🎞 یادگیری انتقالی و پیاده سازی VGGNet با کراس

توی این ویدئو تاریخچه، ساختار و معماری VGG رو بررسی می‌کنیم و با کمک Keras‌ در پایتون یک پردازش تصویر ساده انجام می‌دیم تا با مفهوم Pre-trained Models و یادگیری انتقالی (Transfer Learnign) آشنا شیم.

👉📎 https://youtu.be/_XgI5jCrmWs

🟢لینک کانال یوتیوب:

👉📎 https://youtube.com/@RezaShokrzad

#YouTube
#Deep_Learning

@DSLanders | دی‌اس‌لندرز

🟡معرفی Grok-1.5: تحولی در پردازش زبانی با قابلیت‌های پیشرفته

شرکت xAI از رونمایی Grok-1.5 خبر داد، مدلی پیشرفته که قابلیت های برجسته‌ای در درک و استدلال متون طولانی ارائه می‌ده.

این مدل جدید، که عملکرد قابل توجهی در حل مسائل ریاضی و برنامه‌نویسی نشون داده، می‌تونه متن‌هایی تا ۱۲۸ هزار توکن رو پردازش کنه.

در تصویر مقایسه این مدل با سایر LLMهای موجود رو می‌تونین ببینین.

#Artificial_Intelligence

@DSLanders | دی‌اس‌لندرز

🟡Lord of the Rings! The power rings are the pre-trained models!

این بلاگ مدیوم، بخش اول از یک بلاگ سه قسمتی درباره بررسی کامل مهم‌ترین مدل‌های pre-trained هست. مدل‌های از پیش آموزش دیده شبیه به حلقه های قدرت در فیلم "ارباب حلقه ها" هستن. 

در این پارت بررسی میشه که برای ساخت یک LLM قدرتمند، چطور میشه از این مدل‌ها استفاده کرد. در دو پارت بعدی مدل‌های مهم حوزه تصویر و رباتیک بررسی میشن و درنهایت این سه‌گانه متوجه خواهیم شد چطور ممکنه این مدل‌ها به ظهور AGI کمک کنن.

نویسنده این مقالات، آقای نجادی از شاگردان استاد شکرزاد هستن.

🟢برای مطالعه کلیک کنید:

👉📎 The power of pre-trained models

🟢لینک بلاگ به زبان فارسی در ویرگول:
👉📎 https://vrgl.ir/a1P9Q

#Medium

@DSLanders | دی‌اس‌لندرز

🎉 هفت‌خوان ۴: مطالعه کن، نظر بده، جایزه بگیر!

در هفت‌خوان فرصت دارین با مطالعه مطالب مشخص‌شده وبلاگ کافه‌تدریس، به سؤالات هر مطلب زیر همون مطلب پاسخ بدین و شانس برنده‌شدن توی قرعه‌کشی رو به دست بیارین. هر پاسخ یک شانس داره.

🎊 جوایز
🟥 ۱,۵۰۰,۰۰۰ تومان جایزه نقدی
🟥 ۳ کلاس رایگان ۵۰۰,۰۰۰ تومانی

✅ لینک‌های مطالب مسابقه هفت‌خوان
🔻 صفر تا صد درباره PCA یا بررسی دقیق تحلیل مؤلفه‌های اصلی بدانید
🔻 با الگوریتم DBSCAN آشنا شوید!
🔻 ناهنجاری در یادگیری ماشین چیست و چه روش‌های برای تشخیص ناهنجاری وجود دارد؟
🔻 الگوریتم GANs چیست و چطور کار می‌کند؟
🔻 یادگیری تنبل یا Lazy Learning چیست؟
🔻 یادگیری ماشین کوچک یا Tiny ML چیست؟
🔻 یادگیری عمیق (Deep Learning) چیست؟

📌 اگه تا اینجا شرکت در هفت‌خوان رو از دست دادین، فرصت هنوز هست؛ شانس‌تون رو بیشتر کنین:
👈🔗 هفت‌خوان ۱
👈🔗 هفت‌خوان ۲
👈🔗 هفت‌خوان ۳

@cafetadris | کافه‌تدریس

🎞 پلی‌لیست پکیج پایتونی Pandas

در این پلی‌لیست، از مبانی اولیه تا نحوه انجام کارهایی مثل تمیز کردن داده‌ها، انجام عملیات‌های آماری پیشرفته و مصورسازی داده‌ها با پکیج پانداز آموزش داده شده.

