💡 مروری بر تفاوت‌های هوش مصنوعی، یادگیری ماشین و علم داده An overview of difference between data science, machine learning, and AI Source @ut_deep

♨️ 12 سایت مرجع در حوزه علم داده 0. Towards Data Science 1. Data Science Central 2. SmartData Collective 3. What's The Big Data? 4. No Free Hunch 5. insideBIGDATA 6. Simply Statistics 7. Datafloq 8. Data Science 101 9. Dataconomy 10. Data Flair 11. KD Nuggets @ut_deep

کارگاه آموزشی: آشنایی با کراس/ تنسورفلو https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa http://mvip2020.ut.ac.ir @mvip_2020

کارگاه آموزشی: شبکه‌های مولد تخاصمی (GAN) و پیاده‌سازی در کراس / تنسورفلو https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa http://mvip2020.ut.ac.ir @mvip_2020

⭕️ آزمایشگاه پژوهشی یادگیری عمیق دانشگاه تهران با مشارکت مرکز آموزش‌های آزاد پردیس فارابی و گروه علمی نخبگان ایرانی برگزار می‌کند: #آموزش_رایگان 📺 دوره آموزشی برنامه‌نویسی پایتون 💰 هزینه دوره: رایگان 📆 زمان برگزاری: 🔸 ۱۶ اردیبهشت 🔹 ساعت ۱۷ تا ۱۸:۳۰ 👤 مدرس: مهندس حسین رضایی 🔗مطالعه توضیحات، مشاهده سرفصل‌ها و انجام ثبت‌نام و لینک ورود به کلاس‌ها: 🌐 www.iranianesg.ir/pg/python.htm @ut_deep | آزمایشگاه یادگیری عمیق @ut.farabii | مرکز آموزش‌های آزاد @iranianesg | گروه علمی نخبگان

✅ انجمن بینایی ‌ماشین و پردازش ‌تصویر ایران با همکاری دانشکده مهندسی پردیس فارابی دانشگاه تهران برگزار می‌کند: ✳️ «اولین وبینار تخصصی بینایی ماشین و پردازش تصویر ایران» 👤 توسط پروفسور پاتریک وانگ 🔹 استاد دانشکده علوم کامپیوتر و انفورماتیک 🔹 دانشگاه نورث ایسترن، بوستون، آمریکا 🔴 موضوع: بازشناسی هوشمند الگو و کاربردهای آن در تصویربرداری و دانش ای-فارنزیک 📅 پنجشنبه ۷ اسفند ماه ۱۳۹۹ ⏰ ساعت ۱۹:۰۰ به وقت تهران تالار اجتماعات مجازی شماره ۱ دانشکده مهندسی: http://vclas9.ut.ac.ir/farabi3 به شرکت‌کنندگان در وبینار که عضو انجمن باشند، گواهی حضور نیز داده می‌شود. 🌐 http://ismvip.ir/?page_id=6668 🆔 @ismvip_webinar 🆔 @ismvip_ir

✅ Iranian Society of Machine Vision and Image Processing in Collaboration with University of Tehran, College of Farabi, Faculty of Engineering: ✳️ "The First Iranian Webinar on Machine Vision and Image Processing" 👤 By: Professor Patrick Wang 🔹 Professor, College of Computer and Information Science 🔹 Northern University, Boston, USA 🔴 Topic: Intelligent Pattern Recognition (IPR) and Applications to Imaging and e-Forensics 📅 Thursday, 25 Feb. 2021 ⏰ 10:30 AM , Boston time Meeting room: http://vclas9.ut.ac.ir/farabi3 🌐 http://ismvip.ir/?page_id=6668 🆔 @ismvip_webinar 🆔 @ismvip_ir

✅ انجمن بینایی ‌ماشین و پردازش ‌تصویر ایران با همکاری دانشکده مهندسی پردیس فارابی دانشگاه تهران برگزار می‌کند: ✳️ «دومین وبینار تخصصی بینایی ماشین و پردازش تصویر ایران» 👤 توسط پروفسور شهره کسائی 🔹 استاد دانشکده مهندسی کامپیوتر 🔹 دانشگاه صنعتی شریف، ایران 🔴 موضوع: پیشرفت‌ها در بینایی کامپیوتری سه‌بعدی 📅 پنجشنبه ۲۶ فروردین ۱۴۰۰ ⏰ ساعت ۱۰:۰۰ صبح به وقت تهران تالار اجتماعات مجازی شماره ۱ دانشکده مهندسی: http://vclas9.ut.ac.ir/farabi3 به شرکت‌کنندگان در وبینار که عضو انجمن باشند، گواهی حضور نیز داده می‌شود. 🌐 http://ismvip.ir/?page_id=6668 🆔 @ismvip_webinar 🆔 @ismvip_ir

