现已上线！2025 年 Telegram 研究 — 年度关键洞察 
Machine Learning | یادگیری ماشین
前往频道在 Telegram
💡مهندس یادگیری ماشین شوید! 👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼 🆔 @DataScienceir_Adv
显示更多📈 Telegram 频道 Machine Learning | یادگیری ماشین 的分析概览
频道 Machine Learning | یادگیری ماشین (@machinelearning_ir) 波斯语 语言赛道中的 是活跃参与者。目前社区聚集了 34 098 名订阅者，在 技术与应用 类别中位列第 4 018，并在 伊朗 地区排名第 10 009 位。
📊 受众指标与增长动态
自 невідомо 创建以来，项目保持高速增长，吸引了 34 098 名订阅者。
根据 18 六月, 2026 的最新数据，频道保持稳定运转。过去 30 天订阅人数变化为 -224，过去 24 小时变化为 -15，整体触达仍然可观。
- 认证状态： 未认证
- 互动率 (ER)： 平均受众互动率为 9.10%。内容发布后 24 小时内通常能获得 3.94% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 3 102 次浏览，首日通常累积 1 344 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 5。
- 主题关注点： 内容集中在 مصنوعی, ایجنت, مهندس, مدل, عمل 等核心主题上。
📝 描述与内容策略
作者将该频道定位为表达主观观点的平台：
“💡مهندس یادگیری ماشین شوید!
👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼
🆔 @DataScienceir_Adv”
凭借高频更新（最新数据采集于 19 六月, 2026），频道始终保持新鲜度与高覆盖。分析显示受众积极互动，使其成为 技术与应用 类别中的关键影响点。
34 098
订阅者
-1524 小时
-577 天
-22430 天
帖子存档
یه لحظه تصور کن:
لپتاپ جلوته با یه نوشیدنی خنک، داری روی یه کد مهم کار میکنی🍹💻
چون باید برای یه شرکت بزرگ یه الگوریتم خفن بنویسی!
درسته، همون طور که همیشه آرزوشو داشتی تو یه دیتاساینتیستی ⭐️
تابستون امسال، وقتشه ورق رو برگردونی.
دورهی دیتا ساینس دانشکار فقط یه آموزش نیست.
تمرینه، پروژست، شبیهساز دنیای حرفهایه!
🎯 این تابستون، صحنهی بعدی زندگیت رو خودت بساز:
🔗https://dnkr.ir/kB3jD
🔴 برای ثبتنام فقط تا فردا شب مهلت داری!
Repost from SEMATEC
💢خبر عالی برای علاقهمندان به دیتا و برنامهنویسی!
آینده شغلیت رو با آموزشهای حرفهای تضمین کن! 😎
⬅️ لیست دورههای استاد وحید قربانی
جامع علم داده، جامع مهندسی داده، تحلیل داده و هوش تجاری و دوره های دیگر با جدیدترین متدها
ظرفیت محدود، فرصت رو از دست نده!
برای کسب اطلاعات بیشتر و رزرو رایگان با آیدی زیر در تماس باش👇
📢هر سوالی داری از @sematec بپرس
📞تلفن ثبت نام: 02188738394
✅ ۵٪ تخفیف ویژه دانشجویان
✔️لذت پیشرفت را تجربه کنیم
✅سماتک، مرکز آموزشهای تخصصی IT
✔️@sematecofficial
📚 ایبوک رایگان و اُپن سورس «سیستمهای ML»
👨🏻💻 بالاخره انتشارات MIT Press قراره نسخه چاپی کتاب «سیستمهای یادگیری ماشین» رو منتشر کنه! این پروژه که از یادداشتهای یک کلاس درس شروع شد، الان به یه کتاب اُپنسورس تبدیل شده که منبع کلی از کلاسهای یادگیری ماشین دانشگاههای برتر دنیاست!
📂 محوریت کتاب روی این بخشهاست:
✅ معماری سیستمهای ML.
✅ محاسبات عددی.
✅ گراف محاسباتی و Dataflow.
✅ زمانبندی و بهینهسازی منابع.
✅ مهندسی نرمافزار برای تولید و استقرار مدلها.
🔹 کتاب هنوز تو مسیر پیشرفت و تکمیل هست و نسخه چاپیش احتمالاً اواسط تا اواخر ۲۰۲۶ بیاد بیرون!
┌ 🥵 ML Systems
├ 🌎 Website
└ 🐱 GitHub-Repos
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
💠 کتاب «مقدمهای بر یادگیری ماشین»
👨🏻💻 برای من، این کتاب دقیقاً پلی بین مباحث تئوری و عملی یادگیری ماشین!
🥵 سراغ هر نوع دادهای میره، از متن و تصویر گرفته تا دیتاهای ساختاریافته و مسائل پرتکرار مثل طبقهبندی، رگرسیون و خوشهبندی رو با مثالهای ملموس توضیح میده و کاربردشون رو تو دنیای واقعی نشون میده.
