#سخت_افزار
یک پیشنهاد خوب برای خرید لپ تاب و پی سی برای استفاده در کاربردهای یادگیری ماشین از سیراج
منبع وب سایت یوتوب Siraj Raval
کانال
@Machinelearning_Kartal

چالش جدید دیگر از سایت https://www.kaggle.com

اینبار از دیتاست معروف در زمینه پردازش تصویر ImageNet

🌹انتخاب به عنوان کار تحقیقاتی جدید
🌿 انتخاب عنوان برای پایان نامه برای دوستان و دانشجویان ارشد عزیز.
💭برای بچه هایی که دنبال چالش هستند
ImageNet Object Localization Challenge
Identify the objects in images
🌹🌹🌹🌿🌿🌿🌹💭🌿
Competition Denoscription
While It's pretty easy for people to identify subtle differences in photos, computers still have a ways to go. Visually similar items are tough for computers to count, like this overlapping bunch of bananas



Or consider this photo of a family of foxes camouflaged in the wild - where do the foxes end and where does the grass begins?
To solve this problem and enhance the state of the art in object detection and classification, the annual ImageNet Large Scale Visual Recognition Challenge (ILSVRC) began in 2010. This year, Kaggle is excited and honored to be the new home of the official ImageNet Object Localization competition. Participants are challenged with identifying all objects within an image, so those images can then be classified and annotated.

Already, because of this competition, there’s been a 4.2× reduction in image classification error (from 28.2% to 6.7%) and a 1.7× reduction in localization error (from 42.5% to 25.3%) between 2010 and 2014 alone. Can you improve the accuracy even further?

Competition Overview
The validation and test data will consist of 150,000 photographs, collected from Flickr and other search engines, hand labeled with the presence or absence of 1000 object categories. The 1000 object categories contain both internal nodes and leaf nodes of ImageNet, but do not overlap with each other.

A random subset of 50,000 of the images with labels will be released as the training set along with a list of the 1000 categories. The remaining images will be used as the test set.

The validation and test data for this competition are not contained in the ImageNet training data.

Join the competition
Good luck,
The Kaggle Team

منبع :
https://www.kaggle.com/c/imagenet-object-localization-challenge

با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1379


همراه باشید

بخش 47 تا 49 کتاب Machine Learning Yearning
از پروفسور
Andrew NG
منبع
ایمیل شده از سایت پروفسور
Andrew NG

با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1380


همراه باشید

در زیر چند گروه خوب مهندسی کامپیوتر به ویژه یادگیری ماشین و علم داده معرفی می گردد.

گروه کلان داده دانشگاه شریف

https://news.1rj.ru/str/joinchat/CCKuWj8wntjZW5yYYcLN3g

لینک گروه Big Data:
https://news.1rj.ru/str/joinchat/BZFqoEF2vZnA6wI7QiTNGQ

گروه کلان داده ایران

لینک گروه :
https://news.1rj.ru/str/joinchat/CVZpEj0EaiNOY17znAvsdw

لینک جديد گروه هوش تجاری

https://telegram.me/joinchat/BLcX0gvQVDl-OGvQN8yIBQ


این گروه در راستای اشتراک مقالات مرتبط با رشته های ای تی و کامپیوتر تشکیل شده است

https://news.1rj.ru/str/joinchat/BNFmRkBEZAm3tKebsD9s_g


الستیک سرچ یک موتور ایندکس گذاری است که در کنار ابزار دیگر خود "کیبانا" و "لاگستش" تصویر سازی از اطلاعات را بدل به امری آسان میکند

لینک گروه
https://news.1rj.ru/str/joinchat/GEOBFUFBnXUG3WhbH2a6iw

با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1381
همراه باشید.

#معرفی
گروه دیگری که داخل اش اساتید خوب داده بزرگ تشریف دارن.

