Rasht School of AI

یک کورس آموزشی جدید از andrew ng منتشر خواهد شد!

More than 4.8 million learners took the original Machine Learning course by Andrew Ng. Ten years later, we’re thrilled to announce a brand new, updated, and expanded Machine Learning Specialization, created in collaboration with Stanford University Online, launching in June!

This is a foundational 3-course program for those looking to #BreakIntoAI.

https://hubs.la/Q018VRWb0

➖➖➖➖➖➖➖➖➖
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورک‌شاپ، کلاس و ... تشکیل شده است.

لينك دورهمی هشتم مدرسه هوش مصنوعی:

https://drive.google.com/file/d/1SXZ7TGWExrT60wYgeLv8LgAyU1_puVGm/view?usp=sharing

دوستان ميتونيد از طريق لينك زير به عنوان مهمان وارد همايش بشيد:

https://rooydad.guilan.ac.ir/ch/room1

🌕 هشتمین دورهمی مدرسه هوش مصنوعی
🌕 School of AI

🗓 جمعه 13 اسفند 1400
🕐ساعت 18 الی 19:30
🏢 رویداد آنلاین است (اسکای روم)
🗣 ميزبان برنامه: رضا خان محمدی - پژوهشگر هوش مصنوعی
📖 موضوع دورهمی:
Natural Language Processing & Deep Learning
💰هزینه: رایگان!

*جهت ثبت نام به لینک زیر مراجعه کنید:
▪️https://evnd.co/ZLanc

برای کسب اطلاعات بیشتر به وبسایت مدرسه یا کانال زیر
مراجعه کنید:

🌐 schoolofai.ir

🏢 @schoolofairasht

لينك دورهمی ششم مدرسه هوش مصنوعی:

https://drive.google.com/file/d/1PPUwMZ70XHJeKVokjnIJidvp5FFOTl4z/view?usp=sharing


لينك دورهمی هفتم مدرسه
هوش مصنوعی:


https://drive.google.com/file/d/1A3vC3ZmVztuTIeoP8OLDaftNKSzTgmxE/view?usp=sharing

دوستان ميتونيد از طريق لينك زير به عنوان مهمان وارد همايش بشيد:

https://rooydad.guilan.ac.ir/ch/room1

🔻هفتمین دورهمی مدرسه جهانی هوش مصنوعی
🔺School of AI

🗓 شنبه 29 خرداد 1400
🕐ساعت ۱۸ الی ۲۰
🏢 رویداد آنلاین است (اسکای روم)
🗣 مهمان برنامه: محمد دوستی لاخانی - پژوهشگر موسسه
Max Planck Institute for Informatics
💰هزینه: رایگان

*جهت ثبت نام به لینک زیر مراجعه کنید:
▪️https://evnd.co/RToNd

برای کسب اطلاعات بیشتر به وبسایت مدرسه یا کانال زیر
مراجعه کنید:

🌐 schoolofai.ir

🏢 @schoolofairasht

سلام به همگی! از آخرین دورهمی مدتی میگذره ولی دست پر برگشتیم! 
خوشحالیم که در هفتمین سری از دورهمی‌های مدرسه هوش مصنوعی قرار است میزبان جناب آقای محمد دوستی لاخانی، پژوهشگر Max Planck Institute for Informatics باشیم! در این جلسه با هم مروری بر مسیر یادگیری خواهیم داشت و مقدمه‌ای ازیادگیری ماشین خواهیم دید. در ادامه درخدمت مهمان دورهمی خواهیم بود تا با ارائه self-supervised deep learning with differentiable physics engine، با یکی از جزئی‌ترین کاربست پذیری های مفاهیم گفته شده ابتدای جلسه، در دنیای امروز باشیم.

🔻ششمین دورهمی مدرسه جهانی هوش مصنوعی
🔺School of AI

🗓 شنبه 28 فروردین 1400
🕐ساعت ۱۷ الی ۱۹
🏢 رویداد آنلاین است (اسکای روم)
💰هزینه: رایگان

*جهت ثبت نام به لینک زیر مراجعه کنید:
▪️https://evnd.co/9TkFP

برای کسب اطلاعات بیشتر به وبسایت مدرسه یا کانال زیر
مراجعه کنید:

🌐 schoolofai.ir

🏢 @schoolofairasht

سلام! بالاخره بعد از چندین ماه با ششمین دورهمی مدرسه هوش مصنوعی برگشتیم! در این مدت اتفاقات زیادی افتاده و برای اولین بار بعد از شیوع ویروس کرونا به صورت غیر حضوری دور هم جمع می شیم تا دو کلام راجب هوش مصنوعی با هم صحبت کنیم. از آنجایی که دوستان جدیدی در جمع ما حضور دارند در ابتدا به معرفی مسیر پیشنهادی یادگیری هوش مصنوعی می پردازیم و مراحل پیاده سازی یه پروژه یادگیری عمیق را با هم می بینیم. در نهایت، خوشحال می شیم گپ و گفتگویی با دوستانی که از قدیم با ما همراه بودند داشته باشیم تا تجربیات حضورشان در مدرسه را با ما به اشتراک بذارند.

