برای اونایی که می خوان مهندس یادگیری ماشین شوند.
https://www.coursera.org/

Goal: Become a Machine Learning Engineer

Time: 4 months
Study 10 hrs/week and complete in 4 month.
What you'll do as a Machine Learning Engineer:
Implement systems to power data-driven applications like recommender systems.
Learn data structures and algorithms, software engineering, and deep learning.
Earn around $115k per year, depending on your location and company.
How you'll reach your goal with Coursera:
Explore your course recommendations (endorsed by industry experts).
Customize your program by hiding courses that cover familiar material.
Start learning! Work as fast or as slow as you like—you’re in control, and we’re here to support you.

جدا کردن گوجه فرنگی های کال با استفاده از فن آوری پردازش تصویر

🙏Thanks to: @maktubmed

#آموزش

Great talk about the creation of flexible and high-performance sequence-to-sequence models in TensorFlow.

https://www.youtube.com/watch?list=PLOU2XLYxmsIKGc_NBoIhTn2Qhraji53cv&v=RIR_-Xlbp7s

مهندس یادگیری ماشین می تواند با این شش درس کار خود را در این زمینه شروع کند....
MACHINE LEARNING ENGINEER PREREQUISITE • 6 COURSES


Course 1: Algorithmic Toolbox(37 hours total)

Part of Data Structures and Algorithms Specialization • University of California, San Diego, Higher School of Economics

Course 2: Data Structures(36 hours total)

Part of Data Structures and Algorithms Specialization • University of California, San Diego, Higher School of Economics

Course 3: Algorithms on Graphs(21 hours total)

Part of Data Structures and Algorithms Specialization • University of California, San Diego, Higher School of Economics

Course 4: Algorithms on Strings(23 hours total)

Part of Data Structures and Algorithms Specialization • University of California, San Diego, Higher School of Economics

Course 5: Advanced Algorithms and Complexity(43 hours total)

Part of Data Structures and Algorithms Specialization • University of California, San Diego, Higher School of Economics

Course 6: Genome Assembly Programming Challenge(19 hours total)

Part of Data Structures and Algorithms Specialization • University of California, San Diego, Higher School of Economics

اخبار اخرین تکنولوژی یادگیری ماشین بخصوص یادگیری عمیق

Stanford researchers create deep learning algorithm that could boost drug development

Combining computer science and chemistry, researchers show how an advanced form of machine learning that works off small amounts of data can be used to solve problems in drug discovery.

اطلاعات بیشتر 👇🏻👇🏻👇🏻
http://news.stanford.edu/2017/04/03/deep-learning-algorithm-aid-drug-development/

استفاده از ماشین لرنینگ جهت مراقبت ها از بیماری در MIT
Using machine learning to improve patient care
New CSAIL research employs many types of medical data, including electronic health records, to predict outcomes in hospitals.
Rachel Gordon | CSAIL
August 21, 2017
ادامه در سایت ...
http://news.mit.edu/2017/using-machine-learning-improve-patient-care-0821

​​​​​​​​​​​هوش مصنوعی بازی رایانه ای ساخت!
در سال های اخیر شاهد رشد استفاده از فناوری هوش مصنوعی در حوزه های مختلف علمی هستیم، اما استفاده از این ابزار برای خلق بازی های رایانه ای تحولی چشمگیر محسوب می شود.

به گزارش دیجیتال ترندز، اگر چه فناوری هوش مصنوعی برای اجرای بازی های ویدئویی به کار گرفته شده، اما محققان موسسه Interactive Computing در جرجیای آمریکا روشی را برای آموزش دادن هوش مصنوعی به منظور طراحی بازی ابداع کرده اند.

در این روش هوش مصنوعی تنها با مشاهده روند اجرای یک بازی و بدون نیاز به دسترسی به کدنویسی و جزییات فنی آن می تواند موتور بازی مدنظر خود را طراحی کند.

محققان برای عملیاتی کردن این روش از بازی مشهور سوپرماریو استفاده کردند. پیش از این دسترسی به کدنویسی این بازی به هوش مصنوعی امکان داده بود مرحله تازه ای برای بازی مذکور طراحی کند.

