Tensorflow(@CVision)
⚠️❗️ فقط تا پایان امشب فرصت استفاده از این تخفیفها باقیست ❗️⚠️ حتما ویدیو مصاحبه با شرکت کنندگان را ببینید تا از کیفیت این آموزشها اطمینان حاصل کنید
با توجه به مشکلی که برای تهیه دوره ها برای برخی از دوستان هنگام استفاده از کد تخفیف پیش آمده بود، این کدهای تخفیف فقط و فقط تا #پایان_امشب تمدید شدن
Forwarded from Shenasa-ai.ir
#آموزش #بلاگ
📢پستهای جدید وبلاگ شناسا،
📝آشنایی با انواع روشهای دادهافزایی در تصاویر
🔗 https://vrgl.ir/Pn87K
🔗 http://shenasa-ai.ir/content/99/image-data-augmentation
🖊 در این مطلب ابتدا به بررسی این که چرا در یادگیری عمیق نیاز به دادهافزایی یا data augmentation داریم پرداختیم و سپس چند مورد از پرکاربردترین تکنیکهای این کار را در حوزه تصویر را معرفی کردیم.
ما را در ویرگول دنبال کنید و در کامنت، موضوع آموزشهای آینده را پیشنهاد بدهید.
————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai
📢پستهای جدید وبلاگ شناسا،
📝آشنایی با انواع روشهای دادهافزایی در تصاویر
🔗 https://vrgl.ir/Pn87K
🔗 http://shenasa-ai.ir/content/99/image-data-augmentation
🖊 در این مطلب ابتدا به بررسی این که چرا در یادگیری عمیق نیاز به دادهافزایی یا data augmentation داریم پرداختیم و سپس چند مورد از پرکاربردترین تکنیکهای این کار را در حوزه تصویر را معرفی کردیم.
ما را در ویرگول دنبال کنید و در کامنت، موضوع آموزشهای آینده را پیشنهاد بدهید.
————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai
ویرگول
آشنایی با انواع روشهای دادهافزایی در تصاویر
در این پست پس از بررسی این که چرا نیاز به دادهافزایی داریم، برخی از تکنیکهای پرکاربرد در این حوزه را بررسی میکنیم
Forwarded from Shenasa-ai.ir
#آموزش #بلاگ
📢 پستهای جدید وبلاگ شناسا،
📝 پدیده بیشبرازش (Overfitting) و راهکارهای مقابله با آن
🔗 https://vrgl.ir/nCDbt
🖊 در این مطلب ابتدا به توضیح پدیده overfitting یا بیشبرازش پرداختیم و علل آن را بررسی کردیم، و در ادامه روشهای تشخیص آن و برخی راهکارهای مقابله با آن را معرفی کردیم.
ما را در ویرگول دنبال کنید و در کامنت، موضوع آموزشهای آینده را پیشنهاد بدهید.
————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai
📢 پستهای جدید وبلاگ شناسا،
📝 پدیده بیشبرازش (Overfitting) و راهکارهای مقابله با آن
🔗 https://vrgl.ir/nCDbt
🖊 در این مطلب ابتدا به توضیح پدیده overfitting یا بیشبرازش پرداختیم و علل آن را بررسی کردیم، و در ادامه روشهای تشخیص آن و برخی راهکارهای مقابله با آن را معرفی کردیم.
ما را در ویرگول دنبال کنید و در کامنت، موضوع آموزشهای آینده را پیشنهاد بدهید.
————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai
ویرگول
پدیده بیشبرازش (Overfitting) و راهکارهای مقابله با آن
در این مطلب پس از آشنایی با مفهوم بیشبرازش یا Overfitting به معرفی روشهای تشخیص این اتفاق و راهکارهای مقابله با آن میپردازیم
Tensorflow(@CVision) pinned «✳️ دورههای Deep-Learning گروه آموزشی class vision 📢🎉کد تخفیف 10 درصدی cvision ویژه اعضای محترم کانال تلگرامی: cvision اگر تا کنون دوره ها را تهیه نکرده اید توصیه میشه حتما فایل مصاحبه با شرکت کنندگان را ببینید و همچنین با قسمت های رایگان شروع کنید! کلی…»
#آموزش جدید از داکیومنت های سایت رسمی کراس
3D volumetric rendering with NeRF
https://keras.io/examples/vision/nerf/
3D volumetric rendering with NeRF
https://keras.io/examples/vision/nerf/
keras.io
Keras documentation: 3D volumetric rendering with NeRF
Zero shot Persian text classification
چجوری بدون هیچ آموزش و دیتای دسته بندی متن فارسی انجام بدیم!!! می تونید فرایند مشخص کردن موضوع یه متن رو خودکار کنید. البته که هنوز به خوبی روش های با نظارت نیست.
