🔴 با IoU در تشخیص اشیا آشنا هستید؟

✅ در تشخیص اشیا، برای مقایسه چارچوب (Bounding Box) پیش‌بینی و هدف، از معیار Intersection Over Union یا به اختصار IoU استفاده می‌شود.

✅ به شکل بالا نگاه کنید. برای محاسبه میزان انطباق چارچوب پیش‌بینی و هدف، اشتراک دو چارچوب را بر اجتماع آنها تقسیم می‌کنیم. به‌همین سادگی...

🌐 منبع:
1- آشنایی با تشخیص اشیا
2- دوره بینایی کامپیوتر هوسم

@howsam_org

✅ وبلاگ آموزش شبکه عصبی کانولوشن هوسم یکی از پرطرف‌دارترین آموزش‌های هوسم است. دانشجویان ساعت‌ها زمان صرف مطالعه آن می‌کنند و 100 کامنت داشته است. لینک آموزش

✅ تعدادی از کامنت‌های دانشجویان برای آموزش شبکه عصبی کانولوشن را در ادامه بخوانید:

1⃣ با سلام …من در حال آموزش طی یک دوره حضوری در یکی از مراکز تاپ اموزشی توی زمینه دیپ لرنینگم …ولی واقعا بعد از حدود ۴۵ ساعت آموزشی ک تا الان دیدم به جرات میتونم بگم درکی که توی این چن ساعت مطالعه مطالب رایگان شما داشتم واقعا خیلی خیلی مفیدتر بوده…انشالله بعد اتمام این دوره در جریانم حتما دانشجوی دوره های تصویری شما هم خواهم بود…خیلی خیلی ممنون بابت زحماتتون

2⃣ از شدت خفن بودنتون همینجور موندم عالیییی بود عالییییییییییییییی

3⃣ دوستان گرامی ، براتون قلبا آرزوی موفقیت می کنم
بسیار بیان شیوا و عالی دارید . خدا قوت .
هیات علمی دانشگاه آزاد اسلامی

4⃣ سلام خدا قوت
جامع و کامل بود
کلی سوال بی جواب منو جواب داد
ممنون

5⃣ با سلام خدمت تیم هوسم
من کلی سایت خارجی و فارسی رو در مورد شبکه عصبی کانولوشن مطالعه کردم و کلی سوال، بی جواب برام موند.
ولی شما در این سایت بسیار ساده و روان تمام مفاهیم مهم و اصلی رو توضیح دادید.
ممنون از شما
باز هم به هوسم سر میزنم
به امید آموزش های بیشتر

6⃣ چرا انقد خوبه آخه سایتتون؟! :((
هیچ منبعی رو سراغ ندارم که انقدر ساده و شیوا تشریح کرده باشه مفاهیم رو، حتی منابعی که هزینه دریافت میکنند!
مارو گرفتار آموزشاتون کردید رفت …
بهترین هارو برای تیم باانگیزه و پرقدرتتون آرزو دارم
دستمریزاد!

7⃣ سلام
موافق نظر بقیه دوستان مبنی بر اینکه فوق العاده ساده و شفاف و فوقالعاده توضیح داده شده و اصلاً قابل مقایسه با آموزش در سایتهای دیگه نیست کاملاً موافقم. بعنوان یک مدرس، اصلاً اهل نظر دادن در سایتها نیستم ولی اینقدر مطلب از همه نظر جذاب و عالی بود که حیفم اومد نظر ندم.
دست مریزاد و خدا قوت.

8⃣ سلام،
نحوه توضیح و مثال ها به اندازه ای خوانا بود که باعث شد چند ساعتی بشینم و کامل تمام آموزش رو از اول مطالعه کنم. خسته نباشید و خدا قوت به خاطر وقتی که میذارید و این مطالب رو آماده می کنید. این نوع توضیح دادن نشان دهنده درک بالا و عمقی شما در این زمینه می باشد. امیدورام که این آموزش ها با ویدیو هم همراه باشه. و به عنوان پیشنهاد هم میتونید یک بخش به سایت اضافه کنید که در مورد مقالات هات و روز دنیا صحبت کنید و توضیح بدید. مقالاتی مثل BERT , MT_DNN, GPT3 و … این بخش باعث میشه افراد مختلف وب سایت شما رو همیشه چک کنند و به روز باشند.
تشکر از زحماتتون

✅ سپاس از تمام عزیزانی که نظر و پیشنهادهای خود را با ما به اشتراک گذاشتند. از خواندن تک‌تک پیام‌های شما لذت میبریم و انگیزه‌مان بیشتر می‌شود. 🌹

@howsam_org

رگرسیون لاجستیک

رگرسیون لاجستیک یا logistic regression یک مدل معروف دسته بندی دو کلاسه است.

ممکن است نام رگرسیون لاجستیک باعث تعجب شما شود. کلمه رگرسیون دارد، اما دسته بندی است؟ بله، این مدل بسیار شبیه رگرسیون خطی است. تفاوت‌های ریزی دارد که یکی از آنها در تابع اتلاف است.