اما این بار به هوش مصنوعی امکان دسترسی به کدهای بازی داده نشد و لذا درک محتوای بازی تنها با تماشای مراحل مختلف آن انجام شد. هوش مصنوعی، ویدئوهای دریافتی این بازی را در سه مرحله شامل اسکن تک تک اشیا، تهیه الگوریتم مربوط به تغییرات هر یک از آنها و نتیجه گیری نهایی تحلیل کرد و در نهایت توانست بازی مذکور را از ابتدا طراحی و اجرا کند.

البته هوش مصنوعی فعلا در این زمینه بسیار ابتدایی عمل کرده و قادر به طراحی مراحل مختلف یا اجرای درست مرگ شخصیت های بازی نیست، ولی انتظار می رود در آینده با پیشرفت هوش مصنوعی بازیها این مشکلات هم برطرف شود.

منبع: خبرگزاری مهر

کتاب مفید در زمینه داده کاوی به صورت بلادرنگ

Presentation attack detection algorithm for face and iris biometrics معرفی مقاله

👇👇👇👇

🎯ساده،مختصر و کاربردی بیاموزید👌

✅ انواع مقالات علمی و تفاوت آنها در محتوا

🔻 به گزارش نشریه «نیو ساینتیست» محققان و پژوهشگران مختلفی به دنبال ساخت راه‌هایی تازه برای کشف بیماری #آلزایمر در سریع‌ترین زمان ممکن هستند؛ چون کشف زودتر این بیماری می‌تواند این فرصت را برای افراد به وجود بیاورد تا سراغ درمان آن را بگیرند و سرعت پیشرفت آن را کاهش دهند. برخی از محققان روی آزمایش‌های خون و مغزی و نخاعی متمرکز شده‌اند و گروه‌های دیگری هم مشغول ساخت گجت‌هایی هستند که می‌توانند علائم آلزایمر را تشخیص دهند. به تازگی مخققان دانشگاه باری در ایتالیا دست به ساخت روشی تازه برای کشف آلزایمر زده‌اند.
https://news.1rj.ru/str/joinchat/AAAAAD6rPIFB1jcVNz2_iA
پژوهشگران دانشگاه باری در #ایتالیا به #هوش_مصنوعی روی آورده‌اند. آن‌ها الگوریتمی طراحی کرده‌اند که می‌تواند تغییرات ساختاری و بسیار کوچک مغز را که به دلیل آلزایمر به وجود آمده را کشف کند؛ آن هم یک دهه قبل از اینکه حتی اولین علائم آلزایمر به وجود بیایند.آن‌ها برای تمرین دادن هوش مصنوعی خود ۶۷ اسکن MRI را به آن نشان داده‌اند. از این تعداد اسکن، ۳۸ اسکن متعلق به بیمارانی بودند که از آلزایمر رنج می‌بردند و ۲۹ اسکن هم مغز افراد سالم را نشان می‌دادند.
https://news.1rj.ru/str/joinchat/AAAAAD6rPIFB1jcVNz2_iA
🔻 محققان اسکن‌ها را به بخش‌های کوچکتر تقسیم کردند و از هوش مصنوعی خود خواستند تا اتصال عصبی بین این بخش‌ها را بررسی کند. پس از تمرین دادن هوش مصنوعی آن‌ها الگوریتم تولید شده را روی ۱۴۸ مغز آزمایش کردند. از این تعداد، ۴۸ مغز از آلزایمر رنج می‌بردند، ۴۸ مغز هم مربوط به کسانی بودند که اختلالات مغزی داشتند که این اختلالات نهایتا به آلزایمر کامل تبدیل شدند.

🔻 هوش مصنوعی ساخته شده توانسته در تست‌ها، ۸۶ درصد نتیجه‌ی مورد نظر را درست تشخیص دهد. این هوش مصنوعی هم‌چنین ۸۴ درصد مشکلات خفیف مغزی که ممکن است منجر به آلزایمر شود را تشخیص داده؛ طوری که می‌توان به عنوان یک ابزار تشخیص زودرس بیماری از هوش مصنوعی ساخته شده استفاده کرد. باید هوش مصنوعی ساخته شده فعلا با تست‌ها بیشتر تمرین و هم‌چنین توسعه داده شود تا بتوان دقت آن را برای استفاده نهایی از آن بالا برد. ترجمه: دیجی‌کالا مگ
منبع:
https://www.newscientist.com/article/2147472-ai-spots-alzheimers-brain-changes-years-before-symptoms-emerge
https://news.1rj.ru/str/AiCenter_ir/84

Selective Search for Object Detection (C++/Python)
This is Satya Mallick from LearnOpenCV.com

Before we go into to this week's post I want to share a video with you. Last week, I was interviewed by fellow data geek Ben Sullins about autonomous driving and the one advantage Tesla has in this race. Here is the interview

https://youtu.be/cEuJPJNQuGs

Selective Search

If you have read about object detection using traditional computer vision techniques like HOG + SVM or HAAR Cascades, you probably know that the search for the object is performed at all locations and all scales in an image using a Sliding Window approach. It is computationally expensive.