با تماشای این پلی‌لیست شما می‌تونین مهارت‌تون رو در تبدیل داده‌های خام به اطلاعات سازمان‌یافته افزایش بدین.

👈📎 پلی‌لیست پانداز

🟢لینک کانال یوتیوب:

👉📎 https://youtube.com/@RezaShokrzad

#YouTube

@DSLanders | دی‌اس لندرز

🟡معرفی یک مدل برای تغییر صدا توسط OpenAI

شرکت OpenAI مدل Voice Engine رو معرفی کرد که توانایی تولید گفتار طبیعی از متن و یک نمونه صوتی کوتاه رو داره. این فناوری اولین بار در اواخر سال ۲۰۲۲ توسعه پیدا کرد و حالا در محصولات مختلفی مثل API تبدیل متن به گفتار و ChatGPT Voice به کار رفته.

#Artificial_Intelligence

@DSLanders | دی‌اس‌لندرز

🎉 هفت‌خوان ۵: مطالعه کن، نظر بده، جایزه بگیر!

در هفت‌خوان فرصت دارین با مطالعه مطالب مشخص‌شده وبلاگ کافه‌تدریس، به سؤالات هر مطلب زیر همون مطلب پاسخ بدین و شانس برنده‌شدن توی قرعه‌کشی رو به دست بیارین. هر پاسخ یک شانس داره.

🎊 جوایز
🟥 ۱,۵۰۰,۰۰۰ تومان جایزه نقدی
🟥 ۳ کلاس رایگان ۵۰۰,۰۰۰ تومانی

✅ لینک‌های مطالب مسابقه هفت‌خوان
🔻 شبکه‌ عصبی کانولوشنی (CNN) چیست؟
🔻 با کاربردهای شبکه عصبی کانولوشنی (CNN) آشنا شوید!
🔻 با فیلتر / کرنل (Filter / Kernel) در شبکه عصبی کانولوشنی آشنا شوید!
🔻 فرایند لایه‌گذاری (Padding) در شبکه عصبی کانولوشنی چیست؟
🔻 لایه ادغام (Pooling Layer) در شبکه عصبی کانولوشنی (CNN) چیست؟
🔻 با معماری لی نت-۵ (LeNet-5) و لایه‌های آن آشنا شوید!
🔻 رقابت سالانه ILSVRC چیست؟ معماری‌های کانولوشنی برتر آن کدام‌اند؟

📌 اگه تا اینجا شرکت در هفت‌خوان رو از دست دادین، فرصت هنوز هست؛ شانس‌تون رو بیشتر کنین:
👈🔗 هفت‌خوان ۱
👈🔗 هفت‌خوان ۲
👈🔗 هفت‌خوان ۳
👈🔗 هفت‌خوان ۴

@cafetadris | کافه‌تدریس

🟣 رایگان تماشا کنین: وبینارهای علم داده و یادگیری ماشین

اگه هنوز وبینارهای برگزارشده علم داده رو ندیدین، پیشنهاد می‌کنیم حتماً این کار رو انجام بدین؛ چون جواب خیلی از سؤال‌هاتون درباره‌ی علم داده و یادگیری ماشین رو توی همین وبینارها پیدا می‌کنین.

