خیلی خیلی قبلتر وقتی همه هیجانزده بودن از اومدن مقاله CapsNet (فکر میکنم اولین پستهای کانال بود سال ۲۰۱۸) پیادهسازی که خودم انجام دادم ازش و تعداد پارامترهاش رو به اشتراک گذاشتم و گفتم ایده فوقالعادهای هست ولی غیرقابل استفاده (پارامتر های واقعاً زیاد بود حتی برای MNIST) توی ی چندتا صحبت هم با دوستان دقیق بررسی کردیم که چرا فقط باید نیم نگاهی به این دستاورد داشت و نباید سمتش رفت.
حالا اوضاع بهتر شده و مقالههای زیادی برای بهبود تعداد پارامترهای CapsNet اومده
این یکی از اونهایی هست که بنظرم باید خوند
Efficient-CapsNet
Quote from paper :
"We prove that the proposed architecture is still able to achieve SOTA results on three different datasets with only 2% of the original CapsNet parameters."
حالا اوضاع بهتر شده و مقالههای زیادی برای بهبود تعداد پارامترهای CapsNet اومده
این یکی از اونهایی هست که بنظرم باید خوند
Efficient-CapsNet
Quote from paper :
"We prove that the proposed architecture is still able to achieve SOTA results on three different datasets with only 2% of the original CapsNet parameters."
دستاوردهای یادگیری عمیق(InTec)
یکی از بیشترین سوالاتی که پرسیده میشه اینه که از کجا و چطور باید شروع کنم (یادگیری عمیق) توی این پست میخوام به این سوال پاسخ بدم (تاریخ : ۱۴ آذر ۱۳۹۹) افرادی که این سوال رو میکنند معمولاً دو دسته هستند اونهایی که آکادمیک بصورت خیلی جدی دنبال کردند و تئوری…
برای دوستانی که سوال پرسیدن (لایو شب قبل) 👆👆👆
StandfordNLP (Stanza)
برای پروژهای درحال تست این ابزار بودم، ازونجایی که خیلی خیلی بهتر از معادلهای فارسی برگرفته از ابزار (nltk) هست.
گفتم مجدداً راجبش مطلب بذارم، دوستان بیخیال ابزارهای فارسی بشن یا حداقل این مورد رو هم تست کنند.
شخصاً برای کار من عالی بود، خیلی خیلی سرعت آمادهسازی پروژهام رو هم جلو انداخت.
More info at Stanza Website
برای پروژهای درحال تست این ابزار بودم، ازونجایی که خیلی خیلی بهتر از معادلهای فارسی برگرفته از ابزار (nltk) هست.
گفتم مجدداً راجبش مطلب بذارم، دوستان بیخیال ابزارهای فارسی بشن یا حداقل این مورد رو هم تست کنند.
شخصاً برای کار من عالی بود، خیلی خیلی سرعت آمادهسازی پروژهام رو هم جلو انداخت.
More info at Stanza Website
Stanza
High-performance human language analysis tools, now with native deep learning modules in Python, available in many human languages.
بحث آزاد پرسش و پاسخ به همراه میهمان ویژه جناب آقای دکتر مهدی حبیب زاده :
Instructor, McGill University School of Continuing Studies
مهندس آیدین زهتاب و محمد عباسی پیرامون موضوع کلی یادگیری ماشین، پنجشنبه 23 بهمن ساعت 21 به وقت تهران در گوگل میت برگزار خواهد شد. (ظرفیت محدود)
🔸لینک گفتگو ده دقیقه قبل از برگزاری جلسه بر روی کانال قرار داده خواهد شد.
🔸ضمنا ویدیو جلسه پس از برگزاری به صورت IGTV در اینستاگرام و تلگرام در دسترس خواهد بود.
🔸دوستان گرامی می توانند سوال های خود را در قسمت کامنت این پیام مطرح کنند تا در گفتگو به سوالات پاسخ بدیم.
