#خبر
Fastest-Growing Jobs
شغل های با بیشترین نرخ رشد به گزارش لینکدین

https://www.forbes.com/sites/louiscolumbus/2017/12/11/linkedins-fastest-growing-jobs-today-are-in-data-science-machine-learning/

#آموزش #منابع #دانلود_کورس
مطالب مورد نیاز برای کورس دیپ لرنینگ andrew ng.
اسلایدها - نوت بوک ها - کوییزهای 4 کورس اول از deep learning specialization مربوط به andrew ng بدون پاسخ و با محتوای ورد نیاز شامل تست کیس ها...

deeplearning.ai , By #Andrew_Ng, All slide and notebook + data (without solution) and video link

https://github.com/shahariarrabby/deeplearning.ai

#آموزش #منابع #دانلود_کورس

همان طور که میدانید پروفسور Andrew Ng پنج کورس یادگیری عمیق در سایت coursera تحت عنوان deep learning specialization ارائه کرده اند.
https://www.coursera.org/specializations/deep-learning
در صورتی که تمایلی ندارید دراین دوره ها عضو شوید, میتوانید فیلم ها و محتوای آموزشی این دوره ها را یکجا دانلود کنید.
—---------—

دانلود دوره اول – شبکه های عصبی Andrew Ng
http://muniversity.ir/neural-networks-deep-learning/

دانلود دوره دوم - ( تنظیم پارامترهای شبکه عصبی)
http://muniversity.ir/deep-neural-network/

دانلود دوره سوم - انجام پروژه های یادگیری ماشین

http://muniversity.ir/machine-learning-projects/

دانلود دوره چهارم - «شبکه های عصبی کانولوشنال»
http://muniversity.ir/convolutional-neural-networks/

—---------
محتوای آموزشی شامل کوییز ها- اسلایدها و نوت بوکهای این کورسها
https://news.1rj.ru/str/cvision/438


#deep_learning #andrew_ng

برخی از مسائل مهم سال ۲۰۱۷ در حوزهٔ یادگیری ماشین اینجا جمع شدن:
http://www.wildml.com/2017/12/ai-and-deep-learning-in-2017-a-year-in-review/

#deep_learning

#آموزش #منابع #کورس
سایت Udacity.com پیش نمایش رایگان برخی از برنامه های Nano degree های خود را طی روزهای آینده به رایگان در اختیار عموم قرار میدهد.
از این بین دوره 500 دلاری deep learning که به تازگی منتشر شده نیز قرار دارد که قرار است در 6 روز آینده در دسترس قرار بگیرد.


https://www.udacity.com/new-year

یان گودفلو: دانشگاه MIT هیچ وقت جوابمو نداد، کارنگی ملون ردم کرد. دانشگاه تورنتو من رو پذیرفت ولی نه برای اینکه با استاد مورد نظرم کار کنم. بنیاد ملی علوم و برنامهٔ تحقیقاتیش (GRFP) از من با افتخار یاد کردن ولی پولی به من ندادن. اجازه ندید شکست‌های موقت ناامیدتون کنه.

https://twitter.com/goodfellow_ian/status/950773136701603840

#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

CNN that simultaneously performs #face_detection, #landmarks_localization, #pose_estimation, #gender_recognition, #smile_detection, #age_estimation and face #identification and #verification.

#face

#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

Python Data Science Handbook
#data_science #book

https://jakevdp.github.io/PythonDataScienceHandbook

شبکه عصبی برای تبدیل اسکرین‌شات به سایت استاتیک
Turning design mockups into code with #deep_learning

https://github.com/emilwallner/Screenshot-to-code-in-Keras

#keras #tensorflow #mockup

How secure is Apple's FaceID system
http://www.wired.co.uk/article/apple-face-id-security-safety-hack-apple

#face

‌‌ ‌‌ویدیویی از ویژگی Select Subject در نسخه جدید فتوشاپ که با هوش مصنوعی و تنها یک کلیک، سوژه مورد نظر رو به بهترین شکل از عکس زمینه جدا میکنه

🙏Thanks to: @myzoomit
Image #Segmentation, #photoshop

#خبر
نسخه نهایی تنسرفلو 1.5 منتشر شد:
Google Developers Blog: Announcing TensorFlow 1.5
https://developers.googleblog.com/2018/01/announcing-tensorflow-15.html

در این نسخه Eager Execution فعال شده است:
https://news.1rj.ru/str/cvision/358

همچنین این نسخه با CUDA 9 و cuDNN 7 برای استفاده ی بهتر از GPU سازگار است.

#tensorflow

سوال در مورد sparsity و پاسخ Ian Goodfellow در quora

Where is Sparsity important in Deep Learning?

https://www.quora.com/Where-is-Sparsity-important-in-Deep-Learning

#Ian_goodfellow #sparsity

Deep Learning for Object Detection: A Comprehensive Review
https://towardsdatascience.com/deep-learning-for-object-detection-a-comprehensive-review-73930816d8d9

#ssd #yolo #rcnn #rfcnn #object_detection

سخنرانی در TED با موضوع
#YOLO Object Detection

🙏Thanks to: @tedsurprise
#object_detection

سخنرانی TED در رابطه با بازشناسی اشیاء توسط YOLO
https://news.1rj.ru/str/cvision/457


🍀موضوع سخنرانی:
🔸چگونه یک کامپیوتر یاد میگیرد تا فورا یک شیء را بازشناسی کند؟


۱۰ سال قبل، محققان فکر می‌کردند که گفتن فرق بین یک گربه و یک سگ به یک کامپیوتر غیر ممکن است.
امروزه، سیستم‌های بینایی کامپیوتر این را با دقت بهتر از ۹۹ درصد انجام می‌دهد. چگونه؟
جوزف ردمون روی یک سیتم YOLO(تو فقط یک بار نگاه کن) کار می‌کند، یک متد منبع آزاد برای یافتن اشیایی که می‌توانند در تصویر و ویدیو— از گورخر تا علامت ایست— با سرعت رعد و برق شناسایی شوند.
در یک نمایش زنده قابل توجه، ردمون این پله مهم رو به جلو برای کاربردهایی مانند خودروهای خودران، رباتیک و حتی شناسایی سرطان به نمایش می‌گذارد.


Joseph Redmon. Computer scientist

Joseph Redmon works on the #YOLO algorithm, which combines the simple face detection of your phone camera with a cloud-based AI — in real time.


🙏Thanks to: @tedsurprise
#object_detection #YOLO #TED

#آموزش
آموزش قابلیت eager execution تنسرفلو 1.5:

TensorFlow #Eager Execution

مرتبط با https://news.1rj.ru/str/cvision/358

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/eager/python/g3doc/guide.md

-A NumPy-like library for numerical computation with support for #GPU acceleration and automatic differentiation.
-A flexible platform for machine learning research and experimentation.

#آموزش

کورس پنجم یادگیری عمیق پروفسور Andrew Ng در سایت coursera منتشر شد.
https://www.coursera.org/specializations/deep-learning
در صورتی که تمایلی ندارید دراین دوره ها عضو شوید, میتوانید فیلم ها و محتوای آموزشی این دوره ها را یکجا دانلود کنید.

دوره پنجم (Sequence Models):
http://muniversity.ir/nlp-sequence-models/

مشاهده ی کورسهای قبلی: https://news.1rj.ru/str/cvision/439

#andrew_ng #coursera #deep_learning

مقایسه سرعت آموزش resnet152 روی فریم ورکهای مختلف یادگیری عمیق،
و GPU های 1080Ti و Titan V .
https://github.com/u39kun/deep-learning-benchmark

#benchmark