نحوه کارشون چجوریه؟
روش اول (شباهت برداری): متن و لیبل های مد نظر رو تو فضایی برداری مقایسه میکنیم و اون لیبلی که شبیه تر بود انتخاب میشه. کدش تو تصویر بالای مشخصه
روش دوم (استفاده از روش استنتاج NLI): تسک اینجوریه که دو جمله رو میگیره و میگه با توجه به جملهی اول، جملهی دوم درست٫ غلط یا خنثی است.جمله ای مثال رو میدیم و جمله دوم مثالا مینویسیم این جمله راجب (ورزش؛ هر لیبلی میتونه باشه) است. این کار رو برای تمام لیبل ها انجام میدیم. و اونی که احتمال درستی جمله دومش از همه بیشتره رو به عنوان لیبل انتخاب میکنیم. کد توی تصویر پایین چپ (پایپلاین) و پایین راست (دستی)
روش دوم بهتره اما هنوز جای کار دارن اگه میخاید بیشتر بدونید مثلاً کمی دیتا هم دارید چجوری میشه بهترش کرد این لینک رو دنبال کنید:
https://bit.ly/2W0kBLP
پ.ن: طبق معمول مدل ها کار مهرداد فراهانی عزیز هست.
چجوری بدون هیچ آموزش و دیتای دسته بندی متن فارسی انجام بدیم!!! می تونید فرایند مشخص کردن موضوع یه متن رو خودکار کنید. البته که هنوز به خوبی روش های با نظارت نیست.
نحوه کارشون چجوریه؟
روش اول (شباهت برداری): متن و لیبل های مد نظر رو تو فضایی برداری مقایسه میکنیم و اون لیبلی که شبیه تر بود انتخاب میشه. کدش تو تصویر بالای مشخصه
روش دوم (استفاده از روش استنتاج NLI): تسک اینجوریه که دو جمله رو میگیره و میگه با توجه به جملهی اول، جملهی دوم درست٫ غلط یا خنثی است.جمله ای مثال رو میدیم و جمله دوم مثالا مینویسیم این جمله راجب (ورزش؛ هر لیبلی میتونه باشه) است. این کار رو برای تمام لیبل ها انجام میدیم. و اونی که احتمال درستی جمله دومش از همه بیشتره رو به عنوان لیبل انتخاب میکنیم. کد توی تصویر پایین چپ (پایپلاین) و پایین راست (دستی)
روش دوم بهتره اما هنوز جای کار دارن اگه میخاید بیشتر بدونید مثلاً کمی دیتا هم دارید چجوری میشه بهترش کرد این لینک رو دنبال کنید:
https://bit.ly/2W0kBLP
پ.ن: طبق معمول مدل ها کار مهرداد فراهانی عزیز هست.