۱. وبینار یادگیری ماشین برای همه
👉🔗 http://ctdrs.ir/dsw001

۲. وبینار پیاده‌سازی ماشین لرنینگ در علوم مختلف
👉🔗 http://ctdrs.ir/dsw002

۳. وبینار پیاده‌سازی مسائل واقعی با ماشین لرنینگ
👉🔗 http://ctdrs.ir/dsw003

۴. وبینار برنامه‌ریزی عملی برای یادگیری علم داده
👉🔗 http://ctdrs.ir/dsw004

۵. وبینار استراتژی‌های فردی برای ورود به حوزه علم داده
👉🔗 http://ctdrs.ir/dsw005

۶. یادگیری علم داده برای تقویت رزومه و پروفایل شخصی
👉🔗 http://ctdrs.ir/dsw006

۷. تغییرات شغلی در کسب‌و‌کارها با ظهور علم داده
👉🔗 http://ctdrs.ir/cv237i

۸. ورود به بازارکار علم داده؛ از ساخت رزومه تا روز مصاحبه
👉🔗http://ctdrs.ir/wb008
‌
۹. ماشین لرنینگ و دیتاساینس؛ ترندها و چشم‌اندازها
👉🔗 ctdrs.ir/dsw009

۱۰. وبینار رزومه‌نویسی در فرمت استاندارد
👉🔗 ctdrs.ir/dsw010

۱۱.وبینار نقش هوش‌مصنوعی در رشد شبکه‌های اجتماعی
👉🔗 ctdrs.ir/dsw011

۱۲. وبینار تاثیر ماشین‌لرنینگ بر آینده بازارهای شغلی
👉🔗 http://ctdrs.ir/dsw012

۱۳. وبینار ماشین لرنینگ در مارکتینگ
👉🔗 ctdrs.ir/sw013

۱۴. وبینار ماشین‌لرنینگ چیست؟‌
👉🔗 ctdrs.ir/dsw014

۱۵. وبینار به کارگیری ماشین‌لرنینگ در مارکتینگ، یک وبینار عملی
👉🔗 ctdrs.ir/sw014

۱۶. وبینار علم داده برای همه رشته‌ها
👉🔗 ctdrs.ir/ds016

۱۷. کارگاه آنلاین ۲ روزه ماشین لرنینگ و هوش تجاری برای همه تخصص‌ها
👉🔗 ctdrs.ir/dsw19
👉🔗 ctdrs.ir/dsw21

۱۸. جلسه اول بخش مقدماتی دوره جامع دیتاساینس و ماشین لرنینگ
👉🔗 ctdrs.ir/dsw30

۱۹. جلسه اول بخش پیشرفته دوره جامع دیتاساینس و ماشین لرنینگ
👉🔗 ctdrs.ir/dsw24

۲۰. وبینار ورود به حوزه ماشین لرنینگ، مزیت یا ضرورت؟
👉🔗 https://ctdrs.ir/dsw25

۲۱. وبینار معرفی منابع مطالعاتی و بازارکار ماشین لرنینگ
👉🔗 ctdrs.ir/dsw26

۲۲. بررسی ماشین لرنینگ برای هر موضوع
👉🔗 ctdrs.ir/dsw28

۲۳. ماشین لرنینگ و تحلیل داده با ChatGPT
👉🔗 ctdrs.ir/dsw29

🟡وبسایت:‌
👉🔗 https://cafetadris.com/datascience

🟡 ارتباط با ادمین تخصصی کانال:
👉🔗 @cafetadris_ds

#Webinars

@DSLanders | دی‌اس‌لندرز

🎞 پلی‌لیست انواع داده

در این پلی لیست یوتیوب، آموزشی جامع درباره کار با انواع داده‌ها و تجزیه و تحلیل‌شون از طریق چارت‌های متفاوت داده شده. این مجموعه شما رو با انواع چارت آشنا می‌کنه تا بتونین داده‌ها رو بصورت مؤثری به کار ببرین و تحلیل کنین.

