Forwarded from هوش مصنوعی و علم داده به فارسی
مفاهیم_و_تکنیک_های_داده_کاوی_دکتر.pdf
11 MB
📚 کتاب فارسی داده کاوی، مفاهیم و تکنیکها| تالیف دکتر اسماعیلی
فایل این کتاب با رضایت مولف منتشر شده است
@Data➕Science
فایل این کتاب با رضایت مولف منتشر شده است
@Data➕Science
👍6
ویدئوهای ضبط شده درس بیگ دیتا دانشکده مهندسی کامپیوتر دانشگاه شهید بهشتی (پاییز 1401)
استاد: دکتر حامد ملک
youtube : https://zaya.io/yygjl
✅ @Data➕Science
استاد: دکتر حامد ملک
youtube : https://zaya.io/yygjl
✅ @Data➕Science
👍14❤4👎1👌1
Forwarded from هوش مصنوعی و علم داده به فارسی
guidetodatamining_chistio.ir.pdf
19.8 MB
📗 دانلود رایگان کتاب دادهکاوی برای برنامهنویسان
زبان برنامهنویسی: پایتون
این کتاب توسط مسعود کاویانی ترجمه و به همت انتشارات ناقوس چاپ شده است. نسخهی دیجیتالی کتاب به صورت رایگان در اختیار عموم قرار گرفته است.
مثالها و کدهای پایتون را نیز میتوانید در آدرس
👉 chistio.ir/books
دانلود کرده و استفاده نمایید
👈{عضویت در کانال} 👉 | 📩 ارتباط با ما
زبان برنامهنویسی: پایتون
این کتاب توسط مسعود کاویانی ترجمه و به همت انتشارات ناقوس چاپ شده است. نسخهی دیجیتالی کتاب به صورت رایگان در اختیار عموم قرار گرفته است.
مثالها و کدهای پایتون را نیز میتوانید در آدرس
👉 chistio.ir/books
دانلود کرده و استفاده نمایید
👈{عضویت در کانال} 👉 | 📩 ارتباط با ما
👍7
درس یادگیری ماشین دانشکده مهندسی کامپیوتر دانشگاه شریف - پائیز 1401
اساتید: دکتر شریفی زارچی و دکتر آذر خلیلی
https://zaya.io/vlp0g
✅ @Data➕Science
اساتید: دکتر شریفی زارچی و دکتر آذر خلیلی
https://zaya.io/vlp0g
✅ @Data➕Science
❤16👌5👎1
500 AI Machine learning Deep learning Computer vision NLP Projects with code
https://zaya.io/jpscn
More Projects list is coming...!!!
✅ @Data➕Science
https://zaya.io/jpscn
More Projects list is coming...!!!
✅ @Data➕Science
👍6
Types of machine learning algorithms and their applications
افرازی از انواع متدهای یادگیری ماشین و کاربردهای آنها
✅ @Data➕Science
افرازی از انواع متدهای یادگیری ماشین و کاربردهای آنها
✅ @Data➕Science
👍4❤1👏1
Forwarded from Data Science | علم داده
🔴 نظرسنجی سالانه Kaggle برای علم داده و یادگیری ماشین در سال 2022 منتشر شد❗️
✅ این نظرسنجی سالانه که توسط بزرگترین انجمن علم داده جهان Kaggle انجام میشود، امسال از بین 23997 دانشمند داده از 173 کشور دنیا 43 سوال در مورد علم داده و یادگیری ماشین پرسیده شد. در اینجا به چند نتیجه مهم از این نظرسنجی اشاره می کنیم:
1️⃣ این رشته هنوز از نظر جنسیت بسیار نامتعادل است و 80 درصد از آن را مردان و کمتر از 20 درصد متخصصین آن را زنان تشکیل می دهند.
2️⃣ تعداد فزاینده ای از دانشمندان داده در ژاپن و هند کار و زندگی می کنند.
3️⃣ پایتون و SQL همچنان برترین زبان های برنامه نویسی در میان دانشمندان داده هستند.
4️⃣ کتابخانه Scikit-Learn محبوب ترین چارچوب ML است در حالی که کتابخانه PyTorch سال به سال به طور پیوسته در حال رشد بوده است.
5️⃣ معماری های Transformer برای مدل های یادگیری عمیق (تصویر و داده های متنی) محبوب تر میشوند.
6️⃣ خدمات وب آمازون (AWS) یک پلتفرم ابری پیشرو برای علم داده و ML است
🔰 میتوانید نسخه کامل این نظرسنجی را از لینک زیر دریافت نمایید :👇🏼
┌ 🏷 Kaggle Data Science & ML Survey
└ 📕 PDF: Download
🔟 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📎 @DataScience_ir
✅ این نظرسنجی سالانه که توسط بزرگترین انجمن علم داده جهان Kaggle انجام میشود، امسال از بین 23997 دانشمند داده از 173 کشور دنیا 43 سوال در مورد علم داده و یادگیری ماشین پرسیده شد. در اینجا به چند نتیجه مهم از این نظرسنجی اشاره می کنیم:
1️⃣ این رشته هنوز از نظر جنسیت بسیار نامتعادل است و 80 درصد از آن را مردان و کمتر از 20 درصد متخصصین آن را زنان تشکیل می دهند.
