@DataPlusScience_ Supervised Learning.pdf
14.2 MB
Comparison of 10 supervised learning algorithms
مرور و مقایسه جالب 10 الگوریتم یادگیری نظارت شده
📊 @DataPlusScience | @Data➕Science
مرور و مقایسه جالب 10 الگوریتم یادگیری نظارت شده
📊 @DataPlusScience | @Data➕Science
👍3👌2
Digiato | دیجیاتو
This media is not supported in your browser
VIEW IN TELEGRAM
💡 مقایسه قابلیتهای پلتفرم تازه معرفی شده Fabric که به نوعی تجمیع قابلیتهای پلتفرمهای Power و Azure Analytics ماکروسافت هستش
📊 @DataPlusScience | @Data➕Science
📊 @DataPlusScience | @Data➕Science
👍5
آموزش استفاده از ChatGPT-API
https://www.youtube.com/watch?v=TblkYHoPDdo
📊 @DataPlusScience | @Data➕Science
https://www.youtube.com/watch?v=TblkYHoPDdo
📊 @DataPlusScience | @Data➕Science
YouTube
آموزش ChatGPT-API برای کارهای دسته جمعی و تبدیل اطلاعات
توی این ویدیو با هم به
API
#نگاه #چتجیپیتی میکنیم و سعی میکنم ازش برای خودکار کردن بعضی از کارها استفاده کنیم و ازش برای تفسیر دادههای بدون ساختار به دادههای ساختار یافته استفاده می کنیم.
مواردی که در این ویدیو مرور میکنیم
00:00 مقدمه و کاربردهای…
API
#نگاه #چتجیپیتی میکنیم و سعی میکنم ازش برای خودکار کردن بعضی از کارها استفاده کنیم و ازش برای تفسیر دادههای بدون ساختار به دادههای ساختار یافته استفاده می کنیم.
مواردی که در این ویدیو مرور میکنیم
00:00 مقدمه و کاربردهای…
👍4
Forwarded from IEM Twitter | توییتر مهندسی صنایع و مدیریت
👨🏻💻 گیلبرت استرنگ بعد از ۶۱ سال تدریس «جبر خطی» در دانشگاه MIT، بازنشسته شد. روز آخر تدریسش ۵۰۰ نفر سر کلاس بودند و ۴۰۰۰ نفر هم آنلاین کلاسش رو تماشا میکردند. از اهمیت جبرخطی تو مباحث علوم داده هر چی بگم کم گفتم.
☑️ گیلبرت استرنگ کسی بود که با کورس زیباش من رو به جبر خطی مسلط کرد، بدون این که حتی یه ذره حس نفهمیدن بکنم. بدون چشم داشت کورس عالیش رو رایگان در اینترنت قرار داده بود و تلاشش رو کرده بود که دست یافتنی باشه از هر لحاظ. شهودی که برای یاد گرفتن مفاهیم جبر خطی بهت میده انقدر عالیه که من سهم زیادی از این یادگیری رو مدیون ویدئوهای روان و کاربردی ایشون هستم. دیدن پیر شدنش همیشه برام غمناک بوده.
📌 من اینجا لینک آخرین کلاسش رو به همراه لینک دوره ویدیویی آموزش جبرخطی رو با کتابش قرار دادم.
┌ 🏷 Linear Algebra
├ 👨🏼🏫 Gil Strang's Final Linear Algebra
├ 🎬 lectures on Linear Algebra (MIT)
└ 📚 Introduction to Linear Algebra 5th
✍🏼 Hamed
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter
☑️ گیلبرت استرنگ کسی بود که با کورس زیباش من رو به جبر خطی مسلط کرد، بدون این که حتی یه ذره حس نفهمیدن بکنم. بدون چشم داشت کورس عالیش رو رایگان در اینترنت قرار داده بود و تلاشش رو کرده بود که دست یافتنی باشه از هر لحاظ. شهودی که برای یاد گرفتن مفاهیم جبر خطی بهت میده انقدر عالیه که من سهم زیادی از این یادگیری رو مدیون ویدئوهای روان و کاربردی ایشون هستم. دیدن پیر شدنش همیشه برام غمناک بوده.
📌 من اینجا لینک آخرین کلاسش رو به همراه لینک دوره ویدیویی آموزش جبرخطی رو با کتابش قرار دادم.