باسلام
باتوجه به اهميت روزافزون سيستمهاي High Performance Computing و Big data در اين گروه به
مطالب روز دنيا در اين حوزه ها مي پردازيم.
https://news.1rj.ru/str/joinchat/BW5N3Ux_B7nsL9JdgoIXrw

ابزارهای کلان داده

الگو های ذخیره سازی کلان داده:

الگوی Facade : سیستم فایل توزیع شده هدوپ HDFS از الگوی نوبتی Facade برای رسیدگی به انباره داده های قدیمی استفاده میکند.

الگوی Lean : با HBase تنها با استفاده از یک ستون خانوادگی و یک ستون و یک کلید سطر یکتا عمل شاخص گذاری را انجام می دهد.

الگوی NoSQL : سیستم RDBMS قدیمی توسط NoSQL ها برای دستیابی به داده ها با سرعت بالاتر و پرس و جوهای کلان داده ای جایگزین میشود.

الگوی Polygot : انواع مختلف مکانیزم های ذخیره سازی مثل RDBMS ,NoSQL,CMS, OODBMS,HDFS بطور همزمان در سیستم وجود دارد تا مسائل کلان داده موجود را پاسخگو باشند.


یک نمونه از دستگاه پکیج شده
سازنده های دستگاه ها با چندین پیکربندی

توزیع نرم افزاری هدوپ :
Cloudera, Hortonwork,MAPR

ذخیره سازی:
پایگاه داده ستونی RAID و HP Vertica

زیرساخت:
HP Proliant Server

تحلیل/بصری سازی:
SAS

یادگیری ماشین :
R



لیست سازنده های کلان داده با چندین پیکربندی:

برند EMC
ملحقات همراه با برند:
Greenplum appliance + EMC Storage HW+ Pivotal HD(Hadoop Distributation) + TeraData

برند Oracle
ملحقات همراه برند:
Exadata + Sun SPARC Servers + Exalytics

برند IBM :
ملحقات همراه برند:
Big Insights + Netezza + PureData + PureSysyems


منبع : https://www.tanoco.ir/datamining/%D8%A7%D8%A8%D8%B2%D8%A7%D8%B1%D9%87%D8%A7%DB%8C-%DA%A9%D9%84%D8%A7%D9%86-%D8%AF%D8%A7%D8%AF%D9%87-%D8%A8%DB%8C%DA%AF-%D8%AF%DB%8C%D8%AA%D8%A7/

نحوه محاسبه Performance measure on multiclass classification [accuracy, f1 score, precision, recall]
منبع؛

https://youtu.be/HBi-P5j0Kec

کانال؛
@Machinelearning_Kartal

#توجه
#پرداخت های🌿 #خارجی💭 فقط با نرخ روز بازار بدون هیچ هزینه اضافه🌹 فقط برای دانشجویان🌹 و محققان💭 دانشگاهی

دوستان سلام
چند روز پیش یکی از اعضای محترم پیام دادند که برای ژورنال پولی که ۳۵۰ دلار امریکا هزینه اش بود ۳۵۰+۸۵ دلار با نرخ روز بازار پرداخت کرده است. و می گفت خیلی سنگینه برایم منم موقع دانشجویی چنین اوضاع رو چشیده و دیده ام بنابراین تصمیم گرفته ام برای اعضای کانال که همیشه لطف دارن بهم امکان پرداخت این جور هزینه ها رو مهیا کنم احتمالا خبر دارین که بنده لهستان هستم و مستر کارت و ویزا کارت دارم هر کسی از دوستان نیاز داشتند لطفا خبر بدهند تا من پرداخت هایشان را انجام بدهم.
🌿🌿🌿💭💭💭🌹🌹🌹
شرایط پرداخت هم به این صورت هست که بنده پس‌از دریافت اطلاعات پرداختی شما، فیش پیش پرداخت خدمتتون ارسال می نمایم تا ادامه کارها انجام شود. قابل ذکر هست هزینه فقط هزینه خواسته شده از شما به دلار یا یورو به نرخ روز بازار حساب خواهد شد.
امیدوارم بتونم برای دوستان عزیزم کمک و یاری کرده باشم.
برای دوستان خود هم اطلاع رسانی نمایید.

