Channel: هوش مصنوعی |یادگیری ماشین| علم داده
💻 AutoCodeRover: Autonomous Program Improvement
AutoCodeRover is a fully automated tool for fixing bugs on GitHub (fixing bugs in the issues section and generating new features for the project).
AutoCodeRover works in two stages:
🔎 Context search: LLM analyzes the code to collect context.
🔖 Patch generation: LLM rewrites code based on received context.
AutoCodeRover already solves ~16% of errors on the SWE-bench dataset and ~22% of errors in SWE-bench lite and continues to improve.
▪Github
▪Paper
#LLM
🆔 @Ai_Tv
AutoCodeRover is a fully automated tool for fixing bugs on GitHub (fixing bugs in the issues section and generating new features for the project).
AutoCodeRover works in two stages:
🔎 Context search: LLM analyzes the code to collect context.
🔖 Patch generation: LLM rewrites code based on received context.
AutoCodeRover already solves ~16% of errors on the SWE-bench dataset and ~22% of errors in SWE-bench lite and continues to improve.
▪Github
▪Paper
#LLM
🆔 @Ai_Tv
This media is not supported in your browser
VIEW IN TELEGRAM
یک کورس عالی که حاصل همکاری چندتا دانشگاه UCLA ،Cornell ،Caltech و Stanford هست اومده راجع به Deep Generative Models .
این دوره سطحش PhD هست و باید یک سری پیش نیازها را داشته باشید مثل ریاضی و احتمالات قوی، برنامه نویسی و ...
سرفصلها همه عالی.
https://kuleshov-group.github.io/dgm-website/
🆔 @Ai_Tv
این دوره سطحش PhD هست و باید یک سری پیش نیازها را داشته باشید مثل ریاضی و احتمالات قوی، برنامه نویسی و ...
سرفصلها همه عالی.
https://kuleshov-group.github.io/dgm-website/
🆔 @Ai_Tv
Media is too big
VIEW IN TELEGRAM
💠 هوش مصنوعی و رادیولوژی :
کاربردها و مسیر آینده
🟡 رادیولوژی مقدار زیادی اطلاعات حیاتی از طریق تکنیکهای تصویربرداری مانند پرتو ایکس، MRI، CT scan و التراسوند تولید میکند. این حجم از اطلاعات میتواند برای رادیولوژیستها بسیار زیاد و سنگین باشد ، اما هوش مصنوعی میتواند این اطلاعات را به سرعت و دقت پردازش و تجزیه و تحلیل کند. الگوریتمهای هوش مصنوعی میتوانند به رادیولوژیستها در تفسیر تصاویر کمک کرده و منجر به تشخیصهای سریعتر و دقیقتر و بهبود نتایج بیمار شود. هوش مصنوعی همچنین میتواند به تشخیص علائم هشداردهنده زودرس در دادههای تصویربرداری کمک کند، که امکان مداخله و درمان زودرس و جلوگیری از پیشرفت بیماری را فراهم میکند.
🗣استفاده گسترده از هوش مصنوعی در رادیولوژی قابلیت انقلاب در حوزه بهداشت را با فراهم کردن تشخیصهای سریعتر و دقیقتر و اقدامات پیشگیرانه جلوگیری از بیماریها دارد.
منبع : Med-AI
🆔 @Ai_Tv
کاربردها و مسیر آینده
🟡 رادیولوژی مقدار زیادی اطلاعات حیاتی از طریق تکنیکهای تصویربرداری مانند پرتو ایکس، MRI، CT scan و التراسوند تولید میکند. این حجم از اطلاعات میتواند برای رادیولوژیستها بسیار زیاد و سنگین باشد ، اما هوش مصنوعی میتواند این اطلاعات را به سرعت و دقت پردازش و تجزیه و تحلیل کند. الگوریتمهای هوش مصنوعی میتوانند به رادیولوژیستها در تفسیر تصاویر کمک کرده و منجر به تشخیصهای سریعتر و دقیقتر و بهبود نتایج بیمار شود. هوش مصنوعی همچنین میتواند به تشخیص علائم هشداردهنده زودرس در دادههای تصویربرداری کمک کند، که امکان مداخله و درمان زودرس و جلوگیری از پیشرفت بیماری را فراهم میکند.
