Dear Jalil,



Join us Tuesday for a panel discussion on Founding an AI Startup: Dos & Don'ts of Building a Company. Whether you're looking to build your first company or advance your current start-up this event is for you!


Speakers will cover:

Practical steps on how to get started creating your company.
Raising funds — When to start and what to expect.
Common pitfalls early-stage founders face and ways to overcome these obstacles.
Both technical and non-technical backgrounds are welcome to attend. Special thanks to AI Fund for co-hosting the event with us!

https://info.deeplearning.ai/e3t/Ctc/LX+113/cJhC404/VWjNDq33K-VXW7VFZsL58n2VWW4YmM-14R7MG0N4WpFgt3q3nJV1-WJV7CgZvTVBgwbC7jkx9CW287w0C2-CLKcW39ndPD4Nv1lkW8TC4W173h1MpW9dF33Z6BDbjZW35VSLY33z-2dW9j_GYQ7CJKdGVRCMVn6sKR0FW2_LtJK9hF3S_W4hpfCK5PCYVLW3yF78s6VZCSbW6fNz7h1wbQN7W24KfGX2Mdt1BW5TWP9j3DwdV5W8z_zKC6Xf_9nW1hw-W-415B4XW6SkfnY90xZ20W2xFNL688JsfDW8-0jTh3T7Pk_W990WmW7yKbJWW96R8JP4Y3RW7W8RjW8k5HQ5f1W4JqDfX5rRRCSW4Qxvnm4-Xyld3d8S1

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

There you go


(1/3) Until now, AI translation has focused mainly on written languages. Universal Speech Translator (UST) is the 1st AI-powered speech-to-speech translation system for a primarily oral language, translating Hokkien, one of many primarily spoken languages. bit.ly/3CJP3ew

(2/3) Hokkien, one of ~3k primarily spoken languages, has no standard writing system and very few human translators, making it even more difficult to create training data for our models and difficult to rely on Hokkien trannoscripts.
(3/3) By open-sourcing our benchmark data to the AI community and including our Hokkien system in a UST, we hope other researchers will build on this work. Someday all languages, written or unwritten, may no longer be an obstacle to mutual understanding. bit.ly/3VGxVif

مرکز آپای دانشگاه محقق اردبیلی در نظر دارد، تعداد محدودی از دانشجویان و فارغ التحصیلان ساعی و علاقمند به مباحث امنیت سایبری را در قالب کارآموزی و کار دانشجویی جذب نماید. افراد جذب شده بعد از طی مراحل آموزش و یادگیری، امکان همکاری در پروژه های این مرکز را خواهند داشت.
درصورتی که دارای برنامه و انگیزه کافی برای رشد هستید، شرح مختصری از وضعیت علمی و تحصیلی و اطلاعات تماس خود را به آدرس cert@uma.ac.ir ارسال نمایید.
(سوالات احتمالی را از طریق تلگرام طرح نمایید.)

سلام
من باشلامیشام neo4j اوخماقین و ایستیرم اورگندیکلریمی ده یوتوب دا قویام.

چالیشاجیام هفته ده بیر ویدیو قویام.

ایستسوز بئردا باخا بیلر سوز:

https://www.youtube.com/watch?v=XGJ6F8qDfcI&list=PLSxTo9u7OlJd3ExzsrJ9X7zhn0Bi0Tmzr

گوزل بیر حرکت ایگیدلریمیزدن ❤️❤️❤️ لایک کامنت یادان چیخماسین

تۆرکجه 🇮🇷: بو آپ آذربایجان اوچون دؽر. بولارین الینن توتاق.
فارسی 🇮🇷: یک اپلیکشن خوب برای آذربایجان و تمام ترکان ایران
Iran Azerbaycaninan turklara app:

Azerbaijan media adli bir güzel app:

https://play.google.com/store/apps/details?id=takce.resane


کانالیمیز:

https://news.1rj.ru/str/Ai_KartalOl

YES, WE DID IT.

ALLWAYS TEAM WORK WORKS.

