This media is not supported in your browser
VIEW IN TELEGRAM
#Learning
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 1
#Video 12 ( what is the Next)
Send to your friends please.
Channel:
@machinelearning_kartal
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 1
#Video 12 ( what is the Next)
Send to your friends please.
Channel:
@machinelearning_kartal
همراهان عزیز
همانطور که می دانید سایت Kaggle# ، ایرانی ها رو تحریم کرده و نمی توانیم در رقابت های ان شرکت کنیم. از طرف دیگر جایزه هایی که می گذارد انقدر ارزشمند هست که اگر یک جایزه از این سایت را تیمی ببره می تونه پول خوبی به جیب بزند. بر این اساس اگر دوستان و اعضای کانال عزیز اگر چنانچه فکر می کنند ایده ای که دارند می تونه در این رقابت ها جایزه ای رو ببره می تونه روی بنده حساب باز کنه و بنده با یکی از همکلاسی های اصالت لهستانی ام می تونم هماهنگی لازم رو انجام بدم که در این مسابقات شرکت کنیم و ما جز تیم ایشون باشیم و اینجوری سعی کنیم از علمی که داریم بهره ای ببریم. جهت تماس به ای دی بنده در پروفایل پیام دهید.
اخیرا هم یه رقابت دیگری که سایت Kaggle# گذاشته است 60 هزار دلار هست و ارزش رقابت رو دارد.
Hi @jalilnourmohammadi,
We just launched Airbus' Ship Detection Challenge! Click the button at the very bottom of the email if you're interested in competing, or digging deeper into the specifics.
Host:
Airbus, an international pioneer in the aerospace industry.
Competition Denoscription:
Build a model that detects all ships in satellite images as quickly as possible.
Shipping traffic is growing fast. More ships increase the chances of infractions at sea like environmentally devastating ship accidents, piracy, illegal fishing, drug trafficking and illegal cargo movement. This has compelled many organizations, from environmental protection agencies to insurance companies and national government authorities, to have a closer watch over the open seas.
But, with growing ship traffic, the amount of available satellite imagery and sheer size of the ocean, it is not possible to rely only on human analysts. Airbus is solving this problem with a constellation combining radar and optical satellites to provide a comprehensive answer for maritime monitoring services. Airbus is turning to Kagglers to increase the accuracy and speed of automatic ship detection within optical imagery even further.
Costa Rica
Prizes:
$60,000 total prize pool
Next important deadline:
September 27, 2018 - Entry deadline. You must accept the competition rules before this date in order to compete.
Join the competition
Good luck,
The Kaggle Team
اطلاعات دقیق تر در منبع :
https://www.kaggle.com/c/airbus-ship-detection?utm_medium=email&utm_source=intercom&utm_campaign=airbus+competition+2018
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1397
همراه باشید.
همانطور که می دانید سایت Kaggle# ، ایرانی ها رو تحریم کرده و نمی توانیم در رقابت های ان شرکت کنیم. از طرف دیگر جایزه هایی که می گذارد انقدر ارزشمند هست که اگر یک جایزه از این سایت را تیمی ببره می تونه پول خوبی به جیب بزند. بر این اساس اگر دوستان و اعضای کانال عزیز اگر چنانچه فکر می کنند ایده ای که دارند می تونه در این رقابت ها جایزه ای رو ببره می تونه روی بنده حساب باز کنه و بنده با یکی از همکلاسی های اصالت لهستانی ام می تونم هماهنگی لازم رو انجام بدم که در این مسابقات شرکت کنیم و ما جز تیم ایشون باشیم و اینجوری سعی کنیم از علمی که داریم بهره ای ببریم. جهت تماس به ای دی بنده در پروفایل پیام دهید.
اخیرا هم یه رقابت دیگری که سایت Kaggle# گذاشته است 60 هزار دلار هست و ارزش رقابت رو دارد.
Hi @jalilnourmohammadi,
We just launched Airbus' Ship Detection Challenge! Click the button at the very bottom of the email if you're interested in competing, or digging deeper into the specifics.
Host:
Airbus, an international pioneer in the aerospace industry.
Competition Denoscription:
Build a model that detects all ships in satellite images as quickly as possible.
Shipping traffic is growing fast. More ships increase the chances of infractions at sea like environmentally devastating ship accidents, piracy, illegal fishing, drug trafficking and illegal cargo movement. This has compelled many organizations, from environmental protection agencies to insurance companies and national government authorities, to have a closer watch over the open seas.
