Dr. Ghavifekr Class Notes

این مقاله که با پشتکار و تلاش فراوان آقای سام ضیامنش، آقای هادی سلیمی و آقای احمد توانا نوشته شده است جهت ارائه در این کنفرانس پذیرفته گردیده است.

هشتمین دوره کنفرانس پردازش سیگنال و سیستم‎‌های هوشمند ایران در تاریخ ۷ الی ۸ دی ماه سال جاری در دانشگاه مازندران برگزار می گردد. این کنفرانس به عنوان مهمترین رویداد علمی کشور در حوزه سیگنال و سیستم زمینه‎‌ای برای همفکری و تبادل دانش بیشتر بین محققین و پژوهشگران علمی و فنی در موضوع پردازش سیگنال و سیستم‎‌های هوشمند ایجاد می‌‎کند. https://icspis.ir/page/index/1/en

✅ مقالات زیر با پشتکار  و تلاش فراوان عزیزان توانمند دوره کارشناسی آقای مرتضی هراتی با موضوع" مسیریابی بهینه برای بازوهای رباتیک صنعتی با استفاده از الگوریتم گرگ خاکستری" و آقای سهند حلاج و خانم مهدیه صمدی با موضوع" بهینه سازی حرکت ربات مار شکل با استفاده از الگوریتم جغرافیای زیستی" جهت ارائه در این کنفرانس پذیرفته شده اند.

✅ در این کنفرانس محققین از بیش از ۲۹ کشور جهان حضور دارند.

✅ دهمین دوره‌ کنفرانس بین المللی تکنولوژی های پیشرفته ICAT به میزبانی شهر وان ترکیه در روزهای ۲۶ و ۲۷ نوامبر سال جاری برگزار می گردد. https://www.icatsconf.org/ICAT22/van

فیلم جمع بندی پروژه عزیزان توانمند آقای ابراهیم زاده، آقای فهید و آقای نوروزی  با پروژه ساخت ربات با انتقال حرکات دست و هپتیک.

لیست درسهای مقدماتی و پیشرفته یادگیری ماشین که از ‌ یوتیوب به صورت کاملاً رایگان قابل دسترس هستند - Andrew Ng CS229 ML: https://lnkd.in/gkDEyuCS - MIT: Deep Learning for Art: https://lnkd.in/grusgt3Z - Stanford CS230: Deep Learning: https://lnkd.in/ggXNEX7K - Practical Deep Learning for Coders: https://lnkd.in/giHMNrHG, https://lnkd.in/gDtRtHmG - Stanford CS224W: Machine Learning with Graphs: https://lnkd.in/grZC_j4N - Probabilistic Machine Learning: https://lnkd.in/gjSpNDCD - MIT 6.S191: Introduction to Deep Learning: https://lnkd.in/gWtSdkSH - UC Berkeley CS 182: Deep Learning: https://lnkd.in/gzHS6m8G - UC Berkeley Deep Unsupervised Learning: https://lnkd.in/gPdPbKku - Yann Lecun's NYU Deep Learning SP21L: https://lnkd.in/gdyzmf8b - Stanford CS25 - Transformers United: https://lnkd.in/gaZVn3wY - Hugging Face NLP Course: https://lnkd.in/gigfE2Yj - Stanford CS224N: Natural Language Processing with Deep Learning: https://lnkd.in/g4fg4_wX - CMU Neural Nets for NLP: https://lnkd.in/gVpUwtXE - Stanford CS224U: Natural Language Understanding: https://lnkd.in/gMeGkkzV - CMU Advanced NLP: https://lnkd.in/gAtrsGqY - CMU Multilingual NLP: https://lnkd.in/ghbcWftV - Stanford CS231N: Convolutional Neural Networks for Visual Recognition: https://lnkd.in/g3DeCWEc - Michigan Deep Learning for Computer Vision: https://lnkd.in/gbdgGgJQ - AMMI Geometric Deep Learning Course: https://lnkd.in/gYH6Vuum - UC Berkeley CS 285 Deep Reinforcement Learning: https://lnkd.in/gH-HYdqz - Intro to Deep Learning and Generative Models: https://lnkd.in/gxuTtkSk - Stanford CS330: Deep Multi-Task and Meta Learning: https://lnkd.in/gasntdBh Source: https://lnkd.in/gys5Rk5k

