Machine Learning | یادگیری ماشین

⭕️ 10 ریپازیتوری برتر GitHub برای یادگیری ماشین ✍🏼 نیشا آریا / دانشمند و محقق داده ☑️ مخازن GitHub غنی از پروژه‌ها و کدنویسی‌ها هستند. از مزایای استفاده از مخازن GitHub برای یادگیری ماشین، دسترسی به منابع آموزشی با ارزش و ابزارهای کاربردی در یک محیط کارآمد و کاربرپسند است. ✅ ریپازیتوری‌های زیر شامل پروژه‌ها، کتابخانه‌ها، درسنامه ها، منابع آموزشی و مقالات مرتبط با یادگیری ماشین است که به شما کمک می کند تا از مفاهیم پایه تا پیشرفته یادگیری ماشین را فرا بگیرید و مهارت‌های خود را در این حوزه تقویت کنید. 1️⃣ مخزن Awesome Machine Learning 📝 فهرستی فوق‌العاده از فریم ورک ها، کتابخانه‌ها و نرم‌افزارهای یادگیری ماشین برای شروع حرفه‌‌ای در ML. ┌ 🏷 Repository link └ 🗃 Awesome Machine Learning 2️⃣ مخزن Machine Learning Tutorials 📝 لیستی از منابع مصاحبه‌یِ یادگیری ماشین، یادگیری عمیق، آمار و... ┌ 🏷 Repository link └ 🗃 Machine Learning Tutorials 3️⃣ مخزن Best of ML with Python 📝 910 پروژه اپن سورس یادگیری ماشین است که بر اساس کیفیت پروژه رتبه‌بندی شده‌اند. ┌ 🏷 Repository link └ 🗃 Best of ML with Python 4️⃣ مخزن TensorFlow Examples 📝 یکی از محبوب‌ترین فریم ورک های یادگیری ماشین TensorFlow است و تسلط به این فریم ورک به عنوان یک مهندس یادگیری ماشین اساسی است. ┌ 🏷 Repository link └ 🗃 TensorFlow Examples 5️⃣ مخزن Projects 📝 منبع جامعی از پروژه های یادگیری ماشین برای سنجش میزان مهارت ها، رشد شخصی و موفقیت در مصاحبه های شغلی ML. ┌ 🏷 Repository link ├ 🗃 ML Class └ 🗃 Data Analysis & ML Projects 6️⃣ مخزن ML Interview 📝 یک برنامه‌ی مطالعاتی جامع برای مصاحبه‌های یادگیری ماشین که به شما کمک می‌کند تا مباحث اصلی ML را بیاموزید و برای هر سوالی آماده باشید. ┌ 🏷 Repository link └ 🗃 Machine Learning Interview 7️⃣ مخزن 100Days of ML Code 📝 این مخزن شامل یک برنامه کامل 100 روزه یادگیری ماشین است. یکی از ویژگی های این مخزن، پوسترهای گرافیکی برای هر روز است که مانند خلاصه ای از برنامه یادگیری روزانه است. ┌ 🏷 Repository link └ 🗃 100-Days-Of-ML-Code 8️⃣ مخزن Homemade Machine Learning 📝 شامل نمونه‌هایی از الگوریتم‌های محبوب یادگیری ماشین است که با استفاده از پایتون پیاده‌سازی شده‌اند. ┌ 🏷 Repository link └ 🗃 Homemade ML 9️⃣ مخزن 500Projects 📝 منبع مفیدی برای تقویت مهارت‌های یادگیری ماشین و یادگیری عمیق و تجربه کار با آن‌ها در پروژه‌های عملی. ┌ 🏷 Repository link └ 🗃 500 AI, ML, DL, NLP Projects 🔟 مخزن Project Based Learning 📝 این مخزن مجموعه ای از پروژه‌ها را ارائه می‌دهد که بر اساس زبان‌ها دسته‌بندی شده است. ┌ 🏷 Repository link └ 🗃 Project Based Learning #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎 @MachineLearning_ir

