#آموزش #بلاگ (سطح: مقدماتی)
📢 پست جدید وبلاگ شناسا،
📝 انواع هوش مصنوعی و تفاوت آن‌ها با هوش انسان

https://vrgl.ir/w9lJy


ما را در ویرگول دنبال کنید و در کامنت‌ها، موضوع آموزش‌های آینده را پیشنهاد بدهید.

————————-
مجموعه دانش بنیان شناسا ( داده پویان آلما):
http://shenasa.ai
http://shenasa-ai.ir
@shenasa_ai

کسی دیتاست mEBAL را قبلا دانلود کرده؟
mEBAL is a multimodal database for eye blink detection and attention level estimation.

تفاوت mlops و devops
https://datatalks.club/blog/devops-and-mlops-same-thing.html

آخرین مهلت ثبت نام امروز است.
فردا شروع کلاس خواهد بود.

دوره‌ی تخصصی شبکه های عصبی مولد عمیق و GAN

https://class.vision/product/gan-deep-generative/

یک visualization خوب برای رگرسیون

Unsupervised Semantic Segmentation and Localization

https://lukemelas.github.io/deep-spectral-segmentation/

ویدیوی ضبط شده ی ای رویداد:
https://www.aparat.com/v/QU5i1

Spatial Transformer Networks Using TensorFlow


https://pyimagesearch.com/2022/05/23/spatial-transformer-networks-using-tensorflow/

Label Studio
یک ابزار اوپن-سورس لیبل زنی که انواع داده‌ها مانند صدا، متن، تصاویر، ویدیوها و سری‌های زمانی را پشتیبانی میکنه!
میتوید با یک رابط کاربری ساده داده ها را برچسب بزنید و به فرمت‌های مختلف خروجی بگیرید!

https://github.com/heartexlabs/label-studio

#annotation #labeling

در این صفحه از تنسرفلو تمامی منابع، کتب، کورس های پیشنهادی دیپ لرنینگ به تفکیک لیست شده:

https://www.tensorflow.org/resources/learn-ml?gclid=CjwKCAjwp7eUBhBeEiwAZbHwkQk0mmWUZS-SKNXGZgNohIUUbdSthJa02NHWOijUyq6wG790xBaQkRoCUJgQAvD_BwE

#مجموعه_داده #دیتاست

اسامی فارسی و درصد استفاده از آنها

Deep Learning for Visual Speech Analysis: A Survey

https://deepai.org/publication/deep-learning-for-visual-speech-analysis-a-survey

این سلسله توئیت برام جالب بود گفتم اینجا بزارم:

1/n (deep belief nets)

16 سال پیش، در سال 2006 بود که جفری هینتون
و همکاران نسخه ی نمایشی خود را از شبکه های باور عمیق منتشر کردند. من به شدت تحت تأثیر قرار گرفتم و متقاعد شدم که یادگیری عمیق راهی است که باید رفت. تقریباً هر روز وب‌سایت هینتون را رفرش می‌کردم تا مقالات جدیدش را بررسی کنم...

—————-
2/n (Non-Convex Loss Function)
3/n and 4/n (who uses Neural net?!)
5/n (VAE demo)
6/n (GAN and face images)
7/n (Imagen)
8/n (Compute Trends)

https://twitter.com/dpkingma/status/1530968979333820416

2/n (Non-Convex Loss Function)

تقریباً در همان زمان، شروع به خواندن تمام مقالات و ویدیوهای یان لکان کردم.
سخنرانی سال 2007 اون را با موضوع Who is Afraid of Non-Convex Loss Functions?را دوست داشتم !
لینک ویدیوی این سخنرانی:
https://youtube.com/watch?v=8zdo6cnCW2w

این توئیت:
https://twitter.com/dpkingma/status/1530968985134518274

3/n (who uses Neural net?!)

شوخی در ساعت 29:20 در ویدیوی بالا: "من این استدلال را شنیده ام که مشکل شبکه های عصبی این است که "فقط یان می تواند آنها را به کار ببرد." این درست نیست، در واقع یک مرد به نام مایک اونیل وجود دارد که می تواند !! :) "

4/n

"حدس بزنید او کیست؟ ... دانشجوی دکترا در MIT؟ نه، او یک وکیل ثبت اختراع در کالیفرنیای جنوبی است که به عنوان یک سرگرمی برنامه نویسی می کند!"
https://twitter.com/dpkingma/status/1530968989681168385

5/n (VAE demo)

حدود 8 سال پیش، پس از کار با یان لکان
و شروع دکترا، من یک دمو با الهام از نسخه ی اصلی جفری هینتون ایجاد کردم.
این بار با استفاده از VAE، که امکان آموزش مدل‌های مولد عمیق را با استفاده از SGD فراهم می‌کرد.
demo:
http://dpkingma.com/sgvb_mnist_demo/demo.html

twitt:
https://twitter.com/i/status/1530969013240487941

6/n (GAN and face images)
همچنین می‌توانیم مدل‌های مولد را برای تصاویر رنگی با وضوح بسیار پایین، مانند چهره‌ها را آموزش دهیم: https://youtube.com/watch?v=nHX7hCeOtFc. این امر در آن زمان چشمگیر تلقی می شد.

https://twitter.com/dpkingma/status/1530969016608489472

7/n (Imagen)

اکنون در سال 2022، تنها با گذشت 8 سال مدل‌های مولدی داریم که می‌توانند تصاویر واقعی 1024x1024 را از توضیحات متن دلخواه (https://imagen.research.google) تولید کنند.

https://twitter.com/dpkingma/status/1530969048988602368

8/n (Compute Trends)
از سال 2010، میزان محاسبات مورد نیاز برای آموزش بزرگترین مدل ها هر 6 ماه دو برابر شده است. [سویا و همکاران، https://arxiv.org/abs/2202.05924]. اندازه مدل و مقدار داده های آموزشی نیز تقریبا متناسب با محاسبه رشد کرده است.
https://twitter.com/dpkingma/status/1530969056114638848

Attending to Channels Using Keras and TensorFlow

https://pyimagesearch.com/2022/05/30/attending-to-channels-using-keras-and-tensorflow/

یه کورس رایگان جالب برای علاقه مندان به نوروساینس:
Processing the environment

Sensory perception
Sight (vision)
Sound (Audition)
Somatosensation
Taste (gustation) and smell (olfaction)
Sleep and consciousness
Drug dependence
Attention
Memory
Cognition
Language
Emotion
Stress

https://www.khanacademy.org/test-prep/mcat/processing-the-environment