DLeX: AI Python

✅ معرفی #منابع پیشنهادی برای #یادگیری_ماشین #آموزش #دکترـرضوی
«قدم اول یادگیری زبانهای برنامه نویسی R و Python و Weka که در بیشتر موارد نرم افزار پایتون بهترین گزینه جهت انجام همه این کار ها است»
#یادگیری_عمیق #پردازش_زبان_طبیعی
✅ دنبال کردن کلاس آموزشی دکتر رضوی
👈 کلاس آموزشی دکتر رضوی

❇️@AI_Python
🌐 آموزشهای یادگیری علم داده دانشگاه هاروارد
👈 لینک
👈 لینک آموزش فایلهایی ویدیویی
👈 تمرینات
🌐 آموزش های ویدیویی یادگیری ماشین دانشگاه استنفورد
👈 لینک
🌐 کتابهای آموزشی یادگیری آماری جهت فراگیری یادگیری ماشین
👈 فایل pdf
👈 فایل pdf 2
🌐 فراگیری آموزش احتمال که توسط سایت Edx برگزار شده است
👈 لینک
❎یادگیری کلان داده با استفاده آپاچی اسپارک
👈 لینک
❎ یادگیری مباحث ریاضیاتی نظیر جبرخطی و معادلات دیفرانسیل
👈 لینک
❎ یادگیری آموزشهای تقویتی یادگیری ماشین و یادگیری عمیق دانشگاه برکلی
👈 لینک
❎ مطالعه مقالات و یادگیری آموزش الگوریتم های پیشنیاز یادگیری ماشین
👈 لینک
❎ معرفی کتاب
✔️ Bishop's Pattern Recognition and Machine Learning
✔️ Introduction to Probability by John N. Tsitsiklis
✔️ Larry Wasserman's All of Statistics: A Concise Course in Statistical Inference
✔️ Joel Grus' Data Science from Scratch: First Principles with Python
✔️ Brett Lantz's Machine Learning with R
✔️ Willi Richert & Luis Pedro Coelho's Building Machine Learning Systems with Python
✔️ Nick Pentreath's Machine Learning with Spark
✔️ Learning From Data by Yaser S. Abu-Mostafa

❇️@AI_Python
📎 استنتاج بیزی و یادگیری ماشین دانشگاه کمبریج
👈 لینک
📎 یادگیری ماشین و دیدگاه احتمالی دانشگاه بریتیش کلمبیا
👈 لینک
📎 چگونه از دیتا یاد بگیریم دسترسی به کتابها و مطالب دانشگاه Caltech
👈 لینک
🌐 معرفی الگوریتم های خطی و غیر خطی یادگیری ماشین
Linear Algorithm

Gradient Descent
Linear Regression
Logistic Regression
Linear Discriminant Analysis

Nonlinear Algorithms

Classification And Regression Trees, Naive Bayes, KNN,Learning Vector Quantization, Support Vector Machines, Bagging and Random Forest,Boosting and AdaBoost

❇️@AI_Python

✔️ معرفی #منابع پیشنهادی برای #یادگیری_عمیق
قدم اول برای یادگیری عمیق
#یادگیری_ماشین #پردازش_زبان_طبیعی #هوش_مصنوعی #آموزش #شبکه_عصبی_کانوولوشن #شبکه_عصبی #منابع
✅1 - فراگیری مفاهیم مقدماتی یادگیری ماشین
مباحث آموزشی دکتر هینتون و بنجیو و لکون
👈 لینک
✅ فیلم های اموزشی یادگیری ماشین و یادگیری عمیق دکتر رضوی
👈 لینک
✅ تسلط بر مباحث برنامه نویسی پایتون و کار با تنسرفلو وکراس
✅ تسلط بر مباحث ریاضیات و جبر از دانشگاه MIT
👈 لینک
✔️ معادلات ماتریسی یادگیری عمیق دانشگاه کالیفرنیا جنوبی
👈 لینک
✔️ استفاده از سایت بسیار مشهور که به وسیله پژوهشگران برتر هدایت میشود
fast.ai
👈 لینک

