آنچه را که می‌بینید درست است🤠

همکاری جدید آناکوندا و مایکروسافت.

از این به بعد در إکسل هم میتوانید ، با پایتون کد بزنید و مصورسازی کنید و کلی کارهای تکنیکال 😃

https://www.anaconda.com/excel

اطلاعات مربوط به سایت مایکروسافت

وقتی یک Project Manager عالی 😍
آخر قصه میرسه به دادت 🤠

سلام دوستان،
احتمالا میدونید که ما در هوسم دوره جدیدی رو معرفی کردیم: دوره دیپ کاتالیست!
بارها توی این کانال پست‌های پیشنهاد پروژه برای افزایش مهارت و تقویت رزومه گذاشتیم. حالا تصمیم داریم که یک دوره منسجم با پروژه‌های آموزشی برگزار کنیم. دوره دیپ کاتالیست شامل 5+1 پروژه خوب در یادگیری عمیق هست که باهم پیاده‌سازیشون می‌کنیم. این پروژه‌ها متمرکز بر دیپ لرنینگ هستن و روی داده‌های تصویری، متن و صوتی تعریف شدن.

پروژه‌ها به‌صورت زیر هستن:
* کپشن‌گذاری متن (Image Captioning)
* سگمنتیشن تصاویر پزشکی (Medical Image Segmentation)
* مدل‌سازی زبان (Language Modeling)
* تبدیل صوت به متن (Speech Recognition)
* پیاده‌سازی شبکه pix2pix GAN
* تخمین سن از روی چهره (Facial Image Estimation) [پروژه صفر]

هدف از انجام این پروژه‌ها چی هست؟
* افزایش مهارت کدنویسی پروژه‌های دیپ لرنینگ
* یادگیری نحوه بودجه‌بندی/مدیریت پروژه‌های دیپ‌لرنینگ
* افزایش مهارت در کدنویسی پایتورچ
* آشنایی با ابزارهای جانبی مثل گیتهاب، wandb، کدنویسی ماژولار در پایچارم و غیره
* تشویق افراد برای تقویت رزومه با انجام پروژه‌های متوسط به بالا و انتشارشون

اگه دوست داشتید، نگاهی به صفحه دوره دیپ کاتالیست بندازید. فردا دوره شروع میشه. تا شروع دوره 50 درصد تخفیف هم داریم.
https://howsam.org/downloads/deep-catalyst/
اگه هم دوست نداشتید شرکت کنید، 6 تا پروژه خوب بهتون معرفی شده که می‌تونید خودتون انجام بدید. 😉

این هم راه‌های ارتباط با ما:
👤 @howsam_support
📞 09025469248
✉️ [email protected]
🌐 www.howsam.org

@pytorch_howsam

Mojo🔥 is now available
for local download on modular.com now 🚀

The world's fastest unified AI inference engine. Get models into production, faster

Mojo is not available for Windows yet
but you can use it on a Linux container or remote system.

https://developer.modular.com/download

حالا بیایید نظر جادی رو هم درباره Mojo بشنویم.
https://www.instagram.com/p/Cwh-RwJv7FL/

در شاخه ی پردازش تصویر
پروژه ای هست تحت عنوان ORB-SLAM که برای نقشه برداری و موقعیت مکانی کاربرد داره و توسط محققین دانشگاه زاراگوزای اسپانیا توسعه داده شده.

بخشی از این پروژه با OpenCV هست.

ORB-SLAM 3: A Tool for 3D Mapping and Localization

سورس گیت هاب

چراغ راهنمایی که هیچ وقت سبز نمیشود !
مگر اینه موارد ایمنی در پشت چراغ قرمز رعایت شود.

در این پروژه ی پردازش تصویر ، سوژه اصلی یک موتور سوار هست و ملاک اصلی عملکرد چراغ راهنما بر اساس موارد ایمنی مربوط به موتور سوار هست.

اگر چنانچه موتور سوار، موارد ایمنی را رعایت کند، چراغ سبز می شود.

این کمپین در شهر کامپانا در آرژانتین
جایی که هوندا کارخانه تولید موتور سیکلت خود را دارد، برگزار شد.

این بسیار موفقیت آمیز بود و بازخورد مثبتی از مردم و رسانه ها دریافت کرد که هوندا و آلماسن را به خاطر خلاقیت و مسئولیت اجتماعی شان تحسین کردند.

ماریا فرناندا لدسما پادیلا، معاون مدیر بازاریابی هوندا، می‌گوید:
«چراغ راهنمایی بهانه‌ای بود تا همه دوباره درباره اهمیت استفاده از کلاه ایمنی صحبت کنند. می دانستیم که چالش نهایی ما تغییر عادت بد 4 نفر از 10 نفر موتورسیکلت سوار در آرژانتین است.

Mojo Programming Language – Full Course for Beginners

اولین آموزش رسمی Mojo
برای شروع (مبتدیان)
از FreeCodeCamp

https://youtu.be/5Sm9IVMet9c?si=VLIEBD1qbDgNn8ti

پایتورچ 2.1 همراه با کتابخانه های جدیدی آمد 😍

این به‌روزرسانی‌ها نشان می‌دهند که تمرکز تیم توسعه دهنده بر توسعه رابط‌های برنامه‌نویسی (APIs) مشترک و قابل گسترش در تمام زمینه‌ها است تا برای جامعه ما آسان‌تر شود تا پروژه‌های اکوسیستمی را بر پایه PyTorch ایجاد کنند 💪🏻

به همراه انتشار 2.1، به‌روزرسانی‌های بتا را برای کتابخانه‌های حوزه PyTorch از جمله TorchAudio و TorchVision منتشر شده.

