Forwarded from Data world with Mina (Mina Ra)
گوگل یک الگوریتم جدید با نام Autobnn
برای پیش بینی مدلهای سری زمانی معرفی کرده است. در لینک زیر با این الگوریتم آشنا شوید.
https://www.marktechpost.com/2024/03/29/google-ai-introduces-autobnn-a-new-open-source-machine-learning-framework-for-building-sophisticated-time-series-prediction-models/
برای پیش بینی مدلهای سری زمانی معرفی کرده است. در لینک زیر با این الگوریتم آشنا شوید.
https://www.marktechpost.com/2024/03/29/google-ai-introduces-autobnn-a-new-open-source-machine-learning-framework-for-building-sophisticated-time-series-prediction-models/
MarkTechPost
Google AI Introduces AutoBNN: A New Open-Source Machine Learning Framework for Building Sophisticated Time Series Prediction Models
GoogleAI researchers released AutoBNN to address the challenge of effectively modeling time series data for forecasting purposes. Traditional Bayesian approaches like Gaussian processes (GPs) and structural time series could not overcome limitations in scalability…
👍8❤2🤩1🙏1
500 Miles
Joan Baez
❤12🤩4👍2👎2👌2🔥1
Forwarded from STeam
❤🧡💛 استیم برگزار میکند: ثبت نام اولین رویداد شبکه سازی در #هوش_مصنوعی آغاز شد این رویداد تخصصی در تاریخ ۴ و ۵ مهر ماه (چهارشنبه و پنجشنبه هفته اول مهر) برگزار میگردد
رویداد #Pandora دومین رویداد از سلسله رویدادهای #شبکه_سازی تخصصی است که با نام #پاندورا برگزار می گردد
هدف از رویدادهای پاندورا ارتباط با ایرانیان مقیم خارج از کشور است و ما سعی میکنیم با توجه به امکانات و زیر ساخت های موجود در سالن بستری را فراهم کنیم تا جامعه متخصصین داخل و خارج از کشور بتوانند با هم ارتباط برقرار کنند
💎💎💎 مثل همیشه مجموعه رویدادهای استیم #رایگان است ولی ثبت نام در آنها الزامی است
💢💢💢 لطفا محبت بفرمائید از طریق لینک زیر ثبت نام کنید:
https://evand.com/events/pandora-ai
💥💥💥 تمامی اطلاعات در لینک فوق درج شده
فراموش نکنید: #استیم_برای_ساخت_یک_تیم
مشتاق دیدار
علی رشیدی
بنیانگذار شبکه اجتماعی استیم (STeam)
رویداد #Pandora دومین رویداد از سلسله رویدادهای #شبکه_سازی تخصصی است که با نام #پاندورا برگزار می گردد
هدف از رویدادهای پاندورا ارتباط با ایرانیان مقیم خارج از کشور است و ما سعی میکنیم با توجه به امکانات و زیر ساخت های موجود در سالن بستری را فراهم کنیم تا جامعه متخصصین داخل و خارج از کشور بتوانند با هم ارتباط برقرار کنند
💎💎💎 مثل همیشه مجموعه رویدادهای استیم #رایگان است ولی ثبت نام در آنها الزامی است
💢💢💢 لطفا محبت بفرمائید از طریق لینک زیر ثبت نام کنید:
https://evand.com/events/pandora-ai
💥💥💥 تمامی اطلاعات در لینک فوق درج شده
فراموش نکنید: #استیم_برای_ساخت_یک_تیم
مشتاق دیدار
علی رشیدی
بنیانگذار شبکه اجتماعی استیم (STeam)
🔥6
2th Pandora Summit Panel.pdf
2.2 MB
دوستان سلام،
جزئیات رویداد شبکهسازی هوش مصنوعی پاندورا در این فایل قابل مشاهده است.
ظرفیت کمی باقی مونده و حتما سریعتر ثبتنام کنید. این رویداد کاملا رایگان هست و فقط نیاز به ثبتنام داره...
ظرفیت رویداد در حال اتمامه
من هم حضور دارم.. خوشحال میشم ببینمتون. اگر برای ارایه آماده هستید و سوالی دارید بفرمایید. فرصت خیلی خوبی برای شبکه سازی است.
جزئیات رویداد شبکهسازی هوش مصنوعی پاندورا در این فایل قابل مشاهده است.
ظرفیت کمی باقی مونده و حتما سریعتر ثبتنام کنید. این رویداد کاملا رایگان هست و فقط نیاز به ثبتنام داره...