🔸اگر به دلیل مشغله کاریشان فرصت گفتگو با ایشان رو نداشتیم حتما قبل برگزاری جلسه اعلام خواهیم کرد
❇️ @AI_Python
❇️ @PyTens
Instructor, McGill University School of Continuing Studies
مهندس آیدین زهتاب و محمد عباسی پیرامون موضوع کلی یادگیری ماشین، پنجشنبه 23 بهمن ساعت 21 به وقت تهران در گوگل میت برگزار خواهد شد. (ظرفیت محدود)
🔸لینک گفتگو ده دقیقه قبل از برگزاری جلسه بر روی کانال قرار داده خواهد شد.
🔸ضمنا ویدیو جلسه پس از برگزاری به صورت IGTV در اینستاگرام و تلگرام در دسترس خواهد بود.
🔸دوستان گرامی می توانند سوال های خود را در قسمت کامنت این پیام مطرح کنند تا در گفتگو به سوالات پاسخ بدیم.
🔸اگر به دلیل مشغله کاریشان فرصت گفتگو با ایشان رو نداشتیم حتما قبل برگزاری جلسه اعلام خواهیم کرد
❇️ @AI_Python
❇️ @PyTens
#خارج_از_بحث
حرفی برای گفتن نمیمونه اما ی همچین افرادی نباید توی محیطهای برنامهنویسی شغل پیدا کنند.
دیتایی ازین آدم موجود نیست انگار برای همین من از تصویری که طرف آمریکایی به اشتراک گذاشته استفاده میکنم تا تیمهای ایرانی هم حواسشون رو جمع کنند.
ممنون از دوستانی که ریپورت کردند
Link
حرفی برای گفتن نمیمونه اما ی همچین افرادی نباید توی محیطهای برنامهنویسی شغل پیدا کنند.
دیتایی ازین آدم موجود نیست انگار برای همین من از تصویری که طرف آمریکایی به اشتراک گذاشته استفاده میکنم تا تیمهای ایرانی هم حواسشون رو جمع کنند.
ممنون از دوستانی که ریپورت کردند
Link
دستاوردهای یادگیری عمیق(InTec)
بحث آزاد پرسش و پاسخ به همراه میهمان ویژه جناب آقای دکتر مهدی حبیب زاده : Instructor, McGill University School of Continuing Studies مهندس آیدین زهتاب و محمد عباسی پیرامون موضوع کلی یادگیری ماشین، پنجشنبه 23 بهمن ساعت 21 به وقت تهران در گوگل میت برگزار…
راه های ارتباطی با دکتر حبیب زاده :
instagram: nimahm1980
nimahm@gmail.com
کتاب رایگان معرفی شده در صحبتها :
Approaching (Almost) Any Machine Learning Problem
Book by Abhishek Thakur
FREE by author Permission
https://github.com/abhishekkrthakur/approachingalmost
instagram: nimahm1980
nimahm@gmail.com
کتاب رایگان معرفی شده در صحبتها :
Approaching (Almost) Any Machine Learning Problem
Book by Abhishek Thakur
FREE by author Permission
https://github.com/abhishekkrthakur/approachingalmost
GitHub
GitHub - abhishekkrthakur/approachingalmost: Approaching (Almost) Any Machine Learning Problem
Approaching (Almost) Any Machine Learning Problem. Contribute to abhishekkrthakur/approachingalmost development by creating an account on GitHub.
