دوستان عزیز سلام و عرض ادب
با تلاش همکار محترم جناب اقای زمانی و استاد گرام و ارجمند جناب اقای دکتر فیضی درخشی موفق به انتشار مقاله ای در ژورنال Journal of Intelligent Systems
با عنوان مقاله ( Combined Multi-Agent Method to Control Inter-Department Common Events Collision for University Courses Timetabling)
شدیم. ودوستان گرامی می توانند با مراجعه با سایت زیر دانلود و از ان در مقالاتشون استفاده کنند.
https://www.degruyter.com/view/j/jisys.ahead-of-print/jisys-2017-0249/jisys-2017-0249.xml

مطالب مورد نیاز برای کورس دیپ لرنینگ andrew ng.
اسلایدها - نوت بوک ها - کوییزهای 4 کورس اول از deep learning specialization مربوط به andrew ng بدون پاسخ و با محتوای ورد نیاز شامل تست کیس ها...

deeplearning.ai , By #Andrew_Ng, All slide and notebook + data (without solution) and video link

https://github.com/shahariarrabby/deeplearning.ai

#آموزش #منابع #دانلود_کورس

همان طور که میدانید پروفسور Andrew Ng پنج کورس یادگیری عمیق در سایت coursera تحت عنوان deep learning specialization ارائه کرده اند.
https://www.coursera.org/specializations/deep-learning
در صورتی که تمایلی ندارید دراین دوره ها عضو شوید, میتوانید فیلم ها و محتوای آموزشی این دوره ها را یکجا دانلود کنید.
—---------—

دانلود دوره اول – شبکه های عصبی Andrew Ng
http://muniversity.ir/neural-networks-deep-learning/

دانلود دوره دوم - ( تنظیم پارامترهای شبکه عصبی)
http://muniversity.ir/deep-neural-network/

دانلود دوره سوم - انجام پروژه های یادگیری ماشین

http://muniversity.ir/machine-learning-projects/

دانلود دوره چهارم - «شبکه های عصبی کانولوشنال»
http://muniversity.ir/convolutional-neural-networks/

—---------
محتوای آموزشی شامل کوییز ها- اسلایدها و نوت بوکهای این کورسها
https://news.1rj.ru/str/cvision/438


#deep_learning #andrew_ng

دوستان عزیز سلام و عرض ادب
از دوستان هر کسی مقاله ای به کنفرانس بین الملی ایندکس IEEE زیر مقاله ای (مرتبط با حوزه کاری کانالمون) ارسال کنه می تونن برای ارایه مقاله رو من حساب کنند.

https://wil.waw.pl/icmcis2018_eu/index.html

من تو ورشو هستم و می تونم این کنفرانس برم و ارایه کنم براتون. هر کسی خواستند می تونند به ای دی زیر پیام دهند.

@Kartal_jnkh

با تشکر از عزیزان

#آموزش #منابع #کورس
سایت Udacity.com پیش نمایش رایگان برخی از برنامه های Nano degree های خود را طی روزهای آینده به رایگان در اختیار عموم قرار میدهد.
از این بین دوره 500 دلاری deep learning که به تازگی منتشر شده نیز قرار دارد که قرار است در 6 روز آینده در دسترس قرار بگیرد.


https://www.udacity.com/new-year

شغل مهندسی داده در لهستان

Internship in Data Science Team
Kraków, PL


Job Type
Temporary

Your role
Do you have sharp analytic skills? Do you know how to solve problems and develop innovative solutions? We’re looking for someone like that who can

– turn data into an asset across the organization
– collect and combine data from multiple sources, analyze it for insights and produce great visuals
– maintain and run existent models
– help to develop new models and tools

Your team
You’ll be working in the UBS Research team in Zabierzow (Krakow Business Park). We are in the process of building a street-leading primary research platform called Evidence Lab. At the heart of this project is the ability to systematically analyze and build statistical and machine learning models on companies and markets that we do research on. We are looking for talented students and fresh graduates to have internship in the Evidence Lab and Research. You can learn more about Evidence Lab - http//about-neo.ubs.com/

Your paid internship will last 3-6 months base on 30-40 hour/week.

