#Learning
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week_08_Clustering
#Video 01 (Unsupervised Learning (3 min) )


لطفا به دوستان ارسال کنید

@machinelearning_kartal

#نظر_سنجی
#سایت_kaggle.com
دوستان سلام
بنده به محض انتشار نظرسنجی سایت kaggle بر آن شدم که یک انالیز مختصری رو آن انجام دهم.
تعداد ایرانیان شرکت کننده در این نظر سنجی حدودا 116 در واقع 0.48 درصد از کل 23861 نظر بود و احتمالا تعداد دیگری یا وقت شرکت کردن نداشتن یا اینکه اسم کشورشون رو کشور دیگری به خاطر تحریم زدند. بهرحال دوست داشتم نظر شما را در رابطه با این سایت بدونم و این چند نظر از این نظرسنجی سهم کانال ماست. از دوستان که علاقه به این سایت ندارم به خاطر حوصله و صبرشون بی نهایت سپاسگزاری می کنم. در ادامه نظرسنجی را خواهیم دید ....

با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1460

نظر سنجی ما در سایت kaggle.com چه سهمی داریم و چقدر از آن سود علمی و مالی برده ایم؟
anonymous poll

۳- در سایت kaggle عضو هستم ولی چالش هاش شرکت نکرده ام یا عضو نیستم و تمایل به عضویت و شرکت دارم. – 52
👍👍👍👍👍👍👍 54%

۲- از دیتاست هاش و اطلاعات آن بیشتر استفاده می کنم. – 19
👍👍👍 20%

۱- در چالش هاش شرکت کرده ام و برنده مالی شده ام. – 11
👍 11%

۵- موارد دیگر – 11
👍 11%

۴- مورد اول به همراه شرکت در نظر سنجی – 3
▫️ 3%

👥 96 people voted so far.

دوستانی که فقط برنده مدال برنده شده یا فقط شرکت در مسابقه کرده اند لطفا ۵ رو انتخاب کنند

خیلی ممنونم از نظرات بسیار ارزشمند شما
🌿🌿🌿🌹🌹🌹💭💭💭
باهم در راه قدرتمند سازی هوش مصنوعی قدم بزرگ برخواهیم داشت به امید خدا.

من این نظر سنجی را برای این گذاشتم که بیشتر با تیم kaggle اشنا و دور هم جمع شویم. دوستان خدا رو شاهد می گیرم که تمام موفقعیت های مردم دنیا با تیم ورکی هست یعنی تا تیم ورکی در کار نباشد با یک دست صدا در نمیاید. مثلا به خاطر تحریم ایرانی هایی که در ایرانند از شرکت و برنده شدن در این مسابقات محروم هستند با تیم ورکی و اعتماد به هم می توانیم از این جایزه ها سهمی ببریم. علممون سطح اش بره بالا، هم ارز اوری کنیم و هم مغز های داخل کشور جیب پر شوند.

هر کسی هم در این مسابقات برنده شود هم رزمه قوی محسوب می شود هم اگر اپلای کند به خاطر معتبر بودن مسابقات، مورد توجه اساتید قرار خواهد گرفت.
🌿🌿🌿🌹🌹🌹💭💭💭
نظر بنده این است که برنده شدگان را با علاقه مندان لینک کنم بنابراین من انتظارم بر این است که اولا یکی از شما که ارشد هوش مصنوعی دارین به کمک بنده بیاد تا کارها رو خوب مدیریت کنیم ثانیا اعضای علاقه مند و برندگان در صورت تمایل به بنده مثل قالب زیر پیام ارسال نمایند تا من با هم شما را لینک دهم.

