Referenca dhe rekomandime

“…I’ve had the pleasure of working with Ridvan Bunjaku during the development of my book “Head First Learn to Code” published by O’Reilly Media Press in January of 2018. Ridvan acted as a technical reviewer for this book (he was one of a dozen or so) and was chosen through an interview process that took into account his diverse background as a programmer, teacher, computer scientist with an advanced degree, and also given his past experience with the Head First format—a non-standard technical teaching format that focuses on learning, not reference, with incorporated conversation, the heavy use of graphics and brain-friendly teaching techniques based on the work of Kathy Sierra.

Reklama

Machine Learning praktik me Scikit-Learn dhe TensorFlow

Ky publikim (Machine Learning praktik…pdf) i përmban ushtrimet teorike nga libri “Hands-on machine learning with Scikit-Learn and TensorFlow”. Për ushtrimet praktike shihni Jupyter notebooks të disponueshme te

1 kafe me Java

1 kafe me Java është kurs hyrës ku shpjegohen konceptet bazike përmes një shembulli simpatik praktik. Fillo këtu: goo.gl/Xka3Mj   Temat përfshijnë:

PHP & MySQL Intro

“PHP & MySQL Intro” është kurs hyrës në formatin online me video-udhëzime detale. Fillo këtu: goo.gl/FH8bTA   Temat përfshijnë

Aplikacionet realistike me PHP & MySQL

Filloje video-kursin këtu: goo.gl/xdvEsz

Nganjëherë nevojitet të krijohen shënimet para se të përdoren ato. Dhe nganjëherë duhet të krijohen tabela që t’i mbajnë ato shënime, si dhe baza e shënimeve që i mban të gjitha këto. Do të mësojmë si të krijojmë baza dhe tabela, dhe do ta ndërtojmë aplikacionin e parë me PHP dhe MySQL.

Arritjet në Deep Learning gjatë vitit të fundit

Zhvillime të mëdha në teknologjitë e tekstit, zërit dhe të pamurit kompjuterik

Nga: Ed Tyantov, data scientist (artikull i përkthyer nga Ridvan Bunjaku)

Përshëndetje. Në këtë artikull, do t’ju tregoj se çka ka ndodhur në botën e Machine Learning gjatë vitit të kaluar (kryesisht në Deep Learning). Dhe ka pasur shumë gjëra, prandaj u ndala më së shumti, sipas mendimit tim, në arritjet spektakulare dhe/ose domethënëse. Në artikull nuk janë dhënë aspektet teknike të përmirësimit të arkitekturave të rrjetit. T’i zgjerojmë horizontet tona!

Adresimi në radio i David Hilbert-it

Instrumenti që ndërmjetëson ndërmjet teorisë e praktikës, ndërmjet mendimit e vrojtimit, është matematika; ajo e ndërton urën lidhëse dhe e bën atë gjithnjë e më të fuqishme. Prandaj e tërë kultura jonë e tanishme, me aq sa mbështetet në intuitën intelektuale në natyrë dhe shfrytëzimin e saj, i ka themelet në matematikë. Tashmë, GALILEO ka thënë:

Deep Learning i shkallëzueshëm dhe ekologjikisht i qëndrueshëm përmes Randomized Hashing

(Artikull shkencor i përkthyer)

Shkarkoje këtu: Deep Learning i shkallëzueshëm dhe ekologjik përmes Randomized Hashing_design

Arkitekturat aktuale të deep learning po rriten gjithnjë e më shumë për të mësuar nga dataset-a kompleksë. Këto arkitektura kërkojnë veprime gjigante të shumëzimit të matricave për t’i trajnuar miliona parametra. Në anën tjetër, është një tjetër trend në rritje për ta sjellë deep learning te pajisjet embedded, që harxhojnë pak energji.

Deep learning, NLP dhe paraqitjet

Shkarkoje: Deep_Learning_NLP_dhe_Paraqitjet.pdf

Ky publikim është përkthim i artikullit ‘Deep Learning, NLP, and Representations’. Fillon me Rrjetet neurale me një shtresë të fshehur. Pastaj jep përshkrim dhe shembuj interesantë të Word Embeddings dhe të paraqitjeve të përbashkëta. Në fund flet për Rrjetet Neurale Rekursive dhe perspektivën e Deep Learning.
Publikimi mund të konsiderohet vazhdim i publikimeve paraprake: “Shembuj ilustrues nga Deep Learning” që është përmbledhje hyrëse informative, dhe “Metodologji praktike për Deep Learning” që e përshkruan një metodologji dhe një proces praktik të dizajnit.

Metodologji praktike për Deep Learning

Shkarkoje: Metodologji_praktike_ne_Deep_Learning.pdf

Ky publikim është përkthim i kapitullit ‘Practical Methodology’ nga libri “Deep Learning”. Fillon me një përshkrim të metodologjisë së rekomanduar nga autorët dhe të procesit praktik të dizajnit. Pastaj shpjegohen hapat e procesit më detalisht. Në fund përshkruhet aplikimi i metodologjisë në shembullin real: sistemin e transkriptimit të numrave të adresave në Google Street View.

Publikimi mund të konsiderohet vazhdim i publikimit paraprak “Shembuj ilustrues nga Deep Learning” që është përmbledhje hyrëse informative.