⭕️ 15 کانال برتر YouTube برای یادگیری ماشین ✍🏼 کانوال مهرین / مهندس نرم افزار و محقق ML ☑️ با افزایش دسترسی به منابع رایگان، ممکن است وقت زیادی را صرف انتخاب بهترین منابع برای تقویت مهارت‌‌های ماشین لرنینگ خود کنید. ✅ به همین خاطر من بعد از بررسی صدها کانال یوتیوب علوم داده، لیستی از 15 کانال برتر یادگیری ماشین را برای شما آماده کردم که می‌تواند به فراگیری و تسلط به مباحث تئوری و عملی یادگیری ماشین، افزایش مهارت‌ها و هم چنین آموزش نکات و ترفندهای ML کمک بسزایی کند. 🎬 کانال Sentdex ┤ 📈 1234 ویدیو / 107M ویو ┘ 📥 لینک : Sentdex 🎬 کانال DeepLearningAI ┤ 📈 326 ویدیو / 13M ویو ┘ 📥 لینک : DeepLearningAI 🎬 کانال Artificial Intelligence — All in One ┤ 📈 525 ویدیو / 17M ویو ┘ 📥 لینک : Artificial Intelligence — All in One 🎬 کانال Two Minute Papers ┤ 📈 753 ویدیو / 115M ویو ┘ 📥 لینک : Two Minute Papers 🎬 کانال Kaggle ┤ 📈 349 ویدیو / 3M ویو ┘ 📥 لینک : Kaggle 🎬 کانال Siraj Raval ┤ 📈 446 ویدیو / 46M ویو ┘ 📥 لینک : Siraj Raval 🎬 کانال Jeremy Howard ┤ 📈 163 ویدیو / 6M ویو ┘ 📥 لینک : Jeremy Howard 🎬 کانال Applied AI Course ┤ 📈 519 ویدیو / 13M ویو ┘ 📥 لینک : Applied AI Course 🎬 کانال Krish Naik ┤ 📈 1610 ویدیو / 69M ویو ┘ 📥 لینک : Krish Naik 🎬 کانال StatQuest with Josh Starmer ┤ 📈 237 ویدیو / 44M ویو ┘ 📥 لینک : StatQuest with Josh Starmer 🎬 کانال Daniel Bourke ┤ 📈 296 ویدیو / 6M ویو ┘ 📥 لینک : Daniel Bourke 🎬 کانال Data School ┤ 📈 139 ویدیو / 10M ویو ┘ 📥 لینک : Data School 🎬 کانال 3Blue1Brown ┤ 📈 127 ویدیو / 318M ویو ┘ 📥 لینک : 3Blue1Brown 🎬 کانال Jeff Heaton ┤ 📈 534 ویدیو / 5.6M ویو ┘ 📥 لینک : Jeff Heaton 🎬 کانال Machine Learning Street Talk ┤ 📈 97 ویدیو / 1.8M ویو ┘ 📥 لینک : Machine Learning Street Talk #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎 @MachineLearning_ir

⭕️ مجموعه ML Resources: برترین منابع ML 📂 نقشه راه کامل یادگیری ماشین👌🏼 🔷 اگر به دنبال مجموعه کاملی از منابع آموزشی یادگیری ماشین هستید که در عین جامعیت، تمامی مباحث مختلف این حوزه را پوشش دهد، این مجموعه برای شماست. 🔶 مجموعه جامع ML Resources ؛ تمامی مباحث یادگیری ماشین را از جبر خطی، آمار و احتمال، NLP، یادگیری عمیق، بهینه سازی گرفته تا یادگیری تقویتی، ماشین لرنینگ کلاسیک و غیره را در قالب صدها چیت شیت، اسلایدهای آموزشی، درسنامه، ویدیوهای آموزشی، تمرین ها، پروژه های عملی و... شامل می شود. ✅ برای دسترسی به این منبع شگفت انگیز یادگیری ماشین می توانید از لینک زیر استفاده نمایید: ┌ 🏷 Comprehensive ML resources └ 🚀 ML Resources #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎 @MachineLearning_ir

⭕️ دوره رایگان «آمورش سریع یادگیری ماشین» 🔰 این دوره، یک راهنمای عالیِ یادگیری ماشین، برای کسانی است که می خواهند بدون پیشینه ریاضی، شروع به فراگیری مباحث اصلی یادگیری ماشین کنند. این دوره شامل مجموعه ای از درسنامه‌ها، سخنرانی های ویدیویی، مطالعات موردی و پروژه هایی در دنیای واقعی و تمرین های عملی می‌شود. 1️⃣ 35 درسنامه 2️⃣ 15 ساعت آموزش 3️⃣ 30+ تمرین 4⃣ مطالعات موردی واقعی 🟣 برای ثبت نام در این دوره کاملا رایگان می‌توانید از لینک زیر استفاده نمایید: ┌ 🏷 Machine Learning Crash Course └ 📚 ML Crash Course with TensorFlow APIs #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎 @MachineLearning_ir

