Little Ball of Fur
Little Ball of Fur consists of methods to do sampling of graph structured data
Documentation : https://little-ball-of-fur.readthedocs.io/en/latest/#little-ball-of-fur-documentation
github: https://github.com/benedekrozemberczki/littleballoffur
paper: https://arxiv.org/abs/2005.05257v1
@Machine_learn
Little Ball of Fur consists of methods to do sampling of graph structured data
Documentation : https://little-ball-of-fur.readthedocs.io/en/latest/#little-ball-of-fur-documentation
github: https://github.com/benedekrozemberczki/littleballoffur
paper: https://arxiv.org/abs/2005.05257v1
@Machine_learn
GitHub
GitHub - benedekrozemberczki/littleballoffur: Little Ball of Fur - A graph sampling extension library for NetworKit and NetworkX…
Little Ball of Fur - A graph sampling extension library for NetworKit and NetworkX (CIKM 2020) - benedekrozemberczki/littleballoffur
@Machine_learn
Short over view of Artificial Neural Networks with examples
Page:
https://www.infinitycodex.in/
Short over view of Artificial Neural Networks with examples
Page:
https://www.infinitycodex.in/
@Machine_learn
Detecting Emotions with CNN Fusion Models - dair.ai - Medium
https://medium.com/dair-ai/detecting-emotions-with-cnn-fusion-models-b066944969c8
Detecting Emotions with CNN Fusion Models - dair.ai - Medium
https://medium.com/dair-ai/detecting-emotions-with-cnn-fusion-models-b066944969c8
Mohem.pdf
4.4 MB
@Machine_learn
Modified SEIR and AI prediction of the epidemics trend of
COVID-19 in China under public health interventions
#paper
Modified SEIR and AI prediction of the epidemics trend of
COVID-19 in China under public health interventions
#paper
با عرض سلام
جمع اوری داده های مربوط به #Covide_19 یکی از اساسی ترین گام ها برای یک تحقیق می باشد. ما مجموعه ای از ابزارها ومدل ها برای جمع اوری داده ها و پیش بینی ها را طراحی کرده ایم که می تواند در این زمینه به کمک محقیق بیایند. این ابزار ها ومدل ها از قرار زیر می باشند:
1) Twitter #Covid_19 :
این ابزار برای استخراج نامحدود داده های تویتر و ویژگی های هر تویت و هر شخص مورد استفاده قرار می گیرد. خوبی این ابزار این است که می تواند مختص چند شهر خاص نیز تنظیم شود.
2) Instagram #Covid_19
این ابزار برای جمع اوری داده ها از پست های خاص اينستاگرام طراحی شده است بدین گونه که تمامی کامنت های پست شده، تعداد لایک، تاریخ و صاحب نظران را استخراج می کند. این ابزار می تواند به صورت همزمان لیستی از پست ها را استخراج کند.
3) Weather #Covide_19
با توجه به اهمیت اب و هوا بر روی شیوع این اپیدمی ابزار فوق برای جمع اوری داده های اب و هوا مورد استفاده قرار می گیرد
4) Stock #Covide_19
بازار بورس یکی دیگر از حوزه هایی است که دست خوش تغییراتی براساس این اپیدمی بوده است. این ابزار امکان جمع اوریدادههای ۱۳ شاخص FX# را فراهم می آورد.
__
همچنین مجموعه ای از داده ها نیز برای این منظور جمع اوری شده است.
1) Who #Covide_19
داده های اصلی سازمان بهداشت جهانی شامل ۷ ویژگی
2) Sars history
داده های بیماری سارس برای جبران اطلاعات ناقص مدل ها با ۷ ویژگی
3)Countries of world
داده هاي مربوط به اطلاعات اجتماعي، سياسي، اقتصادي و جغرافيايي تمامي كشورهاي دنيا شامل ٢٩ ويژگي
4)Weather #Covide_19
داده هاي مربوط به اب و هواي هر شهر و هر كشور از شروع اين اپيدمي با ٦٠ ويژگي از جمله (دما، رطوبت، فشار، اوزون و....)