🗣استفاده گسترده از هوش مصنوعی در رادیولوژی قابلیت انقلاب در حوزه بهداشت را با فراهم کردن تشخیصهای سریعتر و دقیقتر و اقدامات پیشگیرانه جلوگیری از بیماریها دارد.
منبع : Med-AI
🆔 @Ai_Tv
Media is too big
VIEW IN TELEGRAM
با ChatGPT، Dall-E و GPT-4 اپلیکیشن های هوش مصنوعی بسازید
مهارت های توسعه وب خود را با استفاده از قدرت هوش مصنوعی ارتقا دهید.
💢 در این دوره، سه پروژه با استفاده از OpenAI API می سازید و قابلیت های ChatGPT، Dall-E و GPT-4 را بررسی می کنید. برای ساختن یک مولد آهنگ فیلم، یک ربات گفتگوی هر چیزی از من بپرسید، و یک ربات تنظیم شده که بر روی مجموعه داده های خودتان آموزش دیده است، آماده شوید.
سرفصل دوره
➕Building fetch requests for the OpenAI API
➕Exploring OpenAI's models and tools
➕Mastering the Create Completions endpoint
➕Harnessing the power of prompt engineering
➕Unleashing the 'zero shot' and 'few shot' approaches
➕Understanding the temperature property for creative output
➕Utilizing the Create Image endpoint with Dall-E
➕Building chatbots with ChatGPT
➕Exploring chatbot-specific prompt syntax
➕Navigating the Create Chat Completions endpoint
➕Fine-tuning your chatbot for personalized responses
➕Utilizing Firebase to persist chatbot conversations
➕Deploying your AI app securely with hidden API keys
🆔 @Ai_Tv
مهارت های توسعه وب خود را با استفاده از قدرت هوش مصنوعی ارتقا دهید.
💢 در این دوره، سه پروژه با استفاده از OpenAI API می سازید و قابلیت های ChatGPT، Dall-E و GPT-4 را بررسی می کنید. برای ساختن یک مولد آهنگ فیلم، یک ربات گفتگوی هر چیزی از من بپرسید، و یک ربات تنظیم شده که بر روی مجموعه داده های خودتان آموزش دیده است، آماده شوید.
سرفصل دوره
➕Building fetch requests for the OpenAI API
➕Exploring OpenAI's models and tools
➕Mastering the Create Completions endpoint
➕Harnessing the power of prompt engineering
➕Unleashing the 'zero shot' and 'few shot' approaches
➕Understanding the temperature property for creative output
➕Utilizing the Create Image endpoint with Dall-E
➕Building chatbots with ChatGPT
➕Exploring chatbot-specific prompt syntax
➕Navigating the Create Chat Completions endpoint
➕Fine-tuning your chatbot for personalized responses
➕Utilizing Firebase to persist chatbot conversations
➕Deploying your AI app securely with hidden API keys
🆔 @Ai_Tv
This media is not supported in your browser
VIEW IN TELEGRAM
📌؛Segment Anything Model (SAM) Meta اکنون می تواند در مرورگر شما با سرعت بالایی اجرا شود همه چیز به لطف Transformers.js و onnxruntime-web 100٪ به صورت محلی اجرا می شود!
دمو :
https://huggingface.co/spaces/Xenova/segment-anything-webgpu
🆔 @Ai_Tv
دمو :
https://huggingface.co/spaces/Xenova/segment-anything-webgpu
🆔 @Ai_Tv
📍دوره های رایگان سیسکو به همراه گواهینامه برای افرادی که به دنبال یادگیری هستند :
- تجزیه و تحلیل داده ها، - علوم داده، - امنیت سایبری، - جاوا اسکریپت، - Python. این دوره ها خودگام هستند، بنابراین می توانید در حین یادگیری تمرین کنید
👇👇👇
🔖 تجزیه و تحلیل داده ها
https://skillsforall.com/course/data-analytics-essentials?courseLang=en-US
🔖 جاوا اسکریپت
https://skillsforall.com/course/javascript-essentials-1?courseLang=en-US
🔖؛ Python Essentials
https://skillsforall.com/course/python-essentials-1?courseLang=en-US
🔖 امنیت سایبری
https://skillsforall.com/course/introduction-to-cybersecurity?courseLang=en-US
🔖 مبانی سیستم عامل
https://skillsforall.com/course/operating-systems-basics?courseLang=en-US
🔖 مبانی سخت افزار کامپیوتر
https://skillsforall.com/course/computer-hardware-basics?courseLang=en-US
🔖 سواد دیجیتال (IoT و تحول دیجیتال).