2️⃣ تعداد فزاینده ای از دانشمندان داده در ژاپن و هند کار و زندگی می کنند.
3️⃣ پایتون و SQL همچنان برترین زبان های برنامه نویسی در میان دانشمندان داده هستند.
4️⃣ کتابخانه Scikit-Learn محبوب ترین چارچوب ML است در حالی که کتابخانه PyTorch سال به سال به طور پیوسته در حال رشد بوده است.
5️⃣ معماری های Transformer برای مدل های یادگیری عمیق (تصویر و داده های متنی) محبوب تر میشوند.
6️⃣ خدمات وب آمازون (AWS) یک پلتفرم ابری پیشرو برای علم داده و ML است
🔰 میتوانید نسخه کامل این نظرسنجی را از لینک زیر دریافت نمایید :👇🏼
┌ 🏷 Kaggle Data Science & ML Survey
└ 📕 PDF: Download
🔟 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📎 @DataScience_ir
👍7🔥3⚡1
Forwarded from هوش مصنوعی و علم داده به فارسی
DeepLearning @DataPlusScience.pdf
10.9 MB
#کتاب_فارسی
یادگیری عمیق: از اصول اولیه تا ساخت شبکههای عصبی عمیق با پایتون
نگارنده: میلاد وزان
سرفصلها:
مقدمهای بر یادگیری عمیق
شبکههای عصبی پیشخور
شبکههای عصبی کانولوشنی
شبکههای عصبی بازگشتی
شبکه متخاصم مولد
این کتاب به رایگان و توسط نگارنده منتشر شده است.
@Data➕Science
یادگیری عمیق: از اصول اولیه تا ساخت شبکههای عصبی عمیق با پایتون
نگارنده: میلاد وزان
سرفصلها:
مقدمهای بر یادگیری عمیق
شبکههای عصبی پیشخور
شبکههای عصبی کانولوشنی
شبکههای عصبی بازگشتی
شبکه متخاصم مولد
این کتاب به رایگان و توسط نگارنده منتشر شده است.
@Data➕Science
👌7👍5❤1🙏1
@DataPlusScience _ 60 ChatGPT Prompts for Data Science.pdf
11.1 MB
یکی از کاربران لینکدین 60 سوال علم دادهای از ChatGPT پرسیده که توی این فایل میتونید پرسشها، پاسخها و #کدهایی که ChatGPT نوشته رو ببینید
@Data➕Science
@Data➕Science
👌6👍1🔥1
هوش مصنوعی و علم داده به فارسی
@DataPlusScience _ 60 ChatGPT Prompts for Data Science.pdf
ربات تلگرامی توسعه داده شده بر اساس ChatGPT
برای دسترسی ساده و سنجش عملکرد ChatGPT میتونید از این ربات تلگرامی استفاده کنید:
لینک دسترسی
@Data➕Science
برای دسترسی ساده و سنجش عملکرد ChatGPT میتونید از این ربات تلگرامی استفاده کنید:
لینک دسترسی
@Data➕Science
👍6⚡1
مهمترین کتابهای علم داده به نظر ChatGPT:
🔹 "An Introduction to Statistical Learning" by Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani
🔸 "Data Science from Scratch" by Joel Grus
🔹 "Python for Data Analysis" by Wes McKinney
🔸"The Elements of Statistical Learning" by Trevor Hastie, Robert Tibshirani and Jerome Friedman
🔹 "Pattern Recognition and Machine Learning" by Christopher Bishop
🔸"Deep Learning" by Ian Goodfellow, Yoshua Bengio and Aaron Courville
🔹 "Data-Driven" by DJ Patil
🔸"Bayesian Methods for Hackers" by Cameron Davidson-Pilon
🔹 "Data Smart" by John W. Foreman
🔸"R for Data Science" by Hadley Wickham and Garrett Grolemund.
@Data➕Science
🔹 "An Introduction to Statistical Learning" by Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani
🔸 "Data Science from Scratch" by Joel Grus
🔹 "Python for Data Analysis" by Wes McKinney
🔸"The Elements of Statistical Learning" by Trevor Hastie, Robert Tibshirani and Jerome Friedman
🔹 "Pattern Recognition and Machine Learning" by Christopher Bishop
🔸"Deep Learning" by Ian Goodfellow, Yoshua Bengio and Aaron Courville
🔹 "Data-Driven" by DJ Patil
🔸"Bayesian Methods for Hackers" by Cameron Davidson-Pilon
🔹 "Data Smart" by John W. Foreman
🔸"R for Data Science" by Hadley Wickham and Garrett Grolemund.
@Data➕Science
👍12