Your Experience And Skills

You don’t have to show us previous experience but if you have one, it’s an asset.

You have
– student status or university degree
– background in one of the areas Econometrics, Statistics, Machine Learning, Programming
– strong analytical and problem-solving skills
– the ability to deal with complex, multi-component problems
– a passion for research
– good programming skills in R or Python

You are
– very good in English
– a strong communicator, comfortable interacting with colleagues at all levels
– always professional (but you have the human touch)
– able to apply technical understanding to practical problems
– well organized and able to thrive when no two days are the same

About Us

Expert advice. Wealth management. Investment banking. Asset management. Retail banking in Switzerland. And all the support functions. That's what we do. And we do it for private and institutional clients as well as corporations around the world.

We are about 60,000 employees in all major financial centers, in more than 50 countries. Do you want to be one of us?

What We Offer

Together. That’s how we do things. We offer people around the world a supportive, challenging and diverse working environment. We value your passion and commitment, and reward your performance.

Keen to achieve the work-life agility that you desire? We're open to discussing how this could work for you (and us).

Why UBS? Video

Take the next step
Are you truly collaborative? Succeeding at UBS means respecting, understanding and trusting colleagues and clients. Challenging others and being challenged in return. Being passionate about what you do. Driving yourself forward, always wanting to do things the right way. Does that sound like you? Then you have the right stuff to join us. Apply now.

Disclaimer / Policy Statements
UBS is an Equal Opportunity Employer. We respect and seek to empower each individual and support the diverse cultures, perspectives, skills and experiences within our workforce.



Found an article you may be interested in:
https://jobs.ubs.com/TGnewUI/Search/home/HomeWithPreLoad?PageType=JobDetails&partnerid=25008&siteid=5012&jobId=165717&source=LinkedIn#jobDetails=165717_5012

VPN Melon
عالی 👌

پزیشن دکترا و پست دکترا

Open Positions in Visual Analytics: PhD and PostDoc at TU Wien, Austria

The Visual Analytics group at TU Wien offers positions in the field of Visualization. The main focus is on Model Building and Visual Analytics, a research area in the Research Cluster Smart Communities and Technologies (Smart CT). Currently, we offer positions for:

1 PhD researcher
1 PostDoc researcher
The application deadline is: January 26, 2018.

http://www.cvast.tuwien.ac.at/node/808

سلام,یه خبر خوب برای افراد خبره دارم به ارزش 3.75 ملیون دلار.
موسسه تحقیقات پیشرفته دفاعی آمریکا برای خودکارکردن تخصیص پهنای باند مخابراتی چالشی برگذار کرده تا با کمک هوش مصنوعی بتونه عرضه ی پهنای باند رو به جای تخصیص با قوانین خشک,توسط هوش مصنوعی و یادگیری ماشین اختصاص بده.
این چالش اواخر 2017 و اواخر 2018 مراحل مقدماتش انجام میشه و مرحله نهاییش هم اواخر 2019 خواهد بود.
برای اطلاعات بیشتر به سایت خود مسابقه مراجعه کنید.
www.spectrumcollaborationchallenge.com

#خبر
نسخه rc0 تنسرفلو 1.5 منتشر شد.

https://www.techleer.com/articles/457-the-new-version-of-tensorflow-150-released/

احسن به گوگل
ترجمه متون با گرفتن گوشی روی تصویر و ترجمه فوری ان.
تصویر اورجینال در ادامه

زبان لهستانی. تصویر اصلی

یک تشریح عالی از نحوه به دست اوردن گرادیان کاهشی که این بحث اولین بحث یادگیری ماشین هست.

https://youtu.be/jc2IthslyzM

دیگر نیاز به نرم افزار اضافی برای راهنمای مسیر نیاز نیست کافیه از گوگل مپ استفاده کنید دقیق ترین راهنما با سخنگوی مناسب .