🌿🌿🌿💭💭💭🌹🌹🌹
نام نام خانوادگی : جلیل نورمحمدی خیارک
نام رشته : کامپیوتر هوش مصنوعی. دانشجوی دکترا .
نام دانشگاه : دانشگاه صنعتی ورشو
محل زندگی : ورشو
نحوه همکاری: سرپرست یا عضو تیم
به همراه رزمه خود.
با تشکر از وجود پر پرکت شما


https://news.1rj.ru/str/Machinelearning_Kartal/1463

ArXiv

وبسایت arXiv.org متعلق به کتابخانه دانشگاه کرنل (Cornell University) که از قدیمی‌ترین و معتبرین دانشگاه‌های خصوصی آمریکا و جهان به حساب می‌آید، به نویسندگان مقالات علمی در رشته های ریاضی، فیزیک، علوم کامپیوتر و …، این فرصت را می دهد که مقالاتشان را در این وبسایت قرار داده تا در اختیار عموم قرار گیرد و همه افراد در سرتاسر جهان قادر به دانلود کردن و خواندن این مقالات باشند.
اما این کار مزایای بسیار زیادی برای نویسندگان دارد که متاسفانه پژوهشگران کشور ما یا معمولا از آنها بی خبرند و یا تمایل به استفاده و به اشتراک گذاشتن مقالاتشان در این وبسایت را ندارند.

- فرض کنید شما یک مقاله، روی یک موضوع روز نوشته اید و هنوز آن را برای یک مجله معتبر برای چاپ شدن نفرستاده اید و از این موضوع نگرانید که کسی زودتر از شما به نتایجی مشابه با کار شما برسد و از شما زودتر این مطالب را چاپ نماید. ArXiv این فرصت را به تمامی نویسندگان می دهد که بعد از اتمام نوشتن مقاله شان، فایل آن را در وبسایت مذکور قرار دهند. وقتی که شما مقاله تان را برای ArXiv ارسال می کنید معمولا بعد از ۲۴ ساعت مقاله شما در سطح دنیا منتشر خواهد شما و از همان لحظه انتشار تمامی نتایج مقاله شما در دنیا، برای شما و به اسم شما خواهد بود.


- حسن گذاشتن مقاله در ArXiv مخصوصا قبل از چاپ شدن مقاله این است که نتایج تان را در دنیا به اسم خود ثبت می‌کنید. البته بسیاری از مولفین بعد از چاپ شدن مقاله شان در مجلات مقاله را در ArXiv می گذارند. چون دسترسی به مقالات در آرکایو به صورت رایگان می باشد اما اکثر مجلات ISI خوب این امکان را ندارند و این باعث می شود که سطح دسترسی دیگران به
مقالات شما زیاد شود که این کار باعث می شود که تعداد استنادات به مقاله بالا رود.

- با توجه به اینکه این نسخه قبل از چاپ است و کار شما در دسترس عموم قرار می‌گیرد معمولا دیگران آن را خوانده و نظرات خودشان را برایتان ارسال می‌نمایند که درصورت وجود ضعف در مقاله یا نحوه نگارش، این اصلاحات را اعمال کنید.

از همکاران (مهندس نجار و خانم مهندس یوسفی) خوبم در تبریز یک دوره آموزشی برگزار کرده اند در صورت نیاز شرکت کنید .

https://evand.com/matlab

کارگاه آموزشی برنامه نویسی در متلب دانشگاه تبریز
ارائه توسط دانشجویان دکترای دانشگاه تبریز

تخفیف 50% به تعداد محدود برای تکمیل ظرفیت

کد تخفیف
tabrizu97
ثبت نام به صورت غیرحضوری از طریق لینک زیر:
https://evand.com/matlab
.

https://news.1rj.ru/str/Machinelearning_Kartal/1464

#Learning
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week_08_Clustering
#Video 02 (K-Means Al(13 min) )


لطفا به دوستان ارسال کنید

@machinelearning_kartal

#خبر
#بیومتریک
🌹🌹🌹🌿🌿🌿💭💭💭

در مورد استفاده از قدرت بیومتریک در ارتباطات
بخوانیم...

This weeks interesting link is from Ketchum: Harnessing the Power of Biometrics in Communications. Now we can use biometrics to optimise marketing, research and privacy while reducing human error and data biases.

Good luck with your studies this week.