اگر یادتان باشد، در رگرسیون خطی از تابع اتلاف MSE استفاده شده بود. اما اینجا تابع اتلاف دیگری وجود دارد که مناسب کار دسته بندی است.

تابع اتلافی بنام cross entropy که به موقع درباره آن در این آموزش توضیح داده‌ایم.

جلسه پنجم آموزش یادگیری ماشین رایگان: رگرسیون لاجستیک

@howsam_org

🎞 چگونه مدل‌های کانولوشنی در پایتورچ را فراخوانی کنیم؟

✅ در این ویدئو، به آموزش فراخوانی مدل‌های آماده مانند ResNet در پایتورچ پرداخته‌ایم. بسیار ساده...

تهیه شده در آکادمی هوش مصنوعی هوسم
@howsam_org

📈 آیا جهش دقت یا دراپ اتلاف را تابحال به‌صورت عملی دیده‌اید؟

🎞 در این ویدئو، این جهش دقت و دراپ اتلاف روی تنسوربرد نشان داده شده است. این جهش در اثر تغییر مقدار نرخ یادگیری در یک موقعیت مناسب حین آموزش شبکه به‌دست آمده است.

✅ این ویدئو، بخشی از جلسه صفر دوره بینایی کامپیوتر حرفه‌ای است. در جلسه صفر، آموزش دادن شبکه عصبی کانولوشن به‌صورت عملی تشریح شده است.

🌐 دوره بینایی کامپیوتر حرفه‌ای هوسم:
https://howsam.org/downloads/computer-vision-course/

@howsam_org

🎞 با گرادیان کاهشی آشنا (Gradient Descent) هستید؟

🔥 در این ویدئوی کوتاه، گرادیان کاهشی را همراه با انیمیشن‌های جالب بیاموزید.

✅ این ویدئو، خلاصه‌ای از پست آموزش گرادیان کاهشی در وبلاگ هوسم هست. برای اطلاعات بیشتر درباره گرادیان کاهشی به لینک روبرو سر بزنید: لینک

🎬 مدرس: مهندس اشرفی

@howsam_org

🔥 شبکه عصبی بازگشتی (RNN) 🔥

🎬 در این ویدئو درباره شبکه بازگشتی یا RNN توضیح داده‌ایم و ساختار داخلی آن را هم تشریح کرده‌ایم.

📜 این ویدئو خلاصه‌ای از پست وبلاگی شبکه بازگشتی هوسم است. پس از مشاهده ویدئو، پیشنهاد می‌کنیم پست زیر را مطالعه کنید:
https://howsam.org/recurrent-neural-network/

📱اگر به این ویدئوهای کوتاه علمی علاقه‌مندید، به اینستاگرام هوسم بپیوندید:
https://www.instagram.com/howsam_org/

@howsam_org

🔥 دوره متلب سوپراستارتر هوسم 🚀

✅ بالاخره بعد از یک سال تلاش، دوره ویدئویی متلب آماده شد. در ویدئوی بالا، درباره این دوره و نحوه برگزاری آن توضیح داده‌ایم.

🎬 دوره متلب سوپراستارتر، یک دوره سه ماهه است که به زودی آغاز می‌شود. سه ماه همراه هم متلب کار می‌کنیم.

🌐 اطلاعات بیشتر و ثبت‌نام:
https://howsam.org/downloads/matlab-superstarter/

@howsam_org

🎁 تخفیف بزرگ دوره بینایی کامپیوتر حرفه‌ای 🔥

⭕️ به مناسبت سال جدید، دوره بینایی کامپیوتر با 40 درصد تخفیف عرضه شده است.

🌐 اطلاعات بیشتر و تهیه دوره: لینک دوره

@howsam_org

از #هوسم چه خبر؟!

✅ هوسم شش ساله شد. 🥳6️⃣
از همه شما عزیزان بسیار ممنونیم. امیدواریم، هوسم در مسیر پیشرفت تحصیلی/کاری کمکتان کرده باشد.

✅ دوره متلب سوپراستارتر منتشر شد و هم‌اکنون این دوره با تخفیف خوب قابل تهیه است. لینک

✅ دوره تابستانه یادگیری عمیق هوسم، جدیدترین دوره هوسم است که از حدود 10 تیرماه شروع خواهد شد. اطلاعات بیشتر درباره دوره یادگیری عمیق 2022 به زودی...

✅ آموزش الگوریتم k-means همراه با انیمیشن‌های جذاب در وبلاگ منتشر شد. لینک

@howsam_org

💣 دوره یادگیری عمیق 2022 هوسم 🔥

🛎 ثبت‌نام دوره یادگیری عمیق با 30 درصد تخفیف برای 15 نفر اول شروع شد.

