🗒 AI at the Edge: TensorFlow to TensorRT on Jetson

🏛 مرکز ارائه دهنده : Nvidia
⏱ زمان : پنجشنبه 17اسفند ساعت 22:30
🔗 لینک ثبت نام: https://goo.gl/qUnK6B

برای دوستانی که دارن مقاله ردیف می کنند 🌺🌹👇

  Conflicts of Interest

❓ پرسش:
در هنگام Submit مقاله از من تکمیل فرم
Conflicts of Interest Statement
درخواست شده، مفهوم آن چیست؟


✅ پاسخ:
▫️ در جریان انتشار مقالات علمی، تعارض در منافع (Conflicts of Interest) به این معنی است که نویسنده یا نویسندگان، داوران و یا حتی سردبیران مجلات ممکن است دارای ارتباطات شخصی و یا اقتصادی بوده و درنتیجه آن به طور ناعادلانه‌ای بر تصمیم‌گیری آن‌ها در جهت چاپ یک مقاله تأثیرگذار باشد.

▫️ بطور مثال وابستگی اقتصادی به یک شرکت دارویی ممکن است سبب شود که به طور ناعادلانه‌ای میزان تأثیر داروی مورد نظر بیش از حد واقعی آن گزارش شود.

▫️ با توجه به اهمیت تعارض در منافع در هر نوع و شکل، مجلات بایستی سیاست روشنی را در قبال این موضوع انتخاب نمایند. محور اساسی این سیاست‌ها بایستی به افشای (Disclosure) هرگونه تعارض در منافع از سوی نویسندگان، مرورگران و حتی سردبیران مجلات بیانجامد.

▫️ در خصوص نویسندگان، معمولاً مجلات در راهنمای نویسندگان (Instructions to authors) میخواهند که هر نوع امکان تعارض در منافع را در یک صفحه جداگانه و به هنگام سابمیت مقاله خویش به سردبیر مجله اعلام نمایند.

▫️ از طرف دیگر، هنگامی که سردبیر مقاله‌ای را به داوری ارسال می‌کند، از داور می خواهد که هرگونه احتمال تعارض در منافع را که ممکن است بر روی نتایج داوری وی تأثیر بگذارد به طور صادقانه با سردبیر در میان بگذارد.

(بازنشر از مجله دانشگاه علوم پزشکی رفسنجان)

استفاده از «کلان داده» برای ایجاد تحولی عظیم در آموزش

«کلان داده» (Big Data) عبارتی است که برای اشاره به مجموعه هایِ داده ای حجیم استفاده مي شود، داده های انبوه که نمی توان آنها را با پایگاههای داده سنتی و معمولي مدیریت کرد.این عبارت اولین بار در “سیلیکون ولی” ، مهد فناوری پیشرفته، در کالیفرنیا ساخته شد. آیا می توان از این مفهوم برای ایجاد تحول در آموزش هم استفاده کرد؟ در این گزارش «جهان دانش» کاربرد این مفهوم دنیای اطلاعات در شیوه های آموزشی بررسی می شود.

* استفاده از «کلان داده» چه فایده ای برای بهبود کار استاد دارد؟

کِنِت کوکی یر، روزنامه نگار آمریکایی و سردبیر مجله “اکونومیست” از پنج سال پیش روی این مفهوم کار می کند. وی سال گذشته میلادی با ویکتور مایر شونبرگ، کتابی منتشر کرده و در آن نشان داده است که می توان از زیرساختهای «کلان داده» در آموزش هم استفاده کرد. مجموعه های بزرگ، وسیع، پیچیده و متنوع اطلاعاتی که روی تلفنهای همراه و کامپیوترهایمان ضبط می کنیم، در واقع نمونه ای از «کلان داده» است.

از نظر کوکی یر، باید فرزندانمان را از نظام آموزشی سنتی که برای همه یک نسخه تجویز می کند، نجات دهیم و باید آموزشی متناسب با نیازهای امروز داشته باشیم.

وی می گوید: «در کلاسهای درس آنلاین که به درسهای باز و انبوه آنلاین معروف هستند، استادها می توانند ببینند که دانشجوها چه هنگام درسهای آنها را نگاه می کنند و چه موقع نگاه نمی کنند یا باز می گردند و درسهای قبلی را دوباره نگاه می کنند.یکی از استادان دانشگاه استنفورد متوجه شد که همه دانشجوها حدود درس هفتم یا هشتم متوقف می شوند و سراغ درس سوم می روند.»

