#خبر
استفاده راحت تر از گوگل‌درایو در به روز رسانی جدید گوگل‌کولب


#Colab integration with #Google_Drive just got better. Authenticate only once per notebook. No authentication codes are necessary for private notebooks when using the 'Mount Drive' button in the file browser.

#مقاله #سورس_کد #pretrained
Self-training with Noisy Student improves ImageNet classification
[Feb 2020] Released EfficientNet checkpoints trained with noisy student

کد و مدل pretrain
https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet
مقاله
https://arxiv.org/abs/1911.04252

@cvision

این شبکه اخیرا منتشر شده. با تعداد محاسبات یکسان، همواره بهتره مدل‌های قبلی است.

در تنسرفلو میتوانید از این مدل استفاده کنید


https://xn--r1a.website/cvision/1644

دانشگاه MIT، یک کورس deep learning رو به‌صورت رایگان داره منتشر می‌کنه. جلسه اولش منتشر شده:

Lecture 1: 
youtu.be/njKP3FqW3Sk

Course Website: 
http://introtodeeplearning.com

کانال منابع برنامه نویسی
با مدیریت فارغ التحصیلان کامپیوتر دانشگاه علم و صنعت ایران
@pythony

هینتون در اوایل ارائه‌اش در دقیقه 3:45 در AAAI 2020 میاد در مورد مشکلات CNN بگه و اینکه در چه شرایطی ضعف دارند، میگه
"...the problems of CNN and why they are rubbish!"
در حالی که یان لکان نشسته و همه حضار میخندند...

حتی یک جا در توجیه یکی از ادعاهایی که میاره، میگه دلیل‌های زیبایی دارم ولی وقت ندارم بهتون توضیح بدم!(به دلیل زمان محدود ارائه) که باز هم خنده حضار رو به همراه داره...
‌
در این ارائه بیشتر در مورد
Stacked Capsule Autoencoders
صحبت میکنه و به بیان خودش این نسخه از این مدل، نسخه نهایی و بدون ایراده و نسخه‌های قبلی که در سال‌های پیش در کنفرانس‌های معتبر چاپ شده‌اند،همه اشتباه هستند!

Multiple Object Tracker, Based on Hungarian algorithm + Kalman filter.
https://github.com/Smorodov/Multitarget-tracker

Speeding up neural networks using TensorNetwork in Keras

https://blog.tensorflow.org/2020/02/speeding-up-neural-networks-using-tensornetwork-in-keras.html?linkId=82160439

#مقاله

A Simple Framework for Contrastive Learning of Visual Representations
https://arxiv.org/abs/2002.05709

#منبع #ویدیو

خیلی ها یادگیری عمیقو از ابتدا با کورس CS231n استنفورد و تدریس جذاب Andrej Karpathy شروع کردند که در سال 2016از مدرسان این کورس بود...

اما این دانشگاه کورس‌های مرتبط دیگری را نیز به صورت رایگان منتشر کرده است، فیلم ها، اسلایدها و نکات سه کورس نیز رایگان در دسترس است:


* CS221 Artificial Intelligence
* CS229 Machine Learning
* CS230 Deep Learning



CS221 Artificial Intelligence
* Website: https://stanford-cs221.github.io/autumn2019/ (with exams + solutions)
* Lectures: https://www.youtube.com/playlist?list=PLoROMvodv4rO1NB9TD4iUZ3qghGEGtqNX
* Cheat sheets: https://stanford.edu/~shervine/teaching/cs-221/

CS229 Machine Learning
* Website: http://cs229.stanford.edu
* Lectures: https://see.stanford.edu/Course/CS229
* Cheat sheets: https://stanford.edu/~shervine/teaching/cs-229/

CS230 Deep Learning

* Website: https://cs230.stanford.edu
* Lectures: https://youtube.com/playlist?list=PLoROMvodv4rOABXSygHTsbvUz4G_YQhOb
* Cheat sheets: https://stanford.edu/~shervine/teaching/cs-230/

#منبع #ویدیو

Recurrent Neural Networks | MIT 6.S191


https://www.youtube.com/watch?v=SEnXr6v2ifU

همان طور که قبلا در این پست گفته بودیم، دانشگاه MIT، یک کورس deep learning رو به‌صورت رایگان داره منتشر می‌کنه. جلسه دومش هم 20 ساعت پیش با موضوع شبکه‌های بازگشتی و RNN ها منتشر شد.

==========
این جلسه مرتبط با فیلم های #فارسی همین موضوع:

https://www.aparat.com/v/zqbc8
https://www.aparat.com/v/WQyuo
https://www.aparat.com/v/4JYTU
https://www.aparat.com/v/DRqG1
https://xn--r1a.website/cvision/1591

@cvision

Machine Learning on Arduino with TensorFlow Lite Micro
-----
👤Arduino
⏰ Friday, October 18, 2019 3:31 PM
👁 14296 👍225 👎7
📎 youtu.be/HzCRZsGJLbI

One-Class Classification Algorithms for Imbalanced Datasets
https://machinelearningmastery.com/one-class-classification-algorithms/

چه کسی الان صحبت میکند؟


SELF-SUPERVISED LEARNING FOR AUDIO-VISUAL SPEAKER DIARIZATION

Speaker diarization, which is to find the speech segments of specific speakers, has been widely used in human-centered applications such as video conferences or human-computer interaction systems. In this paper, we propose a self-supervised audio-video synchronization learning method to address the problem of speaker diarization without massive labeling effort. We improve the previous approaches by introducing two new loss functions: the dynamic triplet loss and the multinomial loss. We test them on a real-world human-computer interaction system and the results show our best model yields a remarkable gain of +10% (F1-scores) and-12% (DER). Finally, we introduce a new large scale audio-video corpus designed to fill the vacancy of the audio-video datasets in Chinese.

https://yifan16.github.io/av-spk-diarization/

#خبر #کورس #ویدیو

سایت edx اعلام کرده که دانشگاه مونترال (UdeM) هم به این سایت پیوسته است.
در بین اساتید شناس این دانشگاه، اسم پروفسور Yoshua Bengio می‌درخشد.

به خاطر این ویدیو برخی گفتند که مدرس دوره ی دیپ ایشون خواهد بود:
https://www.youtube.com/watch?v=qruEuDB2lyI
اما متاسفانه استاد این دوره ها نیستند و فقط در مورد دوره ها صحبت کردند و ظاهرا در محتوا هم نظارتی داشتند...

اما Rachel Thomas همکار جرمی هاوارد نیز در یکی از کورس های این دانشگاه در این سایت تدریس خواهد کرد

اطلاعیه سایت edx:
https://blog.edx.org/edx-welcomes-universite-de-montreal/

#مجموعه_داده

A benchmark dataset for data-driven weather forecasting

https://github.com/pangeo-data/WeatherBench

دکتر ادرین رزبراک، نویسنده و موسس سایت pyimagesearch، امروز یه پست آموزشی در مورد اتوانکودرها منتشر کرده که دارای سه بخش هست و امروز بخش اولش منتشر شده.
قرار هست کاربردهایی مانند خودرمزنگاری، از بین بردن نویز و تشخیص ناهنجاری در سه قسمت از این پست آموزشی به صورت عملی توضیح داده بشه.

لینک بخش اول از این پست آموزشی که در مورد آشنایی با اتوانکودرهاست:
https://www.pyimagesearch.com/2020/02/17/autoencoders-with-keras-tensorflow-and-deep-learning/

#آموزش #rnn #lsrm #gru

قسمت هفتم - شبکه‌های GRU
https://www.aparat.com/v/fnlRB


پ ن : این ویدیوها نیاز به پیش‌نیاز آشنایی با پیاده سازی شبکه های عصبی و کانولوشنالی در تنسرفلو و کراس دارد.
می‌توانید مسیر یادگیری یادگیری عمیق را از اینجا بخوانید، یا ویدیو مقدماتی را از اینجا ببنید. اگر هیچ دیدی هم نسبت به یادگیری عمیق ندارید به این پست یک نگاهی بیندازید.

کورس یادگیری عمیق Kaggle:

https://www.kaggle.com/learn/deep-learning

همینطور کورس‌های دیگر Kaggle در حوزه علم داده:

https://www.kaggle.com/learn/overview

چالش Abstraction and Reasoning حدود چند روز پیش در سایت Kaggle معرفی شده که در مورد اینه که آیا ماشین‌ها هم می‌توانند مانند انسان فقط با نمونه‌های محدود تسک‌های پیچیده و سطوح انتزاع بالا رو یاد بگیرند و قدرت تعمیم‌دهی خوبی داشته باشند؟
این چالش توسط فرانسوا شوله، نویسنده کتابخانه کراس، میزبانی میشه که چند وقت پیش مقاله
On the Measure of Intelligence
رو منتشر کرد.
این چالش 20 هزار دلار جایزه داره.آیا شما میتونید کامپیوترها رو به توانایی‌های شناختی انسان نزدیک کنید؟!

لینک چالش:
https://www.kaggle.com/c/abstraction-and-reasoning-challenge