⭕️ 10 ایده برتر پروژه‌های یادگیری ماشین 2023 ✍🏼 ناتاشا سلواراج / دانشمند داده 🔷 شرکت در پروژه‌های یادگیری ماشین به شما این امکان را می‌دهد تا دانشی که از دوره‌های آنلاین به دست آورده‌اید را بر روی مجموعه داده‌های واقعی پیاده سازی کنید و نتیجه کار خود را در رزومه‌تان به نمایش بگذارید. 🔶 در این مقاله، 10 ایده‌ی فوق العاده پروژه‌ های یادگیری ماشین را برای مبتدی‌ها ارائه کرده‌ام. برای هر ایده نیز، لینکی برای دیتاست و راه‌حلی که توسط یک دانشمند داده حرفه ای ارائه شده است، را قرار داده ام. به این ترتیب، اگر جایی به مشکل برخوردید، می توانید به سورس کد مراجعه کنید تا نحوه ادامه کار را کامل متوجه شوید. 1️⃣ پیش‌بینی بقاء تایتانیک ┌ 🏷 Titanic Survival Prediction ├ ◼️ Dataset └ ◻️ Sample solution 2️⃣ طبقه‌بندی گل‌های آیریس ┌ 🏷 Iris Flower Classification ├ ◼️ Dataset └ ◻️ Sample solution 3️⃣ پیش بینی قیمت مسکن ┌ 🏷 House Price Prediction ├ ◼️ Dataset └ ◻️ Sample solution 4️⃣ مطالعه قلب فرامینگهام ┌ 🏷 The Framingham Heart Study ├ ◼️ Dataset └ ◻️ Sample solution 5️⃣ پیش بینی امید به زندگی ┌ 🏷 Life Expectancy Prediction ├ ◼️ Dataset └ ◻️ Sample solution 6️⃣ تشخیص اسپم ┌ 🏷 Spam Detection ├ ◼️ Dataset └ ◻️ Sample solution 7️⃣ تشخیص سرطان سینه ┌ 🏷 Breast Cancer Detection ├ ◼️ Dataset └ ◻️ Sample solution 8️⃣ تقسیم بندی مشتریان مرکز خرید ┌ 🏷 Mall Customer Segmentation ├ ◼️ Dataset └ ◻️ Sample solution 9️⃣ آنالیز احساسات بر روی نقدهای فیلم ┌ 🏷 Sentiment Analysis on Movie Reviews ├ ◼️ Dataset └ ◻️ Sample solution 🔟 پیش‌بینی دیابت قبیله پیما هندی ┌ 🏷 Pima Indian Diabetes Prediction ├ ◼️ Dataset └ ◻️ Sample solution #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎 @MachineLearning_ir

⭕️ تجسم تمام مدل‌های یادگیری ماشین 📂 با کتابخانه بی‌نظیر Yellowbrick پایتون👌🏼 🔷 کتابخانه Yellowbrick، یک کتابخانه پایتون است که تجسم های مفیدِ متعددی را برای مدل‌های یادگیری ماشین ارائه می‌دهد. به عنوان مثال، به شما اجازه می‌دهد تا برای مدل‌های طبقه‌بندی با استفاده از scikit-learn API ماتریس درهم ریختگی (Confusion matrix) ایجاد کنید. 🔶 هم چنین می‌توانید کتابخانه Yellowbrick را به تنهایی نصب و یا از کتابخانه PyCaret استفاده کنید که در این صورت بیشتر قابلیت‌های آن را یکپارچه‌ می‌کند. ✅ برای دسترسی به این کتابخانه شگفت انگیز پایتون می توانید از لینک زیر استفاده نمایید: ┌ 🏷 Python Library └ 🚀 Yellowbrick: ML Visualization #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎 @MachineLearning_ir

⭕️ پرتکرارترین الگوریتم های یادگیری ماشین ✍🏼 اِما دینگ / مدرس علوم داده ☑️ من 194 سوال مصاحبه هایِ یادگیری ماشین، از 50 شرکت و کمپانی برتر را آنالیز کردم و نموداری را ایجاد کردم که رایج ترین الگوریتم‌های یادگیری ماشین در مصاحبه‌های علوم داده را نشان می دهد. 📊 بر اساس نمودار فوق، ۳ الگوریتم برتر وجود دارد که شما حتما باید برای مصاحبه‌های علوم داده به آن‌ها مسلط باشید : 1️⃣ Random forest 2️⃣ Gradient boosting 3️⃣ Logistic regression 🟡 این ۳ الگوریتم 40 % سوالات مصاحبه یادگیری ماشین را تشکیل می‌دهند. همچنین بیش از 90 % سوالات مصاحبه، مفهومی هستند که نیاز به توضیح مفاهیم و توصیف راه حل ها دارند و تنها حدود 10% سوالات، شما را مجبور به کد نویسی می کنند. #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎 @MachineLearning_ir