ادامه خبر وْ توضیحات کامل از وب سایت زیر بخوانید.

https://www.ketchum.com/harnessing-the-power-of-biometrics-in-communications/

Thanks to Rachael for sharing.

🌹🌹🌹🌿🌿🌿💭💭💭
با کانال
https://news.1rj.ru/str/Machinelearning_Kartal/1466
همراه باشید. و به اشتراک بگذارید.
🌹🌹🌹🌿🌿🌿💭💭💭

#books channel📚📚
#python
#deep learning
- #CNN
- #LSTM
- #Capsulenet
#deep tools
- #keras
- #tensorflow
- #theano
#data_mining
- #slide
- #implementation
.
.
.
🇯‌🇴‌🇮‌🇳 ↯

@Machine_learn

#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.

#اپلای
اطلاعیه شماره دو
دوستان خارج کشور
ارز دانشجویی داده می شود. توضیحات در تصویر
با تشکر از اقا محسن مدیر گروه اپلای کامپیوتر
کانال
@machinelearning_kartal

#اپلای
اطلاعیه شماره یک
دوستان خارج کشور
ارز دانشجویی داده می شود. توضیحات در تصویر
با تشکر از اقا محسن مدیر گروه اپلای کامپیوتر
کانال
@machinelearning_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 @jalil

We're excited to announce the launch of the Insincere Questions Classification Competition hosted by Quora! Note: this is a Kernels-only competition. Click the button at the bottom of this email if you're interested in competing, or exploring the specifics.

About the host:
Quora is a platform that empowers people to learn from each other. On Quora, people can ask questions and connect with others who contribute unique insights and quality answers.

Competition Denoscription:
In this competition, Kagglers will develop models that identify and flag insincere questions. To date, Quora has employed both machine learning and manual review to address this problem. With your help, they can develop more scalable methods to detect toxic and misleading content.

PUBG
Prizes:
$25,000 in total prize money

Next important deadline:
January 29, 2019 - Entry deadline.

Join the competition

Good luck,

Walter Reade
Kaggle Data Scientist


منبع:

https://www.kaggle.com/c/quora-insincere-questions-classification?utm_medium=email&utm_source=intercom&utm_campaign=launch-mailer-20181101
🌹🌹🌿🌿🌿💭💭💭
با کانال

https://news.1rj.ru/str/Machinelearning_Kartal/1467
همراه باشید.

#خبر
بچه ها از دست ندین تیم Andrew NG یک فروم برای پرسش و پاسخ باز کرده و هر کسی سوال داره بره بپرسه موقعیت خوبی هست که سوال های بدون پاسختون رو اونجا بیابید .

Meet the https://t.co/xXmpwE13wh team: Iris is working on helping engineers develop their careers in AI! If you’re interested in accelerating your career through programs like our AI Bootcamp, drop her a note in the forums: https://t.co/LKVkW5symy https://t.co/nHN0apH2zl

کیان کتان فروش عزیز هم خوب جواب می ده.
با تشکر
به دوستان خود هم اطلاع دهید.

با کاناله

https://news.1rj.ru/str/Machinelearning_Kartal/1468

نیز همراه باشید 😁😁😁

#یادگیری عمیق
یادگیری ماشین
#بیومدیکال
یک سوال زیبا و با یک پاسخ عالی
#سوال
A goal of mine is to be able to work in a job that is focused on research in Deep Learning. This seems like a difficult task in that my background is primarily in biomedical sciences with no formal computer science training. Do you think it is necessary to have a formal computer science education to contribute to Deep Learning research teams? Also what are your favorite 3 papers on Deep Learning (or the most recent 3 papers you've read)?

#پاسخ از دانشجو Andrew NG
There are many ways to contribute to Machine Learning research (or industry) teams. One is bringing knowledge from your field (BioMed Sciences) in addition to your ML training. For instance, doctors with ML training contribute significantly to ML teams to solve problems in Radiology, Cardiology and Palliative Care among others.