وی می افزاید: «با “کلان داده” استاد دو چیز را متوجه می شود: یکی اینکه می فهمد دانش آموزانش نیاز به آمادگی بیشتری دارند. دیگر اینکه می فهمد باید شیوه تدریسش در یک موضوع خاص را بهبود بخشد زیرا دانشجویان در آن موضوع مشکل دارند و از آن به بعد پیش نرفته اند.»

#Bigdata

آموزش منطبق با نیازهای دانشجو در دانشگاه ایالتی آریزونا

دانشجویان دانشگاه ایالتی آریزونا، می توانند در کلاسهای درس دیجیتال مطالب درسی را بیاموزند. در این دانشگاه، با استفاده از یک نرم افزار کامپیوتری، الگوی یادگیری دانشجویان تجزیه و تحلیل می شود و سپس دانشجو می تواند از آموزش خصوصی مطابق با نیازهایش بهره گیرد. به این ترتیب دانشجو برای پیشرفت تنها به امید استاد نیست.

این نرم افزار اطلاعات و داده های مربوط به دانشجو را جمع آوری می کند. اطلاعاتی نظیر مهارتهایش در یادگیری، نقاط قوت و ضعف، و حتی تردیدهایش در حرکت موشواره زمانی که تمرینها را حل می کند.

الگوریتم های تطبیقی که دانشمندان طراحی کرده اند آمار را با داده هایی که از دهها هزار دانشجوی دیگر به دست آمده است مقایسه می کند. از این مقایسه ها الگوهایی به دست می اید و نرم افزار درمی یابد که برای هر دانشجو کدام محتوا مفید است و مواد درسی را به فراخور دانشجو تغییر می دهد.

با این فناوری جدید، روش آموزش نیز می تواند به تناسب حال دانشجو تغییر کند، چون استاد وقت بیشتری خواهد داشت که مسقتیما به دانشجو کمک کند و وقت کمتری را صرف درس دادن سر کلاس می کند. یکی از مزیتهای این وضعیت برای استادان این است که نرم افزار به طور خودکار به دانشجوها نمره می دهد.

ایرین بلوم، استاد ریاضیات دانشگاه ایالتی آریزونا می گوید: « این شیوه آموزش شخصی است، با نیازهای دانشجو منطبق است. از این رو ممکن است یک دانشجو موضوع خاصی را بسیار سریع یاد بگیرد، در حالی که دانشجوی دیگری نیاز به کار بیشتر دارد و سیستم می تواند خود را با هر دو دانشجو تطبیق دهد.»

مدیران دانشگاه ایالتی آریزونا به دنبال راههایی هستند که دانشجوها را در یادگیری ریاضیات دانشگاهی هدایت کند. این درس بیش از هر درس دیگری باعث می شود دانشجویان تحصیل را رها کنند. دانشگاه ایالتی آریزونا با بیش از ۷۰ هزار دانشجو بزرگترین دانشگاه دولتی ایالات متحده آمریکاست.

از زمان استفاده از این نرم افزار، میزان موفقیت در دانشگاه ایالتی آریزونا ۱۳ درصد بیشتر شده است و میزان کسانی که سال اول ترک تحصیل می کنند ۵۴ درصد کاهش یافته است. بزودی، بیش از پنج میلیون دانشجو از این سیستم یادگیری تطبیقی استفاده خواهند کرد.

#Bigdata

تربیت متخصصان کار با «کلان داده» در چین

هفت دانشگاه چین اینک دوره هایی برای تربیت «دانشگر داده» تعریف کرده اند. منظور از «دانشگر داده» کسی است که بداند چگونه با «کلان داده» (داده های انبوه) کار کند. این دوره های آموزشی اولین بار در سراسر جهان برگزار می شود.

وزارت آموزش چین با شرکت بزرگ فناوری اطلاعات “آی بی ام” قراردادی امضا کرده است تا به کمک این شرکت در چندین دانشگاه، دانشکده های آنالیز “کلان داده” به وجود بیاید. قرار است تا پایان سال جاری میلادی، ۴۰ هزار آنالیستِ داده برای تحلیل داده های مربوط به مدیریت مالی، پیش بینی هوا، و مدیریت خطرات تربیت شوند.