But, with growing ship traffic, the amount of available satellite imagery and sheer size of the ocean, it is not possible to rely only on human analysts. Airbus is solving this problem with a constellation combining radar and optical satellites to provide a comprehensive answer for maritime monitoring services. Airbus is turning to Kagglers to increase the accuracy and speed of automatic ship detection within optical imagery even further.
Costa Rica
Prizes:
$60,000 total prize pool
Next important deadline:
September 27, 2018 - Entry deadline. You must accept the competition rules before this date in order to compete.
Join the competition
Good luck,
The Kaggle Team
اطلاعات دقیق تر در منبع :
https://www.kaggle.com/c/airbus-ship-detection?utm_medium=email&utm_source=intercom&utm_campaign=airbus+competition+2018
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1397
همراه باشید.
Kaggle
Airbus Ship Detection Challenge
Find ships on satellite images as quickly as possible
1.1. Linear Algebra Review (Week 1, Optional).zip
64.9 MB
#Learning
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 1
#Video 13-19 ( Linear Algebra Review)
Send to your friends please.
Channel:
@machinelearning_kartal
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 1
#Video 13-19 ( Linear Algebra Review)
Send to your friends please.
Channel:
@machinelearning_kartal
Machine learning application (Kartal)
1.1. Linear Algebra Review (Week 1, Optional).zip
این قسمت چون اختیاری بود و دوستان احتمالا اشنایی دارن به همین خاطر همه فایل ها رو همزمان گذاشتم. تا جمعه این هفته فایلی نمی گذارم تا اینکه تمرین هفته اول رو انجام دهید و ادامه کورس ( ویدیوهای هفته دوم) را انشالله از شنبه به اشتراک می گذارم. با تشکر
قابل توجه مسئولان کشور
🌿🌿🌿💭💭💭🌹🌹🌹
بزرگان بدانید این هایی که جایزه در سطح نوبل(فیلدز) در ریاضی می گیرن در واقع ایجاد کننده تحول در جهان هستند نه شما هایی که ادعای خدایی می کنید. قدر دانشمندان و عالم های غیر دینی رو هم کمی بدانید تا کشورمان از نظر صنعتی و علمی هم پیشرفت کند.
پیشرفت جامعه در گرو وجود عالمان علمی امکان پذیر هست. از تاریخ تجربه کسب می کنیم تا در زندگی استفاده کنیم. کمی تاریخ رو مطالعه کنید و نزارید اینقدر عالم های علمی از کشور خارج شود بهشون احترام بگذارید. باید دست عالمان علمی را بوسید زیرا که هر کدام از این عزیزان حداقل دست هزار نفر را به نانی می رسانند زندگی با نان جریان دارد نه با .... به امید روزهای ارزش گذاری به عالمان علمی مان.
و اما #خبر
دوباره جایزه (فیلدز) در سطح نوبل ریاضی را یک ایرانی مقیم انگلستان دریافت کرد.
https://www.theguardian.com/science/2018/aug/01/former-refugee-among-winners-of-fields-medal-the-nobel-prize-for-maths
همراه کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1398
هستید.
🌿🌿🌿💭💭💭🌹🌹🌹
بزرگان بدانید این هایی که جایزه در سطح نوبل(فیلدز) در ریاضی می گیرن در واقع ایجاد کننده تحول در جهان هستند نه شما هایی که ادعای خدایی می کنید. قدر دانشمندان و عالم های غیر دینی رو هم کمی بدانید تا کشورمان از نظر صنعتی و علمی هم پیشرفت کند.
پیشرفت جامعه در گرو وجود عالمان علمی امکان پذیر هست. از تاریخ تجربه کسب می کنیم تا در زندگی استفاده کنیم. کمی تاریخ رو مطالعه کنید و نزارید اینقدر عالم های علمی از کشور خارج شود بهشون احترام بگذارید. باید دست عالمان علمی را بوسید زیرا که هر کدام از این عزیزان حداقل دست هزار نفر را به نانی می رسانند زندگی با نان جریان دارد نه با .... به امید روزهای ارزش گذاری به عالمان علمی مان.
و اما #خبر
دوباره جایزه (فیلدز) در سطح نوبل ریاضی را یک ایرانی مقیم انگلستان دریافت کرد.
https://www.theguardian.com/science/2018/aug/01/former-refugee-among-winners-of-fields-medal-the-nobel-prize-for-maths
همراه کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1398
هستید.
the Guardian
Former refugee among winners of Fields medal – the 'Nobel prize for maths'
Caucher Birkar grew up on a farm near the Kurdish city of Marivan in Iran and spoke little English when he began his PhD
Machine learning application (Kartal)
Exercise 1.zip
دوستان سلام
از شما دعوت به حل تمرین های دوره یادگیری ماشین می شود که هرشب فیلم های ان در کانال گذاشته می شود.