Forwarded from تهران دیتا-دانشگاه تهران
📌معرفی دورههای "جامع علم داده" و "تحلیل داده در بازارهای مالی" دانشگاه تهران
🔹دوره تخصصی تحلیل داده در بازارهای مالی
▫️تربیت تحلیلگران بازارهای مالی
▫️شناخت چارچوبهای استقرار متدهای داده محور در بازارهای مالی
▫️مدیریت پروژههای علوم داده
▫️آشنایی با تکنولوژیها و ابزارهای تخصصی تحلیل داده در بازارهای مالی
▫️بیش از ۱۶۰ ساعت آموزش کاربردی
🔔 شروع دوره : ۱۸ شهریور-پنجشنبه ها
🔹دوره جامع علم داده
▫️تربیت متخصصین در حوزه علم داده
▫️آموزش بیش از ۱۰ ابزار علمداده
▫️همراه با پروژه پایانی دوره
▫️بیش از ۳۵۰ ساعت آموزش تخصصی
🔔 شروع دوره : ۱۹ شهریور-جمعه ها
🔹برگزاری بصورت آنلاین
🔹ارائه گواهینامه دو زبانه دانشگاه تهران
🔹اساتید مطرح دانشگاه و متخصصین صنعت
⛔️ ظرفیت محدود
⁉️ پشتیبانی آنلاین
🆔@bperm_admin
📞 شماره تماس
☎️ 09377516759
✅ اطلاعات بیشتر و ثبت نام دوره ها
🔗ثبت نام دوره جامع علم داده
🔗ثبت نام دوره تحلیل داده در بازارهای مالی
******
مرکز مطالعات دانشگاه تهران
🔻 t.me/bperm_ut
🔻 t.me/data_science_ut
🔻 instagram.com/bperm_ut
🔻 Wa.me/+989377516759
🔹دوره تخصصی تحلیل داده در بازارهای مالی
▫️تربیت تحلیلگران بازارهای مالی
▫️شناخت چارچوبهای استقرار متدهای داده محور در بازارهای مالی
▫️مدیریت پروژههای علوم داده
▫️آشنایی با تکنولوژیها و ابزارهای تخصصی تحلیل داده در بازارهای مالی
▫️بیش از ۱۶۰ ساعت آموزش کاربردی
🔔 شروع دوره : ۱۸ شهریور-پنجشنبه ها
🔹دوره جامع علم داده
▫️تربیت متخصصین در حوزه علم داده
▫️آموزش بیش از ۱۰ ابزار علمداده
▫️همراه با پروژه پایانی دوره
▫️بیش از ۳۵۰ ساعت آموزش تخصصی
🔔 شروع دوره : ۱۹ شهریور-جمعه ها
🔹برگزاری بصورت آنلاین
🔹ارائه گواهینامه دو زبانه دانشگاه تهران
🔹اساتید مطرح دانشگاه و متخصصین صنعت
⛔️ ظرفیت محدود
⁉️ پشتیبانی آنلاین
🆔@bperm_admin
📞 شماره تماس
☎️ 09377516759
✅ اطلاعات بیشتر و ثبت نام دوره ها
🔗ثبت نام دوره جامع علم داده
🔗ثبت نام دوره تحلیل داده در بازارهای مالی
******
مرکز مطالعات دانشگاه تهران
🔻 t.me/bperm_ut
🔻 t.me/data_science_ut
🔻 instagram.com/bperm_ut
🔻 Wa.me/+989377516759
Forwarded from Shenasa-ai.ir
#آموزش #بلاگ
📢پست جدید وبلاگ شناسا،
📝دوره: مقدمهای بر شبکههای عصبی بازگشتی (RNNs) - جلسه دوم
🔗 https://vrgl.ir/NpIv4
🖊در این مجموعه پستها تلاش میکنیم تا شما را با شبکههای عصبی بازگشتی یا RNN ها آشنا کنیم. محتوای این پستها بر اساس دوره آموزشی شبکههای بازگشتی عمیق با تدریس مهندس علیرضا اخوانپور تهیه شده است. قسمتهای بعدی این آموزش نیز به زودی در ویرگول و سایت شناسا منتشر خواهد شد.
ما را در ویرگول دنبال کنید و در کامنت، موضوع آموزشهای آینده را پیشنهاد بدهید.
————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai
📢پست جدید وبلاگ شناسا،
📝دوره: مقدمهای بر شبکههای عصبی بازگشتی (RNNs) - جلسه دوم
🔗 https://vrgl.ir/NpIv4
🖊در این مجموعه پستها تلاش میکنیم تا شما را با شبکههای عصبی بازگشتی یا RNN ها آشنا کنیم. محتوای این پستها بر اساس دوره آموزشی شبکههای بازگشتی عمیق با تدریس مهندس علیرضا اخوانپور تهیه شده است. قسمتهای بعدی این آموزش نیز به زودی در ویرگول و سایت شناسا منتشر خواهد شد.