Fortunately, an exhaustive search using a sliding window is not the only approach. A relatively new and efficient alternative is called Selective Search. Instead of exhaustively searching all locations and scales, it identifies the best places to look. In addition, it also handles multiple aspect ratios. In the post below, we share the intuition and the details of the algorithm

http://www.learnopencv.com/selective-search-for-object-detection-cpp-python/

Want to try it out yourself? Sure, here is the code in C++ and Python.

https://github.com/spmallick/learnopencv/tree/master/SelectiveSearch

I hope you find this useful. If you have a friend who is interested in Computer Vision and Machine Learning, please share this post with them.


Satya
LearnOpenCV.com

Object Detection vs. Object Recognition

🌹🌹🌹💭💭💭🌿🌿🌿
An object recognition algorithm identifies which objects are present in an image. It takes the entire image as an input and outputs class labels and class probabilities of objects present in that image. For example, a class label could be “dog” and the associated class probability could be 97%.

On the other hand, an object detection algorithm not only tells you which objects are present in the image, it also outputs bounding boxes (x, y, width, height) to indicate the location of the objects inside the image.

At the heart of all object detection algorithms is an object recognition algorithm. Suppose we trained an object recognition model which identifies dogs in image patches. This model will tell whether an image has a dog in it or not. It does not tell where the object is located.

#آموزش
پست مناسبی در مورد نحوه کار lstm با توضیحات بسیار روان

Understanding LSTM and its diagrams

https://medium.com/@shiyan/understanding-lstm-and-its-diagrams-37e2f46f1714

نحوه تشخیص ISI بودن مجله
🌹🌹🌹🌿🌿🌿💭💭💭

معرفی دوره آموزشی Applied Data Science with Python:

https://goo.gl/a4NoKA

این دوره آموزشی توسط دانشگاه میشیگان آمریکا در حوزه علم‌داده و زبان پایتون به صورت آنلاین و در سطح مقدماتی و متوسط تدریس می‌گردد. این دوره آموزشی شامل 5 درس با عناوین زیر می‌باشد.

1-Introduction to Data Science in Python

2- Applied Plotting, Charting & Data Representation

3- Applied Machine Learning in Python

4- Applied Text Mining in Python

5- Applied Social Network Analysis in Python

لینک دوره:
https://www.coursera.org/specializations/data-science-python#courses

پی‌نوشت:
جهت ثبت‌نام پس از مراجعه به صفحه اصلی درس با انتخاب دوره مدنظر و رفتن به صفحه درس گزینه Enroll و سپس گزینه Audit را فعال نمایید. گفتنی است جهت‌ ثبت‌نام به دلیل تحریم بودن کشور ایران نیاز به فیلتر‌شکن خواهید داشت.

جدیدترین کارتون کوتاه والت دیسنی
زندگی فقط کار نیست و همش نباید به سمت عقل و منطق رفت ،نیاز است که به سمت خواسته های دل و تفریح نیز اهمیت بدهید.

🎬بازوی رباتیک بسیار سریع با قابلیت گرفتن اشیاء پرتاپی به سمت آن

🎬 کلیپ خاموش کردن آتش بوسیله ارتعاش امواج صوتی.

کسانی که بهترین توصیه‌ها را می‌کنند
معمولاً آنهایی هستند که
بدترین شرایط زندگی را
تجربه کرده‌اند؛
اگر با شکست خورده‌ترین افراد
روبرو شدی بدون تفکر
از کنار توصیه‌های آنها عبور مکن.
🌲.🌴

گوگل امروز وبسایت جدیدی را راه اندازی کرده که تمام اطلاعات و ابزارهای موردنیاز بنیان گذاران استارتاپ ها را به منظور دسترسی راحت تر در اختیار آنان قرار می دهد.
https://startup.google.com