ظرفیت رویداد در حال اتمامه
من هم حضور دارم.. خوشحال میشم ببینمتون. اگر برای ارایه آماده هستید و سوالی دارید بفرمایید. فرصت خیلی خوبی برای شبکه سازی است.
🔥7👍1
Forwarded from مهندسی داده و امالآپس 🚀
🟢 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.
.
@elmedadeir
🔴 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.
.
@elmedadeir
🙏7❤4👍1
Forwarded from Data world with Mina (Mina Ra)
✅چهل کتابخانه پایتون برای Reinforcement learning
Gym
Baselines
Dopamine
TensorLayer
FinRL
Stable-Baselines
ReAgent
Acme
PARL
TF-Agents
TensorFlow
PyTorchRL
Keras-RL
Garage
TensorForce
RLax
Coach
RFRL
Rliable
ViZDoom
Ray RLlib
Dopamine Acme
Tensorforce
ReAgent (Horizontal)
ChainerRL
MushroomRL
TRFL
CleanRL
Tianshou
MAgent
rl-baselines3-zoo
Petting Zoo
RLlib
RoboRL
H-baselines
Dl-engine
🙏15🤩1
Forwarded from Data world with Mina (Mina Ra)
🔶 استفاده از #یادگیری_ماشین برای حل مشکلات دنیای واقعی هیجان انگیز است. اما بیشتر مبتدیان مستقیماً به سراغ ساخت مدل میروند -
با نادیده گرفتن اصول اساسی - که منجر به مدلهایی میشود که چندان مفید نیستند. از درک دادهها گرفته تا انتخاب بهترین مدل یادگیری ماشین برای مشکل، برخی از اشتباهات رایج وجود دارد که مبتدیان اغلب مرتکب میشوند.
✅اولین مرحله جهت حل این مشکل : از خود سؤالات کافی بپرسید تا در مورد مشکل و دامنه بیشتر بدانید. همچنین در نظر بگیرید که آیا یادگیری ماشین اصلاً ضروری است یا خیر: در صورت نیاز قبل از ترسیم چگونگی حل مشکل با استفاده از یادگیری ماشین، بدون یادگیری ماشین شروع کنید. شما باید به عنوان یک دیتا ساینتیست یک solution maker باشید.
سایر اشتباهات رایج
1. عدم درک داده ها
2. پیش پردازش ناکافی داده ها
۳_نشت داده ها(Data Leakage) وقتی رخ میده که مدل از اطلاعات خارج از مجموعه داده در فرآیند آموزش استفاده کند. حل مشکل: استفاده از pipeline در هنگام آموزش مدل
۴-عدم انجام مهندسی ویژگی
۵-بیش برازش و کم برازش
در این مقاله کامل به این موضوع پرداخته و مراحلش رو با جزییات کدنویسی توضیح داده:
لینک مقاله
با نادیده گرفتن اصول اساسی - که منجر به مدلهایی میشود که چندان مفید نیستند. از درک دادهها گرفته تا انتخاب بهترین مدل یادگیری ماشین برای مشکل، برخی از اشتباهات رایج وجود دارد که مبتدیان اغلب مرتکب میشوند.
✅اولین مرحله جهت حل این مشکل : از خود سؤالات کافی بپرسید تا در مورد مشکل و دامنه بیشتر بدانید. همچنین در نظر بگیرید که آیا یادگیری ماشین اصلاً ضروری است یا خیر: در صورت نیاز قبل از ترسیم چگونگی حل مشکل با استفاده از یادگیری ماشین، بدون یادگیری ماشین شروع کنید. شما باید به عنوان یک دیتا ساینتیست یک solution maker باشید.
سایر اشتباهات رایج
1. عدم درک داده ها
2. پیش پردازش ناکافی داده ها
۳_نشت داده ها(Data Leakage) وقتی رخ میده که مدل از اطلاعات خارج از مجموعه داده در فرآیند آموزش استفاده کند. حل مشکل: استفاده از pipeline در هنگام آموزش مدل
۴-عدم انجام مهندسی ویژگی
۵-بیش برازش و کم برازش
در این مقاله کامل به این موضوع پرداخته و مراحلش رو با جزییات کدنویسی توضیح داده:
لینک مقاله
👍13❤3🙏2
رو لینک زیر برید و تحلیل شخصیتی پیجتون رو داشته باشید.
Just for fun😁😁
https://roast.monica.im/?fbclid=PAZXh0bgNhZW0CMTEAAaZ_73f2Fnk95IH_SQWpIDIv0ZYJ3OMnoF5otwpjzMgD65Nfjo3EpiYj7Ac_aem_o0zLsUuZQCkHFwmmqxyflA
@datalook_ir
Just for fun😁😁
https://roast.monica.im/?fbclid=PAZXh0bgNhZW0CMTEAAaZ_73f2Fnk95IH_SQWpIDIv0ZYJ3OMnoF5otwpjzMgD65Nfjo3EpiYj7Ac_aem_o0zLsUuZQCkHFwmmqxyflA
@datalook_ir
🤩6👍2😁1
گوگل دستیار هوش مصنوعی «Ask Photos» را آزمایش میکند که محتوای عکسها را میفهمد.
گوگل در حال آزمایش روی ویژگی جدیدی به نام Ask Photos است که امکان جستوجوی پیشرفتهتر و مرتبطتر با محتوای مورد نظر کاربران را فراهم میکند. این دستیار گوگل، از مدلهای هوش مصنوعی Gemini Google استفاده میکند و با جستوجو در تصاویر برنامه، بهترین پاسخ مرتبط با درخواست کاربر را ارائه میدهد.
کاربران میتوانند با استفاده از قابلیت Ask Photos، کارهایی مانند تهیهکردن یک گزیده از تصاویر گرفتهشده در یک تعطیلات خاص یا ایجاد یک آلبوم مشترک از عکسهای خانوادگی را بهتر و سریعتر انجام دهند.
در حال حاضر، این ویژگی از زبان طبیعی پشتیبانی میکند، بدین معنی که شما میتوانید سؤالات را با زبان خودتان از این مدل هوش مصنوعی بپرسید، بهطور مثال میتوانید عبارت «قایقسواری در دریاچهی احاطهشده توسط کوه» را بنویسید تا قابلیت Ask Photos بر اساس سؤال شما، عکسهای مرتبط با آن را پیدا کند.
گوگل میگوید که ویژگی Ask Photos فعلاً از زبان انگلیسی در دستگاههای مجهز به دو سیستمعامل اندروید و iOS پشتیبانی میکند؛ اما در هفتههای آینده، زبانهای بیشتری به آن اضافه میشود.
گوگل در حال آزمایش روی ویژگی جدیدی به نام Ask Photos است که امکان جستوجوی پیشرفتهتر و مرتبطتر با محتوای مورد نظر کاربران را فراهم میکند. این دستیار گوگل، از مدلهای هوش مصنوعی Gemini Google استفاده میکند و با جستوجو در تصاویر برنامه، بهترین پاسخ مرتبط با درخواست کاربر را ارائه میدهد.
کاربران میتوانند با استفاده از قابلیت Ask Photos، کارهایی مانند تهیهکردن یک گزیده از تصاویر گرفتهشده در یک تعطیلات خاص یا ایجاد یک آلبوم مشترک از عکسهای خانوادگی را بهتر و سریعتر انجام دهند.
در حال حاضر، این ویژگی از زبان طبیعی پشتیبانی میکند، بدین معنی که شما میتوانید سؤالات را با زبان خودتان از این مدل هوش مصنوعی بپرسید، بهطور مثال میتوانید عبارت «قایقسواری در دریاچهی احاطهشده توسط کوه» را بنویسید تا قابلیت Ask Photos بر اساس سؤال شما، عکسهای مرتبط با آن را پیدا کند.
گوگل میگوید که ویژگی Ask Photos فعلاً از زبان انگلیسی در دستگاههای مجهز به دو سیستمعامل اندروید و iOS پشتیبانی میکند؛ اما در هفتههای آینده، زبانهای بیشتری به آن اضافه میشود.
🙏8👍3
هوش مصنوعی جدید گوگل، میتواند مشکل دسترسی به دستگاههای پیشرفتهی تشخیص بیماریها را در کشورهای محروم و پرجمعیت مانند هند، حل کند.
گوگل، مدل هوش مصنوعی جدیدی را ساخته است که توانایی شنیدن و تجزیهوتحلیل سیگنالهای صوتی را دارد و میتواند بر مبنای نتایج تحلیلهای خود و تطبیق آن با علائم اولیهی برخی بیماریها، به تشخیص سریعتر بیماری در افراد کمک کند.
به گفتهی بلومبرگ، این هوش مصنوعی میتواند در کشورهایی که به تجهیزات پیشرفته و گرانقیمت پزشکی مانند دستگاه اسکن اشعهی ایکس دسترسی ندارند، بهعنوان یک ابزار مناسب برای تشخیص اولیهی برخی بیماریها، راهگشا باشد.
درحالحاضر، این سیستم هوش مصنوعی برای مقابله با سل، بزرگترین بیماری عفونی-تنفسی جهان، بهکار گرفته شده است. بر اساس گزارشهای سازمان بهداشت جهانی، روزانه نزدیک به ۴٬۵۰۰ نفر در دنیا، بر اثر بیماری سل فوت میکنند و ۳۰٬۰۰۰ نفر نیز، به این بیماری مبتلا میشوند.
هوش مصنوعی جدید گوگل، میتواند مشکل دسترسی به دستگاههای پیشرفتهی تشخیص بیماریها را در کشورهای محروم و پرجمعیت مانند هند، حل کند.
گوگل، مدل هوش مصنوعی جدیدی را ساخته است که توانایی شنیدن و تجزیهوتحلیل سیگنالهای صوتی را دارد و میتواند بر مبنای نتایج تحلیلهای خود و تطبیق آن با علائم اولیهی برخی بیماریها، به تشخیص سریعتر بیماری در افراد کمک کند.
به گفتهی بلومبرگ، این هوش مصنوعی میتواند در کشورهایی که به تجهیزات پیشرفته و گرانقیمت پزشکی مانند دستگاه اسکن اشعهی ایکس دسترسی ندارند، بهعنوان یک ابزار مناسب برای تشخیص اولیهی برخی بیماریها، راهگشا باشد.
درحالحاضر، این سیستم هوش مصنوعی برای مقابله با سل، بزرگترین بیماری عفونی-تنفسی جهان، بهکار گرفته شده است. بر اساس گزارشهای سازمان بهداشت جهانی، روزانه نزدیک به ۴٬۵۰۰ نفر در دنیا، بر اثر بیماری سل فوت میکنند و ۳۰٬۰۰۰ نفر نیز، به این بیماری مبتلا میشوند.
اگرچه سل یک بیماری قابل درمان است؛ اما در بسیاری از کشورهای محروم، به علت عدم تشخیص این بیماری در مراحل اولیه، اکثر مبتلایان بر اثر وخامت بیماری فوت میکنند. در هند، سالانه حدود ۲۵۰ هزار نفر به سل مبتلا میشوند؛ درصورت تشخیص زودهنگام، این مقدار بسیار کاهش خواهد یافت.
گوگل، مدل پایهی هوش مصنوعی خود را با ۳۰۰ میلیون قطعهی صوتی مختلف شامل صداهای سرفه، عطسه، تنفس و خرناسکشیدن آموزش داده است. این قطعات صوتی از میان صدای سرفهی بیمارانی که برای تشخیص سل به بیمارستانها مراجعه میکنند و همچنین، کلیپهای دوثانیهای منتشر شده در پلتفرمهایی مانند یوتیوب جمعآوری شده است. این صداها که حاوی اطلاعات زیادی در مورد سلامت افراد هستند، میتوانند سرنخهای مهم، اما نامحسوسی را برای غربالگری، تشخیص و مدیریت سلامت در اختیار پزشکان قرار دهند.
دادههایی که مدل هوش مصنوعی HeAR (مخفف Health Acoustic Representations) گوگل از آنها استفاده میکند، شامل ۱۰۰ میلیون صدای سرفه هستند که بهراحتی از طریق یک گوشی هوشمند قابلدسترس خواهد بود و میتوانند در تشخیص بیماریهای مهلکی مانند سل، مؤثر باشند.
گوگل، مدل هوش مصنوعی جدیدی را ساخته است که توانایی شنیدن و تجزیهوتحلیل سیگنالهای صوتی را دارد و میتواند بر مبنای نتایج تحلیلهای خود و تطبیق آن با علائم اولیهی برخی بیماریها، به تشخیص سریعتر بیماری در افراد کمک کند.
به گفتهی بلومبرگ، این هوش مصنوعی میتواند در کشورهایی که به تجهیزات پیشرفته و گرانقیمت پزشکی مانند دستگاه اسکن اشعهی ایکس دسترسی ندارند، بهعنوان یک ابزار مناسب برای تشخیص اولیهی برخی بیماریها، راهگشا باشد.
درحالحاضر، این سیستم هوش مصنوعی برای مقابله با سل، بزرگترین بیماری عفونی-تنفسی جهان، بهکار گرفته شده است. بر اساس گزارشهای سازمان بهداشت جهانی، روزانه نزدیک به ۴٬۵۰۰ نفر در دنیا، بر اثر بیماری سل فوت میکنند و ۳۰٬۰۰۰ نفر نیز، به این بیماری مبتلا میشوند.