ما را در ویرگول دنبال کنید و در کامنت، موضوع آموزشهای آینده را پیشنهاد بدهید.
————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai
ویرگول
مقدمهای بر شبکههای عصبی بازگشتی (RNNs) - جلسه دوم
در جلسه دوم از دورهی «مقدمهای بر شبکههای عصبی بازگشتی RNN» به بررسی واحدهای بازگشتی و معادلات آنها میپردازیم
👍1
Forwarded from AAISS 2026
#معرفی_کارگاه
👤علیرضا اخوانپور
💡موضوع کارگاه:
Discriminative Feature Learning and Face Recognition
پیشنیازهای کارگاه:
Keras, Tensorflow, Convnet
#AAISS2021
@aaiss_aut
👤علیرضا اخوانپور
💡موضوع کارگاه:
Discriminative Feature Learning and Face Recognition
پیشنیازهای کارگاه:
Keras, Tensorflow, Convnet
#AAISS2021
@aaiss_aut
Forwarded from AAISS 2026
#معرفی_کارگاه
👤علیرضا اخوانپور
💡موضوع کارگاه:
Imbalanced classification and focal loss
پیشنیازهای کارگاه:
Keras, Tensorflow, Convnet
#AAISS2021
@aaiss_aut
👤علیرضا اخوانپور
💡موضوع کارگاه:
Imbalanced classification and focal loss
پیشنیازهای کارگاه:
Keras, Tensorflow, Convnet
#AAISS2021
@aaiss_aut
Forwarded from Shenasa-ai.ir
#تشخیص_اشیاء
#object_detection
#YOLOX is a high-performance anchor-free YOLO, exceeding yolov3~v5 with MegEngine, ONNX, TensorRT, ncnn, and OpenVINO supported.
https://github.com/Megvii-BaseDetection/YOLOX
Documentation: https://yolox.readthedocs.io/
————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai
#object_detection
#YOLOX is a high-performance anchor-free YOLO, exceeding yolov3~v5 with MegEngine, ONNX, TensorRT, ncnn, and OpenVINO supported.
https://github.com/Megvii-BaseDetection/YOLOX
Documentation: https://yolox.readthedocs.io/
————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai
Forwarded from Shenasa-ai.ir
This media is not supported in your browser
VIEW IN TELEGRAM
این بار استخراج نقاط کلیدی بدن به صورت سه بعدی در مدیاپایپ!
3D Pose Detection with MediaPipe BlazePose GHUM and TensorFlow.js
بلاگ پست | همین الان در مرورگرتان تست کنید
————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai
3D Pose Detection with MediaPipe BlazePose GHUM and TensorFlow.js
بلاگ پست | همین الان در مرورگرتان تست کنید
————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai
#سورس_کد #آموزش
#داکیومنت جدید سایت Keras پیرامون:
تخمین سه بعدی از روی عکس دو بعدی!
Monocular depth estimation
https://keras.io/examples/vision/depth_estimation/
#داکیومنت جدید سایت Keras پیرامون:
تخمین سه بعدی از روی عکس دو بعدی!
Monocular depth estimation
https://keras.io/examples/vision/depth_estimation/
Neural HMMs are all you need (for high-quality attention-free #TTS)
https://shivammehta007.github.io/Neural-HMM/
https://shivammehta007.github.io/Neural-HMM/
مقاله ای که ایده ی تراز کردن چهره با نقاط کلیدی و ماتریس شباهت از آن نشات گرفته(مقاله 1991 با بیش از 2k ارجاع):
Least-squares estimation of transformation
parameters between two point patterns.
https://www.computer.org/csdl/journal/tp/1991/04/i0376/13rRUxly8Yp
Least-squares estimation of transformation
parameters between two point patterns.
https://www.computer.org/csdl/journal/tp/1991/04/i0376/13rRUxly8Yp
Tensorflow(@CVision)
مقاله ای که ایده ی تراز کردن چهره با نقاط کلیدی و ماتریس شباهت از آن نشات گرفته(مقاله 1991 با بیش از 2k ارجاع): Least-squares estimation of transformation parameters between two point patterns. https://www.computer.org/csdl/journal/tp/1991/04/i0376/13rRUxly8Yp