PUBLISH A PAPER IN A JOURNAL WITH IF=7.3

❤️❤️❤️😍😍😍

Exploring Bias in Sclera Segmentation Models: A Group Evaluation Approach

https://ieeexplore.ieee.org/document/9926136/authors#authors

Bias and fairness of biometric algorithms have been key topics of research in recent years, mainly due to the societal, legal and ethical implications of potentially unfair decisions made by automated decision-making models. A considerable amount of work has been done on this topic across different biometric modalities, aiming at better understanding the main sources of algorithmic bias or devising mitigation measures. In this work, we contribute to these efforts and present the first study investigating bias and fairness of sclera segmentation models. Although sclera segmentation techniques represent a key component of sclera-based biometric systems with a considerable impact on the overall recognition performance, the presence of different types of biases in sclera segmentation methods is still underexplored. To address this limitation, we describe the results of a group evaluation effort (involving seven research groups), organized to explore the performance of recent sclera segmentation models within a common experimental framework and study performance differences (and bias), originating from various demographic as well as environmental factors. Using five diverse datasets, we analyze seven independently developed sclera segmentation models in different experimental configurations. The results of our experiments suggest that there are significant differences in the overall segmentation performance across the seven models and that among the considered factors, ethnicity appears to be the biggest cause of bias. Additionally, we observe that training with representative and balanced data does not necessarily lead to less biased results. Finally, we find that in general there appears to be a negative correlation between the amount of bias observed (due to eye color, ethnicity and acquisition device) and the overall segmentation performance, suggesting that advances in the field of semantic segmentation may also help with mitigating bias.

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

تیم ورک همیشه جواب هست. 💪🏻💪🏻💪🏻💪🏻💪🏻💪🏻
ممنونم از همه اعضای تیممون.
مقاله در ژورنال با ایمپکت بالای هفت چاپ شد.
برای مسابقات دیگه کیا هستیممممممممممممممممممم؟؟؟؟؟؟؟؟؟؟؟؟؟ تبریککک به همه بچه ها.

@AndrewYNg well said:
If you have a best model which have the best results on test set. Celebrate it 🥳 that's wonderful but be careful it is not always best on your production. So, we always have gap between working model on testset and real world applications.
#DataScience

https://twitter.com/jalilnkh/status/1585740724087259140?t=zr4zKR68MCRgGlAschy8cg&s=19

وبینار با ارزش وْ خوب
ثبت نام کنید و شرکت کنید

https://www.linkedin.com/posts/vitomir-%C5%A1truc-17b41a14_biometrics-ieeebiometricscouncil-responsibleai-activity-6991827649631281152-k0xZ?utm_source=share&utm_medium=member_android


کانالیمیز:

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

سلام خدمت تمام همراه عزیز آذربایجان مئدیا پیامرسان تورک چت آپدیت شد
یکی از بهترین ویژگی ها هم امنیت بالا و نیاز نبودن فیلترشکن
ساخت گروه و .....
جهت استفاده کاملا رایگان کافیست در آذربایجان مئدیا تورک چت را انتخاب کنید🙏

حمایت و اشتراک گذاری خواهشاً 🙏🙏🙏
@azerbaycan_media

You don't need to buy a GPU for machine learning work!

There are other alternatives. Here are some:

1. Google Colab
2. Kaggle
3. Deepnote
4. AWS SageMaker
5. GCP Notebooks
6. Azure Notebooks
7. Cocalc
8. Binder
9. Saturncloud
10. Datablore
11. IBM Notebooks

Spend your time focusing on your problem.

#منابع

✳️ @AI_Python

کنفرانس بیومتریک
https://www.linkedin.com/posts/kevin-bowyer-a142711_home-activity-6994758998159757312-hLFC?utm_source=share&utm_medium=member_android


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

youtube.com/watch?v=Yr-l37qfF7M

سلام.
بو ویدیو پایتونلان یوتوبدان ویدویو دانلود المگی گوره دیر.

کدلاریندا چالیشاجیم جمعیه جک گویم

فارسی 🇮🇷: بهترین لوگو واسه این کنفرانس هزار دلار جایزه
تۆرکجه 🇮🇷: مین دلار جایزه ان گؤزل لوگوا بو کنفرانس دا.
https://www.linkedin.com/posts/ieee-biometrics-council_the-ieee-biometrics-council-is-pleased-to-activity-6995219834745630720-r9-K?utm_source=share&utm_medium=member_android

کانالیمیز:

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

En 🇺🇸:
Andrew NG (Andrew Ng ):

Sometimes I have seen some #business teams push a #machinelearning team to guarantee that their learning #algorithm will be 80% accurate, 90% accurate or 99% accurate before the machine learning team had a chance to establish a rough baseline. This unfortunately puts machine learning team in a very difficult position. If you are in that positions I would urge you to consider pushing back and asking for time to establish rough baseline performance before giving a more firm prediction about how accurate the machine learning system can eventually get to be.

Source:
https://lnkd.in/dwgr-HQA

تۆرکجه 🇮🇷:
آندرو اینگ دئیر:
بعضی زامانلار گورمیشم بعضی بیزینس تیملری ایستیرلر ماشین اؤیرنمه تیملرین الگوریتم لری بیر بئیس لاین سیستم تحویل ورمیمیش ۸۰٪، ۹۰٪ یادا ۹۹٪ دیقته چاتا. بو تاسفله ماشین اؤیرنمه تیملرین بیر چتین موقعیته سالیر. اگر سیز بو موقعیت ده سیز، سیزدن ایستیرم بیر قدم دالا اوتورون و بیردنه بئیس لاین دیقت ورن سیستمی چیخادماقا زامان ایستئیون. اونان قاباق چالیشیب ماشین اؤیرنمسینه دیقت پیش بینی المق یاخشی ائده دئیل.
قایناق:
https://lnkd.in/dwgr-HQA

چئورن:
جلیل کارتال

کانالیمیز:
https://news.1rj.ru/str/JalilKartal

Deep learning,

Python,

Linux,
Is represented on Telegram by Meysam mostly.
Happy birthday 🎉🎂🎉 to you Meysam (Azerijanjanli Turk Igid)
And all Iranian ML engineers found solutions for their questions using his fantastic groups and channels.