5th International Conference on Pattern Recognition and Image Analysis (2021) at University of Kashan پنجمین کنفرانس بین‌المللی بازشناسی الگو و تحلیل تصویر (IPRIA 2021) فردا و پس‌فردا (چهارشنبه ۸ اردیبهشت و پنجشنبه ۹ اردیبهشت ۱۴۰۰) به‌صورت مجازی برگزار می‌شود. علاوه بر ارائه‌ی مقالات، چهار سخنران کلیدی که از اساتید و پژوهشگران برجسته‌ی بین‌المللی در این حوزه هستند نیز به سخنرانی می‌پردازند. شرکت در جلسات ارائه‌ی کنفرانس رایگان است. برنامه‌ی جلسات کنفرانس را می‌توانید از طریق نشانی زیر ملاحظه بفرمایید: http://ipria2021.ismvipconf.ir/conf.php لینک اتاق برگزاری کنفرانس: Virtual Room in BBB: https://bbbadmin.kashanu.ac.ir/join/1/ipria2021 Virtual Room in Skype (Reserve): https://join.skype.com/NUoYQAcqmEtX http://ipria2021.ismvipconf.ir

📹 باید کاری کنیم که در هوش مصنوعی حداقل به ده کشور اول دنیا برسیم 👈🏼 گزیده‌ای از بیانات رهبر انقلاب در دیدار امروز نخبگان و استعدادهای برتر علمی 📥 khl.ink/f/48896 💻 @Khamenei_ir | #فیلم_نوشت

🔰 کار علمیِ مسأله‌محور 👈🏼 مروری بر مهم‌ترین مسائل روز کشور که راه‌حل علمی دارند 🔻حضرت آیت‌الله خامنه‌ای در دیدار نخبگان و استعدادهای برتر علمی (۱۴۰۰/۰۸/۲۶)نگاه مسأله‌محور جوامع علمی و نخبگان را ضروری دانستند و نمونه‌ای از مسائل روز و مبتلا به را برشمردند که در این اطلاع‌نگاشت مرور میشود. 📥 khl.ink/f/49016 💻 @Khamenei_ir | #اطلاع_نگاشت

از داده خام تا فهم عمیق در این شکل، Data با مجموعه‌ای از نقاط تصادفی نشان داده می‌شوند که می‌توانند پتانسیل داشتن معنا را داشته باشند. در ادامه information، جایی که معنا یا رابطه به داده‌های خام تبدیل می‌شود. این موضوع با اعمال رنگ‌های مختلف بر روی نقاط نشان داده می‌شود. knowledge زمانی به‌دست می‌آید که بتوانیم اطلاعات (information) را به خاطر بسپاریم، برای مثال جدول‌های ضرب استاندارد یا زمان طلوع و غروب خورشید در یک ماه معین یک حالت استاندار دارند. همان‌طور که دانش (Knowledge) به دست می‌آوریم، شروع به درک چیزهای جدید می‌کنیم و بین قطعات مختلف اطلاعات ارتباط برقرار می‌کنیم. با این حال، در سطح Insight است که داده‌ها به طور جدی مفید می‌شوند. این قسمت توانایی ترکیب دانش به‌منظور دستیابی به درک عمیق از یک مسئله است. با بینش (insight)، چشم‌انداز wisdom (خرد) به وجود می‌آید که توانایی استفاده از بینش برای تسهیل تصمیم‌گیری آگاهانه است. 🔗 https://t.me/silicon_brain/878 #information #data #knowledge #wisdom 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

آموزش استفاده از گیت‌هاب برای ساخت پروژه و مشارکت در پروژه‌های گیت دیگران 🔗 https://t.me/Ai_Tv/3362 #tutorial #github 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

مدل تشخیص احساسات به صورت Real-Time و نمایش روی هیت مپ 🔗 https://t.me/silicon_brain/877 #sentiment_analysis #heatmap 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

فراخوان مقالات ویژه مجله بین‌المللی ارتباطات و فناوری اطلاعات 🔗 https://t.me/IEEEIranSection/2549 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