📚 2 - مطالعه منابع عمیق دانشگاه ها و...
یادگیری عمیق دانشگاه آکسفورد
👈 لینک 👈 لینک ۲ 👈 لینک ۳ 🖋فیلمهای این دانشگاه
❌ آموزش های شبکه ای کانولوشن و یادگیری ماشین و...
⁉️ لینک
❌ وبسایتی که آموزشها و مقالات را از سال ۲۰۱۲ تا ۲۰۱۶ قابل دسترس است
⁉️ لینک
❌ شبکه عصبی کانولوشن برای تشخیص بصری
⁉️ لینک
❌ پردازش زبان طبیعی برای یادگیری ماشین
⁉️لینک
❌ مدرسه تابستانی یادگیری عمیق مونترال
⁉️ لینک ۱ ⁉️ لینک ۲
❌ شبکه کانولوشن عصبی و شبکه عصبی
⁉️ لینک
🔍 یادگیری شبکه های عصبی جفری هینتون کورسرا

📘 کلاس شبکه های عصبی دانشگاه اوشربروک کانادا
👈لینک
📕منابع یادگیری ماشین دانشگاه کالتک برای یادگیری نظری ها
👈 لینک
📘 3- معرفی کتابها
Neural Networks and Deep Learning Book by Michael Nielsen
Deep Learning Book by Ian Goodfellow, Yoshua Bengio and Aaron Courville

📘 4- سایر منابع
CS231n Convolutional Neural Networks for Visual Recognition University of Stanford
Getting Started in Computer Vision by Mostafa S. Ibrahim he focus on GPU and ...

🗓 پردازش زبان طبیعی دانشگاه استنفورد
👈 لینک 👈لینک ۲
🗓 مطالعه مقاله درمورد حافظه شبکه
👈 لینک
📘 مطالعه مقاله پایه ای حافظه شبکه و NLP
👈 لینک
ویدیوهای شرکت DeepMind
👈 لینک

❇️ یادگیری عمیق تقویتی
👈 لینک کتابهای
❇️ فهم یادگیری LSTM
👈 لینک
❇️ اثر بخشی ناعادلانه RNN
👈 لینک
✔️ مدل های تولیدی
✅ مقاله جهت یادگیری مدلهای GANs
👈لینک
✅ یادگیری مدل VANs
👈 لینک
✅ مقاله نوشته شده دکتر Ian Goodfellow در مورد GAN
👈 لینک
✅ مقاله نوشته شده LAPGAN
👈 لینک
✅ مقاله نوشته شده در مورد DCGAN
👈لینک مقاله 👈 لینک کدها
✅ استفاده از روش DCGAN برای تصاویر کیفیت بالا
👈 لینک
✅ فیلم های یادگیری عمیق برای پردازش تصویر
👈 لینک
🌐 ساخت پروژه
👈 لینک دیتا
🌐 شناسایی و طبقه بندی تصاویر
👈 لینک ۱ 👈 لینک ۲
🌐 تحلیل احساسات با استفاده از RNN
👈لینک
و با استفاده از CNN
👈 لینک
🌐 کاربرد الگوریتم عصبی سبک هنری
👈لینک
🌐 ساخت موسیقی با استفاده از RNNs
👈 لینک
🌐 ساخت بازی پینگ پونگ با استفاده از یادگیری عمیق تقویتی
👈 لینک
✳️ استفاده از شبکه عصبی Rate a selfie
👈 لینک
✳️ استفاده از رنگ عکسهای سیاه و سفید با استفاده از یادگیری عمیق
👈 لینک
✳️ سایر منابع یادگیری عمیق از پژوهشگران برتر کارپاتی
👈 لینک مقالات
✳️ لینک یادگیری عمیق دانشگاه استنفورد
👈 لینک ۱ 👈 لینک ۲
✳️ یادگیری عمیق
👈 لینک

