنی نیست که هرچه تعداد آنها بیشتر باشد بهتر است. از یک نقطه (شماره تکرار) به بعد مدل شروع به بیش برازش می کند. از سوی دیگر این نکته را باید در نظر داشت که تعداد پارامترها کم هم نباشد تا مدل دچار کم برازش نشود. متاسفانه فرمول خاصی برای محاسبه تعداد لایه ها و واحدها به ازای هر لایه وجود ندارد. معمولا روال بدین صورت است که برای ایجاد مدل، از تعداد نسبتا کمی برای لایه ها و پارامترها شروع می کنیم و اندازه لایه ها را افزایش می دهیم یا لایه های جدیدی اضافه می کنیم تا با درنظر گرفتن هزینه اعتبارسنجی، کاهش بازدهی را بررسی کنیم.

🔻یادآوری: مقدار کمتر برای هزینه اعتبارسنجی نشاندهنده یک مدل بهتر است.
📚@BigDataServe

#business_intelligence

🔰جدیدترین گزارش مجله گارتنر پیرامون برترین ابزارهای هوش تجاری در سال 2021

🔻در این گزارش سه ابزار Power BI, Tableau, Qlik به ترتیب همچنان به عنوان پیشتازان این حوزه شناخته می شوند.

🔻نکته قابل توجه فاصله رقابتی بین Power BI و Tableau می باشد که نسبت به سال قبل افزایش یافته است.
___________________
📚 @ArmanbehnamAI

مقاله با عنوان:
RefineFace: Refinement Neural Network for
High Performance Face Detection
___________________
📚 @ArmanbehnamAI

#course #coursera #iot
یکی از مباحث جدید و به روز که جزو بحث های بین رشته ای هست،اینترنت اشیاست که در حال اوج گیری در بین جامعه محققین و مهندسین هست.
دوره ای که در سایت بررسی کردم، دوره ای جذاب و سخت با تئوری فراوان برای کسانی که خواهان آشنایی با مفاهیم اولیه اینترنت اشیا هستند که توسط دانشگاه سن دیگو ارائه شده.
تحلیل و بررسی محتوای دوره :
http://www.armanbehnam.com/about-me/education/iot-how-get-there/
📪 محتوای این پست در لینکدین :
https://b2n.ir/d09156
🔊 اسلایدها و فیلم های این دوره در گیت هاب
https://b2n.ir/j71258
___________________
📚 @ArmanbehnamAI

#deeplearning

🔰 افزودن تنظیم وزن

🔘 قبلا توضیح دادیم که با کاهش اندازه شبکه، می توان تا حدودی جلوی بیش برازش مدل را گرفت. در واقع مدل های ساده تر در مقایسه با مدل های پیچیده کمتر در معرض بیش برازش قرار دارند.

🔘 در این زمینه، یک مدل ساده مدلی است که در آن توزیع مقادیر پارامترها دارای آنتروپی کمتر است (یا مدلی با تعداد پارامترهای کمتر). بنابراین یک روش معمول برای کاهش اثر بیش برازش عبارت است از اعمال شروط و محدودیت هایی بر پیچیدگی شبکه، به این ترتیب که وزن های آن ملزم می شوند که تنها مقادیر کوچک را بپذیرند که این کار سبب می شود توزیع مقادیر وزن ها منظم تر و دارای آنتروپی کمتری باشند. این روش، تنظیم وزن نامیده می شود و با افزودن یک هزینه به تابع هزینه شبکه بابت داشتن وزن های بزرگ انجام می شود. این هزینه به دو شکل زیر نمایان می شود:
🔻 نرم L1 برای وزن ها (هزینه افزوده شده، متناسب با قدر مطلق ضرایب وزن ها است.)
🔻 نرم L2 برای وزن ها (هزینه افزوده شده، متناسب با مربع مقدار ضرایب وزن ها است.)

___________________
📚 @ArmanbehnamAI

#advanced_machinelearning
#scikit_learn
🔸دوره آموزش پیشرفته یادگیری ماشین با کتابخانه Scikit-learn

قسمت سی و نهم
Other Representations (Distributed Word Representations)

📚@BigDataServe