دانشگاه “ژیائوتانگ” در پکن یکی از قدیمی ترین دانشگاه های فناوری اطلاعات در چین است و از ماه سپتامبر تا کنون یکی از هفت دانشگاه نمونه ای است که در آنها اولین دوره آموزش «کلان داده» آغاز شده است.

در ماه ژوئن، اولین دوره دانشجویان رشته «کلان داده» از دنشگاه ژیائوتانگ فارغ التحصیل خواهند شد. قرار است تا پایان امسال این رشته در یکصد دانشگاه دیگر در چین به راه افتد.

در چین، فرصتهای شغلی برای تخصص آنالیز«کلان داده» از هر زمان دیگر بیشتر است. بسیاری از شرکتهای چینی به دنبال چنین کارشناسانی هستند.

#Bigdata

آسان ترین کشور ها برای دریافت ویزای شنگن چه کشورهایی هستند ؟
لتونی با ۹۹.۳% نرخ ویزای شنگن صادره در صدر قرار دارد- که به تعبیری دیگر یعنی نرخ عدم پذیرش توسط سفارت لتونی از بین تمام تقاضانامه‌های دریافتی یا به عبارتی فرم درخواست ویزای شینگن تنها ۰.۷% است. تا الان باید برای درخواست دادن متقاعد شده باشید!

درست بعد از لتونی، ایسلند و لیتوانی با نرخ صدور ویزای یکسان-۹۹.۱% – قرار می گیرند.

بعد از این دو کشور استونی با نرخ ۹۹%، فنلاند با نرخ ۹۹٪، اسلواکی با نرخ ۹۸.۴%، لهستان ۹۸.۳%، یونان با ۹۸% و لوگزامبورگ با ۹۷.۹% قرار دارند.
نهایتا، در آخرین جایگاه اما نه به عنوان بدترین، و با فاصله ای بسیار کم، جمهوری چک با تنها ۲.۲% نرخ عدم پذیرش جا خوش کرده است. اصلا بد نیست. چون به این معنی است که شما برای دریافت نوع مورد نظرِ ویزای شینگن شانس ۹۷.۸ درصدی ( ۹۷.۸٪) دارید.
در ادامه فهرست ۱۰ آسان ترین کشور برای گرفتن ویزای شینگن بر اساس درصد صدور وبزا به ازای درخواست های رسیده آمده است:
۱.لتونی
۲.ایسلند
۳.لیتوانی
۴.استونی
۵.فنلاند
۶.اسلواکی
۷. لهستان
۸.یونان
۹.لوکزامبورگ
۱۰.جمهوری چک

کنفرانس پردازش داده های بزرگ و بینایی ماشین

یه ویدئو درباره اینکه قبل مصاحبه سفارت آمریکا باید چه کنیم.

ایا علم کشورمان به مسیر درست می رود؟

به اطلاع تمامی اعضای کانال عزیز می رساند که فقط به کنفرانس هایی مقاله بفرستید که اولا تا حدد ممکن در IEEE نمایه شود یا اگر به زبان فارسی هست برگزار کننده دانشگاه های معتبر داخلی باشد. به هر کنفرانسی اعتماد نکنید تا کنفرانس های دروغین و جنبه درامدی ها جمع شوند. باشد که حرکت خوب و علمی در کشورمان رقم بزنیم نه علم فروشی کنیم.

دو موقعیت دکترا در دانشگاه شوپنهاگن دانمارک برای دانشجویان کامپیوتر
2 Marie Curie PhD fellows in Computer Science, Denmark
Advertisement


Department of Computer Science, Faculty of Science at University of Copenhagen is searching for two Marie Curie PhD fellows interested in pushing the boundaries of rapid biomechanics simulation for personalized clinical design with us. They will be enrolled as PhD students in Computer Science commencing 1 September 2018 or as soon as possible thereafter:
Position 1 seeks to investigate the use of finite element analysis for understanding of pre-arthrosis deformities and related surgeries. More details can be found here: http://www.rainbow.ku.dk/projects/esr1
Position 2 seeks to investigate real-time physically- based deformable registration techniques to align these 3D geometries to intra-operative images. More details can be found here: http://www.rainbow.ku.dk/projects/esr4
Project denoscription
You will be working as part of the Rapid Biomechanics Simulation for Personalized Clinical Design (RAINBOW) MSCA European Training Network, awarded by the European Union's Horizon 2020 research and innovation programme. This network consists of 5 universities, 1 hospital, 8 industrial partners, and will educate a total of 15 PhD students through common dedicated training activities. More details can be found here http://rainbow.ku.dk