این فایل مربوط به هفته اول هست که بعد از اتمام هفته اول بهتر است قابلیت انجام ان را داشته باشید.
ضمنا در متلب نوشته شده و با جواب می باشد و صرفا برای راه اندازی شما با جواب گذاشته شده هست.
دوستانی که با زبان برنامه نویسی دیگه کار می کنند هم می تونند در آن زبان مربوطه بنویسند و با دوستان دیگر به اشتراک بگذاریم.
متخصصین یادگیری ماشین شویم.
🌹🌹🌹🌿🌿🌿💭💭💭
اگر تمایل به اشتراک داشتید به ادی بنده در پروفایل کانال جهت تماس پیام دهید.
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1396
همراه باشید.
از شما دعوت به حل تمرین های دوره یادگیری ماشین می شود که هرشب فیلم های ان در کانال گذاشته می شود.
این فایل مربوط به هفته اول هست که بعد از اتمام هفته اول بهتر است قابلیت انجام ان را داشته باشید.
ضمنا در متلب نوشته شده و با جواب می باشد و صرفا برای راه اندازی شما با جواب گذاشته شده هست.
دوستانی که با زبان برنامه نویسی دیگه کار می کنند هم می تونند در آن زبان مربوطه بنویسند و با دوستان دیگر به اشتراک بگذاریم.
متخصصین یادگیری ماشین شویم.
🌹🌹🌹🌿🌿🌿💭💭💭
اگر تمایل به اشتراک داشتید به ادی بنده در پروفایل کانال جهت تماس پیام دهید.
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1396
همراه باشید.
Telegram
Machine learning application (Kartal)
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.
Hi @jalilnourmohammadi,
We're delighted to be launching the Quick…
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.
Hi @jalilnourmohammadi,
We're delighted to be launching the Quick…
Machine learning application (Kartal)
#Learning N: machine learning (Coursera.org) T: Scientist Andrew NG L: English #Week 1 #Video 09 ( Gradient descent) Send to your friends please. Channel: @machinelearning_kartal
This media is not supported in your browser
VIEW IN TELEGRAM
#Learning
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 1
#Video 09 ( Gradient descent)
Send to your friends please.
Channel:
@machinelearning_kartal
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 1
#Video 09 ( Gradient descent)
Send to your friends please.
Channel:
@machinelearning_kartal
Machine learning application (Kartal)
#Learning N: machine learning (Coursera.org) T: Scientist Andrew NG L: English #Week 1 #Video 09 ( Gradient descent) Send to your friends please. Channel: @machinelearning_kartal
از عزیزان فرموندند که این فایل ایراد داشت دوباره اپلود شد.
#خبر
Andrew NG:
The Economist's @tomstandage had written their special report on autonomous vehicles, and IMO he gets it when it comes to what's a realistic roadmap. Here's his piece on the @CityOfFriscoTx deployment.
https://t.co/T7Un9ox3fa
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1398
همراه باشید.
Andrew NG:
The Economist's @tomstandage had written their special report on autonomous vehicles, and IMO he gets it when it comes to what's a realistic roadmap. Here's his piece on the @CityOfFriscoTx deployment.
https://t.co/T7Un9ox3fa
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1398
همراه باشید.
The Economist
A more realistic route to autonomous driving
A six-month trial in Texas focuses on what self-driving tech can do now
#کامنت های ارزشمند دکتر سید ناصر رضوی در رابطه با یادگیری ماشین و کلیات آن
🌹🌹🌹🌿🌿🌿💭💭💭
❓دوست عزیزی چنین سوالی را مطرح کردند:
سلام دوستان میشه یه ذره از جزییات پروژه های هوش مصنوعی بگید می خوام ببینم دقیقا چه کارای انجام میشه.
✅پاسخ دکتر:
معمولا هر پروژه یادگیری ماشین از دو بخش اصلی تشکیل میشه: «دادهها و الگوریتمهای یادگیری». قسمت پیادهسازی الگوریتمهای یادگیری معمولا بخش ساده کار است و معمولا بخش سخت و پرهزینه همان جمعآوری دادههای خوب برای پروژه است. مثلا فرض کنید میخواهید یک خودروی خودران بسازید. فقط قسمت بینایی ماشین نیاز به جمعآوری هزاران ساعت ویدیو از رانندگی کردن در جادهها و خیابانها و شرایط گوناگون آب و هوایی داره. هر شرکت به طور تخصصی ابزارهای خاصی برای جمعآوری دادهها و پاکسازی و آمادهسازی این دادهها برای خودش توسعه میده که اینها در واقع برگ برنده هستند. بعد از این کارها هم که نیاز دارید بارها و بارها مراحل آموزش رو برای دادههای جمعآوری شده اجرا کنید و با ابزارها و دانش بالایی که در این حوزه خاص دارید نتایج رو مورد تجزیه و تحلیل دقیق قرار بدید و با تغییر دادن مقدار ابرپارامترهای الگوریتم یادگیری، دوباره فرایند آموزش رو تکرار کنید و اینقدر این مراحل رو تکرار کنید تا به نتیجه قابل قبول برسید. امیدوارم تا حدی این توضیحات به پرسشتون پاسخ داده باشه.