⏰ آینده جهان از زبان مدیر عامل شرکت بنز

🎯 ۸۰ درصد رفت و آمدهای شهری حذف خواهد شد!

❇️ رقیبان ما شرکت‌های تولید خودرو نیستند بلکه شرکتهایی مثل اپل, گوگل و سیسکو هستند.

در پنج تا ده سال آینده نرم افزار و اطلاعات همه صنایع را خواهد بلعید.

🔻 شرکت خدماتی اوبر UBER که الآن بزرگترین شرکت تاکسیرانی است صاحب یک ماشین هم نیست و فقط یک نرم افزار هست.

🔻 هم اکنون شرکت ایرباس بزرگترین شرکت هتلداری جهان است بدون داشتن حتی یک هتل ملکی

🔸 شرکت Watson با ارایه نرم افزار تشخیصی خود، با دقت صد در صد به کمک پزشکان در تشخیص انواع سرطان خواهد آمد.

🔸 نرم افزارهای شبیه ساز ساختار DNA ، شانس موفقیت در لقاح مصنوعی یا IVF را به ۹۹ درصد خواهند رساند.

🔸 تا ۸۰ درصد از رفت و آمدهای شهری حذف خواهند شد و سیستمهای اطلاعاتی جای آنها را خواهند گرفت ... بنابراین آلودگی هوا نداریم، تصادف به حداقل خواهد رسید و وقت بیشتری برای تفریح خواهیم داشت.

🔸 به دو دلیل شرکت‌های بیمه به لبه ورشکستگی خواهند رسید، اول بخاطر کاهش فعالیتهای فیزیکی بخصوص در حمل و نقل و دوم پیش بینی بسیار دقیق سیستمهای هوش مصنوعی از آینده، نیاز ما به بیمه را کمتر خواهد کرد.

🔸 کشاورزی بدون خاک و مبتنی بر اطلاعات با بهره وری ۹۹ درصدی در مصرف آب ، جای کشاورزی سنتی را خواهد گرفت

🔸 پول جای خود را به اطلاعات یا پول دیجیتالی میدهد ، پول دیجیتالی نقش پشتوانه ارز را در جهان بازی خواهد کرد.

🔸 شاید بتوان گفت تنها کسب و کار فیزیکی که در آینده رشد خواهد کرد ، گردشگری است.

🔸 انسانها کارهای خود را به سیستم‌های اطلاعاتی واگذار خواهند کرد و تفریح را برای خود نگه خواهند داشت.

دوره اموزش اتومبیل خودران با رویکرد یادگیری عمیق در دانشگاه MIT

The Deep Learning for Self-Driving Cars class starts tomorrow: Mon, Jan 8, 7pm (room 54-100). If you're attending in-person, great. However, the videos of the lectures will be posted shortly.First class is on for tomorrow. A large number of people are registered so I'm not sure how many people will be there for the first lecture. If you're a student and really want to pick where you sit, I suggest you come early! Class starts at 7pm, I suggest you be there at 6:45pm or earlier.Announcements and an updated class schedule is up on: https://selfdrivingcars.mit.eduMonday's topic is deep learning. Tuesday is autonomous vehicles. Wednesday is deep RL and the DeepTraffic competition. Thursday is driving scene segmentation and the SegFuse competition. And much more after that...If you would like a shirt, but aren't coming to the class you can order them online: 2017 version and the 2018 version. If you want one for free, come to the class (second to last and last lecture).If you're interested in 6.S099: Artificial General Intelligence, check out the schedule on https://agi.mit.edu and create an account there to stay up-to-date with the course.Visit https://selfdrivingcars.mit.edu for information on any of the above. Also, if you like, connect with me on Twitter (@lexfridman), LinkedIn, or subscribe on YouTube.

شروع کلاس از امروزه

الگوریتم هایی که بچه های هوش مصنوعی بهتراست ان ها را در یادگیری ماشین بلد باشند.