___
همچنین مجموعه ای از مدلها نیز برای پیش بینی طراحی شده اند از جمله
1) LSTM Seq2Seq model(multi-Regression)
2) GRU Seq2Seq model(multi-Regression)
3) Hi-Attention Seq2Seq model(multi-Regression)
4) SVR(single-Regression)
5) Lasso(single-Regression)
6) Random forest Regression(single-Regression)
7) Decision tree Regression(single-Regression)
دوستانی که نیاز به این ابزار ها دارن می توانند برای سفارش به بنده مراجعه کنند
@Raminmousa
جمع اوری داده های مربوط به #Covide_19 یکی از اساسی ترین گام ها برای یک تحقیق می باشد. ما مجموعه ای از ابزارها ومدل ها برای جمع اوری داده ها و پیش بینی ها را طراحی کرده ایم که می تواند در این زمینه به کمک محقیق بیایند. این ابزار ها ومدل ها از قرار زیر می باشند:
1) Twitter #Covid_19 :
این ابزار برای استخراج نامحدود داده های تویتر و ویژگی های هر تویت و هر شخص مورد استفاده قرار می گیرد. خوبی این ابزار این است که می تواند مختص چند شهر خاص نیز تنظیم شود.
2) Instagram #Covid_19
این ابزار برای جمع اوری داده ها از پست های خاص اينستاگرام طراحی شده است بدین گونه که تمامی کامنت های پست شده، تعداد لایک، تاریخ و صاحب نظران را استخراج می کند. این ابزار می تواند به صورت همزمان لیستی از پست ها را استخراج کند.
3) Weather #Covide_19
با توجه به اهمیت اب و هوا بر روی شیوع این اپیدمی ابزار فوق برای جمع اوری داده های اب و هوا مورد استفاده قرار می گیرد
4) Stock #Covide_19
بازار بورس یکی دیگر از حوزه هایی است که دست خوش تغییراتی براساس این اپیدمی بوده است. این ابزار امکان جمع اوریدادههای ۱۳ شاخص FX# را فراهم می آورد.
__
همچنین مجموعه ای از داده ها نیز برای این منظور جمع اوری شده است.
1) Who #Covide_19
داده های اصلی سازمان بهداشت جهانی شامل ۷ ویژگی
2) Sars history
داده های بیماری سارس برای جبران اطلاعات ناقص مدل ها با ۷ ویژگی
3)Countries of world
داده هاي مربوط به اطلاعات اجتماعي، سياسي، اقتصادي و جغرافيايي تمامي كشورهاي دنيا شامل ٢٩ ويژگي
4)Weather #Covide_19
داده هاي مربوط به اب و هواي هر شهر و هر كشور از شروع اين اپيدمي با ٦٠ ويژگي از جمله (دما، رطوبت، فشار، اوزون و....)
___
همچنین مجموعه ای از مدلها نیز برای پیش بینی طراحی شده اند از جمله
1) LSTM Seq2Seq model(multi-Regression)
2) GRU Seq2Seq model(multi-Regression)
3) Hi-Attention Seq2Seq model(multi-Regression)
4) SVR(single-Regression)
5) Lasso(single-Regression)
6) Random forest Regression(single-Regression)
7) Decision tree Regression(single-Regression)
دوستانی که نیاز به این ابزار ها دارن می توانند برای سفارش به بنده مراجعه کنند
@Raminmousa
Machine learning books and papers pinned «با عرض سلام جمع اوری داده های مربوط به #Covide_19 یکی از اساسی ترین گام ها برای یک تحقیق می باشد. ما مجموعه ای از ابزارها ومدل ها برای جمع اوری داده ها و پیش بینی ها را طراحی کرده ایم که می تواند در این زمینه به کمک محقیق بیایند. این ابزار ها ومدل ها از…»
CURL: Contrastive Unsupervised Representations for Reinforcement Learning
@Machine_learn
This paper introduces a new method that significantly improves the sample efficiency of RL algorithms when learning from raw pixel data.