با کانال

https://news.1rj.ru/str/Machinelearning_Kartal/1381
همراه باشید.

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 هستند


اینبار از دیتاست معروف در زمینه پردازش تصویر ImageNet
با جایزه ۱۰۰ هزار دلاری

Google AI Open Images - Object Detection Track


Hi @jalilnourmohammadi,

We've just launched the Object Detection Track for Google AI's Open Images Challenge! Below are the essential competition details. Click the button at the very bottom of the email if you're interested in competing, or digging deeper into the specifics.

Host:
Google AI – Google’s AI research arm. They're tasked with advancing the state-of-the-art in the field, applying AI to products and to new domains, and developing tools to ensure that everyone can access AI.

Competition Denoscription:
Object detection is a central task in computer vision, with applications ranging across search, robotics, self-driving cars, and many others. As deep network solutions become more complex, they are often limited by the amount of training data available.

In this competition, Google AI is challenging you to build an algorithm that detects objects automatically using an absolutely massive training dataset ― one with more varied and complex bounding-box annotations and object classes than ever before.

The Open Images Challenge is based on Google AI's publicly released Open Images Dataset, and contains:

12M bounding-box annotations for 500 object classes on 1.7M training imagesImages of complex scenes with several objects–an average of 7 boxes per imageHighly varied images that contain brand new objects like “fedora” and “snowman”Class hierarchy that reflects the relationships between classes of Open Images.

Total prizes:
$30,000

Next important deadline:
August 23, 2018 11:59 PM UTC: Team Merger Deadline

Join the competition

Good luck,
The Kaggle Team


منبع :

https://www.kaggle.com/c/google-ai-open-images-object-detection-track?utm_medium=email&utm_source=intercom&utm_campaign=googleai+competition+2018

با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1382


همراه باشید

#دعوت_به_همکاری در #مقاله #نویسی

پیامی از طرف دکتر سمانه مظاهری از دانشگاه صنعتی انتاریو کانادا


" اگر شما یا دوستان، مقاله جدیدی بخوان کار کنن

تو زمینه های مرتبط به فیلدهایی مثل:
Computer Vision
Machine Learning
Artificial Intelligence
Data Science, etc.
من مایلم که کار کنم."

Samaneh Mazaheri
University of Ontario Institute of Technology

Google Scholar: https://scholar.google.com/citations?user=ed0eyKYAAAAJ&hl=en

LinkedIn: https://www.linkedin.com/in/samanehmazaheri

جهت تماس، می تونید به آی دی ایشون در تلگرام پیام دهید.

@MazaheriSamaneh
Phone no.: +15194653665

با تشکر


با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1383
همراه باشید.

#پوزیشن دکترا #اپلای

قبلا در مورد پروژه های ماری کوری صحبت کردیم
در زیر اطلاعات پوزیشن دکترا در دانمارک برای رشته کامپیوتر به اشتراک گذاشته می شود.

PhD position in Perceptual evaluation of immersive visual or audio-visual quality

WHERE TO APPLYCONTACTSAVE TO FAVORITESSHOW ON MAP

ORGANISATION/COMPANY

FORCE Technology

RESEARCH FIELD

Communication sciences › Audiovisual communication

Computer science

Engineering › Sound engineering

RESEARCHER PROFILE

First Stage Researcher (R1)

APPLICATION DEADLINE

31/07/2018 23:00 - Europe/Brussels

LOCATION

Denmark › Hørsholm

TYPE OF CONTRACT

Temporary

JOB STATUS

Full-time

HOURS PER WEEK

37

OFFER STARTING DATE

01/10/2018

EU RESEARCH FRAMEWORK PROGRAMME

H2020 / Marie Skłodowska-Curie Actions

REFERENCE NUMBER

RealVision ESR15

MARIE CURIE GRANT AGREEMENT NUMBER

765911

جزئیات کار را از سایت زیر بخوانید.

https://euraxess.ec.europa.eu/jobs/321717
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1384
همراه باشید.