لینک مربوط به کارگاهی که در لایو صحبت شد :
ثبتنام در این کارگاه رایگان هست
https://www.acmt.ac.ir/services/data-science-in-practice-webinar/
ثبتنام در این کارگاه رایگان هست
https://www.acmt.ac.ir/services/data-science-in-practice-webinar/
توی دوران قطع شدن اینترنت، همه مجبور و محکوم به استفاده از
Search engine
های داخلی بودیم، که مطمئناً مزخرف بود
اما چقدر خوب بود اگر کار رو به نیروی تخصصی سپرده میشد، یافتن جملات مشابه (البته فقط بین دیتای اخبار)
به کمک تنسورفلو، هوش مصنوعی
البته اینکه میگم فقط دیتای اخبار، منظورم کم بودن دیتا نیست (جستجوی ۵ خبر نزدیک در بین ۵.۰۰۰.۰۰۰ خبر، زمان جستجو تا 2.32ms پایین اومده)
(روی سیستم شخصی، اجرا شده)
پروژهای برای مشتری درخواست کننده، زمانبندی و سختافزار بسیار اهمیت داشت در این پروژه
Search engine
های داخلی بودیم، که مطمئناً مزخرف بود
اما چقدر خوب بود اگر کار رو به نیروی تخصصی سپرده میشد، یافتن جملات مشابه (البته فقط بین دیتای اخبار)
به کمک تنسورفلو، هوش مصنوعی
البته اینکه میگم فقط دیتای اخبار، منظورم کم بودن دیتا نیست (جستجوی ۵ خبر نزدیک در بین ۵.۰۰۰.۰۰۰ خبر، زمان جستجو تا 2.32ms پایین اومده)
(روی سیستم شخصی، اجرا شده)
پروژهای برای مشتری درخواست کننده، زمانبندی و سختافزار بسیار اهمیت داشت در این پروژه
دستاوردهای یادگیری عمیق(InTec)
توی دوران قطع شدن اینترنت، همه مجبور و محکوم به استفاده از Search engine های داخلی بودیم، که مطمئناً مزخرف بود اما چقدر خوب بود اگر کار رو به نیروی تخصصی سپرده میشد، یافتن جملات مشابه (البته فقط بین دیتای اخبار) به کمک تنسورفلو، هوش مصنوعی البته اینکه…
پ.ن :
این پروژه برای موسیقی - سیگنال - تصویر و ... نیز قابل پیاده سازی هست.
همچین پروژه برای Search Engine پیادهسازی نشده.
این پروژه برای موسیقی - سیگنال - تصویر و ... نیز قابل پیاده سازی هست.
همچین پروژه برای Search Engine پیادهسازی نشده.
#خارج_از_بحث
تک سوال :
CPU, GPU, HDD & SSD, NIC , RAM, COOLING SYSTEM , ...
اینهارو هم تولید میکنند یا قاب فلزی سرور رو رنگ میکنن فقط !؟
#خریته_فرا_زمینی :/
تک سوال :
CPU, GPU, HDD & SSD, NIC , RAM, COOLING SYSTEM , ...
اینهارو هم تولید میکنند یا قاب فلزی سرور رو رنگ میکنن فقط !؟
#خریته_فرا_زمینی :/
Hooshvare
مدل pretrain از GPT-2 رو در hugginface منتشر کرد.
شاید نتونید ازش بهره ببرید(تعداد پارامتر و ...) اما برای تولید دیتاست بسیار میتونه کمک کننده باشه
Hugging Face (GPT-2 Persian)
مدل pretrain از GPT-2 رو در hugginface منتشر کرد.
شاید نتونید ازش بهره ببرید(تعداد پارامتر و ...) اما برای تولید دیتاست بسیار میتونه کمک کننده باشه
Hugging Face (GPT-2 Persian)
huggingface.co
HooshvareLab/gpt2-fa · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
از دیپلرنینگ برای کشتن پشهها با لیزر استفاده شده
شاید بنظرتون جذاب نباشه، اما چندتا نکته راجبش بگم :
۱- تعداد prediction مورد نیاز
۲- پروژه روی Raspberry pi اجرا شده
۳- سرعت predict
۴- دقت predict
۵- زمان پاسخگویی مدل هوش مصنوعی + زمان پردازش و لیزر و ...
این پروژه شاید ساده و غیر جذاب بنظر بیاد، اما خیلی خیلی چیزهایی زیادی میشه ازش یاد گرفت.
از کنار این پروژهها ساده رد نشید ...
شاید بنظرتون جذاب نباشه، اما چندتا نکته راجبش بگم :
۱- تعداد prediction مورد نیاز
۲- پروژه روی Raspberry pi اجرا شده
۳- سرعت predict
۴- دقت predict
۵- زمان پاسخگویی مدل هوش مصنوعی + زمان پردازش و لیزر و ...
این پروژه شاید ساده و غیر جذاب بنظر بیاد، اما خیلی خیلی چیزهایی زیادی میشه ازش یاد گرفت.
از کنار این پروژهها ساده رد نشید ...