https://skillsforall.com/course/introduction-iot?courseLang=en-US
#Free_course
🆔 @Ai_Tv
- تجزیه و تحلیل داده ها، - علوم داده، - امنیت سایبری، - جاوا اسکریپت، - Python. این دوره ها خودگام هستند، بنابراین می توانید در حین یادگیری تمرین کنید
👇👇👇
🔖 تجزیه و تحلیل داده ها
https://skillsforall.com/course/data-analytics-essentials?courseLang=en-US
🔖 جاوا اسکریپت
https://skillsforall.com/course/javascript-essentials-1?courseLang=en-US
🔖؛ Python Essentials
https://skillsforall.com/course/python-essentials-1?courseLang=en-US
🔖 امنیت سایبری
https://skillsforall.com/course/introduction-to-cybersecurity?courseLang=en-US
🔖 مبانی سیستم عامل
https://skillsforall.com/course/operating-systems-basics?courseLang=en-US
🔖 مبانی سخت افزار کامپیوتر
https://skillsforall.com/course/computer-hardware-basics?courseLang=en-US
🔖 سواد دیجیتال (IoT و تحول دیجیتال).
https://skillsforall.com/course/introduction-iot?courseLang=en-US
#Free_course
🆔 @Ai_Tv
Media is too big
VIEW IN TELEGRAM
Build an AI ML Football Analysis system with YOLO, OpenCV, and Python
توضیحات این آموزش به همراه لینک منابع در پست بعدی👇👇
🆔 @Ai_Tv
توضیحات این آموزش به همراه لینک منابع در پست بعدی👇👇
🆔 @Ai_Tv
با YOLO، OpenCV و Python یک سیستم تجزیه و تحلیل فوتبال AI/ML بسازید
در این آموزش، نحوه ساخت یک سیستم آنالیز فوتبال AI/ML با YOLO، OpenCV و Python را خواهیدآموخت.
در این ویدیو، نحوه استفاده از یادگیری ماشینی، بینایی کامپیوتر و یادگیری عمیق را برای ایجاد یک سیستم آنالیز فوتبال یاد خواهید گرفت. این پروژه از یکی از پیشرفته ترین آشکارسازهای شیء YOlO برای شناسایی بازیکنان، داوران و فوتبالیست ها استفاده می کند. همچنین از ردیابها برای ردیابی آن شی در فریمها استفاده میکند. همچنین آشکارساز شی را برای افزایش خروجی با مدلهای پیشرفته آموزش میبینید در این اموزش بازیکنان را با استفاده از Kmeans برای تقسیمبندی پیکسل و خوشهبندی، به تیمها بر اساس رنگ تیشرتهایشان اختصاص داده شده و از جریان نوری برای اندازهگیری حرکت دوربین بین فریمها استفاده شده که به ما امکان میدهد حرکت بازیکن را به دقت اندازهگیری کنیم. برای نمایش عمق و پرسپکتیو صحنه، تبدیل پرسپکتیو را اجرا خواهیم کرد و به ما این امکان را میدهد که حرکت بازیکن را بهجای پیکسل، بر حسب متر اندازهگیری کنیم. در نهایت سرعت یک بازیکن و مسافت طی شده را محاسبه خواهیم کرد. این پروژه مفاهیم مختلفی را پوشش می دهد و به مشکلات دنیای واقعی می پردازد و آن را برای مبتدیان و مهندسان باتجربه یادگیری ماشین مناسب می کند.
In this video you will learn how to:
1. Use ultralytics and YOLOv8 to detect objects in images and videos.
2. Fine tune and train your own YOLO on your own custom dataset.
3. Use KMeans to cluster pixles and segment players from the background to get the t-shirt color accurately.
4. Use optical flow to measure the camera movement.
5. Use CV2's (opencv) perspective transformation to represent the scene's depth and perspective.
6. Measure player's speed and distance covered in the image.
TIMESTAMPS
================================
Datasets:
kaggle Dataset: https://www.kaggle.com/competitions/dfl-bundesliga-data-shootout/data?select=clips
Robowflow Football Dataset: https://universe.roboflow.com/roboflow-jvuqo/football-players-detection-3zvbc/dataset/1
Github Link: https://github.com/abdullahtarek/football_analysis
🆔 @Ai_Tv
در این آموزش، نحوه ساخت یک سیستم آنالیز فوتبال AI/ML با YOLO، OpenCV و Python را خواهیدآموخت.