Thank you for your work Meysam.

His groups and channels:

https://news.1rj.ru/str/PythonLinuxExperts

https://news.1rj.ru/str/DeepLearningAIExperts

https://news.1rj.ru/str/ai_python

https://news.1rj.ru/str/NLPExperts

And his private channel:

https://news.1rj.ru/str/ai_person

Our channel:

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

Medical AI applications built with MONAI

اپلیکشنی برای داده های پزشکی

With MONAI, developers, researchers, and data scientists are building applications for a wide range of medical AI applications, including:

Classifying medical imaging studies for the presence of a disease or condition
Segmenting organs, lesions, and other structures
Creating markups to highlight areas of concern with arrows or heatmaps
Deriving insights for radiologist review for inclusion in a medical report
Batch processing medical imaging exams during long-term storage or for DICOM migrations
Processing live streams of data to ensure the patient is positioned properly prior to image acquisition
Identifying QA issues during the acquisition process to streamline departmental workflows
Identifying trends in data for population health assessments

منبع:

https://developer.nvidia.com/blog/taking-ai-into-clinical-production-with-monai-deploy/?ncid=so-link-530952#cid=ix11_so-link_en-us

کانالیمیز:

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

دوستان فریلنسری داخل کشور راحت می تونید کار کنید؟ وقتی سایتی فیلتره و یا تحریم به مشکل نمی خورید؟
anonymous poll

نه متاسفانه وجود فیلترها و اینترنت ملی کارهای ما رو با مشکلات فراوان مواجه ساخته. – 40
👍👍👍👍👍👍👍 83%

مشکلات کلی هست ولی می شه کارو راه انداخت. – 6
👍 13%

اره مشکلی نیست. می تونیم کارمون رو راه بندازیم. – 2
▫️ 4%

👥 48 people voted so far.

راه کار برای امنیت ملی در چیست؟ آیا می شود کارهای زیر را به جای فیلتر کردن اینترنت در نظر گرفت؟
نظر جلیل نورمحمدی خیارک به عنوان یک فعال حوزه هوش مصنوعی در رابطه با امنیت ملی:

راه کار ها ساده هست.
۱- صادق باشیم و منفعت طلب نباشیم.
۲- آزاد اندیشی رو مانع پیشرفت ندانیم.
۳- اگر اشتباهی می کنیم بپذیریم و تاوان آن رو بدهیم.
۴- هدف کار برای آسایش مردم باشد والا غیر.
۵- سایبری و فتا رو آنقدر قوی کنیم که نیروی خارجی امکان شایعه پراکنی را نداشته باشد.
۶- بیومتریک و شناسایی هویت رو جدی بگیریم. اینکار در همه کشورهای اروپایی هم انجام می شود و یک کار ضروری برای امنیت ملی هست. اگر کسی خودش را ملیت یک کشوری می داند و به دولت آن کشور اعتماد دارد نباید از دادن اطلاعات مثله عکس و ... به پلیس آنجا ترسی داشته باشد.
۷- درک عمیقی از اینترنت و کارکردن آن در دنیا داشته باشیم و آن رو صعنتی مثله صنعت برق بدانیم. البته الان کمتر کسی در سطح مسول کشوری باید وجود داشته باشد که اینترنت را خطر بداند. اگر چنین هست قطعا این شخص سواد و لیاقت حضور در آن جایگاه ندارد.
۸- ما باید یک قدم جلوتر رو ببینم در واقع هوش مصنوعی و آینده انقلاب آن در دنیای مدرن.

لطفا در رای گیری زیر شرکت کنید
👇👇👇

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

آیا موافق راه کار ذکر شده بالا برای امنیت ملی هستید و می تواند جلوی قطعی اینترنت رو بگیرد؟
anonymous poll

۱- آره موافقم ولی به شرطی که اجرایی شود. – 16
👍👍👍👍👍👍👍 73%

۲- آره موافقم ولی شدنی نیست. – 5
👍👍 23%

۴- نه مخالفم راه کارهای ساده و مبتدی هستند. – 1
▫️ 5%

۳- نه مخالفم باید اینترنت فیلتر و ملی شود.
▫️ 0%

👥 22 people voted so far.