📋 فهرست مطالب دوره:
فصل 0: پیش‌نیازها
فصل 1: شبکه عصبی پرسپترون (MLP)
فصل 2: مباحث ویژه شبکه MLP
فصل 3: توابع اتلاف و بهینه‌سازی

فصل 4: شبکه عصبی کانولوشن (CNN)
فصل 5: شبکه عصبی بازگشتی (RNN)
فصل 6: شبکه ترنسفورمر (Transformer) 💣
فصل 7: شبکه عصبی گرافی (GNN) 🔥
فصل 8: شبکه GAN

فصل 9: روش‌های مدرن یادگیری
فصل 10: یادگیری عمیق در بینایی کامپیوتر
فصل 11: یادگیری عمیق در پردازش متن
فصل 12: یادگیری عمیق در پردازش صوت

🌐 اطلاعات بیشتر و ثبت‌نام:
https://howsam.org/downloads/deep-learning-2022/

@howsam_org

سوالات شما:

❓من قبلا در یکسری از دوره‌های هوسم شرکت کردم. تخفیف بیشتری ندارم؟
✅ اگر در دوره یادگیری عمیق قبلی هوسم شرکت کردید، به مقدار هزینه‌ای که پرداخت کردید، می‌توانید تخفیف دریافت کنید. برای دریافت تخفیف، به پشتیبانی پیام دهید.

❓روزهای برگزاری کلاس آنلاین؟
✅ چهارشنبه و پنج‌شنبه ساعت 19 (دو جلسه در هفته)

❓کدنویسی دارد؟
✅ بله. مدت زمان آموزش برای بخش تئوری و کدنویسی تقریبا برابر هست.

❓پایتورچ یا تنسورفلو؟
✅ پایتورچ
.

💣 معرفی دوره یادگیری عمیق 2022 هوسم 🔥

🛎 30 درصد تخفیف برای 15 نفر

🌐 اطلاعات بیشتر و ثبت‌نام:
https://howsam.org/downloads/deep-learning-2022/

@howsam_org

🔥دوره یادگیری عمیق 2022 هوسم🔥


🟡 ثبت‌نام آنلاین + آفلاین

⌛️شروع دوره: چهارشنبه 15 تیرماه

🎁 30 درصد تخفیف ثبت‌نام، فقط تا 15 تیرماه
🎁 10 درصد تخفیف بیشتر برای ثبت‌نام گروهی

⛔️ظرفیت محدود⛔️

ویژگی‌های این دوره:
✅ پوشش شبکه‌های عصبی جدید مانند شبکه ترنسفورمر و شبکه گرافی (GNN)
✅ فصل‌های اختصاصی برای حوزه‌های بینایی کامپیوتر، پردازش متن و پردازش صوت
✅ پشتیبانی حرفه‌ای در تلگرام با حضور مدرس
✅ پوشش مطالب جدید و بروز در حوزه یادگیری عمیق (انواع روش‌های مدرن یادگیری)



اطلاعات بیشتر و ثبت‌نام: کلیک کنید


راه‌های برقراری ارتباط با ما:
👤 @howsam_support
📞 09025469248
✉️ howsam.mail@gmail.com
🌐 www.howsam.org

@howsam_org
@howsam_org

🔥 پایان راند اول دوره یادگیری عمیق 2022 هوسم 🥊

✅ حدود 1/3 از دوره یادگیری عمیق 2022 را پشت سر گذاشتیم. در این مدت، مباحث مقدماتی یادگیری عمیق در قالب مباحث تئوری و کدنویسی به دانشجویان آموزش داده شد. آنچه گفتیم:
0️⃣ پیش‌نیازها (ریاضیات)
1️⃣ شبکه عصبی MLP
2️⃣ انواع توابع اتلاف
3️⃣ انواع بهینه‌سازها
4️⃣ کدنویسی پایتورچ
5️⃣ مباحث تکمیلی در یادگیری عمیق

✅ یک ویدئوی 30 دقیقه‌ای از دوره یادگیری عمیق 2022 را منتشر کرده‌ایم. در این ویدئو، الگوریتم گرادیان کاهشی از صفر در پایتون پیاده‌سازی شده است. همچنین، خروجی گرادیان کاهشی مورد تحلیل و بررسی قرار گرفته است.

⭕️ امیدواریم، از مشاهده این ویدئوی آموزشی لذت ببرید...

🌐 مشاهده دموهای بیشتر و ثبت‌نام در دوره یادگیری عمیق 2022:
https://howsam.org/downloads/deep-learning-2022/

@howsam_org

❓پایتورچ یا تنسورفلو؟ 🤔

✅ دو فریمورک پایتورچ و تنسورفلو را از جنبه‌های مختلفی می‌توان باهم مقایسه کرد.

✅ در این ویدئوی کوتاه، تعداد مقاله‌های پیاده‌سازی‌شده با پایتورچ و تنسورفلو باهم مقایسه شده‌اند.

@howsam_org