DLeX: AI Python

سخنرانی ارتور بنجامین در مورد اینکه افراد رو در چه حوزه ای باید تربیت کرد! ریاضیات یا احتمالات !! @Data_Experts

Training Data این سایت هم دیتاست‌های مناسب رو یکجا جمع‌آوری کرده و در دسترس قرار داده و هم کمک می‌کنه از همون مدل‌های اولیه برای لیبل زدن دیتاهای بیشتر استفاده کنید.

مقاله داغ Detect Online Trolls in Elections https://arxiv.org/abs/1910.07130 #هوش_مصنوعی #منابع #داده_کاوی #مقاله #AI #ArtificialIntelligence #datamining ❇️ @AI_Python ✴️ @AI_Python_EN

راه فراگیری علم داده برای مبتدیان #منابع #علم_داده #آموزش #DataScience ❇️ @AI_Python ✴️ @AI_Python_EN

تمام تغییرات مهم شبکه‌های کانولوشن تا ۲۰۱۸ : Paper link

35 پروژه علم داده #منابع #علم_داده #آموزش #DataScience 💠 Link ❇️ @AI_Python ✴️ @AI_Python_EN

By using GTrXL we find large performance gains in reinforcement learning tasks requiring memory and integration of experience through time compared to LSTM, whilst not compromising on more reactive RL tasks. This architecture really shines on some continuous control tasks requiring long temporal memory horizons, and compared to previous work doesn't require any auxiliary losses.

Transformers working for RL! Two simple modifications: move layer-norm and add gating creates GTrXL: an incredibly stable and effective architecture for integrating experience through time in RL. https://arxiv.org/abs/1910.06764 ❇️ @AI_Python ✴️ @AI_Python_EN

Uncertainty Quantification in Deep Learning https://www.inovex.de/blog/uncertainty-quantification-deep-learning/

A new antibody search engine with publication data. #Free online platform for academic scientists! #openaccess #openscience #phdchat https://landing.benchsci.com/

Slides https://t.co/X5gKgF11bE New optimization: competitive gradient descent (CGD) for training GAN/multi-agent systems. Implicit competitive regularization from CGD means that we get SOTA with no explicit gradient penalty, better stability and no mode collapse #AI #DeepLearning ❇️ @AI_Python ✴️ @AI_Python_EN

Bayesian Optimization Meets Riemannian Manifolds in Robot Learning Jaquier et al.: https://lnkd.in/gEv2b5g #BayesianOptimization #Robotics #MachineLearning

Convolutional #NeuralNetworks have become a foundational network architecture for numerous deep learning-based #ComputerVision tasks. Here, Heartbeat contributor Brian Mwangi explores their evolution in this excellent review of the research. https://bit.ly/32fkz0p

🔸 مقاله جالبی در مورد مقایسه کامل بین ۲ فریم ورک PyTorch و TensorFlow #معرفی_ابزار #فریم_ورک #یادگیری_ماشین

🔹«#مسابقه هوش مصنوعی Comment Verification #دیجیکالانکست» 👈آکادمی دیجی‌کالا با همکاری Quera برگزار می‌کند. 🔹برنامه‌ی مسابقه👇 1️⃣ مرحله اول به صورت آنلاین در تاریخ ۱۶ و ۱۷ آبان در سایت Quera برگزار می‌شود. 2️⃣مرحله دوم به صورت حضوری در تاریخ ۲۸ و ۲۹ آبان در شرکت دیجیکالانکست برگزار میشود. 🔹#جایزه، کمپ #هوش_مصنوعی و #استخدام!👇 👈معرفی افراد برتر به کمپ هوش‌مصنوعی 🎁۹۰ میلیون ریال جوایز نقدی به نفرات برتر 👈معرفی تمام شرکت کنندگان این مسابقه به بخش منابع انسانی دیجیکالا اطلاعات بیشتر و ثبت نام:👇 🔗https://quera.ir/r/2xrrx ➖➖➖➖➖➖➖➖ @Quera_ir

مهم‌ترین کتابخانه های علم داده در #پایتون این نمودار از بررسی سایت Github تهیه و توسط سایت ActiveWizards منتشر شده است. @ai_python

Simple, Scalable Adaptation for Neural Machine Translation Fine-tuning pre-trained Neural Machine Translation (NMT) models is the dominant approach for adapting to new languages and domains. However, fine-tuning requires adapting and maintaining a separate model for each target task. Researchers from Google propose a simple yet efficient approach for adaptation in #NMT. Their proposed approach consists of injecting tiny task specific adapter layers into a pre-trained model. These lightweight adapters, with just a small fraction of the original model size, adapt the model to multiple individual tasks simultaneously. Guess it can be applied not only in #NMT but in many other #NLP, #NLU and #NLG tasks. Paper: https://arxiv.org/pdf/1909.08478.pdf #BERT ❇️ @AI_Python_EN

Deep Learning: http://course.fast.ai NLP: http://bit.ly/fastai-nlp Comp Linear Algebra:   http://github.com/fastai/numerical-linear-algebra Bias, Ethics, & AI: http://fast.ai/topics/#ai-in-society Debunk Pipeline Myth: http://bit.ly/not-pipeline AI Needs You: http://bit.ly/rachel-TEDx Ethics Center:  http://bit.ly/USF-CADE ❇️ @AI_Python_EN

💢 تنها ثروتی که هیچوقت از بین نمیره #تخصص است. ✅ در شرایط بد اقتصادی، آموزش #رایگان و فرستادن شما به بازار کار برای کسب درآمد، تخصص ماست👌