Principal supervisors are: Associate professor Kenny Erleben, Department of Computer Science, E-mail kenny@di.ku.dk, Direct Phone: +45 29 63 11 08 (position 1) and Associate professor Sune Darkner, Department of Computer Science, E-mail darkner@di.ku.dk, Direct Phone: +45 21 30 85 84 (position 2)

Denoscription of the scientific environment
The Image section of the Department of Computer Science, University of Copenhagen hosts experts in image analysis and processing, computer vision, computer simulation, numerical optimization and machine learning. The section offers a research environment with much freedom: to a large extent, you shape the research you work on and the ideas you pursue. The section aspires to be a top research environment that bridges theory and practice. You will be part of the RAINBOW research team within the Image section. The team will consist of 4 PhDs, 2 Associate Professors and 1 Post Doc. You will be exposed to clinical practice and get close to patients and clinical experts while working both with theory and creating software, design tools, to be used by clinical experts. The RAINBOW network offers many traveling opportunities for training events and extended visits or research stays.

Job denoscription
The position is available for a 3-year period and your key tasks as a PhD student are:
To manage and carry through your research project
Attend PhD courses
Write scientific articles and your PhD thesis
Disseminate your research
To stay at an external research institution for a few months, preferably abroad
Formal requirements
Applicants should hold an MSc degree in Computer Science, Mathematics or related field with out standing grades. Applicants should possess Strong programming skills, Strong mathematical background and proficiency in spoken and written English. As criteria for the assessment of your qualifications emphasis will also be laid on awards and honors, previous scientific publications in recognized peer-reviewed venues (if any) and relevant professional qualifications and work experience. It is an advantage if the candidate has experience with one or more of the following topics:
Differential and Riemannian geometry
Numerical optimization
Geometry and topology
Image analysis/computer vision
Simulation and scientific computing
Terms of employment
The position is covered by the Memorandum on Job Structure for Academic Staff (available on request).

Terms of appointment and payment accord to the agreement between the Ministry of Finance and The Danish Confederation of Professional Associations on Academics in the State and according to the rules and regulations laid down by European Union’s Horizon 2020 Marie Curie Initial Training Networks.

The scholarship requires a Master's degree in computer science or a field providing equivalent qualifications (see above), at the time of taking up the position. The appointment is for a period of 36 months and is expected to lead to a PhD dissertation. More details about studying at the University of Copenhagen may be found at http://www.science.ku.dk/english/research/phd/; information about studying in Denmark may be found at http://ism.ku.dk.

Since the scholarship is part of the MSCA European Training Network programme the candidate must - at the date of recruitment – be an “early stage researcher” (i.e. in the first 4 years of his/her research career and not have a doctoral degree) and cannot have resided in Denmark for more than 12 months in the three years immediately before the recruitment.

Application Procedure
The application, in English, must be submitted electronically by clicking APPLY NOW below.

Please include
Letter of motivation (max. two pages) that includes a denoscription of how the qualifications are met
CV
Master thesis as PDF (final or in draft; if draft, then state the expected submission date)
Assessment of master thesis (final or provisional if the thesis is not submitted)
Reference letters from two referees (signed and dated)
Diploma and trannoscripts of grades (BSc and MSc) documenting an outstanding academic record. Unless the candidate's diploma and trannoscripts of grades are in Danish or English, the candidate must procure a certified translation. Furthermore, the candidate must include official information about the grading scale.
Other information for consideration, e.g. list of publications (if any),
PDFs of any scientific publications that you have co-authored.
Full contact details (Name, address, telephone & email) of 1-3 professional referees
The University wishes our staff to reflect the diversity of society and thus welcomes applications from all qualified candidates regardless of personal background.

The deadline for applications is 1 May 2018, 23:59 GMT +2.