در این ویدیو، نحوه استفاده از یادگیری ماشینی، بینایی کامپیوتر و یادگیری عمیق را برای ایجاد یک سیستم آنالیز فوتبال یاد خواهید گرفت. این پروژه از یکی از پیشرفته ترین آشکارسازهای شیء YOlO برای شناسایی بازیکنان، داوران و فوتبالیست ها استفاده می کند. همچنین از ردیابها برای ردیابی آن شی در فریمها استفاده میکند. همچنین آشکارساز شی را برای افزایش خروجی با مدلهای پیشرفته آموزش میبینید در این اموزش بازیکنان را با استفاده از Kmeans برای تقسیمبندی پیکسل و خوشهبندی، به تیمها بر اساس رنگ تیشرتهایشان اختصاص داده شده و از جریان نوری برای اندازهگیری حرکت دوربین بین فریمها استفاده شده که به ما امکان میدهد حرکت بازیکن را به دقت اندازهگیری کنیم. برای نمایش عمق و پرسپکتیو صحنه، تبدیل پرسپکتیو را اجرا خواهیم کرد و به ما این امکان را میدهد که حرکت بازیکن را بهجای پیکسل، بر حسب متر اندازهگیری کنیم. در نهایت سرعت یک بازیکن و مسافت طی شده را محاسبه خواهیم کرد. این پروژه مفاهیم مختلفی را پوشش می دهد و به مشکلات دنیای واقعی می پردازد و آن را برای مبتدیان و مهندسان باتجربه یادگیری ماشین مناسب می کند.
In this video you will learn how to:
1. Use ultralytics and YOLOv8 to detect objects in images and videos.
2. Fine tune and train your own YOLO on your own custom dataset.
3. Use KMeans to cluster pixles and segment players from the background to get the t-shirt color accurately.
4. Use optical flow to measure the camera movement.
5. Use CV2's (opencv) perspective transformation to represent the scene's depth and perspective.
6. Measure player's speed and distance covered in the image.
TIMESTAMPS
================================
Datasets:
kaggle Dataset: https://www.kaggle.com/competitions/dfl-bundesliga-data-shootout/data?select=clips
Robowflow Football Dataset: https://universe.roboflow.com/roboflow-jvuqo/football-players-detection-3zvbc/dataset/1
Github Link: https://github.com/abdullahtarek/football_analysis
🆔 @Ai_Tv
Kaggle
DFL - Bundesliga Data Shootout
Identify plays based upon video footage
Forwarded from تهران دیتا-دانشگاه تهران
شروع دوره:
جامعترین دوره پروژه محور علم داده کل کشور
15 سرفصل کاربردی با 12 نرم افزار و ابزار تخصصی
Please open Telegram to view this post
VIEW IN TELEGRAM
گیتهاب واقعا دنیای جالبیه، اومده منابع باز و کاربردی CTO رو دسته بندی کرده گذاشته تو این ریپو.
نمیدونم چند ماه زمان میبرد تا این همه گنج رو کسی یه جا پیدا کنه!
A curated and opinionated list of resources for Chief Technology Officers, with the emphasis on startups👇
https://github.com/kuchin/awesome-cto
🆔 @Ai_Tv
نمیدونم چند ماه زمان میبرد تا این همه گنج رو کسی یه جا پیدا کنه!
A curated and opinionated list of resources for Chief Technology Officers, with the emphasis on startups👇
https://github.com/kuchin/awesome-cto
🆔 @Ai_Tv
GitHub
GitHub - kuchin/awesome-cto: A curated and opinionated list of resources for Chief Technology Officers, with the emphasis on startups
A curated and opinionated list of resources for Chief Technology Officers, with the emphasis on startups - kuchin/awesome-cto
برای استفادهی رایگان از Llama 3 به لینک زیر برید و از بین مدل ها Llama 70b رو انتخاب کنید.
بعد از کار کردن باهاش خودتون قدرتش رو متوجه میشید و اما نکتهی مهم:
برخلاف Llama 2، فارسی رو هم متوجه میشه و دقیق تر بگم از فارسی GPT-4 و Claude خیلی بهتره و این نظر شخصی منه.
