یادگیری ماشین
3.42K subscribers
21 photos
2 videos
26 files
138 links
加入频道
سخنرانی آقای علی رحیمی در کنفرانس NIPS 2017. علاوه بر جذابیت این‌که یک ایرانی جایزه‌ی test of time را در کنفرانس NIPS کسب کرده است، ده دقیقه‌ی پایانی صحبت ایشان که وضعیت فعلی یادگیری ماشین را به کیمیاگری تشبیه می‌کند جالب است. ایشان جامعه‌ی علمی را به تمرکز بر شناخت اصول حاکم بر مدل‌های توسعه‌داده‌شده به‌جای پیچیده‌تر کردن و غیرقابل‌فهم‌تر کردن مدل‌ها تشویق می‌کنند.
https://www.youtube.com/watch?v=Qi1Yry33TQE
بهترین ایده‌ی مطرح شده در یادگیری ماشین طی ده سال گذشته از نظر آقای Yann LeCun (مدیر بخش تحقیقات هوش مصنوعی فیسبوک و مبدع آموزش شبکه‌های عصبی کانولوشنی)، ایده‌ی adversarial training است که در Generative Adversarial Networks معرفی شده است. این نظر در دقیقه‌ی ۲۹ سخنرانی زیر در دانشگاه ام‌آی‌تی بیان شده است.
https://www.youtube.com/watch?v=0tEhw5t6rhc
کراس (Keras) برای دوستانی که با یادگیری عمیق آشنایی دارند، کتابخانه‌ی آشنایی است. این کتابخانه که به سادگی استفاده مشهور است، از لحاظ سرعت رشد جزء برترین‌ها در بین چارچوب‌های یادگیری عمیق می‌باشد. اخیراً خالق کراس (آقای Chollet) کتابی را با عنوان "یادگیری عمیق در پایتون" منتشر کرده است که بطور پایه‌ای و با زبان ساده به معرفی مفاهیم یادگیری عمیق و استفاده از کتابخانه‌ی کراس می‌پردازد. این کتاب را می‌توانید در پست بعد دریافت نمایید.
دکا عنوان رقابتی داخلی و آنلاین است که از اول دی ماه شروع شده است و به مدت دو ماه ادامه دارد. هدف این رقابت که شبیه رقابت‌های موجود در Kaggle می‌باشد، پیش‌بینی احتمال کلیک کاربر روی یک اعلان تبلیغاتی ارسال شده بر روی گوش تلفن همراه است. برای دوستان علاقه‌مند به داده‌کاوی، شرکت در این رقابت توصیه می‌شود. در ویدئوی زیر با این رقابت بیشتر آشنا می‌شوید:
http://deca.pushe.co/blog/live/
پلت‌فرم آموزشی سایت کگل برای آموزش مفاهیم و روش‌های مرتبط با یادگیری ماشین:
https://www.kaggle.com/learn/overview
نکته‌ای راجع به بیش‌برازش به همراه یک نمونه
با توجه به ماهیت حوزه‌ی هوش مصنوعی، افرادی که با مباحث مرتبط با هوش طبیعی موجود در طبیعت (شامل هوش انسانی) آشنا باشند، می‌توانند درک جامع‌تری نسبت به این حوزه داشته باشند. در همین راستا، درس علوم شناختی که به رایگان در سایت مکتبخونه قرار گرفته است، می‌تواند در سطح کلان مفید باشد. از مزایای این درس این است که توسط سه استاد از حوزه‌های مختلف مرتبط با علوم شناختی تدریس می‌شود:
https://maktabkhooneh.org/course/335/مبانی-علوم-شناختی/
درس یادگیری عمیق در پایتون در ترم جاری برای گروه مهندسی فناوری اطلاعات دانشگاه قم برگزار می‌شود. هدف این درس، آشنایی با مفاهیم شبکه‌های عصبی عمیق و نحوه‌ی پیاده‌سازی آنها ازطریق کتابخانه‌ی کراس می‌باشد. ویدئوهای مربوطه همزمان با ارائه‌ی درس در این کانال قرار خواهند گرفت.