نظر ایلان ماسک در مورد «همزیستی کامل با هوش مصنوعی»: «اگر نمی توانید آنها را شکست دهید به آنها بپیوندید» آیا قرار است ما انسان بمانیم؟ یا قرار است از آن فراتر برویم … آیا این منجر به جهنم شدن زمین خواهد شد؟ یا ملکوت آسمان؟ جهان بینی شما پاسخ شما را تعیین خواهد کرد.» 🔗 https://t.me/truthsgram/3093 #transhumanism #robohuman 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

#معرفی_کتاب Unsupervised Deep Learning 👤 (Lazy Programmer Series) 🔹 The LazyProgrammer 🔸 2019 🔗 http://lazyprogrammer.me #book #unsupervised #deep_learning 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

یک کتاب خوب و جامع در مورد پیاده‌سازی یادگیری عمیق بدون نظارت در پایتون 💯 محتوای این کتاب: - Principal Components Analysis - t-SNE - Autoencoders and Stacked Denoising Autoencoders - Restricted Boltzmann Machines and Deep Belief Networks - Feature Visualization - Tricking a Neural Network #شبکه_عصبی #یادگیری_عمیق #پایتون 🔗 https://t.me/GITAnet #book #unsupervised #deep_learning 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

#اینفوگرافی هفت گام پروژه‌های علم داده 🔗 https://t.me/DataPlusScience/1439 #tutorial #infographics #data_science 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

✍🏻 کتاب هوش مصنوعی با حمایت شرکت آدونیس منتشر شد انتشارات راه پرداخت با حمایت شرکت توسعه خدمات الکترونیکی آدونیس کتاب «هوش مصنوعی؛ چگونه یادگیری ماشین دهه آینده را شکل خواهد داد» را منتشر کرد. ناشر اصلی کتاب مذکور انتشارات وایرد است که در سال ۲۰۲۱ این کتاب را با عنوان «Artificial Intelligence: How Machine Learning Will Shape the Next Decade» منتشر کرده و کمیل علی‌تقوی زحمت ترجمه این کتاب را بر عهده داشته است. انتشارات راه پرداخت پیش از این کتاب کریپتوکارنسی را هم از این انتشارات به چاپ رسانده بود. کتاب هوش مصنوعی بیست‌وهشتمین کتابی است که انتشارات راه پرداخت در سال ۱۴۰۰ منتشر می‌کند و در کمتر از دو هفته باقی‌مانده تا پایان سال نیز حداقل دو کتاب دیگر به این فهرست اضافه خواهد شد. درباره دلیل اهمیت کتاب هوش مصنوعی باید گفت وایرد به‌عنوان ناشر نسخه اصلی این کتاب همواره مدنظر گروه رسانه‌ای راه پرداخت قرار داشته است. وایرد نشریه‌ مهمی است که درباره موضوعات فناوری از زاویه دید متفاوتی صحبت می‌کند و تأثیر فناوری بر حوزه‌های غیرفناوری را خیلی خوب بررسی و تحلیل می‌کند. 📖 مجله هوش مصنوعی 🔗 https://t.me/HomeAI/9627 #book #artificial_intelligence 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

Image Data Augmentation for Deep Learning: A Survey by: Suorong Yang , et al. Nanjing University [04/19/2022] Abstract: Deep learning has achieved remarkable results in many computer vision tasks. Deep neural networks typically rely on large amounts of training data to avoid overfitting. However, labeled data for real-world applications may be limited. By improving the quantity and diversity of training data, data augmentation has become an inevitable part of deep learning model training with image data. As an effective way to improve the sufficiency and diversity of training data, data augmentation has become a necessary part of successful application of deep learning models on image data. In this paper, we systematically review different image data augmentation methods. We propose a taxonomy of reviewed methods and present the strengths and limitations of these methods. We also conduct extensive experiments with various data augmentation methods on three typical computer vision tasks, including semantic segmentation, image classification and object detection. Finally, we discuss current challenges faced by data augmentation and future research directions to put forward some useful research guidance. 🔗 https://deepai.org/publication/image-data-augmentation-for-deep-learning-a-survey #deep_learning #data_augmentation 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

گزارش مرکز نمایه هوش مصنوعی دانشگاه استنفورد از وضعیت هوش مصنوعی در سال ۲۰۲۲ این گزارش به بررسی وضعیت هوش مصنوعی در پنج فصل می‌پردازد: فصل ۱: پژوهش و توسعه فصل ۲: کارآیی تکنیکی فصل ۳: اخلاقیات هوش مصنوعی تکنیکی فصل ۴: اقتصاد و آموزش فصل ۵: سیاست و حکمرانی هوش مصنوعی 🔗 https://aiindex.stanford.edu/report/ 🌐 http://cysp.ut.ac.ir 🆔 @ut_cyber