پس با این تغییرات، اولین مدل اپن سورس با پشتیبانی از زبان فارسی هم منتشر شد.
لینک :
labs.perplexity.ai
🆔 @Ai_Tv
بعد از کار کردن باهاش خودتون قدرتش رو متوجه میشید و اما نکتهی مهم:
برخلاف Llama 2، فارسی رو هم متوجه میشه و دقیق تر بگم از فارسی GPT-4 و Claude خیلی بهتره و این نظر شخصی منه.
پس با این تغییرات، اولین مدل اپن سورس با پشتیبانی از زبان فارسی هم منتشر شد.
لینک :
labs.perplexity.ai
🆔 @Ai_Tv
This media is not supported in your browser
VIEW IN TELEGRAM
این ابزار به شما کمک می کند مدل های LLM را بصورت آنلاین رو سیستمتون اجرا کنید مدل های huggingface را بصورت لوکال با استفاده از این ابزار اجرا کنید و باهاش چت کنید
https://lmstudio.ai
#LLM
🆔 @Ai_Tv
https://lmstudio.ai
#LLM
🆔 @Ai_Tv
This media is not supported in your browser
VIEW IN TELEGRAM
مقایسه سرعت عمل Groq با GPT-4
به هر دو مدل Llama 3 (در Groq) و GPT-4 درخواست کدنویسی یک بازی مار به زبان پایتون داده شده ، سرعت پاسخگویی Groq رو ببینید 🤯
🆔 @Ai_Tv
به هر دو مدل Llama 3 (در Groq) و GPT-4 درخواست کدنویسی یک بازی مار به زبان پایتون داده شده ، سرعت پاسخگویی Groq رو ببینید 🤯
🆔 @Ai_Tv
s41523-022-00496-w.pdf
2.1 MB
💠 ارزیابی دقت ابزارهای هوش مصنوعی در تشخیص سرطان پستان
📌سرطان پستان یک بیماری رایج است که هر ساله میلیونها مورد جدید آن اتفاق میافتد. تشخیص آن از طریق بررسی نمونههای بایوپسی پستان ممکن است زمانبر و دچار خطا باشد. ابزارهای هوش مصنوعی (AI) میتوانند با ارائه تحلیل سریع، دقیق و بیطرف تشخیص را آسانتر کنند. در این مطالعه، یک سامانه کنترل کیفیت مبتنی بر هوش مصنوعی برای بررسی بیوپسیهای پستان توسعه و آزمایش شد. الگوریتم هوش مصنوعی برای تشخیص ویژگیهای مختلف مرتبط با سرطان آموزش داده شد و در تشخیص انواع مختلف سرطان پستان دقت بالایی داشت. هنگام آزمایش روی یک گروه بزرگ از نمونهها، سامانه هوش مصنوعی به درستی سلولهای سرطانی تهاجمی و سلولهای سرطان پستان در محل (DCIS) را با حساسیت بالا شناسایی کرد. همچنین، بین انواع مختلف سلولهای تهاجمی سرطانی و لنفوسیتهای نفوذ کننده به تومور را شناسایی کرد. استفاده از این سامانه هوش مصنوعی در عملکرد بالینی به صورت real_time کمک کرد تا سرطانهایی که ابتدا توسط پاتولوژیستها از دست رفته بودند، شناسایی شوند
منبع : Med-AI
🆔 @Ai_Tv
📌سرطان پستان یک بیماری رایج است که هر ساله میلیونها مورد جدید آن اتفاق میافتد. تشخیص آن از طریق بررسی نمونههای بایوپسی پستان ممکن است زمانبر و دچار خطا باشد. ابزارهای هوش مصنوعی (AI) میتوانند با ارائه تحلیل سریع، دقیق و بیطرف تشخیص را آسانتر کنند. در این مطالعه، یک سامانه کنترل کیفیت مبتنی بر هوش مصنوعی برای بررسی بیوپسیهای پستان توسعه و آزمایش شد. الگوریتم هوش مصنوعی برای تشخیص ویژگیهای مختلف مرتبط با سرطان آموزش داده شد و در تشخیص انواع مختلف سرطان پستان دقت بالایی داشت. هنگام آزمایش روی یک گروه بزرگ از نمونهها، سامانه هوش مصنوعی به درستی سلولهای سرطانی تهاجمی و سلولهای سرطان پستان در محل (DCIS) را با حساسیت بالا شناسایی کرد. همچنین، بین انواع مختلف سلولهای تهاجمی سرطانی و لنفوسیتهای نفوذ کننده به تومور را شناسایی کرد. استفاده از این سامانه هوش مصنوعی در عملکرد بالینی به صورت real_time کمک کرد تا سرطانهایی که ابتدا توسط پاتولوژیستها از دست رفته بودند، شناسایی شوند
