Machine learning books and papers

🔸لیستی از برترین کانال‌های آموزشی در زمینه های هوش‌مصنوعی, پایتون و یادگیری ماشین ‏❯ هوش مصنوعی:  1️⃣ @Ai_Tv 2⃣ @ai_python 3⃣ @HomeAI 4⃣ @eventai ‏❯ یادگیری ماشین و یادگیری عمیق : 1️⃣ @Machine_learn ‏❯  تنسورفلو  : 1⃣ @cvision ‏❯ علم داده : 1️⃣ @BigDataSchool ‏❯ آموزش پایتون: ‏ 1⃣ @Programming4all_0to100 2⃣  @raspberry_python ❯ منابع یادگیری برنامه‌نویسی : 1️⃣ @pythony

با عرض سلام نفر دوم این مقاله مونده و امشب سابیمت میشه اگه کسی نیاز داشت به ایدی بنده اعلام کنه. @Raminmousa

🔸لیستی از برترین کانال‌های آموزشی در زمینه های هوش‌مصنوعی, پایتون و یادگیری ماشین ‏❯ هوش مصنوعی:  1️⃣ @Ai_Tv 2️⃣ @eventai ‏❯ یادگیری ماشین و یادگیری عمیق : 1️⃣ @Machine_learn 2️⃣ @Programming4all_0to100 ‏❯ علم داده : 1️⃣ @BigDataSchool ‏❯ آموزش پایتون: ‏ 1⃣  @raspberry_python ‏

فقط نفر دوم از اين جايگاه موند ...!

با عرض سلام مقاله E‏yes estimation and tracking جهت ارکایو شدن تموم شده و نفرات ۲ و ۳ باقی مونده از دوستانی که پردازش تصویر کار میکنن و یا به حوزه دیپ علاقه دارند می تونن در این مقاله شرکت کنند. به زودی نسخه ژورنالش هم اماده میکنیم Abstract E‏yes estimation and tracking are important research issues in computer vision and human-computer interaction. In this paper, a transfer-based learning model is proposed for this purpose. In the proposed approach, the two ResNet50 networks, whose initial weights are taken from ImageNet, are taught in parallel and finally merged into a layer called feature fusion, the output of the two networks. The proposed approach results show that this approach is better than other approaches on the MPIIGaze dataset. The proposed approach achieved an angle error of 5.83, which resulted in a lower error than other approaches. دوستانی که تمایل به شرکت دارند می تونن به ایدی بنده پیام بدن. @Raminmousa

🔥 DEGramNet: A Novel Convolutional Architecture for Audio Analysis 🚀 📄 Paper: https://link.springer.com/article/10.1007/s00521-023-08849-7 🔥 PyTorch code: https://github.com/robertanto/DEGramNet-torch 📦 TensorFlow code: https://github.com/MiviaLab/DEGramNet 🔗 Google Colab: https://link.springer.com/article/10.1007/s00521-023-08849-7 @Machine_learn

This channels is for Programmers, Coders, Software Engineers. 0- Python 1- Data Science 2- Machine Learning 3- Data Visualization 4- Artificial Intelligence 5- Data Analysis 6- Statistics 7- Deep Learning 8- programming Languages ✅ Data Science Channels: https://t.me/addlist/8_rRW2scgfRhOTc0 ✅ Main Channel: https://t.me/DataScienceM

با عرض سلام دو پکیچ یادگیری ماشین و یادگیری عمیق را برای دوستانی که می خواهند تا فرداشب با تخفیف ۵۰٪ مجدد قرار دادیم این تخفیف اخرین سری از تخفیف های این دو پکیچ می باشد 1: introduction to machine learning 2: Regression (linear and non-linear) 3: Tensorflow introduction 4: Tensorflow computaion graph 5: Tensorflow optimizer and loss function 6: Tensorflow linear and non linear regression 7: logistic regression 8: Tensorflow regression ___________ 9: introduction to traditional machine learning *10: knn and desicion tree *11: desicion tree and Naive bayes *12: desicion tree, knn, Naive bayes implementation *13: k-means *14: Guassion Mixture Model(GMM) *15: implementation K-means and GMM _ 16: introduction to Artificial Neural Network 17: Multi-level Neural Network 18: Introduction to Convolution Neural Network 19: Tensorflow Multi-level Neural Network 20:Tensorflow CNN 21:CNN image clasaification 22: Cnn text clasaification 23: Recurrent Neural Network(RNN) جهت تهیه می تونین به ایدی بنده مراجعه کنین @Raminmousa