New Library Updates in PyTorch 2.1

اخیرا گوگل کولب پرو برای دوره دیپ کاتالیست تهیه کرده بودیم. یکسری تجربه از کار با این سرویس پولی کسب کردیم که در اینستا گذاشتم و اینجا هم میذارم.

1. سه نوع gpu در پرو با نام‌های V100، T4 و A100 وجود داره. ضعیف‌ترین T4 و قوی‌ترین A100 هست. یک بار درخواست A100 دادم، اما نداد. به‌نظر میرسه که این gpu رو سخت‌تر میده.

2. هر سرویس پرو شامل 100 واحد محاسباتی شارژ هست. با هر بار اتصال به یک ماشین مجازی، این شارژ مصرف میشه.

3. هرکدوم از دیوایس‌ها یک نرخ تقریبا ثابتِ مصرف شارژ/واحدمحاسباتی دارن. مثلا T4 به ازای هرساعت 2 واحد محاسباتی مصرف میکنه. V100 قدرتمند هم حدود 5 واحد محاسباتی مصرف میکنه. من به A100 وصل نشدم، اما فکر کنم میزان مصرف بین 7 الی 8 باشه.

نتیجه اینکه، با T4 حداکثر 50 ساعت کولب پرو و با V100 حداکتر 20 ساعت واحد محاسباتی دارید.

4. هزینه کولب پرو هم 10 دلار هست. فکر کنم برای خارج کشور، 10 دلار برای 50 ساعت gpu نسبتا به صرفه باشه. کولب پرو رو می‌تونید از ایرانی‌کارت تهیه کنید.

اگه شما هم تجربه‌ای در استفاده از کولب پرو کسب کردید، لطفا با ما و سایر دوستان به اشتراک بذارید.

@pytorch_howsam

در بروز رسانی آخر OpenAI
نسخه بتای DALL·E 3 هم به پنل GPT-4 اضافه شد.

برو بچ OpenAI، سازنده ChatGPT، با شرکت تکنولوژی G42 مستقر در ابوظبی همکاری خود را رسما اعلام کرده است.
تا از طریق استفاده از مدل‌های OpenAI در زمینه‌هایی مانند خدمات مالی، انرژی، بهداشت و خدمات عمومی، ادغام هوش مصنوعی در امارات متحده عربی و بازارهای دیگر خاورمیانه را تسهیل کند.
این توافق‌نامه بخشی از تدابیری است که با هدف توسعه صنعت تکنولوژی در امارات انجام شده است​.

برای دوره یادگیری ماشین هوسم، کتاب‌های زیادی رو مطالعه و بررسی کردیم. از نظر ما، یکی از بهترین و منسجم‌ترین کتاب‌ها، کتاب An Introduction to Statistical Learning بود. البته، این کتاب خیلی معروف هست. اما، برای ما نکته منفی این کتاب، زبان R بود. خوشبختانه، اخیرا یک نسخه پایتونی از کتاب رو هم منتشر کردن. 😍

لینک مشاهده کتاب:
https://drive.google.com/file/d/1ajFkHO6zjrdGNqhqW1jKBZdiNGh_8YQ1/view

فایل‌های ضمائم رو هم گذاشتن؛ اسلاید، دیتاست و ...
https://www.statlearning.com/resources-python

واجَب است بر شما که یک نسخه کاغذی از این کتاب رو داشته باشید! 😄

@pytorch_howsam

چه تفاوتی بین محقق‌های‌ معمولی و بزرگ ‌وجود داره؟

یک پست جالب در توییتر خوندم که مقایسه‌ای بین محقق‌های معمولی و‌ بزرگ انجام شده بود. پیشنهاد می‌کنم این ویدیو رو ببینید و بیشتر در‌موردش مطالعه کنید.

https://x.com/_jasonwei/status/1715080315587440719?s=35

@pytorch_howsam

سلام
پایتورچ یک لایبرری داره که شاید تا الان ندیده باشید. اسم این لایبرری torcheval هست و تماما برای محاسبه معیارهای ارزیابی هست. خیلی از معیارهای ارزیابی در حوزه‌های مختلف مثل تصویر، متن و صوت رو می‌تونید در این لایبرری پیدا کنید. به شکل زیر نصب میشه:

pip install torcheval

معیارها معمولا دو شکل کلاس و فانکشنال دارن. بیاید F1 Score رو در دو حالت فانکشنال و کلاس ببینیم:

from torcheval.metrics.functional import binary_f1_score
predictions = model(inputs)
f1_score = binary_f1_score(predictions, targets)

خب فانکشنال ساده و سرراست هست. اما کلاس خفن‌تر و جالب‌تر هست. یک آبجکت از معیار می‌سازیم و بعد با استفاده از متد update می‌تونیم دائما مقدار معیار رو آپدیت کنیم. به درد کجا میخوره؟ زمانی‌که می‌خوایید از این معیار توی دیتالودر ترین و ولیدیشن استفاده کنید. درنهایت هم اگه از متد compute استفاده کنید، می‌تونید مقدار نهایی معیار رو مشاهده کنید.

from torcheval.metrics import BinaryF1Score
for inputs, targets in dataloader:
     predictions = model(inputs)
     metric = BinaryF1Score()
     metric.update(predictions, targets)
f1_score = metric.compute()

این هم داکیومنت لایبرری:
https://pytorch.org/torcheval/stable/index.html

دوره جدید پایتورچ هوسم ایز کامینگ... ☺️
@pytorch_howsam

webcamGPT is a set of tools and examples showing how to use the OpenAI vision API to run inference on images, video files and webcam streams.

Git webcamGPT