👈📎 پلی‌لیست Data Type

🟢لینک کانال یوتیوب:

👉📎 https://youtube.com/@RezaShokrzad

#YouTube

@DSLanders | دی‌اس لندرز

🟡امکان استفاده از ChatGPT بدون ثبت‌نام

حالا کاربران می‌تونن بلافاصله و بدون نیاز به ثبت‌نام با ChatGPT تعامل داشته باشن. این قابلیت جدید با هدف گسترش دسترسی عمومی به هوش مصنوعی ارائه شده، تا کاربران بیشتری در سراسر جهان از پتانسیل‌های AI بهره‌مند شن.

با این اقدام، OpenAI قصد داره تجربه‌ای سریع و کاربرپسندانه رو برای بیش از 100 میلیون کاربر در 185 کشور فراهم کنه. همچنین به تازگی تدابیر امنیتی پیشرفته‌ای برای حفاظت از محتوا اعمال شده.

#Artificial_Intelligence

@DSLanders | دی‌اس‌لندرز

🤖 این هوش مصنوعی به جای شما به جلسه مصاحبه استخدام می‌ره!

این مدل هوش مصنوعی رزومه شما رو می‌خونه و با استفاده از فناوری دیپ فیک سر جلسه مصاحبه به جای شما صحبت می‌کنه.

#Artificial_Intelligence

@DSLanders | دی‌اس‌لندرز

🎞 چرا پایتون و پکیج‌های پایتون برای ماشین لرنینگ؟

در حال حاضر پایتون و پکیج‌هایی که برای ماشین لرنینگ توسعه داده شدن گزینه‌های بهتری از بقیه زبان‌های برنامه‌نویسی هستن. توی این ویدیو که بخشی از کلاس علم داده ۱ هست به این دو سوال جواب داده میشه که چرا پایتون و چرا پکیج‌های پایتون.

👉📎 https://youtu.be/8SlJL1Acy2E

🟢لینک کانال یوتیوب:

👉📎 https://youtube.com/@RezaShokrzad

#YouTube

@DSLanders | دی‌اس‌لندرز

🎉 مطالعه کن، نظر بده، جایزه بگیر!

اگه از هفت‌خوان جا موندین، هنوز فرصت هست؛ تا شنبه، ۱۸ فروردین، وقت دارین شانس‌تون رو برای بردن جوایز بالا ببرین!

🎊 جوایز
🟥 ۱,۵۰۰,۰۰۰ تومان جایزه نقدی
🟥 ۳ کلاس رایگان ۵۰۰,۰۰۰ تومانی

📎 هفت‌خوان ۱
📎 هفت‌خوان ۲
📎 هفت‌خوان ۳
📎 هفت‌خوان ۴
📎 هفت‌خوان ۵
📎 هفت‌خوان ۶
📎 هفت‌خوان ۷

@Cafetadris | کافه‌تدریس

⚫️یک ابزار برای درک بهتر مقالات ماشین لرنینگ

این وب‌سایت، یک منبع متن باز و کاملا رایگان از مقالات ماشین لرنینگ و کدشون هست و اکثر مطالب رو با رسم شکل توضیح توضیح داده. همچنین شامل State-of-the-Artهای مختلف برای تسک‌ها و حوزه‌های متفاوته.

👉📎 www.paperswithcode.com

#Machine_Learning

@DSLanders | دی‌اس‌لندرز

🎞 یادگیری انتقالی و پیاده سازی EfficientNet با Keras

به خاطر ساختار نتورک و سرعت بالاتر در فازهای train و test، از بین نتورک‌های عمیق برنده ILSVRC نتورک EfficientNet یکی از محبوب ترین‌هاست.

در این ویدیو روی مقاله EfficientNet صحبت میشه و از روی داکیومنت کراس، از مدل pre-trainedاش برای کلاسبندی دیتاست Food101 استفاده می‌کنیم.

👉📎 https://youtu.be/MZZlHPMb1NE

🟢لینک کانال یوتیوب:

👉📎 https://youtube.com/@RezaShokrzad

#YouTube
#Deep_Learning

@DSLanders | دی‌اس‌لندرز