We live in a start of revolutionized era due to development of data analytics, large computing power, and cloud computing. Machine learning will definitely have a huge role there and the brains behind Machine Learning is based on algorithms. This article covers 10 most popular Machine Learning Algorithms which uses currently.

از سایت زیر توضیحات کامل...

https://towardsdatascience.com/10-machine-learning-algorithms-you-need-to-know-77fb0055fe0

سلام بر عزیزان.

دوستان اگر از دانشگاه تهران هستید اینجا به این عزیزمون کمک کنید لطفا. 🌹🌹🌿🌿💭💭

سلام دوستان به چند داوطلب برای یک آزمایش آماری در یک تحقیق دانشگاهی در دانشگاه تهران نیازمندیم،‌که حداکثر سه ساعت وقتتون رو می‌گیره و خلاصه اینکار اینه که باید ۷۵ جمله انگلیسی رو که ما بهتون می‌فرستیم به فارسی ترجمه کنید؛ نیازی به بالا بودن کیفیت ترجمه نیست سطح عمومی و متوسط زبان مدنظر هست. 🙏
تعدادی جمله با کمک مترجم ماشینی و تعدادی بدون کمک مترجم ماشینی باید ترجمه بشه، بخشی از ترجمه هم با یه پلاگین Microsoft Word باید انجام بشه. پیشاپیش از وقتی که می‌گذارید ممنونم :)

با این ای دی جهت همکاری تماس بگیرید لطفا؛

@HamedFayez

با تشکر از همیاری شما

فراخوان جذب دانشجوی ارشد و دکتری در رشته هوافضا در غالب بورس سازمان اپسکو، جهت تحصیل در دو دانشگاه بیهانگ و هاربین چین.

جهت کسب اطلاعات بیشتر به سایت سازمان فضایی ایران به ادرس زیر مراجعه نمایید.
Isa.ir

دومین دوره مسابقات کشوری صدرا کاپ
Sadra Cup 2018
Http://www.sadracup2018.ir
045-33250543
045-33250472
با ما همراه باشید:
https://news.1rj.ru/str/joinchat/EcsvLU9oMNM3mcEeVelJYA
لینک مسابقات در ایوند:
https://evnd.co/9Jncv

#آموزش
Multi-task learning
فرض کنید در هر تصویر ورودی چندین شئ ظاهر میشود و میخواهیم وجود یا عدم وجود هر 4 شئ را اعلام کنیم.
روش اولی که به ذهن میرسد آموزش 4 طبقه بند مجزا برای هر یک از کلاس ها و اعمال این 4 طبقه بند بر روی هر تصویر ورودی است.
روش بهتری که وجود دارد آموزش یک شبکه عصبی واحد برای هر چهار کلاس است. برای این مثال در لایه ی آخر چهار نوران خواهیم داشت و به جای softmax باید از logistic loss استفاده کنیم که هر نوران احتمال حضور و عدم حضور شی مربوطه را اعلام کند. در این حالت طبیعتا دیگر جمع نوران ها 1 نخواهد بود و امکان 1 شدن همزمان هر 4 نوران وجود دارد (هر 4 شی در تصویر با احتمال 100 درصد تشخیص داده شوند.)

جدا از بحث بهبود سرعت پردازش این روش کارایی بیشتر و در نتیجه خطای کمتری برای هر 4 تسک به ما میدهد، چرا که لایه های ابتدایی شبکه عصبی ما ویژگی های مشترکی از تصاویر استخراج میگند و با این روش دیتاست ما تعداد تصویر بیشتری خواهد داشت.

توصیه میکنم این ویدیوی Andrew Ng در رابطه با Multi task learning را ببینید:
http://bit.ly/2mJpG6r

🤔When multi-task learning makes sense❓

✔️Training on a set of tasks that could benefit from having shared lower-level features.
✔️Usually: Amount of data you have for each task is quite similar.
✔️Can train a big enough neural network to do well on all the tasks.

#multitask_learning #deep_learning