هوش مصنوعی و علم داده به فارسی
6.08K subscribers
980 photos
262 videos
316 files
1.05K links
🗨 ارتباط با ما (تبلیغات، سوال، پیشنهاد و انتقاد):
📩 @Contact2Mebot

💯 کانال دوم ما:
@Datascientists_Files

💎 در پیام‌رسان بله(آپدیت اتومات):
https://ble.ir/dataplusscience

💡 در پیام‌رسان ایتا(آپدیت اتومات):
https://eitaa.com/DataPlusScience
Download Telegram
Forwarded from Rade AI
انتشار دیتاست باسلام | Basalam

🔍 شامل مشخصات 2.4 میلیون محصول موجود در سایت باسلام
به همراه دیتاست 3.3 میلیونی کامنت های
محصولات.

لینک‌های دانلود:

Kaggle

Huggingface

@rade_ai
👍2
@DataPlusScience _ ScikitLearn .pdf
1.4 MB
اسلاید مختصر و فارسی آموزش کتابخانه Scikit Learn

منبع

برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
🙏1
هوش مصنوعی و علم داده به فارسی
@DataPlusScience _ ScikitLearn .pdf
@DataPlusScience _ seaborn .pdf
908 KB
🌟 اسلاید فارسی آموزش مصورسازی در کتابخانه

منبع


برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
👍1🔥1🙏1
اکوسیستم ابزارهای تحلیل داده در پایتون


برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
👍4
@DataPlusScience_ Prompt Engineering.pdf
1.7 MB
🤖📖 کتاب فارسی آشنایی مقدماتی با مهندسی درخواست (Prompt Engineering) از مدل‌های هوش مصنوعی که کاملاً توسط هوش مصنوعی تولید شده!

✍️ نویسنده: ChatGPT-4o

تهیه کننده و ویرایشگر: دکتر حسین کریمی (هیأت علمی گروه مهندسی صنایع دانشگاه بجنورد)

منبع مطلب


برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
👍10👎1
@DataPlusScience_𝐃𝐚𝐭𝐚_𝐄𝐧𝐠𝐢𝐧𝐞𝐞𝐫𝐢𝐧𝐠_𝐈𝐧𝐭𝐞𝐫𝐯𝐢𝐞𝐰_𝐓𝐨𝐩𝐢𝐜𝐬.pdf
2 MB
📖 𝐃𝐚𝐭𝐚 𝐄𝐧𝐠𝐢𝐧𝐞𝐞𝐫𝐢𝐧𝐠 𝐈𝐧𝐭𝐞𝐫𝐯𝐢𝐞𝐰 𝐓𝐨𝐩𝐢𝐜𝐬

💡 مجموعه سوالات و مفاهیم مهندسی داده


برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
👍1
هوش مصنوعی و علم داده به فارسی
🤖 تخمین هزینه 1.2 الی 2.2 میلیاردی برای آموزش مدل زبانی ChatGPT 5 ! برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @DataScience
دیروز شرکت Anthropic از نسخه 3.5 هوش مصنوعی Sonnet رونمایی کرد. این نسخه به عنوان مدل میانی شرکت معرفی شده و به قدری بهبود یافته که نه تنها از GPT-4o قوی‌تر است، بلکه حتی از مدل پولی خود شرکت، یعنی Opus، نیز دقت بالاتری دارد! با این به‌روزرسانی، کاربران می‌توانند از یک مدل رایگان با کارایی بسیار بالاتر بهره‌مند شوند.

لینک مطلب


برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
🔥4👍1
#فرصت_شغلی

یک هلدینگ صنعتی از میان فارغ التحصیلان مهندسی صنایع، مدیریت، مدیریت IT، و مهندسی نرم افزار در زمینه تحلیل کسب و کار  دعوت به همکاری می­کند.
وظایف اصلی
مدیریت و ساخت داشبورد های مدیریتی 
تجزیه و تحلیل داده‌ها و تولید گزارش‌های قابل فهم برای تصمیم‌گیری‌های استراتژیک
همکاری نزدیک با تیم‌های مختلف برای فهم نیازها و ارائه راهکارهای مبتنی بر داده
پیاده‌سازی مدل‌های پیش‌بینی‌کننده و تحلیلی برای بهبود مستمر فرآیندها و محصولات

مهارت‌های مورد نیاز
تسلط کامل به زبان برنامه‌نویسی Python
تسلط در کار با ابزارهای BI مانند Tableau یا Power BI
تجربه کار با پایگاه‌های داده
مهارت‌ در تعامل و ارتباط با اعضای تیم و ذینفعان
تسلط نسبی به زبان انگلیسی
مزایا:
·         وام
·         بیمه تکمیلی
·         بسته ها و هدایای مناسبتی
اطلاعات تماس جهت ارسال رزومه:
M.Hamedani@ehsan-group.com


برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
👍5
From Data to Viz _ @DataPlusScience .jpg
924.3 KB
راهنمای انتخاب نوع نمودار مصورسازی بر اساس موضوع و نوع داده

مشاهده آنلاین: data-to-viz.com


برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
👍3👎1
🌷الْحَمْدُلِلَّهِ الَّذِی جَعَلَنَا مِنَ الْمُتَمَسِّکِینَ بِوِلاَیَةِ أَمِیرِالْمُؤْمِنِینَ عَلیِّ بنِ أَبِی طالِب وَ الْأَئِمَّةِ الْمَعصومیٖن عَلَیْهِمُ السَّلاَمُ🌷

عیدالله الاکبر، عید غدیر خم بر همه شیعیان امیرالمومنین علی علیه‌السلام تبریک و تهنیت باد.



برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
22👍1
نمودار جادویی گارتنر برای پلتفرم‌های تحلیل و هوش تجاری

🔍 رهبران (Leaders):
مایکروسافت، Salesforce (Tableau)
بالاترین توانایی اجرا و کامل‌ترین چشم‌انداز

🔧 چالش‌گران (Challengers):
Amazon Web Services، MicroStrategy
اجرای قوی، چشم‌انداز محدودتر

🌟 آینده‌نگران (Visionaries):
IBM، ThoughtSpot
چشم‌انداز کامل‌تر، اجرای ضعیف‌تر

🎯 بازیکنان ویژه (Niche Players):
Sisence، Zoho
توانایی اجرا و چشم‌انداز کمتر

لینک مطلب

#هوش_تجاری #تحلیل_داده #گارتنر #مایکروسافت #Tableau #AWS #IBM #ThoughtSpot #تکنولوژی_برتر #نرم_افزار_تجاری #تصمیم_گیری_داده_محور #تحول_دیجیتال #فناوری_اطلاعات #روند_فناوری


برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
👍4
📈 پیش‌بینی رشد بازار هوش مصنوعی از ۲۰۲۴ تا ۲۰۳۲

🚀💡بازار هوش مصنوعی در سال‌های آینده با سرعتی خیره‌کننده رشد خواهد کرد. طبق پیش‌بینی‌ها، این بازار از ۶۳۸ میلیارد دلار در سال ۲۰۲۴ به ۲۵۷۵ میلیارد دلار در سال ۲۰۳۲ خواهد رسید.


#هوش_مصنوعی #آینده_فناوری #رشد_اقتصادی #فرصت_های_شغلی #نوآوری #تحول_دیجیتال #تکنولوژی_پیشرفته #اقتصاد_دیجیتال #روند_فناوری #سرمایه_گذاری_آینده

برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
👍6
@DataPlusScience_ Data Engineering 101 .pdf
566.4 KB
📊💼 راهنمای جامع مصاحبه مهندسی داده

🔍 این فایل حاوی مجموعه‌ای ارزشمندی از سوالات رایج در مصاحبه‌های شغلی مهندسی داده به همراه پاسخ‌های تخصصی است.

🎯 مناسب برای:

داوطلبان تازه‌کار در حوزه داده
مهندسان داده با تجربه در جستجوی فرصت‌های جدید

📚 محتویات:

تعاریف پایه‌ای مهندسی داده
تفاوت‌های انبار داده و پایگاه داده عملیاتی
مهارت‌های ضروری برای مهندسان داده
سوالات پیشرفته در مورد Hadoop، ETL و دیگر ابزارهای تخصصی


#مهندسی_داده #مصاحبه_شغلی #بیگ_دیتا #هدوپ #SQL


برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
👍51
🧠📊 راهنمای انتخاب الگوریتم‌های یادگیری ماشین

این تصویر، یک راهنمای جامع برای انتخاب الگوریتم‌های یادگیری ماشین بسته به نوع داده و مسئله‌ای که می‌خواهید حل کنید، ارائه می‌دهد. با دنبال کردن مسیرهای مشخص شده، می‌توانید بهترین الگوریتم را برای مسئله خود بیابید.

#یادگیری_ماشین #الگوریتم #داده_کاوی #هوش_مصنوعی #علم_داده #ماشین_لرنینگ


برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
👍82
🧠🔍 آشنایی با اصطلاحات مهم در مدل‌های زبانی بزرگ (LLM)

این تصویر، اصطلاحات کلیدی مرتبط با مدل‌های زبانی بزرگ را معرفی می‌کند.

مدل پایه (Foundation Model):
طراحی شده برای تولید و فهم متن‌های انسانی.

ترانسفورمر (Transformer): شناخته شده به خاطر مکانیزم توجه.

پرامپتینگ (Prompting): ارائه ورودی‌های دقیق به LLM برای تولید خروجی.

طول کانتکست (Context-Length): حداکثر تعداد کلمات قابل پردازش.

آموزش چند-مثاله (Few-Shot Learning): ارائه تعداد کم مثال برای انجام وظیفه.

آموزش بدون مثال (Zero-Shot Learning): ارائه دستورالعمل‌های وظیفه بدون مثال.

رگ RAG (تولید تقویت شده با بازیابی): استفاده از اطلاعات بازیابی شده برای بهبود پاسخ‌ها.

تنظیم دقیق (Fine-Tuning): تطبیق LLM به وظیفه خاص با آموزش بیشتر.

توهم (Hallucination): تمایل به تولید اطلاعات نادرست.

#مدل_زبانی #LLM #اصطلاحات



برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @DataScience
👍86🔥1🙏1