After the expiry of the deadline for applications, the authorized recruitment manager selects applicants for assessment on the advice of the Interview Committee. Afterwards an assessment committee will be appointed to evaluate the selected applications. The applicants will be notified of the composition of the committee and the final selection of a successful candidate will be made by the Head of Department, based on the recommendations of the assessment committee and the interview committee.
The main criterion for selection will be the research potential of the applicant and the above mentioned skills. The successful candidate will then be requested to formally apply for enrolment as a PhD student at the PhD school of the Faculty of Science, University of Copenhagen. You can read more about the recruitment process at http://employment.ku.dk/faculty/recruitment-process/.
Further Information

Application Deadline : 1 May 2018

2 Marie Curie PhD fellows in Computer Science : PDF

Contact Email:

Posted on 2018-03-01 07:46:25

منبع :
http://employment.ku.dk/phd/?show=146802

چالش جدید دیگر از سایت https://www.kaggle.com
🌹انتخاب به عنوان کار تحقیقاتی جدید
🌿 انتخاب عنوان برای پایان نامه برای دوستان و دانشجویان ارشد عزیز.
💭برای بچه هایی که دنبال چالش و دنبال جایزه خوب

We've just launched the Toxic Comment Classification Challenge! Here are the competition details. Click the button below if you're interested in competing, or digging deeper into the specifics.

Host:
The Conversation AI team, a research initiative founded by Jigsaw and Google (both a part of Alphabet). They work on tools to help improve online conversation.

Competition Denoscription:
You’re challenged to build a multi-headed model that’s capable of detecting different types of toxicity like threats, obscenity, insults, and identity-based hate better than their current models. You’ll be using a dataset of comments from Wikipedia’s talk page edits.

The threat of online abuse and harassment often push people to stop expressing themselves and give up on seeking different opinions. Hopefully, improvements to the current model will help online discussion become more productive and respectful.



Total prizes:
$35,000

Next important deadline:
February 13, 2018 - Entry deadline. You must accept the competition rules before this date in order to compete.

Good luck,
The Kaggle Team

منبع:
https://www.kaggle.com/c/donorschoose-application-screening?utm_medium=email&utm_source=intercom&utm_campaign=donorschoose+competition+2018

عرض سلام خدمت دوستان گرامی
علاقه مند شدم که در نمایشگاه بین الملی بینایی ماشین در المان (شهر اشتورگات) حضور پیدا کنم. دوستان اگر قصد حضور در این نمایشگاه را دارند لطفا اطلاع بدهند می تونیم باهم باشیم و اطلاعات بیشتر در این زمینه کسب کنیم. یا هر کدام از دوستان شرکت یا فعالیت در زمینه بینایی ماشین دارند می توانند پیام دهند و نمایندگی یا هرچیزی که می تونیم برای ایران بگیریم را در این زمینه صبحت کنیم.
ادرس نمایشگاه بین الملی بینایی ماشین :
https://www.messe-stuttgart.de/vision/en/
ارتباط با بنده:
@Kartal_jnkh (https://news.1rj.ru/str/Kartal_jnkh)

فیلم ضبظ شده وبینار در ادامه....

وبینار Deep Learning on Your Desktop with NVIDIA GPU Cloud and NVIDIA TITAN

دوستانی که اپ نویس موبایل هستند سایت Kaggle براشون یه چالش 25 هزار دلاری داره.

TalkingData Competition Launch: Detect Fraudulent Click Traffic for Mobile App Ads


We've just launched TalkingData Ad Tracking Fraud Detection Challenge! Here are the competition details. Click the button below if you're interested in competing, or digging deeper into the specifics.

Host:
TalkingData, China’s largest independent big data service platform, covering over 70% of active mobile devices nationwide.

Competition Denoscription:
Build an algorithm that predicts whether a user will download an app after clicking a mobile app ad.

TalkingData's services handles over 3 billion clicks per day, of which 90% are potentially fraudulent. Their current approach to prevent click fraud for app developers is to measure the journey of a user’s click across their portfolio, and flag IP addresses who produce lots of clicks, but never end up installing apps. With this information, they've built an IP blacklist and device blacklist. While successful, they want to always be one step ahead of fraudsters and have turned to the Kaggle community for help in further developing their solution.


Total prizes:
$25,000

Next important deadline:
April 30, 2018 - Entry deadline. You must accept the competition rules before this date in order to compete.

Join the competition
Good luck,
The Kaggle Team
منبع:

https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection?utm_medium=email&utm_source=intercom&utm_campaign=talkingdata+competition+2018

با پردازش تصویر حرکت های زیر ذره بینی رو می شه تشخیص داد. منبع : http://people.csail.mit.edu/mrub/

فیلم ضبظ شده وبینار مربوطه.