⏰ 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.
🎯 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
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
AI & Machine Learning Lectures
MIT Deep Learning and Artificial Intelligence Lectures | Lex Fridman
A collection of lectures on deep learning, deep reinforcement learning, autonomous vehicles, and artificial intelligence organized by Lex Fridman.
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
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
Medium
10 Machine Learning Algorithms You need to Know
We live in a start of revolutionized era due to development of data analytics, large computing power, and cloud computing. Machine learning…
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
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
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
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
www.sadracup2018.ir
صدرا کاپ 2018
دومین دوره مسابقات رباتیک صدراکاپ 2018
#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
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
Coursera
Multi-task learning - deeplearning.ai | Coursera
Video created by deeplearning.ai for the course ...
#مقاله
در برخی از ویژگی های مربوط به چهره، دیتاست بزرگ برای آموزش کامل شبکه های عمیق در دسترس نیست، با توجه به شباهت ویژگیها در تسکهای مرتبط با چهره، این مقاله یک شبکه واحد برای آموزش تمام این تسکها در نظر گرفته و در نتیجه با افزایش داده حاصل از ترکیب دیتاست های مختلف در این حوزه شبکه در بسیاری از موارد به کارایی بالاتر از مدلهای مشابه شبکه تک کاربرده دست یافته است. بدین صورت لایه های پایینتر شبکه به خوبی برای استخراج ویژگیهای چهره آموزش میبینند.
[مرتبط با: https://news.1rj.ru/str/cvision/446]
An All-In-One Convolutional Neural Network for Face Analysis
http://ieeexplore.ieee.org/abstract/document/7961718/
در این مقاله تسک های مرتبط با چهره انسان را به دو دستهی مستقل از سوژه و مرتبط با سوژه تقسیم کرده است.
1) وظایف مستقل، شامل تشخیص چهره، نقطه های کلیدی چهره، محلی سازی، پیش بینی لبخند،
2) وظایف وابسته، شامل برآورد سن، پیش بینی جنسیت و بازشناسی چهره.
در این شبکه وظایف مستقل از سوژه از لایه های پایین تر این شبکه کانولوشنال ورودی گرفته و وظایف وابسته به سوژه از آخرین لایه شبکه ورودی خود را برای محاسبه خروجی و تابع هزینه هر تسک استفاده کرده اند.
#multitask_learning #face #convolutional_neutral_network #deep_learning
منبع
کانال تنسور فلو
در برخی از ویژگی های مربوط به چهره، دیتاست بزرگ برای آموزش کامل شبکه های عمیق در دسترس نیست، با توجه به شباهت ویژگیها در تسکهای مرتبط با چهره، این مقاله یک شبکه واحد برای آموزش تمام این تسکها در نظر گرفته و در نتیجه با افزایش داده حاصل از ترکیب دیتاست های مختلف در این حوزه شبکه در بسیاری از موارد به کارایی بالاتر از مدلهای مشابه شبکه تک کاربرده دست یافته است. بدین صورت لایه های پایینتر شبکه به خوبی برای استخراج ویژگیهای چهره آموزش میبینند.
[مرتبط با: https://news.1rj.ru/str/cvision/446]
An All-In-One Convolutional Neural Network for Face Analysis
http://ieeexplore.ieee.org/abstract/document/7961718/
در این مقاله تسک های مرتبط با چهره انسان را به دو دستهی مستقل از سوژه و مرتبط با سوژه تقسیم کرده است.
1) وظایف مستقل، شامل تشخیص چهره، نقطه های کلیدی چهره، محلی سازی، پیش بینی لبخند،
2) وظایف وابسته، شامل برآورد سن، پیش بینی جنسیت و بازشناسی چهره.
در این شبکه وظایف مستقل از سوژه از لایه های پایین تر این شبکه کانولوشنال ورودی گرفته و وظایف وابسته به سوژه از آخرین لایه شبکه ورودی خود را برای محاسبه خروجی و تابع هزینه هر تسک استفاده کرده اند.
#multitask_learning #face #convolutional_neutral_network #deep_learning
منبع
کانال تنسور فلو
Telegram
Tensorflow(@CVision)
CNN that simultaneously performs #face_detection, #landmarks_localization, #pose_estimation, #gender_recognition, #smile_detection, #age_estimation and face #identification and #verification.
#face
#face
Forwarded from Hessam.
دانلود مجموعه کارگاه یاد گیری ماشین با پایتون استاد رضوی
جلسه اول :
http://g02.ir/FyTK8
🆔 @ai_python
جلسه دوم :
http://g02.ir/ktRO4
جلسه سوم :
http://g02.ir/RAQxT
جلسه چهارم :
http://g02.ir/h1kD6
🆔 @ai_python
جلسه پنجم :
http://g02.ir/g8MW3
جلسه ششم :
http://g02.ir/icZ0l
http://g02.ir/xw0in
جلسه هفتم :
http://g02.ir/6b4NX
جلسه هشتم :
http://g02.ir/d4qKc
http://g02.ir/nFWpS
🆔 @ai_python
جلسه نهم :
http://g02.ir/Mehkt
جلسه دهم :
http://g02.ir/948hn
🆔 @ai_python
جلسه اول :
http://g02.ir/FyTK8
🆔 @ai_python
جلسه دوم :
http://g02.ir/ktRO4
جلسه سوم :
http://g02.ir/RAQxT
جلسه چهارم :
http://g02.ir/h1kD6
🆔 @ai_python
جلسه پنجم :
http://g02.ir/g8MW3
جلسه ششم :
http://g02.ir/icZ0l
http://g02.ir/xw0in
جلسه هفتم :
http://g02.ir/6b4NX
جلسه هشتم :
http://g02.ir/d4qKc
http://g02.ir/nFWpS
🆔 @ai_python
جلسه نهم :
http://g02.ir/Mehkt
جلسه دهم :
http://g02.ir/948hn
🆔 @ai_python
چالش دیگر از تیم Kaggle با جایزه 100 هزار دلاری
اطلاعات بیشتر
https://www.kaggle.com/c/data-science-bowl-2018?utm_medium=email&utm_source=intercom&utm_campaign=dsb+competition+2018
Competition Denoscription:
You’re challenged to create a model that can identify a range of nuclei across varied conditions. By automating nucleus detection, you could help unlock cures faster—from rare disorders to the common cold.
Why nuclei? Identifying the cells’ nuclei is the starting point for most analyses. Most of the human body’s 30 trillion cells contain a nucleus full of DNA, the genetic code that programs each cell. Identifying nuclei allows researchers to identify each individual cell in a sample, and by measuring how cells react to various treatments, the researcher can understand the underlying biological processes at work.
The solution to this competition will allow for more efficient drug testing, shortening the 10 years it takes for each new drug to come to market.
Host:
Booz Allen Hamilton and the Carpenter Lab at the Broad Institute of Harvard and MIT.
Booz Allen Hamilton is a large management and technology consulting firm, working with leading Fortune 500 corporations, governments, and not-for-profits globally. The Carpenter Lab is a research group focused on developing advanced methods and software tools to quantify and mine cellular images to yield biological discoveries.
Total prizes:
$100,000
Next important deadline:
April 9th, 2018 - Entry deadline. You must accept the competition rules before this date in order to compete.
Join the competition
Good luck,
The Kaggle Team
https://www.kaggle.com/c/data-science-bowl-2018?utm_medium=email&utm_source=intercom&utm_campaign=dsb+competition+2018
اطلاعات بیشتر
https://www.kaggle.com/c/data-science-bowl-2018?utm_medium=email&utm_source=intercom&utm_campaign=dsb+competition+2018
Competition Denoscription:
You’re challenged to create a model that can identify a range of nuclei across varied conditions. By automating nucleus detection, you could help unlock cures faster—from rare disorders to the common cold.
Why nuclei? Identifying the cells’ nuclei is the starting point for most analyses. Most of the human body’s 30 trillion cells contain a nucleus full of DNA, the genetic code that programs each cell. Identifying nuclei allows researchers to identify each individual cell in a sample, and by measuring how cells react to various treatments, the researcher can understand the underlying biological processes at work.
The solution to this competition will allow for more efficient drug testing, shortening the 10 years it takes for each new drug to come to market.
Host:
Booz Allen Hamilton and the Carpenter Lab at the Broad Institute of Harvard and MIT.
Booz Allen Hamilton is a large management and technology consulting firm, working with leading Fortune 500 corporations, governments, and not-for-profits globally. The Carpenter Lab is a research group focused on developing advanced methods and software tools to quantify and mine cellular images to yield biological discoveries.
Total prizes:
$100,000
Next important deadline:
April 9th, 2018 - Entry deadline. You must accept the competition rules before this date in order to compete.
Join the competition
Good luck,
The Kaggle Team
https://www.kaggle.com/c/data-science-bowl-2018?utm_medium=email&utm_source=intercom&utm_campaign=dsb+competition+2018
Kaggle
2018 Data Science Bowl
Find the nuclei in divergent images to advance medical discovery
با حضور معاون پژوهش و فناوری دانشگاه تبریز، آقایان دکتر محمد شاهیده پور استاد دانشگاه ايلينويز آمریکا و دکتر حمیدرضا زارعی پور استاد دانشگاه کالگری کانادا به عنوان اساتید مدعو همکاری خود را با دانشگاه تبریز شروع نمودند.
http://tam.tabrizu.ac.ir/index.php/%D8%A7%D8%AE%D8%A8%D8%A7%D8%B1-%D9%88-%D8%B1%D9%88%DB%8C%D8%AF%D8%A7%D8%AF%D9%87%D8%A7/74-%D9%82%D8%B1%D8%A7%D8%B1%D8%AF%D8%A7%D8%AF-%D9%87%D9%85%DA%A9%D8%A7%D8%B1%DB%8C-%D8%B9%D9%84%D9%85%DB%8C-%D8%A8%D8%A7-%D8%AF%D9%88-%D8%A7%D8%B3%D8%AA%D8%A7%D8%AF-%D8%A8%D8%B1%D8%AC%D8%B3%D8%AA%D9%87-%D8%A7%DB%8C%D8%B1%D8%A7%D9%86%DB%8C-%D8%AE%D8%A7%D8%B1%D8%AC-%D8%A7%D8%B2-%DA%A9%D8%B4%D9%88%D8%B1
http://tam.tabrizu.ac.ir/index.php/%D8%A7%D8%AE%D8%A8%D8%A7%D8%B1-%D9%88-%D8%B1%D9%88%DB%8C%D8%AF%D8%A7%D8%AF%D9%87%D8%A7/74-%D9%82%D8%B1%D8%A7%D8%B1%D8%AF%D8%A7%D8%AF-%D9%87%D9%85%DA%A9%D8%A7%D8%B1%DB%8C-%D8%B9%D9%84%D9%85%DB%8C-%D8%A8%D8%A7-%D8%AF%D9%88-%D8%A7%D8%B3%D8%AA%D8%A7%D8%AF-%D8%A8%D8%B1%D8%AC%D8%B3%D8%AA%D9%87-%D8%A7%DB%8C%D8%B1%D8%A7%D9%86%DB%8C-%D8%AE%D8%A7%D8%B1%D8%AC-%D8%A7%D8%B2-%DA%A9%D8%B4%D9%88%D8%B1
tam.tabrizu.ac.ir
قرارداد همکاری علمی با دو استاد برجسته ایرانی خارج از کشور
مدیریت امور فناوری دانشگاه تبریز
اپل ادعا می کند که سیستم تشخیص چهره گوشی اش (iphone x( یک در میلیون امکان بازشدن قفل اش توسط دزد است.
How secure is Apple's FaceID system
http://www.wired.co.uk/article/apple-face-id-security-safety-hack-apple
#face
How secure is Apple's FaceID system
http://www.wired.co.uk/article/apple-face-id-security-safety-hack-apple
#face
WIRED UK
How secure is Apple's FaceID system? Very, but not totally
FaceID uses biometrics to open your phone and Apple says one in a million faces will be able to fool it
استخدام مهندس c++ کار با رویکرد یادگیری عمیق در شرکت اینتل اگر کسی خواست اپلای کنه.
Check out this job at Intel Corporation:
https://www.linkedin.com/jobs2/view/567255904
Check out this job at Intel Corporation:
https://www.linkedin.com/jobs2/view/567255904
Forwarded from Tech Geek
Computer-Vision-Resources.pdf
404.1 KB
کتاب معرفی مقالات و منابع مفید بینایی ماشین
سلام دوستان. این اسکالرشیپ خوبی به نظر میرسه برای دوستانی که PhD اقدام کردن.
Good morning,
The School of Graduate and Postdoctoral Studies (SGPS) is pleased to announce that the application for the 2018-2019 Ontario Trillium Scholarship (OTS) is now available. The OTS program is a significant initiative to attract more of the best qualified international students to Ontario for PhD studies.
· Value: $40,000 per year for four years
· Quota: Two for 2018-2019
· Deadline: Thursday, March 1, 2018
To be eligible, the applicant must be an international student enrolled in an eligible program at the doctoral level when starting the award and have achieved a minimum GPA of 3.7 (on a 4.3 scale) in each of the last two years of study. Prospective students who are interested in holding an OTS at UOIT must apply for admission into a graduate program<http://www.gradstudies.uoit.ca/future_students/application_process_and_requirement/index.php> by February 1, 2018.
If you are aware of incoming students that meet the eligibility requirements, please encourage them to apply.
Information on the application process and eligibility is available on the School of Graduate and Postdoctoral Studies website<http://gradstudies.uoit.ca/current_students/student_finances/graduate_student_funding/external_awards/ontario-trillium-scholarship.php>.
If you have any questions, please email gradscholarships@uoit.ca<mailto:gradscholarships@uoit.ca> or follow up with me directly.
Thank you,
Andra
#fund #PhD #Canada #Ontario #Scholarship
Good morning,
The School of Graduate and Postdoctoral Studies (SGPS) is pleased to announce that the application for the 2018-2019 Ontario Trillium Scholarship (OTS) is now available. The OTS program is a significant initiative to attract more of the best qualified international students to Ontario for PhD studies.
· Value: $40,000 per year for four years
· Quota: Two for 2018-2019
· Deadline: Thursday, March 1, 2018
To be eligible, the applicant must be an international student enrolled in an eligible program at the doctoral level when starting the award and have achieved a minimum GPA of 3.7 (on a 4.3 scale) in each of the last two years of study. Prospective students who are interested in holding an OTS at UOIT must apply for admission into a graduate program<http://www.gradstudies.uoit.ca/future_students/application_process_and_requirement/index.php> by February 1, 2018.
If you are aware of incoming students that meet the eligibility requirements, please encourage them to apply.
Information on the application process and eligibility is available on the School of Graduate and Postdoctoral Studies website<http://gradstudies.uoit.ca/current_students/student_finances/graduate_student_funding/external_awards/ontario-trillium-scholarship.php>.
If you have any questions, please email gradscholarships@uoit.ca<mailto:gradscholarships@uoit.ca> or follow up with me directly.
Thank you,
Andra
#fund #PhD #Canada #Ontario #Scholarship
gradstudies.uoit.ca
Ontario Trillium Scholarship
Ontario Trillium Scholarship details
دوستانی که در زمینه دیپ لرنینگ کار بلد هستند و می تونند کار کنند به این استاد ایمیل همکاری بزنند. در قسمت اخبار سایت اش اشاره کرده اگه دقت کنید.
http://www.cbsr.ia.ac.cn/users/zlei/
http://www.cbsr.ia.ac.cn/users/zlei/
اسکولارشیپ با فاند کامل در دانشگاه ملی ایرلند
The full call for Hardiman 2018 is open. The Hardiman PhD Scholarships will provide a stipend of €16,000 per annum plus fees for four years.
Who are these scholarships for?
Students starting their PhD in September 2018. The Hardiman PhD Scholarships are fully funded for four years, with a stipend of €16,000 p.a. plus fees. High-achieving dynamic individuals, with drive and passion, who have an appetite for the research world and creativity, who thrive on intellectual excitement, and who will positively impact and shape the future for all in our society.
جزییات بیشتر:
http://www.nuigalway.ie/hardiman-scholarships/
The full call for Hardiman 2018 is open. The Hardiman PhD Scholarships will provide a stipend of €16,000 per annum plus fees for four years.
Who are these scholarships for?
Students starting their PhD in September 2018. The Hardiman PhD Scholarships are fully funded for four years, with a stipend of €16,000 p.a. plus fees. High-achieving dynamic individuals, with drive and passion, who have an appetite for the research world and creativity, who thrive on intellectual excitement, and who will positively impact and shape the future for all in our society.
جزییات بیشتر:
http://www.nuigalway.ie/hardiman-scholarships/