Machine learning books and papers

Therapeutics Data Commons: Machine Learning Datasets and Tasks for Therapeutics Github: https://github.com/mims-harvard/TDC Paper: https://arxiv.org/abs/2102.09548 Datasets: https://tdcommons.ai/ @Machine_learn

با عرض سلام ما پكيج ٣٦ پروژه عملي با يادگيري عميق همراه با داكيومنت فارسي را براي دوستاني كه مي خواهند در اين حوزه به صورت عملي كار كنند تهيه كرديم سرفصل هاي اين پكيج به ترتيب زير مي باشند: 1-Deep Learning Basic -01_Introduction --01_How_TensorFlow_Works --02_Creating_and_Using_Tensors --03_Implementing_Activation_Functions -02_TensorFlow_Way --01_Operations_as_a_Computational_Graph --02_Implementing_Loss_Functions --03_Implementing_Back_Propagation --04_Working_with_Batch_and_Stochastic_Training --05_Evaluating_Models -03_Linear_Regression --linear regression --Logistic Regression -04_Neural_Networks --01_Introduction --02_Single_Hidden_Layer_Network --03_Using_Multiple_Layers -05_Convolutional_Neural_Networks --Convolution Neural Networks --Convolutional Neural Networks Tensorflow --TFRecord For Deep learning Models -06_Recurrent_Neural_Networks --Recurrent Neural Networks (RNN) 2-Classification apparel -Classification apparel double capsule -Classification apparel double cnn 3-ALZHEIMERS USING CNN(ResNet) 4-Fake News (Covid-19 dataset) -Multi-channel -3DCNN model -Base line+ Char CNN -Fake News Covid CapsuleNet 5-3DCNN Fake News 6-recommender systems -GRU+LSTM MovieLens 7-Multi-Domain Sentiment Analysis -Dranziera CapsuleNet -Dranziera CNN Multi-channel -Dranziera LSTM 8-Persian Multi-Domain SA -Bi-GRU Capsule Net -Multi-CNN 9-Recommendation system -Factorization Recommender, Ranking Factorization Recommender, Item Similarity Recommender (turicreate) -SVD, SVD++, NMF, Slope One, k-NN, Centered k-NN, k-NN Baseline, Co-Clustering(surprise) 10-NihX-Ray -optimized CNN on FullDataset Nih-Xray -MobileNet -Transfer learning -Capsule Network on FullDataset Nih-Xray هزينه اين پكيج ٥٠٠هزارمیباشد(صرفا هزينه تهيه ديتاست هاست). جهت خريد مي توانيد با ايدي بنده در ارتباط باشيد @Raminmousa

https://analyticsindiamag.com/guide-to-pgmpy-probabilistic-graphical-models-with-python-code/ @Machine_learn

Introducing Model Search: An Open Source Platform for Finding Optimal ML Models http://ai.googleblog.com/2021/02/introducing-model-search-open-source.html @Machine_learn

GraphGallery: A Platform for Fast Benchmarking and Easy Development of Graph Neural Networks Based Intelligent Software Github: https://github.com/EdisonLeeeee/GraphGallery Paper: https://arxiv.org/abs/2102.07933v1 @Machine_learn

🔸لیستی از برترین کانال‌های آموزشی در زمینه های هوش‌مصنوعی, پایتون و یادگیری ماشین ‏❯ هوش مصنوعی: 1️⃣ @Ai_Tv 2⃣ @AI_PYTHON 3⃣ @cvision 4⃣ @HomeAI ‏❯ یادگیری ماشین و یادگیری عمیق : 1️⃣ @Machine_learn ‏❯ علم داده: 1⃣ @dataanalysis 2⃣ @python4finance 3⃣ @mr_ie ‏❯ آموزش پایتون : 1⃣ @pythony 2⃣ @pythonchallenge 3⃣ @SQL_Server 4⃣ @Koolac_Org 5⃣ @Raspberry_Python 6⃣ @Programming4all_0to100

🧪 Alchemy: A structured task distribution for meta-reinforcement learning Deepmind: https://deepmind.com/research/publications/alchemy Github: https://github.com/deepmind/dm_alchemy Paper: https://arxiv.org/abs/2102.02926 @Machine_learn

How to Speed up Scikit-Learn Model Training https://www.kdnuggets.com/2021/02/speed-up-scikit-learn-model-training.html @Machine_learn

📌کانالی مناسب برای علاقه مندان هوش مصنوعی، یادگیری ماشین، زبان برنامه نویسی پایتون و آموزش های رایگان 📝 این کانال توسط فارغ التحصیلان هوش مصنوعی دانشگاه صنعتی امیرکبیر ایجاد شده و جدیدترین اخبار حوزه هوش مصنوعی را اطلاع رسانی خواهد کرد. https://t.me/joinchat/AAAAADweGusEx9ZAwC-N0g 📍متخصصین و اساتید زیادی در این کانال عضو هستند. 📖 مجله هوش مصنوعی ➖➖➖➖➖ 🆔 : @HomeAI

Neural-Backed Decision Trees Demo: https://research.alvinwan.com/neural-backed-decision-trees/ Github: https://github.com/alvinwan/neural-backed-decision-trees Paper: https://arxiv.org/abs/2004.00221 Code: https://colab.research.google.com/github/alvinwan/neural-backed-decision-trees/blob/master/examples/load_pretrained_nbdts.ipynb Dataset: https://pytorch.org/docs/stable/torchvision/datasets.html @Machine_learn

Building Image Segmentation Faster Using Jupyter Notebooks from NGC https://developer.nvidia.com/blog/building-image-segmentation-faster-using-jupyter-notebooks-from-ngc/ @Machine_learn

Evaluating Design Trade-offs in Visual Model-Based Reinforcement Learning http://ai.googleblog.com/2021/02/evaluating-design-trade-offs-in-visual.html @Machine_learn

TracIn — A Simple Method to Estimate Training Data Influence http://ai.googleblog.com/2021/02/tracin-simple-method-to-estimate.html @Machine_learn