هوش مصنوعی جدید گوگل، میتواند مشکل دسترسی به دستگاههای پیشرفتهی تشخیص بیماریها را در کشورهای محروم و پرجمعیت مانند هند، حل کند.
گوگل، مدل هوش مصنوعی جدیدی را ساخته است که توانایی شنیدن و تجزیهوتحلیل سیگنالهای صوتی را دارد و میتواند بر مبنای نتایج تحلیلهای خود و تطبیق آن با علائم اولیهی برخی بیماریها، به تشخیص سریعتر بیماری در افراد کمک کند.
به گفتهی بلومبرگ، این هوش مصنوعی میتواند در کشورهایی که به تجهیزات پیشرفته و گرانقیمت پزشکی مانند دستگاه اسکن اشعهی ایکس دسترسی ندارند، بهعنوان یک ابزار مناسب برای تشخیص اولیهی برخی بیماریها، راهگشا باشد.
درحالحاضر، این سیستم هوش مصنوعی برای مقابله با سل، بزرگترین بیماری عفونی-تنفسی جهان، بهکار گرفته شده است. بر اساس گزارشهای سازمان بهداشت جهانی، روزانه نزدیک به ۴٬۵۰۰ نفر در دنیا، بر اثر بیماری سل فوت میکنند و ۳۰٬۰۰۰ نفر نیز، به این بیماری مبتلا میشوند.
اگرچه سل یک بیماری قابل درمان است؛ اما در بسیاری از کشورهای محروم، به علت عدم تشخیص این بیماری در مراحل اولیه، اکثر مبتلایان بر اثر وخامت بیماری فوت میکنند. در هند، سالانه حدود ۲۵۰ هزار نفر به سل مبتلا میشوند؛ درصورت تشخیص زودهنگام، این مقدار بسیار کاهش خواهد یافت.
گوگل، مدل پایهی هوش مصنوعی خود را با ۳۰۰ میلیون قطعهی صوتی مختلف شامل صداهای سرفه، عطسه، تنفس و خرناسکشیدن آموزش داده است. این قطعات صوتی از میان صدای سرفهی بیمارانی که برای تشخیص سل به بیمارستانها مراجعه میکنند و همچنین، کلیپهای دوثانیهای منتشر شده در پلتفرمهایی مانند یوتیوب جمعآوری شده است. این صداها که حاوی اطلاعات زیادی در مورد سلامت افراد هستند، میتوانند سرنخهای مهم، اما نامحسوسی را برای غربالگری، تشخیص و مدیریت سلامت در اختیار پزشکان قرار دهند.
دادههایی که مدل هوش مصنوعی HeAR (مخفف Health Acoustic Representations) گوگل از آنها استفاده میکند، شامل ۱۰۰ میلیون صدای سرفه هستند که بهراحتی از طریق یک گوشی هوشمند قابلدسترس خواهد بود و میتوانند در تشخیص بیماریهای مهلکی مانند سل، مؤثر باشند.
👍13🔥2🙏1
Forwarded from پیشنهادهایی برای #اپلای #applyabroad
لیست دوازده سوال رایج هنگام مصاحبه شغلی و قالب جواب به همراه لیست اولیه کارهایی که قبل مصاحبه باید انجام داد ( تحقیقدرمورد اهداف شرکت، درک وظایف شغل مربوطه، نقاط قوت شما برای شغل، چند مثال از تجارب مرتبط شما)
T.me/safarname7
1. Tell me about yourself.
Answer: (No life story needed!) Briefly share your career journey, highlighting skills relevant to the role, and ending with why this position excites you.
2. What interests you about this position?
Answer: Get specific! Explain how your skills align with the role and how you can contribute to the company's goals (mention those you researched!).
منبع:
https://www.linkedin.com/feed/update/urn:li:activity:7213379334311448576
#اپلای #مصاحبه #apply #interview
T.me/safarname7
T.me/safarname7
1. Tell me about yourself.
Answer: (No life story needed!) Briefly share your career journey, highlighting skills relevant to the role, and ending with why this position excites you.
2. What interests you about this position?
Answer: Get specific! Explain how your skills align with the role and how you can contribute to the company's goals (mention those you researched!).
منبع:
https://www.linkedin.com/feed/update/urn:li:activity:7213379334311448576
#اپلای #مصاحبه #apply #interview
T.me/safarname7
❤9🙏1
دو پست قبل در مورد این دوره اطلاع رسانی کردم. باز یه عده پرسیدن از کجا وارد بشیم 😄 لینک مستقیم
http://sharifml.ir
http://sharifml.ir
❤11😡4😁1