🔔@AI_Python

✔️ معرفی #منابع_آموزشی پیشنهادی برای یادگیری هوش مصنوعی
#Ai #Deep_Learning #Machine_learning
#یادگیری_عمیق #هوش_مصنوعی
#یادگیری_ماشین #شبکه_عصبی
✅ گام اول برای یادگیری هوش مصنوعی:
- فراگیری پایتون
- فراگیری یادگیری ماشین

📍یادگیری ماشین بااستفاده از scikit-learn 👈 لینک دوره
📍یادگیری ماشین با استفاده از پایتون 👈 لینک دوره
📍آموزش یادگیری ماشین 👈 لینک دوره
📍یادگیری ماشین با استفاده از scikit-learn-part1 👈 لینک دوره
📍مبانی مقدماتی تا پیشرفته یادگیری ماشین 👈 لینک دوره

✅ استفاده از منبع های مختلف دانشگاه ها و سایت های معتبر

📍 اصول و روش های هوش مصنوعی از دانشگاه استنفورد 👈 لینک دوره
📍 منابع آموزشی دانشگاه MIT 👈 لینک دوره
📍دوره هوش مصنوعی Saylor 👈 لینک دوره
📍منابع آموزشی موجود در سایت Edx 👈 لینک دوره
📍منابع اموزشی مقدمات هوش مصنوعی 👈 لینک دوره
📍 ویدیو های سخنرانی دانشگاه برکلی 👈 لینک دوره
📍 آموزش یادگیری عمیق Google 👈 لینک دوره
📍ویدیو آموزش یادگیری ماشین دانشگاه کارنگی ملون استاد لری وارسرمن 👈 لینک دوره
📍آموزش شبکه های عصبی برای هوش مصنوعی 👈 لینک دوره

✅ یادگیری نظریه های آمار، احتمال و ریاضی

📍آموزش جبر خطی 👈 لینک دوره
📍آموزش آمار و احتمال دانشگاه MIT 👈 لینک دوره
📍معادلات دیفرانسیل و چندگانه 👈لینک دوره ۱ لینک دوره ۲
📍آموزش نظریه گراف سایت coursera 👈 لینک دوره
📍آموزش روش های بهینه سازی دانشگاه استنفورد👈 لینک دوره

✅ ویدیوهای فارسی
📍آموزش‌های فارسی یادگیری ماشین دکتر رضوی 👈 لینک

📍گروه فارسی پرسش و پاسخ هوش مصنوعی، یادگیری ماشین و یادگیری عمیق:
https://t.me/joinchat/ClyM2kZKfp0_jRXWpiQDkw

✅ برترین مقالات هوش مصنوعی و یادگیری ماشین:
@ai_python_arxiv

❇️ @AI_Python

انتشار کورس کلاسی دانشگاه کرنل
🔸 Applied Machine Learning (Cornell Tech CS 5787, Fall 2020)
🔸 Course Materials on Github

Optimization and Calculus
Overfitting and Underfitting
Regularization
Monte Carlo Estimation
and more
#منابع #فیلم #کلاس_آموزشی #یادگیری_ماشین

✅ @AI_Python

انتشار کورس کلاسی
🔸 Machine Learning Lecture Technical University Dortmund

#منابع #فیلم #کلاس_آموزشی #یادگیری_ماشین

✅ @AI_Python

گاهی در ماشین لرنینگ نمی‌دونیم چرا یک خروجی خاص تولید شده! یعنی ممکنه نتیجه درست باشه، مثلاً مدل شی رو در تصویر تشخیص بده، امّا به ما نمیگه که چطور به این نتیجه رسیده. زیرشاخه‌ای به نام Explainable ML به حل این مشکل اختصاص داره.

https://m.youtube.com/playlist?list=PLV8yxwGOxvvovp-j6ztxhF3QcKXT6vORU

#منابع #فیلم #کلاس_آموزشی #یادگیری_ماشین

✅ @AI_Python

انتشار کورس کلاسی دانشگاه CMU در مورد
Multimodal Machine Learning - Carnegie Mellon, 2022

