درس یادگیری ماشین دانشکده مهندسی کامپیوتر دانشگاه شریف - پائیز 1401

اساتید: دکتر شریفی زارچی و دکتر آذر خلیلی


https://zaya.io/vlp0g

✅ @Data➕Science

500 AI Machine learning Deep learning Computer vision NLP Projects with code

https://zaya.io/jpscn

More Projects list is coming...!!!


✅ @Data➕Science

تاریخچه تصویری از مهمترین گام های برداشته شده در هوش مصنوعی

✅ @Data➕Science

Data Storytelling Cheat Sheets


✅ @Data➕Science

Types of machine learning algorithms and their applications

افرازی از انواع متدهای یادگیری ماشین و کاربردهای آن‌ها

✅ @Data➕Science

SQL Cheat Sheet – Technical Concepts for the Job Interview

جزوه خلاصه مفاهیم SQL

✅ @Data➕Science

🔴 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

#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

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

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

تاریخچه تصویری از مهمترین گام های برداشته شده در هوش مصنوعی

✅ @Data➕Science

چنتا سوال و جواب دیتایی از ChatGPT :

‌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

‌مهم‌ترین کورس‌های علم داده به نظر ChatGPT:

Coursera's "Machine Learning" by Andrew Ng
Coursera's "Data Science Specialization" by John Hopkins University
Udemy's "Python for Data Science and Machine Learning Bootcamp"
Coursera's "Applied Data Science with Python" by University of Michigan
edX's "Data Science Essentials" by Microsoft
Coursera's "Introduction to Deep Learning" by National Research University of Electronic Technology (MIET)
Udacity's "Deep Learning Foundation"
Coursera's "Data Visualization with Tableau" by Duke University
Coursera's "Data Structures and Algorithms" by Stanford University
Coursera's "Data Mining" by University of Illinois at Urbana-Champaign.

@Data➕Science

مهم‌ترین توانمندی‌هایی که یک دیتاساینتیست باید بلد باشه (به نظر ChatGPT):

Python or R programming languages
SQL for database querying and manipulation
Data visualization tools such as Matplotlib, Seaborn, or Tableau
Jupyter Notebook or R Studio for interactive data analysis
Libraries for data analysis such as Pandas, NumPy, or SciPy
Machine learning libraries such as scikit-learn, TensorFlow, or PyTorch
Deep learning frameworks such as Keras, Caffe, or Theano
Big data processing tools such as Apache Spark or Hadoop
Cloud computing platforms such as AWS or Google Cloud
Collaboration and version control tools such as Git or GitHub.


@Data➕Science

مایکروسافت از اولین سرویس خود به کمک ChatGPT رونمایی کرد
اشتراک ۷ دلاری Teams Premium برای سرویس ملاقات یا برگذاری جلسه استفاده می‌شود
از قابلیت‌های آن میتوان به جمع بندی AI در پایان جلسه، مستند کردن اطلاعات در طول جلسه، برای اینکه اگر چیزی را فراموش کردید یا فردی دیرتر به جلسه رسید،
خلاصه کردن متن و … اشاره کرد
https://www.microsoft.com/en-us/microsoft-teams/meetings-apps

🆔 @data_science_python_and_r

عرض تبریک و شادباش به مناسبت سالروز میلاد امیرالمومنین علی علیه‌السلام و روز مرد 🌹🌸


@Data➕Science

Let's build GPT: from scratch, in code, spelled out

آموزش صفر تا صد پیاده‌سازی نمونه مدل GPT توسط آقای آندره کارپثی (مدیر سابق هوش مصنوعی تسلا که سابقه همکاری با OpenAI رو هم داشته)

لینک مشاهده در یوتیوب | لینک مشاهده آنلاین

@Data➕Science

#سوال_پرتکرار این روزها: نحوه ساخت اکانت ChatGPT

آموزش ساخت اکانت ChatGPT

https://www.aparat.com/v/xX5oK?t=240

از ثانیه 240 نگاه کنید
@Data➕Science

جذب پژوهشگر پست دکترا در مرکز سیستم‌های اطلاعاتی و علوم داده دانشگاه شریف


@Data➕Science