لیستی از مدل‌های شناختی که در آن از CNTK استفاده شده است:
https://www.microsoft.com/en-us/research/product/cognitive-toolkit/model-gallery/

مروری بر تاریخچه یادگیری ماشینی:
https://www.linkedin.com/pulse/brief-history-machine-learning-dr-jaideep-ganguly?trk=hp-feed-article-noscript-comment

پس از ۵ سال نسخه 1.0.0 نرم افزار RStudio یکی از بهترین و کاملترین رابط‌های کاربری برای زبان R منتشر شد:
https://blog.rstudio.org/2016/11/01/announcing-rstudio-v1-0/

حالا دیگر ماشین‌ها هم می‌توانند ما را بترسانند!
سه تن از محققان دانشگاه MIT با استفاده از تکنیک‌های یادگیری عمیق (deep learning) و هوش مصنوعی، الگوریتمی طراحی کرده‌اند که می‌تواند تصاویری ترسناک و مشمئزکننده تولید کند.
وب سایت پروژه:
http://nightmare.mit.edu/

این روزها همه جا سخن از تنسورفلو - کتابخانه هیجان‌انگیز گوگل برای یادگیری ماشین- است .
به تازگی یک کشاورز ژاپنی با استفاده از تنسورفلو سیستمی را برای سورت و بسته‌بندی خیارهای گلخانه‌ای پیاده‌سازی کرده است :)
توضیحات کامل به همراه تصاویر در وبلاگ گوگل:
https://cloud.google.com/blog/big-data/2016/08/how-a-japanese-cucumber-farmer-is-using-deep-learning-and-tensorflow

وب سایت code school یکی از بهترین منابع برای یادگیری زبان‌های برنامه‌نویسی از طریق ویدئوهای آموزشی است، از 18 تا 20 نوامبر می‌توانید به صورت رایگان از همه دوره‌های این سایت استفاده کنید:
https://www.codeschool.com/free-weekend

یک منبع مفید و کاربردی برای فرمول‌ها و قضایای آمار و احتمال (کوک بوک)
دانلود فایل پی دی اف در 31 صفحه: 👇👇👇

مجموعه‌ای کامل و جدید از ویدئوهای مرتبط با آموزش دیتا ساینس در دانشگاه هاروارد
https://matterhorn.dce.harvard.edu/engage/ui/index.html#/2016/01/14328

یک راهنمای تعاملی برای شبکه‌های عصبی:
https://jalammar.github.io/visual-interactive-guide-basics-neural-networks/

دوره آموزشی «یادگیری عمیق» (deep learning)،
در این دوره رایگان که مدت آن ۷ هفته است، مبانی یادگیری عمیق برای برنامه‌نویسان بر اساس سرفصل‌های دانشگاه سان فرانسیسکو در قالب ویدئو تدریس می‌شود:
http://course.fast.ai/

مصاحبه مفصل و خواندنی Huffington Post با Andrew Ng یکی از چهره‌های برجسته در زمینه یادگیری ماشین و هوش مصنوعی، بنیانگذار Google Brain ، یکی از بنیانگذاران بزرگترین وب‌سایت آموزش آنلاین یعنی Coursera ، مدرس یکی از بهترین دوره‌های یادگیری ماشین در Coursera و هم اکنون رییس بخش تحقیقات در غول تکنولوژی چین یعنی Baidu و نیز استاد استنفورد و ...
http://www.huffingtonpost.com.au/2015/05/13/andrew-ng_n_7267682.html

سال نو (2017) مبارک 🌷🌷🌷

7⃣1⃣0⃣2⃣ یک عدد اول است ... همچنین:

✅ حاصل‌ضرب 2017π وقتی به نزدیک‌ترین عدد صحیح گرد شود نیز یک عدد اول است.

✅ حاصل‌ضرب 2017e وقتی به نزدیک‌ترین عدد صحیح گرد شود نیز یک عدد اول است.

✅ مجموع همه اعداد اول قبل از 2017 با خودش یعنی 3+5+7+11+...+2017 نیز یک عدد اول است!

✅ عدد اول قبل از 2017 برابر است با 2017 + (7 - 1 - 0 - 2)
و عدد اول بعد از 2017 برابر است با 2017 + (7 + 1 + 0 + 2)

✅ 2017 را می‌‌توان به صورت مجموع مکعب سه عدد اول نوشت: p^3 +q^3 +r^3

✅ عدد 20170123456789 نیز یک عدد اول است!

✅ 2017 امین عدد اول 17539 است و 201717539 نیز یک عدد اول است.

✅ اگر p=2017 آنگاه p+1 / 2 و p+2 / 3 اعداد اول هستند.

✅ ده رقم اول (صحیح و اعشاری) از ریشه سوم 2017 شامل همه اعداد 0 تا 9 هست، 2017 آخرین عدد صحیحی است که این خاصیت را دارد!

✅ 2017 برابر است با 2 به توان یازده منهای یازدهمین عدد اول!

امیدوارم همه چیز این سال همین قدر زیبا و هیجان انگیز باشه 🌺

انتشارات Orielly به تازگی مجموعه‌ای از کتاب‌های مرتبط با مباحث بیگ دیتا، دیتا ساینس و هوش مصنوعی را به رایگان در دسترس عموم قرار داده است:
http://www.oreilly.com/data/free/archive.html

آموزش یادگیری ژرف (Deep Learning)، دانشگاه استنفورد:
http://ufldl.stanford.edu/tutorial/

جبر خطی و محاسبات ماتریسی یکی از پیش‌نیازهای اصلی برای فراگیری و پیاده‌سازی الگوریتم‌های یادگیری ماشین است، این پلی لیست یوتیوب شامل ۱۵ ویدئوی کوتاه، مفاهیم اساسی جبر خطی را به بهترین نحو آموزش می‌دهد:
https://www.youtube.com/playlist?list=PLZHQObOWTQDPD3MizzM2xVFitgF8hE_ab&app=desktop

مایکروسافت یکی از استارت‌آپ‌های مطرح در زمینه یادگیری ژرف و پردازش زبان طبیعی با نام Maluuba را تصاحب کرد:
https://blogs.microsoft.com/blog/2017/01/13/microsoft-acquires-deep-learning-startup-maluuba-ai-pioneer-yoshua-bengio-advisory-role/#sm.000tnlevg15ngeo410cxn25y2bqfg

معرفی انواع نمودارهای آماری و موارد کاربرد و جزئیات آنها:
http://www.anychart.com/chartopedia/