Dr. Ghavifekr Class Notes

آزمایشگاه هوش مصنوعی دانشگاه استنفورد: https://ai.stanford.edu/

مرکز تحقیقاتی رباتیک دانشگاه برکلی. https://ptolemy.berkeley.edu/projects/robotics/

✅✅ معرفی چند مرکز تحقیقاتی فعال در حوزه رباتیک برای علاقه مندان این حوزه:

کتابی که فایل آن در زیر آمده است یک کتاب رایگان و فوق العاده برای یادگیری ریاضیات لازم برای یادگیری ماشین است. این کتاب را هم می توانید از اول بخوانید یا صرفا به عنوان یک کتاب مرجع از ان استفاده کنید. ریاضیات آن از بسیار ساده تا متوسط است و تقریبا تمام ریاضیاتی که در یادگیری ماشین استفاده می شود را پوشش می دهد. این هم وب سایت این کتاب است. بر روی گیت هاب آن ها مثال هایی با پایتون هم دیده می شود که به تدریج به تعداد آن ها اضافه می شود. https://mml-book.github.io/

دوره آنلاین پر هیجان و رایگان "جهان در حال تکامل" ارائه شده توسط موسسه فناوری کالیفرنیا(کلتک): https://es.coursera.org/learn/evolvinguniverse

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