┌ 🏷 Linear Algebra
├ 👨🏼🏫 Gil Strang's Final Linear Algebra
├ 🎬 lectures on Linear Algebra (MIT)
└ 📚 Introduction to Linear Algebra 5th
✍🏼 Hamed
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter
👍19🙏6💯2❤1
Forwarded from هوش مصنوعی و علم داده به فارسی
Media is too big
VIEW IN TELEGRAM
Scikit-learn Crash Course | freeCodeCamp
Course Contents:
⌨️ (0:00:00 ) introduction
⌨️ (0:03:08 ) introducing scikit-learn
⌨️ (0:34:36 ) preprocessing
⌨️ (0:53:36 ) metrics
⌨️ (1:24:49 ) meta-estimators
⌨️ (1:45:34 ) human-learn
⌨️ (2:06:17 ) wrap-up
Code :
💻 Full code: https://github.com/koaning/calm-notebooks
🎞 youtube link
@Data➕Science
Course Contents:
⌨️ (0:00:00 ) introduction
⌨️ (0:03:08 ) introducing scikit-learn
⌨️ (0:34:36 ) preprocessing
⌨️ (0:53:36 ) metrics
⌨️ (1:24:49 ) meta-estimators
⌨️ (1:45:34 ) human-learn
⌨️ (2:06:17 ) wrap-up
Code :
💻 Full code: https://github.com/koaning/calm-notebooks
🎞 youtube link
@Data➕Science
👍8
هوش مصنوعی و علم داده به فارسی
آموزش رایگان صفر تا صد ChatGPT http://zaya.io/i2jmd 📊 @DataPlusScience | @Data➕Science
@DataPlusScience_pamela_baker_chatgpt_for_dummies_1st_edition_2023.pdf
11.5 MB
ChatGPT™ For Dummies®
کتاب چت جیپیتی به زبان ساده
این کتاب با زبان ساده به توضیح چیستی CahtGPT میپردازد و ضمن آموزش ساختار Prompts، نحوه استفاده از چت جیپیتی برای کاربردهای مختلف را آموزش میدهد
این کتاب شامل ده فصل بوده که شامل موارد زیر می شود:
┌ 🏷 ChatGPT™ For Dummies
├ ◼️ Introducing ChatGPT
├ ◻️ Discovering How ChatGPT Works
└ ◼️ Writing Prompts for ChatGPT
├ ◻️ Understanding GPT Models in ChatGPT
└ ◼️ Warnings, Ethics, and Responsible AI
├ ◻️ Probing Professional and Other Uses for ChatGPT
└ ◼️ Working with ChatGPT in Education
├ ◻️ Using ChatGPT in Daily Life
└ ◼️ Ten Other Generative AI Tools to Try
📊 @DataPlusScience | @Data➕Science
کتاب چت جیپیتی به زبان ساده
این کتاب با زبان ساده به توضیح چیستی CahtGPT میپردازد و ضمن آموزش ساختار Prompts، نحوه استفاده از چت جیپیتی برای کاربردهای مختلف را آموزش میدهد
این کتاب شامل ده فصل بوده که شامل موارد زیر می شود:
┌ 🏷 ChatGPT™ For Dummies
├ ◼️ Introducing ChatGPT
├ ◻️ Discovering How ChatGPT Works
└ ◼️ Writing Prompts for ChatGPT
├ ◻️ Understanding GPT Models in ChatGPT
└ ◼️ Warnings, Ethics, and Responsible AI
├ ◻️ Probing Professional and Other Uses for ChatGPT
└ ◼️ Working with ChatGPT in Education
├ ◻️ Using ChatGPT in Daily Life
└ ◼️ Ten Other Generative AI Tools to Try
📊 @DataPlusScience | @Data➕Science
👍9
لینکدین یک دوره آموزشی رایگان پنج بخشی پیرامون generative AI منتشر کرده است که شامل موضوعات زیر است:
1. Introduction to Artificial Intelligence
2. What Is Generative AI?
3. Generative AI: The Evolution of Thoughtful Online Search
4. Streamlining Your Work with Microsoft Bing Chat
5. Ethics in the Age of Generative AI
از طریق لینک زیر میتوانید به این دورهها دسترسی پیدا کنید:
http://zaya.io/sgw1q
📊 @DataPlusScience | @Data➕Science
1. Introduction to Artificial Intelligence
2. What Is Generative AI?
3. Generative AI: The Evolution of Thoughtful Online Search
4. Streamlining Your Work with Microsoft Bing Chat
5. Ethics in the Age of Generative AI
از طریق لینک زیر میتوانید به این دورهها دسترسی پیدا کنید:
http://zaya.io/sgw1q
📊 @DataPlusScience | @Data➕Science
👍7
ویرایش سوم کتاب فوق العاده Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
انتشار سال 2023
مهمترین تغییرات نسبت به ویرایش دوم کتاب:
معرفی ویژگی های جدید Scikit-Learn
معرفی کتابخانه Transformers Hugging Face برای پردازش زبان طبیعی
اضافه شدن چندین مدل بینایی (ResNeXt، DenseNet، MobileNet، CSPNet و EfficientNet)
بعلاوه اینکه فصل های جدیدی در این ویرایش اضافه شده است که به موضوعاتی مانند مدل های بینایی، ترجمه زبان طبیعی و یادگیری generative می پردازند
📊 @DataPlusScience | @Data➕Science
دانلود در پست بعدی 👇👇
انتشار سال 2023
مهمترین تغییرات نسبت به ویرایش دوم کتاب:
معرفی ویژگی های جدید Scikit-Learn
معرفی کتابخانه Transformers Hugging Face برای پردازش زبان طبیعی
اضافه شدن چندین مدل بینایی (ResNeXt، DenseNet، MobileNet، CSPNet و EfficientNet)
بعلاوه اینکه فصل های جدیدی در این ویرایش اضافه شده است که به موضوعاتی مانند مدل های بینایی، ترجمه زبان طبیعی و یادگیری generative می پردازند
📊 @DataPlusScience | @Data➕Science
دانلود در پست بعدی 👇👇
هوش مصنوعی و علم داده به فارسی
ویرایش سوم کتاب فوق العاده Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow انتشار سال 2023 مهمترین تغییرات نسبت به ویرایش دوم کتاب: معرفی ویژگی های جدید Scikit-Learn معرفی کتابخانه Transformers Hugging Face برای پردازش زبان طبیعی اضافه…
@DataPlusScience_2023_Hands_On_Machine_Learning_with_Scikit_Learn.pdf
20.6 MB
ویرایش سوم کتاب فوق العاده Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
انتشار سال 2023
مهمترین تغییرات نسبت به ویرایش دوم کتاب:
معرفی ویژگی های جدید Scikit-Learn
معرفی کتابخانه Transformers Hugging Face برای پردازش زبان طبیعی
اضافه شدن چندین مدل بینایی (ResNeXt، DenseNet، MobileNet، CSPNet و EfficientNet)
بعلاوه اینکه فصل های جدیدی در این ویرایش اضافه شده است که به موضوعاتی مانند مدل های بینایی، ترجمه زبان طبیعی و یادگیری generative می پردازند
📊 @DataPlusScience | @Data➕Science
انتشار سال 2023
مهمترین تغییرات نسبت به ویرایش دوم کتاب:
معرفی ویژگی های جدید Scikit-Learn
معرفی کتابخانه Transformers Hugging Face برای پردازش زبان طبیعی
اضافه شدن چندین مدل بینایی (ResNeXt، DenseNet، MobileNet، CSPNet و EfficientNet)
بعلاوه اینکه فصل های جدیدی در این ویرایش اضافه شده است که به موضوعاتی مانند مدل های بینایی، ترجمه زبان طبیعی و یادگیری generative می پردازند
📊 @DataPlusScience | @Data➕Science
👍7
Forwarded from Data Science Python and R
🟢 امالآپس (MLOps) به زبان ساده همراه با معرفی کتاب
🔴 کسانی که با فرایندها و الگوریتمهای یادگیری ماشین در محیط واقعی کار کردند و آشنا هستند و یا اصلن برای دل خودشون مدلی آموزش دادند، حتمن با چالشهای زیر برخورد کردند؛
🔴 بعنوان مثال، هایپرپارامترهایی رو تغییر دادند و بعد یادشون رفته کدوم مدل با کدوم هایپرپارامتر چه درصدی از دقت رو بهشون داده یا اون هایپرپارامترها چی بودند؟
🔴 یا برای دیتاستهاشون ورژنی نداشتند و نمیدونستند دیتای جدید که اضافه کردند رو جدا کنند یا مجبور بودند چندین کپی از دیتاهای تکراری نگهدارند. یا وقتی با شخص دیگری کار میکردند، دادههاشون با هم سینک (هماهنگ) نبوده و هزاران مشکل دیگر.
🔵 درواقع اینجاست که
Machine Learning Operations (MLOps)
برای این مشکلات راه حل میده و میگه همونجوری که ما در گذشته مهندسی نرم افزار نداشتم و با اومدن مهندسی نرم افزار و راه حلهاش مثل
version control
کلی از مشکلات برنامه نویسها حل شد، امالآپس و داشتن یه چرخهی اتوماتیک از امورات مختلف ولی هماهنگ، باعث حل کلی از این قبیل مشکلات میشود.
🔵 بطور کلی امالآپس داشتن یک
Lifecycle
یا چرخهی حیات (تولید) منظم برای مراحل و مشکلات مختلف در فرایند لرنینگ یا همون آموزش هست. همچنین یکی دیگه از دغدغههای امالآپس رسوندن مدل یادگیری ماشین از چند خط کد ساده به یک محصول ملموس هست.
🟡 در پایان اینرو هم اضافه کنم. میتونیم بگیم که امالآپس از ترکیب سه حوزهی زیر ایجاد شده؛
- مهندسی داده (Data Engineering)
- توسعهی نرمافزار و عملیات آیتی (DevOps)
- یادگیری ماشین (Machine Learning)
🟤 کتاب
Introducing MLOps
که تنها در ۱۸۵ صفحه تنظیم شده، و در سال ۲۰۲۰ به چاپ رسیده است، یکی از کتابهای بسیار عالی برای ورود به دنیای امالآپس میباشد.
🆔 @data_science_python_and_r
🔴 کسانی که با فرایندها و الگوریتمهای یادگیری ماشین در محیط واقعی کار کردند و آشنا هستند و یا اصلن برای دل خودشون مدلی آموزش دادند، حتمن با چالشهای زیر برخورد کردند؛
🔴 بعنوان مثال، هایپرپارامترهایی رو تغییر دادند و بعد یادشون رفته کدوم مدل با کدوم هایپرپارامتر چه درصدی از دقت رو بهشون داده یا اون هایپرپارامترها چی بودند؟
🔴 یا برای دیتاستهاشون ورژنی نداشتند و نمیدونستند دیتای جدید که اضافه کردند رو جدا کنند یا مجبور بودند چندین کپی از دیتاهای تکراری نگهدارند. یا وقتی با شخص دیگری کار میکردند، دادههاشون با هم سینک (هماهنگ) نبوده و هزاران مشکل دیگر.
🔵 درواقع اینجاست که
Machine Learning Operations (MLOps)
برای این مشکلات راه حل میده و میگه همونجوری که ما در گذشته مهندسی نرم افزار نداشتم و با اومدن مهندسی نرم افزار و راه حلهاش مثل
version control
کلی از مشکلات برنامه نویسها حل شد، امالآپس و داشتن یه چرخهی اتوماتیک از امورات مختلف ولی هماهنگ، باعث حل کلی از این قبیل مشکلات میشود.
🔵 بطور کلی امالآپس داشتن یک
Lifecycle
یا چرخهی حیات (تولید) منظم برای مراحل و مشکلات مختلف در فرایند لرنینگ یا همون آموزش هست. همچنین یکی دیگه از دغدغههای امالآپس رسوندن مدل یادگیری ماشین از چند خط کد ساده به یک محصول ملموس هست.
🟡 در پایان اینرو هم اضافه کنم. میتونیم بگیم که امالآپس از ترکیب سه حوزهی زیر ایجاد شده؛
- مهندسی داده (Data Engineering)
- توسعهی نرمافزار و عملیات آیتی (DevOps)
- یادگیری ماشین (Machine Learning)
🟤 کتاب
Introducing MLOps
که تنها در ۱۸۵ صفحه تنظیم شده، و در سال ۲۰۲۰ به چاپ رسیده است، یکی از کتابهای بسیار عالی برای ورود به دنیای امالآپس میباشد.
🆔 @data_science_python_and_r
Forwarded from Data Science Python and R
Mark_Treveil,_Nicolas_Omont,_Clément_Stenac,_Kenji_Lefevre,_Du_P.pdf
13.6 MB
Introducing MLOps
که تنها در ۱۸۵ صفحه تنظیم شده، و در سال ۲۰۲۰ به چاپ رسیده است، یکی از کتابهای بسیار عالی برای ورود به دنیای امالآپس میباشد.
🆔 @data_science_python_and_r
که تنها در ۱۸۵ صفحه تنظیم شده، و در سال ۲۰۲۰ به چاپ رسیده است، یکی از کتابهای بسیار عالی برای ورود به دنیای امالآپس میباشد.
🆔 @data_science_python_and_r
👍5
Forwarded from Data Science | علم داده
@DataScience_ir - Data Science Pocket Dictionary.pdf
570.6 KB
🔴 دیکشنری جیبی علوم داده
📚 اصطلاحات ضروری علوم داده
👨🏻💻 اگه دنبال یک دیکشنری جیبی هستین که تمام اصطلاحات ضروری و تخصصی علوم داده رو براتون پوشش بده، این راهنما برای شماست. این دیکشنری جیبی منبع ارزشمندی برای دانشمندان داده مبتدی و با تجربهاس که میتونند ازش برای مصاحبههای شغلی یا پروژههای کاریشون در هر مکان و زمانی استفاده کنند.💯
#️⃣ #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📎 @DataScience_ir
📚 اصطلاحات ضروری علوم داده
👨🏻💻 اگه دنبال یک دیکشنری جیبی هستین که تمام اصطلاحات ضروری و تخصصی علوم داده رو براتون پوشش بده، این راهنما برای شماست. این دیکشنری جیبی منبع ارزشمندی برای دانشمندان داده مبتدی و با تجربهاس که میتونند ازش برای مصاحبههای شغلی یا پروژههای کاریشون در هر مکان و زمانی استفاده کنند.💯
#️⃣ #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📎 @DataScience_ir
👍3
🌟 Free Course | ChatGPT for Data Analytics
💫 دوره رایگان چت جیچیتی برای دیتا آنالیتیکس
📚 سرفصلهای دوره:
🤖 Why AI for Data Analytics?
🤖 Intro to AI, LLMs & ChatGPT
🤖 Prompt Engineering
🤖 ChatGPT for Excel
🤖 ChatGPT for Google Sheets
🤖 ChatGPT for Power BI
🤖 ChatGPT for SQL
🤖 ChatGPT for Python
👨🏫 مدرس دوره هم آقای کریس داتون هستند
🔗 http://zaya.io/2zk88
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
💫 دوره رایگان چت جیچیتی برای دیتا آنالیتیکس
📚 سرفصلهای دوره:
🤖 Why AI for Data Analytics?
🤖 Intro to AI, LLMs & ChatGPT
🤖 Prompt Engineering
🤖 ChatGPT for Excel
🤖 ChatGPT for Google Sheets
🤖 ChatGPT for Power BI
🤖 ChatGPT for SQL
🤖 ChatGPT for Python
👨🏫 مدرس دوره هم آقای کریس داتون هستند
🔗 http://zaya.io/2zk88
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
@DataPlusScience__ML Using Python.pdf
3 MB
MACHINE LEARNING WITH PYTHON
جزوه مفید و مصور آموزش یادگیری ماشین در پایتون
📊 @DataPlusScience | @Data➕Science
جزوه مفید و مصور آموزش یادگیری ماشین در پایتون
📊 @DataPlusScience | @Data➕Science
توسعه چتبات از دادههای شخصی با استفاده از LangChain
https://learn.deeplearning.ai/langchain-chat-with-your-data
📊 @DataPlusScience | @Data➕Science
https://learn.deeplearning.ai/langchain-chat-with-your-data
📊 @DataPlusScience | @Data➕Science
Forwarded from TechTube 𝕏 تک توب
موسسه نواوری تکنولوژی کشور امارات نسخه جدیدی از مدل زبانی بزرگ Falcon رو عرضه کرده که 180 میلیارد پارامتر داره و در تستها نه تنها از مدل متن باز LLaMA 2 متا بهتر عمل کرده بلکه از مدلهای متن بسته مثل PaLM گوگل (که نسخه اول بارد از اون استفاده میکرد) و نسخه کوچک و متوسط PaLM 2 عملکرد بهتری داره و فقط پشت مدلهایی مثل نسخه جدید بارد و GPT-4 قرار میگیره.
این مدل به صورت متن باز عرضه شده و شرکتها میتونن اون روی سخت افزار خودشون اجرا کنن یا تمرین بدن ولی به دلیل بزرگ بودن نیاز به حداقل 8 کارت گرافیک A100 40GB برای اجرای اون دارن.
این مدل رو میتونید از اینجا به صورت انلاین و رایگان ازمایش کنید.
🔎 Huggingface.co
📍 @TechTube
این مدل به صورت متن باز عرضه شده و شرکتها میتونن اون روی سخت افزار خودشون اجرا کنن یا تمرین بدن ولی به دلیل بزرگ بودن نیاز به حداقل 8 کارت گرافیک A100 40GB برای اجرای اون دارن.
این مدل رو میتونید از اینجا به صورت انلاین و رایگان ازمایش کنید.
🔎 Huggingface.co
📍 @TechTube