✅ لیست درسهای مقدماتی و پیشرفته یادگیری ماشین که از ‌ یوتیوب به صورت کاملاً رایگان قابل دسترس هستند: - Andrew Ng CS229 ML: https://lnkd.in/gkDEyuCS - MIT: Deep Learning for Art: https://lnkd.in/grusgt3Z - Stanford CS230: Deep Learning: https://lnkd.in/ggXNEX7K - Practical Deep Learning for Coders: https://lnkd.in/giHMNrHG, https://lnkd.in/gDtRtHmG - Stanford CS224W: Machine Learning with Graphs: https://lnkd.in/grZC_j4N - Probabilistic Machine Learning: https://lnkd.in/gjSpNDCD - MIT 6.S191: Introduction to Deep Learning: https://lnkd.in/gWtSdkSH - UC Berkeley CS 182: Deep Learning: https://lnkd.in/gzHS6m8G - UC Berkeley Deep Unsupervised Learning: https://lnkd.in/gPdPbKku - Yann Lecun's NYU Deep Learning SP21L: https://lnkd.in/gdyzmf8b - Stanford CS25 - Transformers United: https://lnkd.in/gaZVn3wY - Hugging Face NLP Course: https://lnkd.in/gigfE2Yj - Stanford CS224N: Natural Language Processing with Deep Learning: https://lnkd.in/g4fg4_wX - CMU Neural Nets for NLP: https://lnkd.in/gVpUwtXE - Stanford CS224U: Natural Language Understanding: https://lnkd.in/gMeGkkzV - CMU Advanced NLP: https://lnkd.in/gAtrsGqY - CMU Multilingual NLP: https://lnkd.in/ghbcWftV - Stanford CS231N: Convolutional Neural Networks for Visual Recognition: https://lnkd.in/g3DeCWEc - Michigan Deep Learning for Computer Vision: https://lnkd.in/gbdgGgJQ - AMMI Geometric Deep Learning Course: https://lnkd.in/gYH6Vuum - UC Berkeley CS 285 Deep Reinforcement Learning: https://lnkd.in/gH-HYdqz - Intro to Deep Learning and Generative Models: https://lnkd.in/gxuTtkSk - Stanford CS330: Deep Multi-Task and Meta Learning: https://lnkd.in/gasntdBh Source: https://lnkd.in/gys5Rk5k

🚩 بورسیه فول فاند بنیاد فریدریش ایبرت آلمان در سال 2023 🔺 بنیاد فریدریش ایبرت آلمان Friedrich Ebert Stiftung بورسیه تحصیلی برای دانشجویان خارجی در سال تحصیلی 2022-2023 ارایه می کند. این بورسیه تحصیلی برای رشته های مختلف و مقاطع مختلف تحصیلی توسط این بنیاد اعطا می شود. همه ساله 40 نفر برای این بورسیه برگزیده خواهند شد و دانشجویان برگزیده بورسیه نیازی به بازپرداخت هزینه های بورسیه پس از تحصیل نخواهند داشت. https://www.fes.de/studienfoerderung/bewerbung/wie-laeuft-der-bewerbungsprozess-ab

یکی از بهترین و متفاوت ترین کورس های آموزشی پایتون در coursera: https://www.coursera.org/specializations/python-3-programming

✅ وب سایت های مفید برای آموزش زبان C. ۱.  وبسایت Cprogramming آموزش های C را ابتدا  با وب سایت C-Programming یاد بگیرید که شما را از ابتدای C تا مباحث پیچیده مانند درخت های دو دویی و ساختار های داده ها آشنا می کند. این آموزش های نوشتاری از C Programming قطعا پیش زمینه خوبی در برنامه نویسی C برای شما به وجود خواهد آمد. ۴. وبسایت CodingUnit این وب سایت به آموزش چندین مبحث از جمله C و ++C و PHP پرداخته است. آموزش‌های این وب سایت از اول تا آخر برنامه نویسی C را شامل می‌شود. ۵.  وبسایت Learn-C چه برنامه‌نویس باتجربه باشید چه نباشید، learn-C برای افرادی که قصد به یادگیری زبان برنامه‌نویسی C دارند طراحی گردیده است. قابلیت یکتایی که این وب‌سایت دارد نمایش خروجی آن است، اگر می‌خواهید یک برنامه را تست کنید، می‌توانید نتیجه آن را مستقیماً در نمایش خروجی ببینید. همچنین می‌توانید آموزش‌های مفید خود را به این وب‌سایت ارسال کنید.

✅ حضور عزیزان توانمند آقای ابراهیم زاده، آقای فهید و آقای نوروزی در دهمین دوره نمایشگاه رینوتکس با پروژه ساخت ربات با انتقال حرکات دست و هپتیک.