جلسه چهارم« #تحلیل_با_رویکرد_یادگیری_ژرف_بر_بستر_کلان_داده»
⏱چهارشنبه۶بهمن ساعت۱۶-۱۸
👤مهندس علیرضا اخوان پور
🏛کلاس402 دانشکده مهندسی کامپیوتر شریف

🔗لینک ثبتنام:http://goo.gl/zUyCNR
@bigdataworkgroup

تابع get_permalink() یک تابع خیلی ساده وردپرس است که آدرس هر پست را فقط بر میگرداند، 124 خط کد php است!
با استفاده از تنسرفلو، برنامه ی هدایت خودکار خودروهای بدون سرنشین تنها به 99 خط کد نیاز دارد...

Training a deep learning model to steer a car in 99 lines of code:
https://medium.com/@harvitronix/training-a-deep-learning-model-to-steer-a-car-in-99-lines-of-code-ba94e0456e6a#.laqxyu2lt

IBM adds support for Google’s Tensorflow to its PowerAI machine learning framework

🔗 https://techcrunch.com/2017/01/26/ibm-adds-support-for-googles-tensorflow-to-its-powerai-deep-learning-framework/

#news #Tensorflow #IBM

بهبود صوت گفتار با شبکه های کانولوشنالی عمیق، و فریم ورک تنسورفلو:

WaveMedic: Convolutional Neural Networks for #Speech Audio #Enhancement:
http://cs229.stanford.edu/proj2016/report/FisherScherlis-WaveMedic-project.pdf

-------------
مرتبط (کاری در deepmind)
The WaveNet neural network architecture directly generates a raw audio waveform, showing excellent results in text-to-speech and general audio generation (see the DeepMind blog post and paper for details).

A #TensorFlow implementation of DeepMind's WaveNet paper:
https://github.com/ibab/tensorflow-wavenet

راهنمای کامل آغاز #یادگیری_عمیق با #پایتون
A Complete Guide on Getting Started with #Deep_Learning in #Python

https://goo.gl/XF5b83

#آموزش #یادگیری

با سلام و احترام
لینک اسلاید‌های مربوط به ارائه‌ی جلسه‌ی چهارم «تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده» را در آدرس ذیل مشاهده نمایید:

👤 ارائه دهنده : آقای علیرضا اخوان پور
⏱ ۶ بهمن 1395

📝مباحث مطرح شده:
- مقایسه چارچوب‌های تحلیل با رویکرد یادگیری ژرف
- مفاهیم گراف محاسباتی
- مقدمات آشنایی با TensorFlow
- مفاهیم اولیه TensorFlow همچون placeholder،variable،session و operation
- بیان و تحلیل یک مسئله ساده با TensorFlow
- آشنایی با TensorBoard و گزارش‌گیری در TensorFlow

http://bigdataworkgroup.ir/connections/bigdata-deeplearning-sharif4-2

http://bigdataworkgroup.ir/wg_programs/1203

#تحلیل_با_رویکرد_یادگیری_ژرف_بر_بستر_کلان_داده #اسلاید #جلسه_هفتگی #فایل #یادگیری_ژرف


@bigdataworkgroup

نسخه‌ی 1.0 تنسورفلو منتشر شد
در این نسخه علاوه بر پایتون، پشتیبانی از #جاوا نیز اضافه شده است
همچنین بهبودی برای دیباگ و همچنین توسعه روی موبایل داده شده است


http://www.infoworld.com/article/3162413/artificial-intelligence/tensorflow-10-unlocks-machine-learning-on-smartphones.html

نسخه‌ی جدید ضمانتی برای اجرای کدهای قبلا نوشته شده با ورژن های قبلی این فریم ورک ندارد, اما توسعه‌دهندگان این فریم ورک اسکریپتی برای تبدیل ورژن های قبلی به این ورژن ارائه کردند:
🔗https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tools/compatibility

#major_release #new_version

باسلام به همگی
به یُمن میلاد باسعادت حضرت زینب سلام الله علیها؛ فایلهای مربوط به جلسات اول تا چهارم دوره «تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده» (نسخه آپارات) آماده سازی و بارگزاری شد. امید است که مفید واقع گردند.
موفق و موید باشید/.

✅ جلسه اول «تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده»
🎥 http://www.aparat.com/v/w7aBg
📝 https://goo.gl/KcXdFp

—----------------------------------------------------------------------------------
✅ جلسه دوم «تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده»
🎥 http://www.aparat.com/v/lA6rE
📝 https://goo.gl/fOySe3

—----------------------------------------------------------------------------------
✅ جلسه سوم «تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده»
🎥 http://www.aparat.com/v/3ZETH
📝 https://goo.gl/rVV5x4

—----------------------------------------------------------------------------------
✅ جلسه چهارم «تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده»
🎥 http://www.aparat.com/v/lFdga
📝 https://goo.gl/fofzOv



به زودی همه این اطلاعات در سایت کارگروه به صورت منسجم نیز آماده سازی خواهد شد.
📡 www.bigdataworkgroup.ir

@bigdataworkgroup

✔️جلسه ی اول:
👤 ارائه دهنده : آقای محمد خالوئی
⏱ 17 آذر 1395

📝مباحث مطرح شده:
مقدمات یادگیری ژرف

✔️جلسه ی دوم:

👤 ارائه دهنده : آقای محمد خالوئی
⏱ 7 دی 1395

📝مباحث مطرح شده:
Convolution Neural Network concept
Pooling
Normalization
Convolutional layer
Relu layer
deep stack
fully connected layer
Learning concept
back propagation concept
hyper parameter
✔️جلسه ی سوم:

👤 ارائه دهنده : آقای محسن فیاض
⏱ 22 دی ماه 1395
📝مباحث مطرح شده:
- انشار رو به عقب (Back propagation)
- کاهش گرادیان (Gradient Descend)
- محوشدگی گرادیان (Gradient Vanishing)
- مفاهیم لایه ها
- بررسی تعدادی از کارهای state-of-the-art


✔️جلسه ی چهارم:

👤 ارائه دهنده : آقای علیرضا اخوان پور
⏱ ۶ بهمن 1395

📝مباحث مطرح شده:
- مقایسه چارچوب‌های تحلیل با رویکرد یادگیری ژرف
- مفاهیم گراف محاسباتی
- مقدمات آشنایی با TensorFlow
- مفاهیم اولیه TensorFlow همچون placeholder،variable،session و operation
- بیان و تحلیل یک مسئله ساده با TensorFlow
- آشنایی با TensorBoard و گزارش‌گیری در TensorFlow

Image #Completion with Deep Learning in #TensorFlow

سورس کد تکمیل نواحی از دست رفته ی تصویر با فریم ورک #تنسورفلو به همراه توضیحات کامل
Image #Completion with Deep Learning in #TensorFlow

🔗blog post: http://bamos.github.io/2016/08/09/deep-completion/
🔗source code: https://github.com/bamos/dcgan-completion.tensorflow

مطالب مرتبط:
https://news.1rj.ru/str/cvision/75
https://arxiv.org/abs/1607.07539

#GAN #Generative_Adversarial #DCGAN

✅ نصب TensorFlow روی سیستم عامل ویندوز
👤 ارائه دهنده آقای مهندس علیرضا اخوان‌پور
🎥 http://www.aparat.com/v/gU6ID

—----------------------------------------------------------------------------------
✅ نصب TensorFlow روی سیستم عامل لینوکس
👤 ارائه دهنده آقای مهندس محمد خالوئی
🎥 http://www.aparat.com/v/thUro


#نصب
#تنسورفلو
#فیلم
#TensorFlow #install
Thanks to: @BigDataWorkGroup

دستورات مورد نیاز استفاده شده در ویدیو برای نصب در ویندوز(1)

دستورات مورد نیاز استفاده شده در ویدئو برای نصب در ویندوز(2)

جلسه پنجم دوره «تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده»

⏱چهارشنبه20بهمن(16-18)
👤مهندس علیرضااخوان پور
👤مهندس محمدخالوئی
🏛کلاس103دانشکده کامپیوتر

ثبتنام:http://goo.gl/MHO2z2

@bigdataworkgroup

منابع یادگیری پردازش زبان طبیعی با استفاده از یادگیری عمیق

#Deep_Learning for #NLP resources

https://github.com/andrewt3000/DL4NLP

#Deep_NLP

تنسورفلو فولد برای داده‌های ساخت‌یافته مانند داده‌های درختی ارائه شد.

https://research.googleblog.com/2017/02/announcing-tensorflow-fold-deep.html

#TensorFlow_Fold for structured data

https://github.com/tensorflow/fold/

#TensorFlow

مصاحبه Huffington Post با Andrew Ng دانشمند مطرح در زمینه هوش مصنوعی، از بنیان گذاران google brain و coursera ,
سمبلی در زمینه ی توسعه ی هوش مصنوعی که هنوز به سن 40 سالگی نرسیده و در سال 2013 در بین 100 فرد تاثیر گذار دنیا قرار گرفت...
در کنار جذابیتش، مردی ساده نیز هست و هر روز یک پیراهن آبی بر تن میکند.
پیشنهاد میکنم این مصاحبه را بخوانید:

http://digiato.com/?p=61085

#Andrew #Ng #Andrew_Ng

#TensorFlowOnSpark
🔗 https://techcrunch.com/2017/02/13/yahoo-supercharges-tensorflow-with-apache-spark/
🔗 https://github.com/yahoo/TensorFlowOnSpark

یاهو، پروژه ی جدیدی به نام TensorFlowOnSpark را به صورت متن باز منتشر کرد.
با جفت شدن این دو ابزار قدرتمند در کنار هم، عرصه برای توسعه دهندگان الگوریتم های یادگیری ماشینی که نیاز به پردازش روی کلاسترهای کامپیوتری دارند جذاب تر میشود...

همان طور که میدانید، اسپارک یک چارچوب محاسباتی برای داده­ های عظیم است. Spark به خوبی با هادوپ یکپارچه است و کارایی محاسبات موازی را افزایش میدهد.

تنسورفلو نیز یک کتابخانه نرم افزاری متن باز برای محاسبات عددی با استفاده از گراف جریان داده ای است. که توسط سازمان تحقیقاتی هوش ماشینی گوگل با هدف انجام پژوهش های یادگیری ماشین و شبکه های عصبی مصنوعی عمیق کار می کنند، توسعه داده شده است، این کتابخانه بستری بسیار عالی را برای پیاده سازی الگوریتمهای یادگیری ژرف را فراهم میکند.
#TensorFlow #spark

نسخه نهایی تنسورفلو ۱.۰ ارائه شد. ویژگی‌های اصلی این نسخه کارایی بیشتر و رابط برنامه‌نویسی ساده‌تر است. این نسخه به طور کامل با Keras سازگار است. جزئیات بیشتر:
https://developers.googleblog.com/2017/02/announcing-tensorflow-10.html
#TensorFlow