@Machinelearning_Kartal
❓سوال دیگر؛
سلام.
منابعی معرفی میکنید که چگونگیه استفاده از دادههارو یاد بگیرم؟
✅پاسخ دکتر؛
دادهها کاملا وابسته و به مسئله هستند و بستگی دارند به این که در چه حوزهای میخواهید فعالیت کنید مثلا دادههای متنی، تصویر، ویدیو، صدا یا دادههای جدولی. بنابراین منبعی که مختص کار کردن با داده باشه وجود نداره و باید خودتون با درگیر شدن در مسائل مختلف این مراحل رو تجربه کنید. یک گزینه بسیار عالی هم حل کردن چالشهای کگل هست. در مورد هر مسئله هم کلی راهنمایی و ترفند و نکته از طرف شرکتکنندگان وجود داره که میتونید یاد بگیرید.
✅توصیه دکتر؛
توصیه میکنم به صورت کارآموز در شرکتهای تخصصی یا آزمایشگاههای پژوهشی یک مدت تجربه کسب کنید. البته برای کارآموزری در یک آزمایشگاه پژوهشی استانداردهایی مورد نیاز است که حتما باید داشته باشید ولی گمان میکنم کارآموزی در شرکتها سادهتر باشه.
✅نحوه وارد شدن به حوزه هوش مصنوعی از زبان دکتر؛
مثلاً با کلاسهای هوش مصنوعی دانشگاه برکلی شروع کنید. بسیار عالی هستند و تمامی پایههای مورد نیز برای هوش مصنوعی رو آموزش میدن. البته که خود این دورهها هم بسیار طولانی و شامل مباحث بسیاری هستند.
http://ai.berkeley.edu/home.html
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1399
همراه باشید.
🌹🌹🌹🌿🌿🌿💭💭💭
❓دوست عزیزی چنین سوالی را مطرح کردند:
سلام دوستان میشه یه ذره از جزییات پروژه های هوش مصنوعی بگید می خوام ببینم دقیقا چه کارای انجام میشه.
✅پاسخ دکتر:
معمولا هر پروژه یادگیری ماشین از دو بخش اصلی تشکیل میشه: «دادهها و الگوریتمهای یادگیری». قسمت پیادهسازی الگوریتمهای یادگیری معمولا بخش ساده کار است و معمولا بخش سخت و پرهزینه همان جمعآوری دادههای خوب برای پروژه است. مثلا فرض کنید میخواهید یک خودروی خودران بسازید. فقط قسمت بینایی ماشین نیاز به جمعآوری هزاران ساعت ویدیو از رانندگی کردن در جادهها و خیابانها و شرایط گوناگون آب و هوایی داره. هر شرکت به طور تخصصی ابزارهای خاصی برای جمعآوری دادهها و پاکسازی و آمادهسازی این دادهها برای خودش توسعه میده که اینها در واقع برگ برنده هستند. بعد از این کارها هم که نیاز دارید بارها و بارها مراحل آموزش رو برای دادههای جمعآوری شده اجرا کنید و با ابزارها و دانش بالایی که در این حوزه خاص دارید نتایج رو مورد تجزیه و تحلیل دقیق قرار بدید و با تغییر دادن مقدار ابرپارامترهای الگوریتم یادگیری، دوباره فرایند آموزش رو تکرار کنید و اینقدر این مراحل رو تکرار کنید تا به نتیجه قابل قبول برسید. امیدوارم تا حدی این توضیحات به پرسشتون پاسخ داده باشه.
@Machinelearning_Kartal
❓سوال دیگر؛
سلام.
منابعی معرفی میکنید که چگونگیه استفاده از دادههارو یاد بگیرم؟
✅پاسخ دکتر؛
دادهها کاملا وابسته و به مسئله هستند و بستگی دارند به این که در چه حوزهای میخواهید فعالیت کنید مثلا دادههای متنی، تصویر، ویدیو، صدا یا دادههای جدولی. بنابراین منبعی که مختص کار کردن با داده باشه وجود نداره و باید خودتون با درگیر شدن در مسائل مختلف این مراحل رو تجربه کنید. یک گزینه بسیار عالی هم حل کردن چالشهای کگل هست. در مورد هر مسئله هم کلی راهنمایی و ترفند و نکته از طرف شرکتکنندگان وجود داره که میتونید یاد بگیرید.
