هوش مصنوعی و علم داده به فارسی
6.07K subscribers
2.27K photos
537 videos
368 files
2.44K links
DataPlusScience | هوش مصنوعی و علم داده به فارسی
اخبار، تحلیل، آموزش و ابزارهای کاربردی

🌐 DataPlusScience.ir

📩 ارتباط با ما: @Contact2Mebot

📂 کانال فایل‌ها: @Datascientists_Files

💎 بله: ble.ir/dataplusscience

💡 ایتا: eitaa.com/DataPlusScience
Download Telegram
#Free_course

#Udemy | Deep Learning Fundamentals - Theory & Practice with Python

Complete Deep Learning Course to Master Data science, Tensorflow, Artificial Intelligence, and Neural Networks


🌟 New (- ratings)| 👨‍🎓 4,660 student enrolled | 🕰 2 hours

👉 https://zaya.io/cwsb4 (لینک آپدیت شد)

@Data➕Science
👍3
یادگیری عمیق.pdf
6.7 MB
کتاب یادگیری عمیق: اصول، مفاهیم و رویکردها
تالیف و گردآوری: میلاد وزان

نسخه الکترونیک کتاب توسط مولف به صورت رایگان منتشر شده است.

فهرست فصل‌های کتاب:
فصل اول: مقدمه ای بر یادگیری ماشین و یادگیری عمیق
فصل دوم: یادگیری بانظارت عمیق (شبکه های عصبی پیشخور، بازگشتی و همگشتی)
فصل سوم: یادگیری بازنمایی بدون نظارت عمیق (خودرمزنگارها و مدلهای مولد)
فصل چهارم: یادگیری تقویتی عمیق
فصل پنجم: یادگیری انتقالی عمیق
فصل ششم: یادگیری عمیق هندسی (یادگیری بازنمایی گراف)

@Data➕Science
👍6❤3
Create GUI with Python - @DataPlusScience.pdf
11.8 MB
Create Graphical User Interfaces with Python
ایجاد رابط گرافیکی در پایتون


@Data➕Science
Forwarded from Milad
کتاب یادگیری ماشین و علم داده: مبانی، مفاهیم، الگوریتم‌ها و ابزارها
دانلود نسخه pdf به صورت رایگان:
https://www.researchgate.net/profile/Milad-Vazan/publication/358263339_yadgyry_mashyn_w_lm_dadh_mbany_mfahym_algwrytmha_w_abzarha/links/61f90216007fb504472c5dc1/yadgyry-mashyn-w-lm-dadh-mbany-mfahym-algwrytmha-w-abzarha.pdf
👍9
Milad
کتاب یادگیری ماشین و علم داده: مبانی، مفاهیم، الگوریتم‌ها و ابزارها دانلود نسخه pdf به صورت رایگان: https://www.researchgate.net/profile/Milad-Vazan/publication/358263339_yadgyry_mashyn_w_lm_dadh_mbany_mfahym_algwrytmha_w_abzarha/links/61f90216007fb504472c5dc1/yadgyry…
persian machine learning book @DataPlusScience.pdf
17.2 MB
یادگیری ماشین و علم داده: مبانی، مفاهیم، الگوریتم‌ها و ابزارها
تالیف و گردآوری: میلاد وزان

نسخه الکترونیک کتاب توسط مولف به صورت رایگان منتشر شده است.

فهرست مطالب:
فصل اول: علم داده
فصل دوم: مقدمه‌ای بر پایتون
فصل سوم: داده
فصل چهارم: مقدمه‌ای بر یادگیری ماشین
فصل پنجم: انتخاب و ارزیابی مدل
فصل ششم: یادگیری با نظارت
فصل هفتم: یادگیری عمیق
فصل هشتم: یادگیری غیرنظارتی
فصل نهم: مباحث منتخب

@Data➕Science
👍7
ML Cheatsheet 2.0 @DataPlusScience.pdf
1.7 MB
Awesome 5-page ML cheat sheet

خلاصه برگ پنج صفحه‌ای مفاهیم یادگیری ماشین

@Data➕Science
🔥5
2021-AI-Index-Report_Master @DataPlusScience.pdf
13.6 MB
Artificial Intelligence Index Report 2021

گزارش دانشگاه هاروارد از وضعیت هوش مصنوعی در سال ۲۰۲۱

این گزارش به بررسی وضعیت هوش مصنوعی در هفت محور ۱.تحقیق و توسعه، ۲.عملکرد فنی، ۳.اقتصاد، ۴.آموزش، ۵.چالش های اخلاقی، ۶.تنوع و ۷.سیاست گذاری و استراتژی‌های ملی می‌پردازد.

@Data➕Science
👍4
عرض تبریک و شادباش به مناسبت سالروز میلاد امیرالمومنین علی علیه‌السلام و روز مرد 🌹🌸


@Data➕Science
❤9👍1
Ultimate Guide to ML interviews @DataPlusScience.pdf
2.8 MB
The Ultimate Guide to Machine Learning Job Interviews | Springboard

کتابچه
بی‌نظیر مجموعه پرسش و پاسخ یادگیری ماشین برای آمادگی مصاحبه‌های تخصصی | ۱۲۱ صفحه

@Data➕Science
چرخه حیات پروژه‌های علم داده

@Data➕Science
Machine Learning Algorithm taxonomy

مشتقات الگوریتم‌های یادگیری ماشین بر مبنای پارادایم یادگیری و نوع داده مورد پردازش

@Data➕Science
👍6
Data Prep and Cleaning for Machine Learning @DataPlusScience.pdf
3.9 MB
پیش پردازش داده‌ها در پروژه‌های علوم داده

این فایل به صورت مختصر به بیان 8 گام مرسوم پیش‌پردازش داده‌ها در پروژه‌های علوم داده پرداخته است

@Data➕Science
👍6
میلادِ مسعودِ یگانه منجی عالم بشریت حضرت امام مهدی (عج) بر همه شیعیان مبارک باد🌹


@Data➕Science
❤7👍2
@DataPlusScience_Machine_Learning_with_PyTorch_and_Scikit_Learn.pdf
29.3 MB
#کتاب
Machine Learning with PyTorch and Scikit-Learn

یادگیری ماشین (و یادگیری عمیق) با استفاده از پایتورچ و سایکیت لرن
انتشارات Packt
سال انتشار: 2022

این کتاب پس از ارائه مباحث مقدماتی هوش مصنوعی به آموزش عملی تکنیک‌های یادگیری ماشین و یادگیری عمیق با استفاده از کتابخانه‌های Scikit-Learn و PyTorch پرداخته است.

@Data➕Science
👍7