به کانال تخصصی هوش ماشین خوش آمدید! در این کانال مطالب آموزنده در خصوص هوش مصنوعی، یادگیری عمیق و بینایی ماشین ارایه می شود.
در سال 2015، یکی از مهندسان گوگل ایده Deep Dreamiing یا تخیل عمیق را ابداع کرد. وی از یک شبکه کانولوشنی استفاده کرد تا برخی از ویژگی ها و الگوهای تصویر را به نحوی دستکاری کند که حس تخیلی و توهمی به تصویر اضافه کند. به عنوان مثال شبکه قادر است چهره انسان را یافته و به گونه ای آن را دستکاری کند که به چهره گربه نزدیک تر شود. در ظاهر ممکن است کاربرد این ایده صرفا در خلق آثار هنری مصنوعی باشد، اما محققان به تازه ای دریافته اند که تصاویر توهمی تولید شده توسط چنین روشی می تواند سرعت آموزش شبکه های عمیق در برخی کاربردها را افزایش دهد!
ایده ها و مطالب آموزشی بیشتر در زمینه هوش ماشین در:
@ai_box
ایده ها و مطالب آموزشی بیشتر در زمینه هوش ماشین در:
@ai_box
برای شروع به کار در حوزه یادگیری عمیق، چه سیستمی نیاز است؟
از آنجاییکه برای انجام محاسبات در شبکه های عمیق پردازش های سنگینی عمدتا انجام می شود، توان سی پی یو رایانه شما ممکن است جوابگوی این حجم سنگین نباشد. لذا چاره کار استفاده از پردازنده های کارت گرافیکی یا اصطلاحا "جی پی یو" است. برای شروع کار در این حوزه، سیستم های زیر پیشنهاد می شوند:
Nvidia GeForce RTX 3070
Nvidia GeForce RTX 3080
Nvidia GeForce RTX 3060 Ti
Nvidia GeForce RTX 3090
Nvidia GeForce RTX 2080 Ti
Nvidia GeForce GTX 1080
Nvidia GeForce GTX 1070
#سخت_افزار
از آنجاییکه برای انجام محاسبات در شبکه های عمیق پردازش های سنگینی عمدتا انجام می شود، توان سی پی یو رایانه شما ممکن است جوابگوی این حجم سنگین نباشد. لذا چاره کار استفاده از پردازنده های کارت گرافیکی یا اصطلاحا "جی پی یو" است. برای شروع کار در این حوزه، سیستم های زیر پیشنهاد می شوند:
Nvidia GeForce RTX 3070
Nvidia GeForce RTX 3080
Nvidia GeForce RTX 3060 Ti
Nvidia GeForce RTX 3090
Nvidia GeForce RTX 2080 Ti
Nvidia GeForce GTX 1080
Nvidia GeForce GTX 1070
#سخت_افزار
برخی از بهترین کتاب ها برای شروع یادگیری ماشین :
1- The hundred-page machine learning (Andriy Burkov)
این کتاب برای کسایی هست که یادگیری ماشین رو خیلی کم می شناسند، از مفاهیم ساده شروع کرده و مباحث رو با جزییات خوبی توضیح داده.
2- Hands on ML with scikit-learn, keras, tensorflow (2nd edition) (Aurelien Geron)
یکی از بهترین کتاب ها برای شروع کد زدن بدون درگیر شدن با ریاضیات پیچیده.
3- Build Machine Learning Powered Application : Going from idea to product (Emmanuel Ameisen)
برای شروع کتاب خوبی هست.
4- Machine Learning Engineering (Andriy Burkov)
مناسب برای استفاده کاربردی از یادگیری ماشین در صنعت و ارایه خدمات مختلف به مشتریان.
5- Building Machine Learning Pipelines : Automating Model Life Cycle with Tensorflow (Hannes Hapke)
در این کتاب مفهوم استفاده از Data Pipeline ها به خوبی توضیح داده شده.
6- TinyML : Machine Learning with Tensorflow Lite on Arduino and Ultra-Low-Power Microcontrollers (Pete Warden)
برای پیاده سازی سخت افزاری مباحث یادگیری ماشین یکی از بهترین کتاب هاست.
7- Practical Deep Learning for Cloud, Mobile, and Edge : .... (Anirudh Koul)
برای کسانی که به مباحث تئوری و ریاضی یادگیری ماشین علاقمند هستند.
#کتاب
1- The hundred-page machine learning (Andriy Burkov)
این کتاب برای کسایی هست که یادگیری ماشین رو خیلی کم می شناسند، از مفاهیم ساده شروع کرده و مباحث رو با جزییات خوبی توضیح داده.
2- Hands on ML with scikit-learn, keras, tensorflow (2nd edition) (Aurelien Geron)
یکی از بهترین کتاب ها برای شروع کد زدن بدون درگیر شدن با ریاضیات پیچیده.
3- Build Machine Learning Powered Application : Going from idea to product (Emmanuel Ameisen)
برای شروع کتاب خوبی هست.
4- Machine Learning Engineering (Andriy Burkov)
مناسب برای استفاده کاربردی از یادگیری ماشین در صنعت و ارایه خدمات مختلف به مشتریان.
5- Building Machine Learning Pipelines : Automating Model Life Cycle with Tensorflow (Hannes Hapke)
در این کتاب مفهوم استفاده از Data Pipeline ها به خوبی توضیح داده شده.
6- TinyML : Machine Learning with Tensorflow Lite on Arduino and Ultra-Low-Power Microcontrollers (Pete Warden)
برای پیاده سازی سخت افزاری مباحث یادگیری ماشین یکی از بهترین کتاب هاست.
7- Practical Deep Learning for Cloud, Mobile, and Edge : .... (Anirudh Koul)
برای کسانی که به مباحث تئوری و ریاضی یادگیری ماشین علاقمند هستند.
#کتاب
Forwarded from Deleted Account
✅ «دوره فشرده Deep Learning و آشنایی با شبکه های عصبی عمیق در پایتون»
📌به همراه آموزش مقدماتی برنامه نویسی در پایتون
📌آموزش Keras به کمک مثال های کاربردی در Google Colab
🌈مناسب برای همه علاقمندان به طراحی سیستم های هوشمند به کمک شبکه های عصبی عمیق
👨🎓مدرس: دکتر هادی هادی زاده، دکتری پردازش سیگنال دیجیتال از دانشگاه سایمون فریزر کانادا
⏳ تاریخ برگزاری: فروردین 1400
📲 برگزاری به صورت مجازی
🎁 ثبت نام اولیه و شرکت در اولین جلسه دوره رایگان است. پس از ثبت نام، جزئیات دوره برای شما ایمیل می شود. برای ثبت نام اولیه نیاز به پرداخت هیچ هزینه ای نمی باشد.
💥برای دانشجویان دانشگاه صنعتی قوچان و همچنین دانشگاه صنعتی سجاد مشهد ۲۵ درصد تخفیف و برای دانشجویان عضو شاخه دانشجویی IEEE نیز ۱۰ درصد تخفیف در نظر گرفته می شود.
🌐 لینک ثبت نام: https://research.qiet.ac.ir
📩 آی دی پشتیبانی: @hdz2020
⚡️عضویت در کانال دوره: @ai_box
#deep_learning
#python
#neural_networks
📌به همراه آموزش مقدماتی برنامه نویسی در پایتون
📌آموزش Keras به کمک مثال های کاربردی در Google Colab
🌈مناسب برای همه علاقمندان به طراحی سیستم های هوشمند به کمک شبکه های عصبی عمیق
👨🎓مدرس: دکتر هادی هادی زاده، دکتری پردازش سیگنال دیجیتال از دانشگاه سایمون فریزر کانادا
⏳ تاریخ برگزاری: فروردین 1400
📲 برگزاری به صورت مجازی
🎁 ثبت نام اولیه و شرکت در اولین جلسه دوره رایگان است. پس از ثبت نام، جزئیات دوره برای شما ایمیل می شود. برای ثبت نام اولیه نیاز به پرداخت هیچ هزینه ای نمی باشد.
💥برای دانشجویان دانشگاه صنعتی قوچان و همچنین دانشگاه صنعتی سجاد مشهد ۲۵ درصد تخفیف و برای دانشجویان عضو شاخه دانشجویی IEEE نیز ۱۰ درصد تخفیف در نظر گرفته می شود.
🌐 لینک ثبت نام: https://research.qiet.ac.ir
📩 آی دی پشتیبانی: @hdz2020
⚡️عضویت در کانال دوره: @ai_box
#deep_learning
#python
#neural_networks
This media is not supported in your browser
VIEW IN TELEGRAM
از کاربردهای جالب دیپ لرنینگ در متحرک سازی تصاویر ثابت. می توانید پس از لاگین در گوگل، یک عکس دلخواه را به سیستم داده و متحرکش کنید!
https://www.myheritage.com/deep-nostalgia
@ai_box
https://www.myheritage.com/deep-nostalgia
@ai_box
This media is not supported in your browser
VIEW IN TELEGRAM
با سلام خدمت همراهان عزیز. سوالات مختلفی در مورد محتوای دوره فشرده یادگیری عمیق در پایتون پرسیده می شود.
به طور خلاصه باید گفت که در این دوره سعی می شود تا به صورت کاملا کاربردی و بدون درگیر شدن با تئوری و ریاضیات پیچیده مربوط به شبکه های عصبی عمیق، برخی از مهمترین مفاهیم و کاربردهای شبکه های عصبی عمیق به صورت ساده و روان توضیح داده شود. فرض بر این است که اطلاعات شما در این زمینه و همچنین برنامه نویسی پایتون محدود است.
آموزش ها به صورت کاربردی و در قالب مثال در زمینه پردازش تصویر، همانند تشخیص و دسته بندی اشیاء در تصاویر توسط شبکه های کانولوشنی مثل AlexNet و Yolo انجام می شود. به عنوان مثال، در این دوره برنامه هایی برای شناسایی اشیاء دلخواه در یک تصویر یا ویدیو همانند ویدیوی بالا در پایتون نوشته می شود و خط به خط آن توضیح داده می شود.
لینک ثبت نام در دوره:
https://research.qiet.ac.ir
کانال دوره: @ai_box
به طور خلاصه باید گفت که در این دوره سعی می شود تا به صورت کاملا کاربردی و بدون درگیر شدن با تئوری و ریاضیات پیچیده مربوط به شبکه های عصبی عمیق، برخی از مهمترین مفاهیم و کاربردهای شبکه های عصبی عمیق به صورت ساده و روان توضیح داده شود. فرض بر این است که اطلاعات شما در این زمینه و همچنین برنامه نویسی پایتون محدود است.
آموزش ها به صورت کاربردی و در قالب مثال در زمینه پردازش تصویر، همانند تشخیص و دسته بندی اشیاء در تصاویر توسط شبکه های کانولوشنی مثل AlexNet و Yolo انجام می شود. به عنوان مثال، در این دوره برنامه هایی برای شناسایی اشیاء دلخواه در یک تصویر یا ویدیو همانند ویدیوی بالا در پایتون نوشته می شود و خط به خط آن توضیح داده می شود.
لینک ثبت نام در دوره:
https://research.qiet.ac.ir
کانال دوره: @ai_box
با سلام،
احتراما پیرو درخواست تعداد زیادی از شرکت کنندگان در دوره فشرده یادگیری عمیق در پایتون، مقرر شد تا جلسه اول دوره در تاریخ 22 اسفند ماه جاری (جمعه) راس ساعت 18 برگزار شود. تقویم به روز شده دوره به پیوست تقدیم می شود.
شرکت در جلسه اول دوره رایگان است، اما برای شرکت در جلسه دوم می بایست حتما هزینه دوره حداکثر تا دوشنبه 25 اسفند 1399 پرداخت شود تا نام کاربری و رمز عبور برای شرکت در جلسات بعدی برای شما در تاریخ ۲۶ اسفند ایمیل شود.
دوره به صورت مجازی در سامانه ادوبی کانکت در آدرس زیر برگزار می شود:
https://webinar2.qiet.ac.ir/deep_learning
آدرس فوق را می توان هم در مرورگر خود و هم در نرم افزار ادوبی کانکت باز کرد. البته جهت داشتن کیفیت بهتر، پیشنهاد می شود تا حتما از نرم افزار ادوبی کانکت استفاده شود.
لینک دانلود ادوبی کانکت
برای شرکت در جلسه اول نیاز به نام کاربری و رمز عبور نیست، لطفا به صورت مهمان (Guest) نام خود را وارد کرده و در دوره شرکت فرمایید.
لینک پرداخت هزینه نیز برای کلیه افرادی که در دوره ثبت نام کرده اند، ارسال شده است.
با تشکر
تیم پشتیبانی دوره فشرده یادگیری عمیق در پایتون
@ai_box
احتراما پیرو درخواست تعداد زیادی از شرکت کنندگان در دوره فشرده یادگیری عمیق در پایتون، مقرر شد تا جلسه اول دوره در تاریخ 22 اسفند ماه جاری (جمعه) راس ساعت 18 برگزار شود. تقویم به روز شده دوره به پیوست تقدیم می شود.
شرکت در جلسه اول دوره رایگان است، اما برای شرکت در جلسه دوم می بایست حتما هزینه دوره حداکثر تا دوشنبه 25 اسفند 1399 پرداخت شود تا نام کاربری و رمز عبور برای شرکت در جلسات بعدی برای شما در تاریخ ۲۶ اسفند ایمیل شود.
دوره به صورت مجازی در سامانه ادوبی کانکت در آدرس زیر برگزار می شود:
https://webinar2.qiet.ac.ir/deep_learning
آدرس فوق را می توان هم در مرورگر خود و هم در نرم افزار ادوبی کانکت باز کرد. البته جهت داشتن کیفیت بهتر، پیشنهاد می شود تا حتما از نرم افزار ادوبی کانکت استفاده شود.
لینک دانلود ادوبی کانکت
برای شرکت در جلسه اول نیاز به نام کاربری و رمز عبور نیست، لطفا به صورت مهمان (Guest) نام خود را وارد کرده و در دوره شرکت فرمایید.
لینک پرداخت هزینه نیز برای کلیه افرادی که در دوره ثبت نام کرده اند، ارسال شده است.
با تشکر
تیم پشتیبانی دوره فشرده یادگیری عمیق در پایتون
@ai_box
با سلام،
جهت یادآوری، جلسه اول دوره فشرده یادگیری عمیق در پایتون امروز جمعه ۲۲ اسفند راس ساعت ۱۸ به صورت مجازی در سامانه ادوبی کانکت در آدرس زیر برگزار می شود:
https://webinar2.qiet.ac.ir/deep_learning
آدرس فوق را می توان هم در مرورگر خود و هم در نرم افزار ادوبی کانکت باز کرد. البته جهت داشتن کیفیت بهتر، پیشنهاد می شود تا حتما از نرم افزار ادوبی کانکت استفاده شود.
لینک دانلود ادوبی کانکت
برای شرکت در جلسه اول نیاز به نام کاربری و رمز عبور نیست، لطفا به صورت مهمان (Guest) نام خود را وارد کرده و در دوره شرکت فرمایید.
با تشکر
تیم پشتیبانی دوره فشرده یادگیری عمیق در پایتون
@ai_box
جهت یادآوری، جلسه اول دوره فشرده یادگیری عمیق در پایتون امروز جمعه ۲۲ اسفند راس ساعت ۱۸ به صورت مجازی در سامانه ادوبی کانکت در آدرس زیر برگزار می شود:
https://webinar2.qiet.ac.ir/deep_learning
آدرس فوق را می توان هم در مرورگر خود و هم در نرم افزار ادوبی کانکت باز کرد. البته جهت داشتن کیفیت بهتر، پیشنهاد می شود تا حتما از نرم افزار ادوبی کانکت استفاده شود.
لینک دانلود ادوبی کانکت
برای شرکت در جلسه اول نیاز به نام کاربری و رمز عبور نیست، لطفا به صورت مهمان (Guest) نام خود را وارد کرده و در دوره شرکت فرمایید.
با تشکر
تیم پشتیبانی دوره فشرده یادگیری عمیق در پایتون
@ai_box