✅توصیه دکتر؛
توصیه میکنم به صورت کارآموز در شرکتهای تخصصی یا آزمایشگاههای پژوهشی یک مدت تجربه کسب کنید. البته برای کارآموزری در یک آزمایشگاه پژوهشی استانداردهایی مورد نیاز است که حتما باید داشته باشید ولی گمان میکنم کارآموزی در شرکتها سادهتر باشه.
✅نحوه وارد شدن به حوزه هوش مصنوعی از زبان دکتر؛
مثلاً با کلاسهای هوش مصنوعی دانشگاه برکلی شروع کنید. بسیار عالی هستند و تمامی پایههای مورد نیز برای هوش مصنوعی رو آموزش میدن. البته که خود این دورهها هم بسیار طولانی و شامل مباحث بسیاری هستند.
http://ai.berkeley.edu/home.html
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1399
همراه باشید.
خوب فکر کنم دیگه برای هفته دوم اماده هستید. شروع کنیم هفته دوم را به امید بهترین بودن در هوش مصنوعی و گسترش این شاخه در کشور.
This media is not supported in your browser
VIEW IN TELEGRAM
#Learning
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 2
#Video 01 ( multiple features)
Send to your friends please.
لطفا به دوستان ارسال کنید
@machinelearning_kartal
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 2
#Video 01 ( multiple features)
Send to your friends please.
لطفا به دوستان ارسال کنید
@machinelearning_kartal
نکته قابل توجه در انتخاب الگوریتم کلاس بندی براساس تعداد داده ها و ویژگی ها از Andrew NG
@Machinelearning_Kartal
@Machinelearning_Kartal
This media is not supported in your browser
VIEW IN TELEGRAM
#Learning
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 2
#Video 02 ( Gradient descent )
Send to your friends please.
لطفا به دوستان ارسال کنید
@machinelearning_kartal
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 2
#Video 02 ( Gradient descent )
Send to your friends please.
لطفا به دوستان ارسال کنید
@machinelearning_kartal
This media is not supported in your browser
VIEW IN TELEGRAM
#Learning
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 2
#Video 03 ( GD in practice )
Send to your friends please.
لطفا به دوستان ارسال کنید
@machinelearning_kartal
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 2
#Video 03 ( GD in practice )
Send to your friends please.
لطفا به دوستان ارسال کنید
@machinelearning_kartal
#معرفی #وب #سایت
برخی از وب سایت های انگلیسی خوب برای انجام تست و اماده شدن برای تافل و ایلیس
Www.Englishrevealed.co.uk
Www.flo-joe.co.uk
Www.todayschool.es
Examenglish.com
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1400
همراه باشید
برخی از وب سایت های انگلیسی خوب برای انجام تست و اماده شدن برای تافل و ایلیس
Www.Englishrevealed.co.uk
Www.flo-joe.co.uk
Www.todayschool.es
Examenglish.com
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1400
همراه باشید
This media is not supported in your browser
VIEW IN TELEGRAM
#Learning
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 2
#Video 04 ( GD in practice l )
Send to your friends please.
لطفا به دوستان ارسال کنید
@machinelearning_kartal
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 2
#Video 04 ( GD in practice l )
Send to your friends please.
لطفا به دوستان ارسال کنید
@machinelearning_kartal
Forwarded from Ehaam I ایهام (🎈 Amir Arman 🎈)
💥از کارهای اشتباهم، پشیمان نیستم.
از کارهای خوبی که برای افراد نالایق انجام دادم پشیمانم...
دیالوگی بیادماندنی از فیلم خانه پوشالی (House of Cards)، دیوید فینچر، ۲۰۱۳
🍀 @Ehaam_net
از کارهای خوبی که برای افراد نالایق انجام دادم پشیمانم...
دیالوگی بیادماندنی از فیلم خانه پوشالی (House of Cards)، دیوید فینچر، ۲۰۱۳
🍀 @Ehaam_net
This media is not supported in your browser
VIEW IN TELEGRAM
#Learning
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 2
#Video 05 ( features and PR)
Send to your friends please.
لطفا به دوستان ارسال کنید
@machinelearning_kartal
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week 2
#Video 05 ( features and PR)
Send to your friends please.
لطفا به دوستان ارسال کنید
@machinelearning_kartal