⭕️ نسخه جدید دوره «یادگیری ماشین برای مبتدیان» ☑️ با استفاده از کتابخانه Scikit-learn پایتون 🔷 ورژن جدید و آپدیت شده مجموعه آموزشی رایگان یادگیری ماشین که توسط شرکت مایکروسافت تهیه شده است، تمامی مباحث مربوط به یادگیری ماشین و چگونگی ساخت مدل‌ها با استفاده از ابزارهایی مثل SciKit Learn, NumPy, Pandas و Matplotlib را پوشش می‌دهد. 🔶 هر جلسه آموزشی شامل آزمون‌های پیش و پس از درس، اسلایدهای آموزشی، تسک های عملی، ویدیوهای درسی و... است. این دوره آموزشی مبتنی بر پروژه شامل 26 جلسه‌ در 12 هفته می شود. ✅ می‌توانید این دوره آموزشی را به همراه لینک گیت هاب، از طریق لینک زیر دریافت نمایید :👇🏼 ┌ 🏷 Machine Learning for Beginners ├ 🎬 ML for Beginners Course ├ 🗃 ML for Beginners GitHub └ 📚 ML for Beginners PDF #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎 @MachineLearning_ir

⭕️ 70+ پروژه یادگیری ماشین با پایتون 📂 به همراه سورس کد 🔷 در این مقاله بیش از 70 پروژه یادگیری ماشین با پایتون به همراه سورس کد برای مبتدیان و متخصصان یادگیری ماشین با پیاده سازی در دنیای واقعی آورده شده است. این مجموعه شامل 22 پروژه یادگیری ماشین با پایتون، 18 پروژه یادگیری عمیق، 27 پروژه Computer Vision و 4 پروژه NLP می باشد. ✅ می‌توانید از طریق لینک زیر به تمامی این پروژه‌ها دسترسی داشته باشید :👇🏼 ┌ 🏷 70+ Best & Unique Python ML └ 📚 70+ Python ML Projects + Source Code #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎 @MachineLearning_ir

⭕️ نقشه راه جامع آموزش یادگیری ماشین 2023 ☑️ مجموعه‌یِ پیش رو نقشه راه کاملی از روش‌ها، فرآیندها، الگوریتم‌ها و مباحثی است که برای یادگیری کامل ماشین لرنینگ جمع آوری شده است و نیازهای هر متقاضی (از مبتدی تا حرفه‌ای) که می خواهد وارد دنیای علم داده و هوش مصنوعی شود را، پوشش می‌دهد. ✅ این نقشه ی راه به 16 بخش تقسیم شده است که شامل 256 ساعت یادگیری در طول 8 ماه و بیش از 500 پروژه علم داده و یادگیری ماشین و همچنین ساعات زیادی برای تمرین و ایجاد پروژه می‌شود. ┌ 🏷 Month 1 ├ ◼️ Python‌ ‌Programming‌ ‌& ‌Logic‌ ‌Building‌ └ ◻️ Data‌ ‌Structure‌ ‌&‌ ‌Algorithms‌ ┌ 🏷 Month 2 ├ ◼️ Pandas‌ ‌Numpy‌ ‌Matplotlib‌ └ ◻️ Statistics‌ ┌ 🏷 Month 3 ├ ◼️ Machine‌ ‌Learning‌ └ ◻️ ML Operations ┌ 🏷 Month 4 ├ ◼️ Natural‌ ‌Language‌ ‌Processing‌ └ ◻️ Computer‌ ‌Vision‌‌ ┌ 🏷 Month 5 ├ ◼️ Data‌ ‌Visualization‌ ‌with‌ ‌Tableau‌ └ ◻️ Structured ‌Query‌ ‌Language‌ ‌(SQL)‌ ┌ 🏷 Month 6 ├ ◼️ Data Engineering └ ◻️ Data System Design ┌ 🏷 Month 7 ├ ◼️ Five‌ ‌Major‌ Capstone ‌Projects‌ └ ◻️ Interview Preparations ┌ 🏷 Month 8 ├ ◼️ Git & GitHub └ ◻️ Personal Branding and portfolio 📚 لینک دسترسی به جزئیات مباحث: RoadMap #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎 @MachineLearning_ir