منبع : Med-AI
🆔 @Ai_Tv
Forwarded from رویدادهای دانشجویی و دوره های آموزشی
دومین گردهمایی هکرهایی ایرانی در رقابتهای سایبری فتح پرچم
💢 لیست دورههای بوتکمپ آموزشی
1. برنامه نویسی مقدماتی و پیشرفته پایتون
2. شبکه و امنیت
3. هکر قانونمند(CEH)
4.مهندسی معکوس و Exploit Development
نمایش سایر دورههای آموزشی
👨🏫مدرسین دوره
🔅 دکتر طالع احمد از ISC ایتالیا
🔅 دکتر شیرزاد توسعه دهنده در شرکت Telefonica، بارسلونا، اسپانیا
🔅دکتر فرهانی از موسسه ماکسپلانک آلمان
🎁جوایز
1.دریافت 50 امتیاز نخبگی و حمایت بنیاد ملی نخبگان کشور
2.امکان دریافت امریه و پروژه سربازی
3.امکان استخدام در شرکتهای بزرگ ایرانی
4.حمایت جهت تولید محصول و ثبت شرکت دانشبنیان
5.جذب سرمایه و حمایت مالی تا سقف صد میلیارد تومان
6.دریافت مدرک پایان دوره از بنیاد ملی نخبگان کشور
نمایش تمام امتیازها
(بخش از هزینه ثبتنام شما توسط شرکتهای حامی پرداخت خواهد شد)
🆔 @iran_ctf
🌐 IRANCTF.COM
💢 لیست دورههای بوتکمپ آموزشی
1. برنامه نویسی مقدماتی و پیشرفته پایتون
2. شبکه و امنیت
3. هکر قانونمند(CEH)
4.مهندسی معکوس و Exploit Development
نمایش سایر دورههای آموزشی
👨🏫مدرسین دوره
🔅 دکتر طالع احمد از ISC ایتالیا
🔅 دکتر شیرزاد توسعه دهنده در شرکت Telefonica، بارسلونا، اسپانیا
🔅دکتر فرهانی از موسسه ماکسپلانک آلمان
🎁جوایز
1.دریافت 50 امتیاز نخبگی و حمایت بنیاد ملی نخبگان کشور
2.امکان دریافت امریه و پروژه سربازی
3.امکان استخدام در شرکتهای بزرگ ایرانی
4.حمایت جهت تولید محصول و ثبت شرکت دانشبنیان
5.جذب سرمایه و حمایت مالی تا سقف صد میلیارد تومان
6.دریافت مدرک پایان دوره از بنیاد ملی نخبگان کشور
نمایش تمام امتیازها
(بخش از هزینه ثبتنام شما توسط شرکتهای حامی پرداخت خواهد شد)
🆔 @iran_ctf
🌐 IRANCTF.COM
در این مخزن مجموعه کاملی از آموزشهای یادگیری عمیق، یادگیری تقویتی، یادگیری ماشین، بینایی کامپیوتر و NLP قرار داده شده ، این دوره ها در سطح مقدماتی و پیشرفته ارائه شده است
👇👇
https://github.com/kmario23/deep-learning-drizzle#tada-deep-learning-deep-neural-networks-confetti_ball-balloon
#Free_course
🆔 @Ai_Tv
👇👇
https://github.com/kmario23/deep-learning-drizzle#tada-deep-learning-deep-neural-networks-confetti_ball-balloon
#Free_course
🆔 @Ai_Tv
GitHub
GitHub - kmario23/deep-learning-drizzle: Drench yourself in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision…
Drench yourself in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision, and NLP by learning from these exciting lectures!! - kmario23/deep-learning-drizzle
Forwarded from هشتگ تبلیغ تخصصی
ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
از طریق سایت آن آکادمی اقدام نمایید.
---------------------------------------
☎️ 02188905269
Please open Telegram to view this post
VIEW IN TELEGRAM
HTML Embed Code: