مدل های زبانی و تعبیه سازی کلمات-سعید بی باک
• مدل زبانی چیست؟ و کاربردهای آن چه هستند؟
• معرفی کتابخانه های پردازش زبان طبیعی در پایتون SpaCy، FastText، Gensim و ....
• بررسی مفهوم بردار کلمات
• معرفی بردار کلمات Word2Vec
• پیاده سازی عملی بردار کلمات Word2Vec
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/QouO2
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
• مدل زبانی چیست؟ و کاربردهای آن چه هستند؟
• معرفی کتابخانه های پردازش زبان طبیعی در پایتون SpaCy، FastText، Gensim و ....
• بررسی مفهوم بردار کلمات
• معرفی بردار کلمات Word2Vec
• پیاده سازی عملی بردار کلمات Word2Vec
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/QouO2
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
آپارات - سرویس اشتراک ویدیو
مدل های زبانی و تعبیه سازی کلمات-سعید بی باک
مدل زبانی چیست؟ و کاربردهای آن چه هستند؟/
معرفی کتابخانه های پردازش زبان طبیعی در پایتون SpaCy، FastText، Gensim و ..../
بررسی مفهوم بردار کلمات/
معرفی بردار کلمات Word2Vec/
پیاده سازی عملی بردار کلمات Word2Vec
معرفی کتابخانه های پردازش زبان طبیعی در پایتون SpaCy، FastText، Gensim و ..../
بررسی مفهوم بردار کلمات/
معرفی بردار کلمات Word2Vec/
پیاده سازی عملی بردار کلمات Word2Vec
مدل های ترتیبی و یادگیری عمیق در پردازش زبان طبیعی-ابوالفضل مهدی زاده
• Introduction to Sequences and Time Series
• (Introduction to Recurrent Neural Networks (RNNs
• What is LSTMs
• Introduction to Deep NLP
• به همراهی پیاده سازی مثال هایی از شبکه های RNN، LSTM در کتابخانه کراس برای پیشبینی سری های زمانی، تولید متن، ترجمه ماشینی و ...
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/upcf8
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
• Introduction to Sequences and Time Series
• (Introduction to Recurrent Neural Networks (RNNs
• What is LSTMs
• Introduction to Deep NLP
• به همراهی پیاده سازی مثال هایی از شبکه های RNN، LSTM در کتابخانه کراس برای پیشبینی سری های زمانی، تولید متن، ترجمه ماشینی و ...
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/upcf8
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
آپارات - سرویس اشتراک ویدیو
یادگیری عمیق و پردازش زبان طبیعی -ابوالفضل مهدی زاده- بخش اول
Introduction to Sequences and Time Series/
(Introduction to Recurrent Neural Networks (RNNs/
What is LSTMs/
Introduction to Deep NLP/
به همراهی پیاده سازی مثال هایی از شبکه های RNN، LSTM در کتابخانه کراس برای پیشبینی سری های زمانی، تولید متن، ترجمه ماشینی…
(Introduction to Recurrent Neural Networks (RNNs/
What is LSTMs/
Introduction to Deep NLP/
به همراهی پیاده سازی مثال هایی از شبکه های RNN، LSTM در کتابخانه کراس برای پیشبینی سری های زمانی، تولید متن، ترجمه ماشینی…
مدل های ترتیبی و یادگیری عمیق در پردازش زبان طبیعی-ابوالفضل مهدی زاده-بخش دوم
• Introduction to Sequences and Time Series
• (Introduction to Recurrent Neural Networks (RNNs
• What is LSTMs
• Introduction to Deep NLP
• به همراهی پیاده سازی مثال هایی از شبکه های RNN، LSTM در کتابخانه کراس برای پیشبینی سری های زمانی، تولید متن، ترجمه ماشینی و ...
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/uEb8l
• Introduction to Sequences and Time Series
• (Introduction to Recurrent Neural Networks (RNNs
• What is LSTMs
• Introduction to Deep NLP
• به همراهی پیاده سازی مثال هایی از شبکه های RNN، LSTM در کتابخانه کراس برای پیشبینی سری های زمانی، تولید متن، ترجمه ماشینی و ...
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/uEb8l
آپارات - سرویس اشتراک ویدیو
یادگیری عمیق و پردازش زبان طبیعی -ابوالفضل مهدی زاده- بخش دوم
Introduction to Sequences and Time Series/
(Introduction to Recurrent Neural Networks (RNNs/
What is LSTMs/
Introduction to Deep NLP/
به همراهی پیاده سازی مثال هایی از شبکه های RNN، LSTM در کتابخانه کراس برای پیشبینی سری های زمانی، تولید متن، ترجمه ماشینی…
(Introduction to Recurrent Neural Networks (RNNs/
What is LSTMs/
Introduction to Deep NLP/
به همراهی پیاده سازی مثال هایی از شبکه های RNN، LSTM در کتابخانه کراس برای پیشبینی سری های زمانی، تولید متن، ترجمه ماشینی…
آموزش کتابخانه fastai - محمد چناریان نخعی
•مقایسه ای بین فریمورک های یادگیری عمیق مانند تنسورفلو و پایتورچ
•معرفی کتابخانه fastai
• روش های انتخاب بهینه نرخ یادگیری و بهبود دقت مدل
•مثالی عملی برای دسته بندی تصاویر
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/khcf8
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
•مقایسه ای بین فریمورک های یادگیری عمیق مانند تنسورفلو و پایتورچ
•معرفی کتابخانه fastai
• روش های انتخاب بهینه نرخ یادگیری و بهبود دقت مدل
•مثالی عملی برای دسته بندی تصاویر
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/khcf8
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
آپارات - سرویس اشتراک ویدیو
آموزش کتابخانه fastai - محمد چناریان نخعی
مقایسه ای بین فریمورک های یادگیری عمیق مانند تنسورفلو و پایتورچ/
معرفی کتابخانه fastai/
روش های انتخاب بهینه نرخ یادگیری و بهبود دقت مدل/
مثالی عملی برای دسته بندی تصاویر
معرفی کتابخانه fastai/
روش های انتخاب بهینه نرخ یادگیری و بهبود دقت مدل/
مثالی عملی برای دسته بندی تصاویر
یادگیری عمیق برای داده های ساختاریافته (جدولی) و سیستم های پیشنهاددهنده-نخعی
•تفاوت داده های ساختار یافته و بدون ساختار
•روش های سنتی یادگیری ماشین برای کار با داده های جدولی
•معرفی روش Entity Embedding برای کار با متغیرهای دسته ای Categorical
•پیاده سازی Entity Embedding با استفاده از کتابخانه fastai
•کاربرد یادگیری عمیق برای سیستم های پیشنهاددهنده و Collaborative Filtering
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/v8Muf
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
•تفاوت داده های ساختار یافته و بدون ساختار
•روش های سنتی یادگیری ماشین برای کار با داده های جدولی
•معرفی روش Entity Embedding برای کار با متغیرهای دسته ای Categorical
•پیاده سازی Entity Embedding با استفاده از کتابخانه fastai
•کاربرد یادگیری عمیق برای سیستم های پیشنهاددهنده و Collaborative Filtering
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/v8Muf
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
آپارات - سرویس اشتراک ویدیو
یادگیری عمیق برای داده های ساختاریافته و سیستم های پیشنهاددهنده-چناریان
•
تفاوت داده های ساختار یافته و بدون ساختار/
•
روش های سنتی یادگیری ماشین برای کار با داده های جدولی/
•
معرفی روش Entity Embedding برای کار با متغیرهای دسته ای Categorical/
•
پیاده سازی Entity Embedding با استفاده از کتابخانه fastai /
•
کاربرد یادگیری عمیق…
تفاوت داده های ساختار یافته و بدون ساختار/
•
روش های سنتی یادگیری ماشین برای کار با داده های جدولی/
•
معرفی روش Entity Embedding برای کار با متغیرهای دسته ای Categorical/
•
پیاده سازی Entity Embedding با استفاده از کتابخانه fastai /
•
کاربرد یادگیری عمیق…
تشخیص چهره- بخش اول- علیرضا اخوان پور-1
•one-shot learning: Face Verification & Recognition
•Siamese network
•facenet triplet loss
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/xdC7r
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
•one-shot learning: Face Verification & Recognition
•Siamese network
•facenet triplet loss
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/xdC7r
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
آپارات - سرویس اشتراک ویدیو
تشخیص چهره- بخش اول- علیرضا اخوان پور-1
•one-shot learning: Face Verification
تشخیص چهره - علیرضا اخوان پور - بخش دوم
• one-shot learning: Face Verification & Recognition
• Discriminative Feature
• Center loss
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/qmo3u
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
• one-shot learning: Face Verification & Recognition
• Discriminative Feature
• Center loss
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/qmo3u
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
آپارات - سرویس اشتراک ویدیو
تشخیص چهره - علیرضا اخوان پور - بخش دوم
•one-shot learning: Face Verification Recognition/
•Discriminative Feature/
•
Center loss/
•Discriminative Feature/
•
Center loss/
تنسورفلو - ابوالفضل مهدی زاده
• اصول ابتدایی تنسورفلو
• سطوح مختلف API ها در تنسورفلو
• سطح پائین
• سطح میانه
• سطح بالا
• ساختار شبکه های عصبی در تنسورفلو
• مثالی عملی از پیاده سازی برای مسائل رگرسیون
• مثالی عملی از پیاده سازی برای مسائل طبقه بندی
• شبکه های پیشرفته تر
• CNN
• RNN
• SAE
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/KNbTc
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
• اصول ابتدایی تنسورفلو
• سطوح مختلف API ها در تنسورفلو
• سطح پائین
• سطح میانه
• سطح بالا
• ساختار شبکه های عصبی در تنسورفلو
• مثالی عملی از پیاده سازی برای مسائل رگرسیون
• مثالی عملی از پیاده سازی برای مسائل طبقه بندی
• شبکه های پیشرفته تر
• CNN
• RNN
• SAE
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/KNbTc
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
آپارات - سرویس اشتراک ویدیو
تنسورفلو - ابوالفضل مهدی زاده
اصول ابتدایی تنسورفلو/
- سطوح مختلف API ها در تنسورفلو/
سطح پائین/
سطح میانه/
سطح بالا/
- ساختار شبکه های عصبی در تنسورفلو/
مثالی عملی از پیاده سازی برای مسائل رگرسیون/
مثالی عملی از پیاده سازی برای مسائل طبقه بندی/
- شبکه های پیشرفته تر/
CNN/
RNN/…
- سطوح مختلف API ها در تنسورفلو/
سطح پائین/
سطح میانه/
سطح بالا/
- ساختار شبکه های عصبی در تنسورفلو/
مثالی عملی از پیاده سازی برای مسائل رگرسیون/
مثالی عملی از پیاده سازی برای مسائل طبقه بندی/
- شبکه های پیشرفته تر/
CNN/
RNN/…
یادگیری عمیق تقویتی - مهندس بادنوا
• Difference between RL and other machine learning methods
• Applications
• Basic definitions of RL (MDP and policy function)
• Difference between model-based and model-free methods
• SARSA (an on-policy method)
• Q learning method (an off-policy method)
• A simple code and the training process
• Policy search and value estimation
• Value approximation
• Deep neural networks
• Deep Q network (DQN) a value approximation method which uses deep neural
• networks
• Policy estimation using deep neural networks
• A simple code using Tensorflow
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/8rs4g
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
• Difference between RL and other machine learning methods
• Applications
• Basic definitions of RL (MDP and policy function)
• Difference between model-based and model-free methods
• SARSA (an on-policy method)
• Q learning method (an off-policy method)
• A simple code and the training process
• Policy search and value estimation
• Value approximation
• Deep neural networks
• Deep Q network (DQN) a value approximation method which uses deep neural
• networks
• Policy estimation using deep neural networks
• A simple code using Tensorflow
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/8rs4g
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
آپارات - سرویس اشتراک ویدیو
یادگیری تقویتی- بخش دوم - بابک بادنوا
Difference between RL and other machine learning methods
Applications
Basic definitions of RL (MDP and policy function/
Difference between model-based and model-free methods/
SARSA (an on-policy method/
Q learning method (an off-policy method/
A simple…
Applications
Basic definitions of RL (MDP and policy function/
Difference between model-based and model-free methods/
SARSA (an on-policy method/
Q learning method (an off-policy method/
A simple…
Media is too big
VIEW IN TELEGRAM
نگاهی گذرا به فعالیت های مرکز تحقیقات هوش پارت در سایت ویرگول در سالی که گذشت ...
https://virgool.io/@partdpai
https://virgool.io/@partdpai
پایتورچ - بخش اول - مسعود پوررضا
مفهوم تنسور
مفهوم گراف محاسباتی
تفاوت تنسورفلو و پایتورچ
تفاوت پایتورچ نسخه 0.4 با نسخه های قبلی
ساختار داده ها و عملگرها در پایتورچ
کار با GPU در پایتورچ
خواندن دیتا با استفاده از DataLoader و Dataset در پایتورچ
دسته بندی با استفاده از شبکه های کانولوشنالی در پایتورچ
پردازش زبان طبیعی با پایتورچ
پیاده سازی شبکه های عریض در پایتورچ
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/SYH7l
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
مفهوم تنسور
مفهوم گراف محاسباتی
تفاوت تنسورفلو و پایتورچ
تفاوت پایتورچ نسخه 0.4 با نسخه های قبلی
ساختار داده ها و عملگرها در پایتورچ
کار با GPU در پایتورچ
خواندن دیتا با استفاده از DataLoader و Dataset در پایتورچ
دسته بندی با استفاده از شبکه های کانولوشنالی در پایتورچ
پردازش زبان طبیعی با پایتورچ
پیاده سازی شبکه های عریض در پایتورچ
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/SYH7l
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
آپارات - سرویس اشتراک ویدیو
پایتورچ - بخش اول - مسعود پوررضا
مفهوم تنسور/
مفهوم گراف محاسباتی/
تفاوت تنسورفلو و پایتورچ/
تفاوت پایتورچ نسخه 0.4 با نسخه های قبلی/
ساختار داده ها و عملگرها در پایتورچ/
کار با GPU در پایتورچ/
خواندن دیتا با استفاده از DataLoader و Dataset در پایتورچ/
دسته بندی با استفاده از شبکه های کانولوشنالی…
مفهوم گراف محاسباتی/
تفاوت تنسورفلو و پایتورچ/
تفاوت پایتورچ نسخه 0.4 با نسخه های قبلی/
ساختار داده ها و عملگرها در پایتورچ/
کار با GPU در پایتورچ/
خواندن دیتا با استفاده از DataLoader و Dataset در پایتورچ/
دسته بندی با استفاده از شبکه های کانولوشنالی…
پایتورچ - بخش دوم - مسعود پوررضا
مفهوم تنسور
مفهوم گراف محاسباتی
تفاوت تنسورفلو و پایتورچ
تفاوت پایتورچ نسخه 0.4 با نسخه های قبلی
ساختار داده ها و عملگرها در پایتورچ
کار با GPU در پایتورچ
خواندن دیتا با استفاده از DataLoader و Dataset در پایتورچ
دسته بندی با استفاده از شبکه های کانولوشنالی در پایتورچ
پردازش زبان طبیعی با پایتورچ
پیاده سازی شبکه های عریض در پایتورچ
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/SYH7l
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
مفهوم تنسور
مفهوم گراف محاسباتی
تفاوت تنسورفلو و پایتورچ
تفاوت پایتورچ نسخه 0.4 با نسخه های قبلی
ساختار داده ها و عملگرها در پایتورچ
کار با GPU در پایتورچ
خواندن دیتا با استفاده از DataLoader و Dataset در پایتورچ
دسته بندی با استفاده از شبکه های کانولوشنالی در پایتورچ
پردازش زبان طبیعی با پایتورچ
پیاده سازی شبکه های عریض در پایتورچ
برای مشاهده این ویدئو به آدرس زیر مراجعه نمایید :
https://www.aparat.com/v/SYH7l
برای آگاهی از انتشار ویدئو های بعدی به کانال ما مراجعه نمایید:
@partdpai
آپارات - سرویس اشتراک ویدیو
پایتورچ - بخش اول - مسعود پوررضا
مفهوم تنسور/
مفهوم گراف محاسباتی/
تفاوت تنسورفلو و پایتورچ/
تفاوت پایتورچ نسخه 0.4 با نسخه های قبلی/
ساختار داده ها و عملگرها در پایتورچ/
کار با GPU در پایتورچ/
خواندن دیتا با استفاده از DataLoader و Dataset در پایتورچ/
دسته بندی با استفاده از شبکه های کانولوشنالی…
مفهوم گراف محاسباتی/
تفاوت تنسورفلو و پایتورچ/
تفاوت پایتورچ نسخه 0.4 با نسخه های قبلی/
ساختار داده ها و عملگرها در پایتورچ/
کار با GPU در پایتورچ/
خواندن دیتا با استفاده از DataLoader و Dataset در پایتورچ/
دسته بندی با استفاده از شبکه های کانولوشنالی…
چگونه خطاهای کد نویسی را پیدا کنیم ؟
💭💭💭
در این مطلب قصد داریم شما را با ابزاری آشنا برای برنامه نویسان (لینتر) آشنا کنیم و تعریفی کوتاه از این ابزار و تاریخچه آن بیان نماییم :
http://yon.ir/4yACa
💭💭💭
در این مطلب قصد داریم شما را با ابزاری آشنا برای برنامه نویسان (لینتر) آشنا کنیم و تعریفی کوتاه از این ابزار و تاریخچه آن بیان نماییم :
http://yon.ir/4yACa
ویرگول
چگونه خطاهای کد نویسی را پیدا کنیم ؟
شاید براتون سوال بشه که، چطوری باید خطای کد هایی رو که نوشتید، پیدا کنید؟ امروز شما رو با لینتر ابزار نام آشنای خطا یابی آشنا می کنیم ...
ترجمه های ماشینی چگونه متولد شدند ؟
در این مقاله قصد داریم تا نگاهی داشته باشیم به تولد ترجمه ماشینی و استفاده های مختلف آن و فراز و نشیب هایی که تا به امروز داشته است.
👇👇 👇
http://yon.ir/e0lBw
در این مقاله قصد داریم تا نگاهی داشته باشیم به تولد ترجمه ماشینی و استفاده های مختلف آن و فراز و نشیب هایی که تا به امروز داشته است.
👇👇 👇
http://yon.ir/e0lBw
ویرگول
ترجمه های ماشینی چگونه متولد شدند ؟
در این مقاله قصد داریم تا نگاهی داشته باشیم به تولد ترجمه ماشینی و استفاده های مختلف آن و فراز و نشیب هایی که تا به امروز داشته است
فرصت #استخدام متخصص هوش مصنوعی
مرکز تحقیقات هوش مصنوعی پارت، از علاقه مندان و فعالان در یکی از حوزه های بینایی ماشین، داده کاوی، پردازش زبان طبیعی و پردازش گفتار دعوت به همکاری می کند.
جهت کسب اطلاعات بیشتر به لینک زیر مراجعه فرمایید:
https://jobinja.ir/228158
مرکز تحقیقات هوش مصنوعی پارت، از علاقه مندان و فعالان در یکی از حوزه های بینایی ماشین، داده کاوی، پردازش زبان طبیعی و پردازش گفتار دعوت به همکاری می کند.
جهت کسب اطلاعات بیشتر به لینک زیر مراجعه فرمایید:
https://jobinja.ir/228158
فرصت #استخدام برنامه نویس Back-End در تهران
شرکت دانش بنیان پردازش اطلاعات مالی پارت از همه برنامه نویسان که دارای تجربه برنامه نویسی سمت سرور (Back-End) هستند دعوت به همکاری می نماید.
جهت کسب اطلاعات بیشتر به لینک زیر مراجعه فرمایید:
https://jobinja.ir/116260
شرکت دانش بنیان پردازش اطلاعات مالی پارت از همه برنامه نویسان که دارای تجربه برنامه نویسی سمت سرور (Back-End) هستند دعوت به همکاری می نماید.
جهت کسب اطلاعات بیشتر به لینک زیر مراجعه فرمایید:
https://jobinja.ir/116260
This media is not supported in your browser
VIEW IN TELEGRAM
مرکز تحقیقات هوش مصنوعی پارت،
حامی 25 امین کنفرانس بین المللی کامپیوتر.
بی صبرانه منتظر دیدار شما هستیم.
⏰ زمان برگزاری: 11 و 12 دی ماه 1398
🏢 مکان برگزاری: دانشگاه علم و صنعت
حامی 25 امین کنفرانس بین المللی کامپیوتر.
بی صبرانه منتظر دیدار شما هستیم.
⏰ زمان برگزاری: 11 و 12 دی ماه 1398
🏢 مکان برگزاری: دانشگاه علم و صنعت
Media is too big
VIEW IN TELEGRAM
✅ بیست و پنجمین کنفرانس بین المللی کامپیوتر با حمایت مرکز تحقیقات هوش مصنوعی پارت و با استقبال بی شائبه شما عزیزان با موفقیت به سرانجام رسید.
📎 https://partdp.ai
📎 https://partdp.ai
💫 مرکز تحقیقات هوش مصنوعی پارت، حامی اولین کنفرانس ملی انفورماتیک ایران
✅ پژوهشگاه دانشهای بنیادی اولین کنفرانس ملی انفورماتیک ایران را با همکاری انجمن انفورماتیک ایران و با هدف رشد و توسعه دانش انفورماتیک برگزار میکند.
⏰ زمان برگزاری: 25 و 26 دی ماه 1398
🏢 مکان برگزاری: پژوهشکده علوم کامپیوتر، پژوهشگاه دانشهای بنیادی
✅ پژوهشگاه دانشهای بنیادی اولین کنفرانس ملی انفورماتیک ایران را با همکاری انجمن انفورماتیک ایران و با هدف رشد و توسعه دانش انفورماتیک برگزار میکند.
⏰ زمان برگزاری: 25 و 26 دی ماه 1398
🏢 مکان برگزاری: پژوهشکده علوم کامپیوتر، پژوهشگاه دانشهای بنیادی