🔸 Lectures

🔸 Webpage

#فیلم #منابع #یادگیری_ماشین #کلاس_آموزشی
#MachineLearning

✅ @AI_Python

سری سمینارهای MLSys دانشگاه استنفورد

🔸 Stanford MLSys Seminar Series

#منابع #فیلم #یادگیری_ماشین #کلاس_آموزشی #سمینار

❇️ @AI_Python

آموزشهای دکتر اله یاری

🔸 RNN and LSTM Networks Tutorial Part 2

🔸 RNN and LSTM Networks Tutorial Part 1

🔸 Seq2seq Learning Example Part 2

🔸 Seq2seq Learning Example Part 1

🔸 Autoencoders Tutorial Part 3 final

🔸 Autoencoders Tutorial Part 2

🔸 Autoencoders Tutorial Part 1

🔸 CNNs Tutorial Part 2 final

🔸 CNNs Tutorial Part 1

🔸 Logistic Regression Part 4 final

🔸 Logistic Regression Part 3

🔸 Linear Regression Part 2

🔸 Linear Regression Part 1

🔸 Neural Network Part 5 final

🔸 Neural Network Part 4

🔸 Neural Network Part 3

🔸 Neural Network Part 1

🔸 Neural Network Part 2

#شبکه_عصبی #منابع #فیلم #دانشگاه #الگوریتمها #کلاس_آموزشی #یادگیری_عمیق #هوش_مصنوعی #یادگیری_ماشین


❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

انتشار کورس جدید دانشگاه San Diego

🔸 Introduction to Machine Learning spring 2021, by Jingbo Shang


#منابع #فیلم #آموزش_کلاسی #یادگیری_ماشین

❇️ @AI_Python

#کتاب خلاصه ریاضیات برای #یادگیری_ماشین

• Linear Algebra
• Calculus and Optimization
• Probabilities

Download it here:

http://gwthomas.github.io/docs/math4ml.pdf

#منابع

✅ @AI_Python

Lecture Notes (Bandit and Online Learning)
#lecture

Online and Adaptive Methods for Machine Learning
Link:https://courses.cs.washington.edu/courses/cse599i/18wi/

Interactive Machine Learning in Non-stochastic Environments
Link: https://courses.cs.washington.edu/courses/cse599m/21sp/

#یادگیری_ماشین #آموزش_آموزشی #فیلم #منابع

✳️@ai_python

پیش نیازهای یادگیری ماشین به ترتیب زیر یادبگیرید

1- Linear Algebra
2- Linear Algebra
3- Linear Algebra & Probability & Information Theory Numerical Computations
4- Python for beginners
5- Python syntax and practice
6- Python for ML
7- Machine Learning with Python
8- SQL tutorial and Data Structure & Algorithm
9- Cloud computing
10- Cloud computing

#منابع #یادگیری_ماشین #کلاس_آموزشی #آموزش_آموزشی #فیلم #پایتون #آمار #ریاضی

✅ @AI_PYTHON

Here's an awesome Github project explaining key AI and ML papers and concepts:
https://github.com/dair-ai/ML-Papers-Explained

#منابع #یادگیری_ماشین #مقاله

✳️ @ai_python

۵ سایت یوتیوب برای یادگیری هوش مصنوعی

#منابع #کلاس_آموزشی #فیلم #هوش_مصنوعی #یادگیری_ماشین

✅ @ai_python

کورس جدید گروه Andrew NG

Machine Learning Engineering for Production

آموزش تنسرفلو

New Courses: Machine Learning Engineering for Production

#کلاس_آموزشی #یادگیری_ماشین #منابع #فیلم

✅ @AI_Python

آموزش رایگان یادگیری ماشین از دکتر شریفی زارچی استاد دانشگاه شریف

https://mktb.me/b1zp

#آموزش_کلاسی #منابع #یادگیری_ماشین #فیلم

✳️ @AI_Python

👉 Foundations Of Machine Learning

Using this repo, you can learn the foundations of ML through intuitive explanations, clean code and visuals. Also, you can learn how to apply ML to build a production grade product to deliver value.

🔗 https://github.com/GokuMohandas/Made-With-ML



#یادگیری_ماشین #منابع

✳️ @AI_Python