You can also contribute to a ML team outside your area of expertise as a Data Scientist or Machine Learning Engineer. In terms of what training would be required, I'd suggest to check out the list from our Machine Learning Engineer Career Program ( https://www.deeplearning.ai/careers/). This is quite extensive and you might not need to master everything perfectly to contribute in a ML team, but it will give you an idea:

Deep learning. You should be able to understand and apply major deep learning methods, including neural network training, regularization, optimization methods (gradient descent, Adam), and be familiar with major neural network architecture types such as Convolutional Networks, RNN/LSTM. Completion of the deeplearning.ai specialization is sufficient to meet this criteria.
Machine learning. You should be able to understand and apply major machine learning methods, such as logistic regression, SVM, Decision Trees, Principal Component Analysis and K-means. Completion of Andrew Ng’s Machine Learning course on Coursera is sufficient to meet this criteria.
Implementation. You should have prior experience taking a dataset, cleaning it if necessary, and applying a learning algorithm to it to get a result. You should be able to implement a learning algorithm “from scratch” using a framework such as Tensorflow, Pytorch, Caffe, etc.
General coding. You should be able to code non-trivial functions in object oriented programming, such as popular sorting or search algorithms. You should know how to use your terminal, and work with version control systems (Git). Software engineering experience such as working with relational databases, APIs, and building the back-end of web or mobile applications is helpful but is not required.
Mathematics (including probabilities and statistics.) You should be able to use mathematical notations and linear algebra (matrix/vector operations, dot products, etc.), and understand basic probability theory (distributions, independence, density functions, etc.) as well as statistics (mean, variance, median, quantiles, co-variance, etc.)
I've tried to learn more about DL applied to Point Clouds recently, so the 3 most recent papers I've read are:

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation (Qi, Su et al.)
PointCNN (Li et al.)
Large-scale Point Cloud Semantic Segmentation with Superpoint Graphs (Landrieu & Simonovsky)
3 papers I like a lot:

Neural Machine Translation by Jointly Learning to Align and Translate (Bahdanau et al.) if you'd like to learn more about Machine Translation.
FaceNet: A Unified Embedding for Face Recognition and Clustering (Schroff et al.) if you'd like to learn more about Face Recognition.
YOLO9000: Better, Faster, Stronger (Redmon et al.) if you'd like to learn more about Object Detection.
Hope it helps,

منبع:
https://www.deeplearning.ai/forums/community/general-forum/meet-the-deeplearning-ai-team/

با کاناله

https://news.1rj.ru/str/Machinelearning_Kartal/1468

نیز همراه باشید 🌿🌿🌿💭💭💭🌹🌹🌹

#هشدار
اخیرا باز موج حمله به #تلگرام برگشته و پیام هایی از طرف اشخاصی که تلگرام #غیر اصل نصب کرده اند به دیگران یا گروه ها ارسال می شود. که این باعث از دست دادن گروه ها یا حتی ممکن هست با ارسال پیام های بد باعث دلخوری عزیزانتان شود. بنابراین توصیه می گردد که هیچ یک از نسخه های تلگرام را به غیر از نسخه مؤوجود در گوگل پلی نصب نکرده و اگر کرده اید پاک کنید و دوباره از گوگل پلی یا همان پلی استور نصب کنید.
با تشکر
کانال
@machinelearning_kartal

#فان
وقتی وقتت برای تحویل پروژه کمه یک سیستم قدرتمند و یک کار غیرمعقول نیازه
😁😁😁😁

@machinelearning_kartal

#زمانبندی اقدام برای ترم بهار 2020، متناسب با اکثر دانشگاه های آمریکا

#Learning
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week_08_Clustering
#Video 03 (Optimazation(13 min) )


لطفا به دوستان ارسال کنید

@machinelearning_kartal

#Learning
N: machine learning (Coursera.org)
T: Scientist Andrew NG
L: English
#Week_08_Clustering
#Video 04 (Random Initial(13 min) )


لطفا به دوستان ارسال کنید

@machinelearning_kartal