آکادمی علوم شقایق رحمانی

این هارد HDD هست. یه دیسک مغناطیسی توشه.

اینCPU قدیمی ها دندونه طلایی داره ولی این جدیدا دیگه صافه و دندونه نداره! روکش این دندونه ها آبکاری طلاست!

اینو میگم، زیر این فن CPUهست. این چون قدیمیه سی پی یوش از هنون دندونه دار طلایی هاست.

یک نمایی کلی از کیس قدیمی مون، اون سبزه که زوم میکنم روش همون هارد HDD هست.

دل و روده ی کامپیوتر قدیمی دخترخاله امو ریختم بیرون، کلی عکس گرفتم از رمشو CPUو GPU و همه آی سی ها و مقاومت و خازنش هاش😅.‌ بعدا عکساشو میفرستم بریم به سفر در اعماق اعجاب انگیز کامپیوترها😎.‌

عه من😅✋

کتاب هوش مصنوعی راسل نرویک کلاسیک ترین کتاب هوش مصنوعی

تفاوت CPU و GPU و TPU در پردازش داده https://www.linkedin.com/posts/damienbenveniste_machinelearning-datascience-google-activity-7021518113561083904-tVjI

توروخدا بزار بیام تو چنلت فوش بدم مِلانی🤣. چقدر دنبال این استیکر بچه بودم😍🤣، بالخره پیداش کردم الان.

ابزار TensorFlow.js خیلی کاربرد داره برای دولوپ کردن سایت هایی که مدلهای ai دارند.

چطوری میشه در یک سایت قابلیت های مدل های هوش مصنوعی را فراهم کرد؟ یکی از راه های معروف برای فراهم کردن قابلیت های مدل های هوش مصنوعی در یک وب سایت، استفاده از یک API می باشد. این روش شامل ایجاد یک API با استفاده از فریمورک های مثل Flask یا Django، پیاده سازی مدل های هوش مصنوعی با استفاده از فریمورک های مثل TensorFlow یا PyTorch، و اجرای API بر روی یک سرور مجزا یا استفاده از یک پلتفرم مثل AWS Lambda است. شما می توانید از این API به طور مستقیم در وب سایت خود استفاده کنید، یا از طریق AJAX یا پلاگین های مثل jQuery از API دریافت اطلاعات و نمایش آن در وب سایت انجام دهید. همچنین، یک مهندس هوش مصنوعی می تواند از راه هایی مانند استفاده از ابزارهای کارشناسی از قبیل TensorFlow.js, ONNX.js استفاده کند، که به شما کمک می کند تا مدل های هوش مصنوعی را بدون نیاز به سرور جداگانه در مرورگر به طور مستقیم پیاده سازی کنید.‌

تازه عمق فاجعه میدونید کجاست؟! قبلا هم بهتون گفتم اون دیدگاه و نتیجه گیری بیزینسی هست که در نهایت از خروجی کار یه دیتاساینتیست مهم و باارزشه! هدف دیتاساینتیست چیه ازینکه خودشو میکشه که به یه مدل بهینه با استفاده از دیتایی که بهش دادن برسه؟ آخرش اینکه بتونه به اطلاعات خوبی از تجزیه، تحلیل و مدلسازی و پیش بینی دیتا برسه. حالا فکر کنید این همه زحمت میکشه بعد اگه اون دیتای اولیه نامناسب بوده باشه و نشه به خروجی کار اعتماد کرد، چی میشه؟! همه زحمت هاش به هدر میره! اینجاست که میگم نقش دیتای خوب و واقعی خودش رو نشون میده و چقدر میتونه روی اون هدف بیزینسی شرکت ها تاثیر مطلوب یا نامطلوب بزاره. پس لطفا به کیفیت دیتایی که روش کار میکنید اهمیت بدید و قبل ازینکه خودتون رو لا به لای لایه های عمیق شبکه های عصبی غرق کنید از مناسب بودن دیتای خود مطمئن شوید!

Readme.

Top 10 algorithms in data mining

یک ابزار جالب در لینوکس با تشکر از مهندس محمد عابدینی عزیز⚘🙏