سلام ✌️✌️
هممون میدونیم که یکی از گزینه های ما برای ادامه تحصیل در شاخه کامپیوتر هوش مصنوعیه ...
▫️اصلا هوش مصنوعی چیه ؟
▫️تو چه شاخه ای کاربرد نداره ؟
▫️از کجا شروع کنیم؟
▫️و...
ایبار پوریا برنجی قصد داره که به مبحث داغ و جذاب هوش مصنوعی بپردازه . اون میخواد این هفته با رنک اول ورودی ۹۴ رشته مهندسی کامپیوتر دانشگاه گیلان یعنی اقای "عرفان میاهی" یه مصاحبه رو ترتیب بده .
🆔@GuilanCS

The Underlying Mathematics of New Coronavirus (COVID-19) Growth

https://www.youtube.com/watch?v=Kas0tIxDvrg
#math #statistics

لینک مخزن گیتهاب مدرسه ی هوش مصنوعی:
https://github.com/rasht-school-of-ai
در این لینک داکیومنت ها و کدهایی که در جلسات مدرسه ی هوش مصنوعی، مورد استفاده قرار میگیرد، گذاشته می شود.

Python Crash Course
A comprehensive approach to programming
🐍 with Python
✅ For Beginners

Learning Path to Machine Learning

Learning Path for understanding the implementation and mathematical background of Machine Learning algorithms

Theoretical Phase
1. Linear Algebra
https://www.coursera.org/learn/linear-algebra-machine-learning
2. Calculus
https://www.coursera.org/learn/multivariate-calculus-machine-learning
3. Statistics
https://www.edx.org/course/probability-the-science-of-uncertainty-and-data
4. Algorithms
https://www.coursera.org/learn/algorithms-part1
https://www.coursera.org/learn/algorithms-part2

Optional Phase
If you are not familiar with programming, reading this book is recommended:
5. Python Crash Course: A Hands-on, Project-Based Introduction to Programming (Can be found in the following post)

Practical Phase
6. Data Science & Python
https://www.coursera.org/learn/python-data-analysis?specialization=data-science-python
7. Data Visualization
https://www.coursera.org/learn/python-plotting?specialization=data-science-python
8. Machine Learning
https://www.coursera.org/learn/machine-learning (After this you can start participating in Kaggle competitions)
9. Deep Learning
https://www.coursera.org/specializations/deep-learning

🔻پنجمین دورهمی مدرسه جهانی هوش مصنوعی در رشت
🔺School of AI

📘موضوع این جلسه: عصب شناسی محاسباتی و رابطه آن با هوش مصنوعی
🗓دوشنبه 11 شهریور 1398
🕐ساعت 16:30 الی 19:00
🏢 رشت، میدان انتظام (پل رازی)، پارک علم و فناوری گیلان

*جهت ثبت نام به لینک زیر مراجعه کنید:
▪️https://evnd.co/WtokW

برای کسب اطلاعات بیشتر درباره ی این مدرسه، به کانال زیر مراجعه کنید:
🏢 @schoolofairasht

✅ @Brainandcognition_GU

🔻سومین دورهمی مدرسه جهانی هوش مصنوعی در رشت
🔺School of AI

🗓شنبه 31 فروردین 1398
🕐ساعت ۱۵ الی ۱۷
🏢 دانشکده ی علوم پایه، سالن شهید کریمی

*جهت ثبت نام به لینک زیر مراجعه کنید:
▪️https://evnd.co/aCmgo

برای کسب اطلاعات بیشتر درباره ی این مدرسه، به کانال زیر مراجعه کنید:
🏢 @schoolofairasht

✅ @Brainandcognition_GU

مطالب گفته شده در جلسه ی دوم دوره همی مدرسه ی هوش مصنوعی:
https://github.com/school-of-ai-rasht-chapter/Meetup-Materials/blob/master/Second%20Meetup/Binary%20Classification.ipynb