#خبر
استفاده راحت تر از دیتاست های عمومی با قابلیت جدید تنسرفلو datasets !

A collection of datasets ready to use with TensorFlow

TensorFlow Datasets provides many public datasets as tf.data.Datasets.

https://github.com/tensorflow/datasets


نمونه نوت بوک کولب:
https://colab.research.google.com/github/tensorflow/datasets/blob/master/docs/overview.ipynb

#tensorflow #dataset

#خبر

TensorFlow 1.13.0-rc0 has been released!

This release marks TensorFlow Lite moving into core TensorFlow, but there are many other exciting changes.

https://github.com/tensorflow/tensorflow/releases/tag/v1.13.0-rc0

#tensorflow

#خبر #مجموعه_داده

مجموعه داده جدید منتشر شده توسط استنفورد. هوش مصنوعی رادیولوژیست ...

Announcing CheXpert! Large dataset of chest X-rays co-released with MIT's MIMIC-CXR dataset. Join our competition to test your chest X-ray interpretation model: https://stanfordmlgroup.github.io/competitions/chexpert/

این دیتاست یک مجموعه گسترده ای از تصاویر X-Ray قفسه سینه است و رقابت برای تفسیر خودکار اشعه ایکس است.

#dataset

#خبر
گوگل DeepMind دموی بازی کردن هوش مصنوعی در Starcraft 2 را آنلاین از طریق پخش خواهد کرد.

ساعت 9:30 به وقت تهران

https://www.youtube.com/c/deepmind

لینک خبر:
https://twitter.com/OriolVinyalsML/status/1088125042607697922
#DeepMind

#خبر
مجموعه داده جدید سوال و پاسخ

Natural Questions: A new QA dataset consisting of 300,000+ naturally occurring questions (posed to Google search) with human provided long & short answers based on Wikipedia. Looks like an exciting new benchmark!

مقاله:
https://storage.googleapis.com/pub-tools-public-publication-data/pdf/b8c26e4347adc3453c15d96a09e6f7f102293f71.pdf

چالش:
https://ai.google.com/research/NaturalQuestions/

#خبر
کورس جدید جرمی هاوارد که تا فردا منتشر میشه...

#خبر

آیا دلیل آلزایمر مشخص شده و میتوان آن را متوقف کرد؟

https://www.newscientist.com/article/2191814-we-may-finally-know-what-causes-alzheimers-and-how-to-stop-it/

https://news.1rj.ru/str/cvision/913

دوستانی که مشکل مالی دارند اما احساس می‌کنند این دوره را نیاز دارتد میتوانند با برگزار کننده های این دوره تماس گرفته و درخواست financial aid بدهند.


@mahdigh99

#خبر #آموزش #کورس

نسخه ی 3 کورس fast.ai جرمی هاوارد چند دقیقه پیش منتشر شد و اکنون در دسترس است.
اگر ویدیوهای قبلی این مدرس را دیده باشید حتما میدانید در هر سری آموزشی تکنیک های ناب و جالبی را که از تجربه شرکت در چالش های کگل به دست آورده و باعث کسب رتبه های اول شده هم به اشتراک میگذارد. با نگاهی گذرا به کورس امسال متوجه می‌شوید که مطالب نسبت به دو نسخه قبلی به کلی به روز شده و تغییر کرده اند. شدیدا توصیه میکنم مطالبشو از دست ندید👌

Practical Deep Learning for Coders, 2019 edition, is now available. With a shiny new video player with searchable trannoscripts. This course is 100% new material, including some new techniques and results never previously published.


Lesson 1: Image classification
Lesson 2: Data cleaning and production; SGD from scratch
Lesson 3: Data blocks; Multi-label classification; Segmentation
Lesson 4: NLP; Tabular data; Collaborative filtering; Embeddings
Lesson 5: Back propagation; Accelerated SGD; Neural net from scratch
Lesson 6: Regularization; Convolutions; Data ethics
Lesson 7: Resnets from scratch; U-net; Generative (adversarial) networks


بلاگ پست خبر:
https://www.fast.ai/2019/01/24/course-v3/

لینک به کورس - مطالب و ویدیوها و کد:
https://course.fast.ai/

#خبر #colab #fastai


خبر خوش برای علاقه مندان به کورس fast.ai جرمی هاوراد! از این پس گوگل کولب مستقیم فریم ورک fast.ai هم پشتیبانی می‌کند!
برای شروع از آموزش سایت fast.ai میتوانید شروع کنید:
https://course.fast.ai/start_colab.html


اگر تا کنون با گول کولب کار نکره اید بلاگ پست های فارسی زیر را توصیه میکنم:


آشنایی با سرویس ابری Google Colab - نویسنده: المیرا قربانی


اتصال مستقیم سرویس کولب (Google Colab) به درایو (Google Drive) از طریق فایل سیستم FUSE - نویسندگان: محیا مهدیان و محمد حسن ستاریان

نتیجه رای گیری اخیر فریم ورک محبوب یادگیری عمیق در اکانت توئیتری deeplearning.ai تا کنون:
https://twitter.com/deeplearningai_/status/1088875529061642240

#framework

Telegram bot to monitor and control deep learning experiments🤖

این چت بات را در سیستم خود راه اندازی کنید و وضعیت آموزش مدل خود در تنسرفلو یا کراس را از راه دور و با تلگرام کنترل و مدیریت کنید!

https://github.com/eyalzk/telegrad

#bot #telegram #keras #tensorflow

#آموزش
آموزش تخمین قیمت خونه از روی تصویر (رگرسیون) با کراس:

https://www.pyimagesearch.com/2019/01/28/keras-regression-and-cnns/

وقتی نیاز به تعریف گراف با ساختار دگ دارید، نیاز به
Imperative (or Model Subclassing) APIs
در کراس دارید، حالا یک قطعه کد مشابه با این روش در 4 فریم ورک متفاوت آورده شده...

Here is the same dynamic RNN implemented in 4 different frameworks (TensorFlow/Keras, MXNet/Gluon, Chainer, PyTorch). Can you tell which is which?!

https://twitter.com/fchollet/status/10522284633004933

#آموزش

What’s the difference between a Symbolic and Imperative API in #TensorFlow 2.0?

https://medium.com/tensorflow/what-are-symbolic-and-imperative-apis-in-tensorflow-2-0-dfccecb01021

#keras #tensorflow

#آموزش
Imperative (or Model Subclassing) APIs

این سبک API در ابتدا توسط فریم ورک Chainer در سال 2015 معرفی شد و در سال 2017 چندین چارچوب دیگر آن را به کار گرفت (از جمله موارد ذکر شده در اینجا). در چارچوب Keras، شوله، توسعه دهنده کراس آن را "API Subclassing Model" می نامد.

بعضی از افراد می گویند "شما نمیتوانید X در چارچوب Y را اجرا کنید، شما نیاز به چارچوب Z دارید".
حتی قبلا هم که همه فریم ورک ها یک api style خاص را پشتیبانی می کردند حرف درستی نبود، اما اکنون که همه این چارچوب ها این api style را پشتیبانی میکنند این ادعا خیلی مسخره تر است! در این استایل شما می توانید کدی از یک کتابخانه را به یه کتابخانه دیگر کپی کرده و با تغییرات جزئی استفاده کنید.

این ادعا هم از همان دسته از حرفهای بی پایه و اساس است که مردم ادعا می کنند "اگر شما این مدل را در چارچوب X اجرا کنید بهتر است" - خروجی یک الگوریتم به زبان شما در آن پیاده سازی ربطی ندارد!!

هوشمنداته ترین روش این است که ترکیب پارادایم های imperative و symbolic را استفاده کنید، همان روشی که در TF.Keras و Gluon انجام می شود.
شما در اغلب موارد مزایای اصلی گراف های کامپایل شده را حفظ می کنید و در عین حال وقتی به انعطاف پذیری گراف پویا نیاز دارید هم دسترسی خواهید داشت.

توصیه میکنم style api که اشاره کردم را در توئیت Francois Chollet

https://news.1rj.ru/str/cvision/953

و مقایسه بین تعریف کردن symbolic مدل با Imperative api در تنسرفلو 2 را در اینجا ببینید.
https://news.1rj.ru/str/cvision/954

#tensorflow #keras #symbolic #imperative

📈📊 آمار اعضای گروه تا ساعت 12:12 روز پنج شنبه - ۱۱ بهمن ۱۳۹۷
در سوال تحصیلات گروه بین یک ششم تا یک پنجم اعضای گروه شرکت نمودند.

بر اساس نتایج بیش از 70 درصد اعضا تحصیلات تکمیلی هستند.
و حدود 65 درصد اکنون دانشجو هستند.

حدود 30 درصد گروه دانشجو یا فارغ التحصیلان کارشناسی
حدود 50 درصد دانشجو یا فارغ التحصیلات کارشناسی ارشد.
و حدود 20 درصد را دانشجویان یا فارغ التحصیلان دکتری و بالاتر تشکیل داده اند.

https://news.1rj.ru/str/cvision

با تشکر از همراهی شما🙏

#خبر
در حال حاضر BERT از فارسی پشتیبانی میکند.
Persian (Farsi)
https://github.com/google-research/bert/blob/master/multilingual.md#list-of-languages

پست مدیوم مرتبط در مورد چند زبانگی bert
Hallo multilingual BERT, cómo funcionas?
https://medium.com/omnius/hallo-multilingual-bert-c%C3%B3mo-funcionas-2b3406cc4dc2

پست فارسی از آقای خوشمهر در مورد BERT و کاربردهایش:
معرفی BERT، تحولی در NLP
http://blog.class.vision/1397/09/bert-in-nlp/

#bert #nlp

#خبر
انتشار دیتاست human segmentation

🎁 Releasing “Supervisely Person” dataset for teaching machines to segment humans

https://hackernoon.com/releasing-supervisely-person-dataset-for-teaching-machines-to-segment-humans-1f1fc1f28469

#segmentation #body #human

#مقاله
تشخیص چهره جعلی
FaceForensics++: Learning to Detect Manipulated Facial Images
[pic: https://www.groundai.com/media/arxiv_projects/504837/img/teaser_bg.png ]


https://arxiv.org/abs/1901.08971

———————————-
مرتبط با:

virtual_talking تبدیل حالات چهره توسط یادگیری عمیق:
https://news.1rj.ru/str/cvision/349

خبر جعلی از اوباما
https://news.1rj.ru/str/cvision/532
Face2Face
https://news.1rj.ru/str/cvision/231
You said that? - Synthesizing videos of talking faces from audio
https://news.1rj.ru/str/cvision/230