دوستان سلام
یک موقعیت دکترا در سوید هست با تمرکز به موضوع زیر

focuses on: studying machine learning (Deep learning) for object recognition in images. Emphasis will be on evaluating and developing object recognition methods. Additionally, study methods for efficient implementation of the deep learning methods.

لطفا به ای دی بنده در پروفایل کانال جهت تماس پیام دهید.

با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1385
همراه باشید

#معرفی

یک ژورنال جدید در زمینه بیومتریک

The new IEEE Transactions on Biometrics, Behavior, and Identity Science ("TBIOM") is launched: https://t.co/VzdzTtzL9T

با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1386
همراه باشید.

یک توضیح زیبا در مورد Dynamic Routing Between Capsules
توسط Kevin Duarte از دانشگاه UCF CRCV
امریکا

#اپلای
یک موقعیت پست دکترا برای رشته کامپیوتر در برزیل

Post-doctoral fellowship position available at the Reasoning for Complex Data (RECOD) Lab. at the University of Campinas in Brazil: https://t.co/q1QeVy9MM2
با کانال
@Machinelearning_Kartal
همراه باشید

#معرفی_گروه
بچه های خوب اردبیل یه گروه #لینوکس تازه زدن با اعضای کم ولی پرتلاش
واقعا عالی کار راه می اندازن از گروه ۳ هزار نفری نتونستم جواب بگیرم ولی از این گروه گرفتم. اگه نیاز داشتید تعلل نکنید

لینک گروه:
https://news.1rj.ru/str/joinchat/Ca8huBHQoL_A_56j9Lfmwg
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1387
همراه باشید‌.

#کتاب یادگیری عمیق با تنسور فلو همراه با توضیحات ریاضی مرتبط

با تشکر از زهرا بانو از اعضای گروه دیپ لرنینگ ایکسپرت

با کانال

https://news.1rj.ru/str/Machinelearning_Kartal/1388
همراه باشید.

#خبر
بهترین مقاله در مهم ترین کنفرانس هوش مصنوعی دنیابه اسم یک ایرانی ثبت شد.
باعث افتخاره امیر روشن ضمیر
CVPR 2018 Awards
Best Paper Award

"Taskonomy: Disentangling Task Transfer Learning" by Amir R. Zamir, Alexander Sax, William Shen, Leonidas J. Guibas, Jitendra Malik, and Silvio Savarese.

https://arxiv.org/abs/1804.08328

در بین این مقالات هم ایرانی های حاضر زیاد هستند مخصوصا ایرانی های داخل ایران مثله مقاله زیر که مهندس خالویی عزیز جز نویسندگان می باشند و تبریک ویژه خدمت شان اعلام می نمایم.
https://arxiv.org/abs/1802.09088

با کانال

https://news.1rj.ru/str/Machinelearning_Kartal/1389
همراه باشید.

🗒 Adversarial Machine Learning

🖥 وضعیت رویداد:وبینار
👤 سخنران: Ian Goodfellow
👤 مدیر جلسه: Negar rostamzadeh
⏱ زمان :سه شنبه 1مرداد ساعت 20:30
🔗 لینک ثبت نام: https://goo.gl/7uxQPx

@bigdataworkgroup

دوستان و همکاران گرامی سلام به فکرم زده که هر شب یک قسمت از فیلم آموزشی یادگیری ماشین و یادگیری عمیق را از دانشمند بزرگ Andrew NG در کانال به اشتراک بگذارم. با این مدل می تونیم هر شب ده دقیقه برای مطالعه یادگیری ماشین وقت بگذاریم. لطفا با رای خود بفرمایید
anonymous poll

فکری خوبی هست انجام شود. – 282
👍👍👍👍👍👍👍 94%

نیاز نیست خودمون می تونیم برنامه ریزی کنیم. – 19
▫️ 6%

👥 301 people voted so far.

این رای گیری تا ۴۸ ساعت خواهد بود و چنانچه بالای هشتاد درصد اعضا راضی باشند اجرا خواهد شد. تشکر و سپاس فراوان از رای و همیاری شما