Machine learning books and papers

🔸لیستی از برترین کانال‌های آموزشی در زمینه های هوش‌مصنوعی, پایتون و یادگیری ماشین ‏❯ هوش مصنوعی: 1️⃣ @Ai_Tv 2⃣ @HomeAI ‏❯ یادگیری ماشین و یادگیری عمیق : 1️⃣ @Machine_learn ❯ تنسورفلو 1⃣ @cvision ‏❯ آموزش پایتون : 1⃣ @Programming4all_0to100 2⃣ @raspberry_python 3⃣ @pythonchallenge

CompilerGym: Robust, Performant Compiler Optimization Environments for AI Research CompilerGym is a library of easy to use and performant reinforcement learning environments for compiler tasks. Github: https://github.com/facebookresearch/CompilerGym Documents: https://facebookresearch.github.io/CompilerGym/ Paper: https://arxiv.org/abs/2109.08267v1 @Machine_learn

Dynamic Slimmable Network (DS-Net) Github: https://github.com/M3DV/AlignShift Paper: https://arxiv.org/abs/2109.10060v1 @Machine_learn

با عرض سلام تخفیف ویژه تا اول مهره. سعی میشود قسمت های از هزینه های تهیه پکیچ برای دانش اموزان نیازمند در نظر گرفته شود. جهت تهیه به ایده بنده پیام دهید. @Raminmousa

✅ AliceMind: ALIbaba's Collection of Encoder-decoders from MinD (Machine IntelligeNce of Damo) Lab Github: https://github.com/alibaba/AliceMind Paper: https://arxiv.org/abs/2109.05687v1 Dataset: https://paperswithcode.com/dataset/glue @Machine_learn

آکادمی همراه برگزار می‌کند: 🛎 دوره آنلاین APIنویسی 🔸معرفی APIها 🔸‌پروتکل‌های انتقال 🔸استانداردهای‌ REST 🔸 معماری‌های سطح بالا 🔸ابزارهای طراحی سرویس، تست خودکار و توسعه(کتابخانه) 🔸معرفی API console 🔸طراحی و توسعه یک سرویس با زبان‌های مختلف برنامه‌نویسی مثل جاوا، گولنگ و پایتون 💡 منتورینگ و رفع اشکال 🎓 گواهی معتبر پایان دوره 💼 دعوت به همکاری با همراه اول ⏱️ بازه زمانی: ۳هفته از ۲۷ شهریورماه 🌐 برای مشاهده اطلاعات بیشتر و ثبت‌نام اینجا کلیک کنید. 🆔 @hamrah_academy

Texformer: 3D Human Texture Estimation from a Single Image with Transformers Github: https://github.com/xuxy09/texformer Paper: http://arxiv.org/abs/2109.02563 Meta data: https://www.dropbox.com/s/ekxn300cuw8bw6b/meta.zip @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 ٥٠٠هزار مي باشد و صرفا هزينه تهيه ديتاست هاست. جهت خريد مي توانيد با ايدي بنده در ارتباط باشيد @Raminmousa

🔸لیستی از برترین کانال‌های آموزشی در زمینه های هوش‌مصنوعی, پایتون و یادگیری ماشین ‏❯ هوش مصنوعی: 1️⃣ @Ai_Tv 2️⃣ @ArmanbehnamAI 3️⃣ @HomeAI ‏❯ یادگیری ماشین و یادگیری عمیق : 1️⃣ @Machine_learn ‏❯ آموزش پایتون : 1️⃣ @pythony 2️⃣ @Programming4all_0to100 3️⃣ @raspberry_python 4️⃣ @python4finance 5️⃣ @pythonchallenge

Reinforcement Learning Lecture Series (2021) - A comprehensive look at modern reinforcement learning by DeepMind & UCL. Course Page: https://deepmind.com/learning-resources/reinforcement-learning-series-2021 Lectures: https://www.youtube.com/playlist?list=PLqYmG7hTraZDVH599EItlEWsUOsJbAodm @Machine_learn

Paper: https://arxiv.org/pdf/2105.06993.pdf Project Page: https://omnimatte.github.io/ Github: https://github.com/erikalu/omnimatte Supplimentary material: https://omnimatte.github.io/supplementary/index.html Explained: https://www.youtube.com/watch?v=lCBSGOwV-_o @Machine_learn

سلام دوستاني كه راجع به پياده سازي پايان نامه , مقاله و يا ... مشكل دارند، مي تونن با ايدي بنده در ارتباط باشند. telg: @Raminmousa همچنين جهت صحبت كردن راجع به موارد گفته شده مي تونن با Whats app بنده در ارتباط باشند. Whats app: +989333900804

Learning Neural Causal Models with Active Interventions Github: https://github.com/nke001/causal_learning_unknown_interventions Paper: https://arxiv.org/abs/2109.02429v1 @Machine_learn