Paper: https://arxiv.org/abs/2004.04136.pdf
Code: https://github.com/MishaLaskin/curl
#rl #agent #reinforcement #learning
@Machine_learn
This paper introduces a new method that significantly improves the sample efficiency of RL algorithms when learning from raw pixel data.
Paper: https://arxiv.org/abs/2004.04136.pdf
Code: https://github.com/MishaLaskin/curl
#rl #agent #reinforcement #learning
@Machine_learn
GPT-3: Language Models are Few-Shot Learners
Github: https://github.com/openai/gpt-3
Paper: https://arxiv.org/abs/2005.14165v1
GPT-3: Language Models are Few-Shot Learners
Github: https://github.com/openai/gpt-3
Paper: https://arxiv.org/abs/2005.14165v1
GitHub
GitHub - openai/gpt-3: GPT-3: Language Models are Few-Shot Learners
GPT-3: Language Models are Few-Shot Learners. Contribute to openai/gpt-3 development by creating an account on GitHub.
@Machine_learn
Acme: A research framework for reinforcement learning
Github: https://github.com/deepmind/acme
Paper: https://arxiv.org/abs/2006.00979
Acme: A research framework for reinforcement learning
Github: https://github.com/deepmind/acme
Paper: https://arxiv.org/abs/2006.00979
A Smooth Representation of SO(3) for Deep Rotation Learning with Uncertainty
@Machine_learn
Website: https://papers.starslab.ca/bingham-rotation-learning/
Paper: https://arxiv.org/abs/2006.01031
Github: https://github.com/utiasSTARS/bingham-rotation-learn
@Machine_learn
Website: https://papers.starslab.ca/bingham-rotation-learning/
Paper: https://arxiv.org/abs/2006.01031
Github: https://github.com/utiasSTARS/bingham-rotation-learn
@Machine_learn
YOLOv5 is Here: State-of-the-Art Object Detection at 140 FPS
https://blog.roboflow.ai/yolov5-is-here/
Github: https://github.com/ultralytics/yolov5
GCP Quickstart: https://github.com/ultralytics/yolov5/wiki/GCP-Quickstart
YOLOv5 is Here: State-of-the-Art Object Detection at 140 FPS
https://blog.roboflow.ai/yolov5-is-here/
Github: https://github.com/ultralytics/yolov5
GCP Quickstart: https://github.com/ultralytics/yolov5/wiki/GCP-Quickstart
Roboflow Blog
YOLOv5 is Here: State-of-the-Art Object Detection at 140 FPS
Less than 50 days after the release YOLOv4, YOLOv5 improves accessibility for realtime object detection.
June 29, YOLOv5 has released the first official version of the repository. We wrote a new deep dive on YOLOv5.
June 12, 8:08 AM CDT Update: In response…
June 29, YOLOv5 has released the first official version of the repository. We wrote a new deep dive on YOLOv5.
June 12, 8:08 AM CDT Update: In response…
@Machine_learn
AR-Net: A simple autoregressive NN for #timeSeries
blog: https://ai.facebook.com/blog/ar-net-a-simple-autoregressive-neural-network-for-time-series/
paper: https://arxiv.org/abs/1911.03118
AR-Net: A simple autoregressive NN for #timeSeries
blog: https://ai.facebook.com/blog/ar-net-a-simple-autoregressive-neural-network-for-time-series/
paper: https://arxiv.org/abs/1911.03118
@Machine_learn
VirTex: Learning Visual Representations from Textual Annotations
https://kdexd.github.io/virtex/
Github: https://github.com/kdexd/virtex
Paper: arxiv.org/abs/2006.06666
VirTex: Learning Visual Representations from Textual Annotations
https://kdexd.github.io/virtex/
Github: https://github.com/kdexd/virtex
Paper: arxiv.org/abs/2006.06666
GitHub
GitHub - kdexd/virtex: [CVPR 2021] VirTex: Learning Visual Representations from Textual Annotations
[CVPR 2021] VirTex: Learning Visual Representations from Textual Annotations - kdexd/virtex