✅ از طرف دیگه، مفاهیمی مثل آمار و احتمال، الگوریتمها و تئوری ML رو اونقدر شفاف بیان کرده که واقعاً حس میکنی یکبار برای همیشه مباحث پایه رو درست یاد گرفتی و حالا میتونی این تکنیکها رو تو پروژههات پیاده کنی.
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
اگه دوست داری توی برنامهنویسی، تفکر الگوریتمی و قدرت حلمسلئه رو خیلیخوب یاد بگیری...
لولآپ الگوریتم کوئرا جاییه که با آموزش، تمرین، وبینار و مسابقه میتونی الگوریتم رو دقیق و عمیق یادبگیری!
❗️اگه هنوز برنامهنویسی بلد نیستی هم نگران نباش!
✨ دریافت گواهی رویداد
💯 کدتخفیف ۲۵ درصدی:
daneshjoo-algo
💳 امکان پرداخت قسطی
❗️ظرفیت محدود
🌐 اطلاعات بیشتر و ثبتنام:
🔗 https://quera.org/r/0sf1oRepost from تهران دیتا-دانشگاه تهران
💡 هنوز فکر میکنی علم داده و هوش مصنوعی فقط برای نخبههاست⁉️
نه❗️ این دوره برای همه طراحی شده…
🌱 از نوجوان کنجکاو تا بازنشستهی باانگیزه و با عطش یادگیری
🧠 از معلم تا مدیر
📈 از جویای کار تا فریلنسر آیندهدار
⭐️ چهلمین دورهی علم داده و هوش مصنوعی دانشگاه تهران
با تخفیف ۲۵٪ فقط تا ۲ روز آینده‼️
اگر تو هم هنوز دنبال یه مهارت آیندهدار میگردی یا شاید چند وقته میخوای علم داده رو شروع کنی ولی نمیدونی چطور…💥 این همونه که دنبالش بودی: از اکسل تا پروژهی نهایی در هوش مصنوعی، فقط در یک دوره🔝🔝🔝 📢 آموزش از پایه، پروژهمحور و قابل فهم 🎓 گواهینامه دوزبانه با قابلیت ترجمه رسمی و امکان استعلام از دانشگاه تهران ✅ دانلود کامل جلسات آموزشی 👨🏫 بهره گیری از مطرحترین و برجسته ترین اساتید به نام این حوزه 📞 مشاوره رایگان و ثبتنام: ▶️ 09377516759 | 09357516755 🔗 tehrandata.org/courses/datascience/ 🎯 در دورهای که ۳۹ بار دیگه هم با موفقیت اجرا شده، منتظرتیم✔️ 📨 Telegram | 📨 whatsapp | 📱 linkedin | 📷 Instagram | 🌐 website | 💬 admin 1 | 💬 admin 2 #تحلیل_داده #داده_محور #کسب_و_کار #دیتاساینس #علم_داده #دانشگاه_تهران#آینده_شغلی #آموزش_آنلاین
🚨 مهارتی که هر مهندس ML باید بلد باشه!
👨🏻💻 طراحی سیستم یادگیری ماشین دقیقاً همون مهارتیه که هر مهندس ML باید بلد باشه! میدونی چرا اینقدر مهمه؟ چون این مهارت تو 5 سال گذشته هیچ تغییری نکرده و تا مدتها هم تغییر نمیکنه!
✔️ تو هر پروژهی ML واقعی که کار کردم، فارغ از اینکه مدل چی بود، تقریباً همیشه با این سه نوع پاپلاین طرف بودم:👇
1️⃣ پایپلاین Feature
✏️ داده خام رو برمیداریم، تبدیلش میکنیم به فیچرهای قابل استفاده مثل وکتورها یا امبدینگها، بعد هم تحویل Feature Store یا Vector DB میدیم. (همون جایی که فیچرها ذخیره میشن!)
➖ ➖ ➖ ➖ ➖
2️⃣ پایپلاین آموزش / فاینتیون
✏️ اینجا فیچرهای تاریخی رو از Feature Store یا Vector DB میخونیم، مدل جدید میسازیم (یا مدل پایه رو فاینتیون میکنیم) و نتیجه میره تو Model Registry.
➖ ➖ ➖ ➖ ➖
3️⃣ پایپلاین Inference
✏️ حالا مدلی که ساخته شده، باید جواب بده! مدل رو از رجیستری میخونه، ورودی رو از سمت کلاینت میگیره (عدد؟ متن؟ تصویر؟)، پیشبینی انجام میده یا جواب میسازه و برمیگردونه.
اینجا جاییه که معلوم میشه فقط مدل خوب داشتی یا واقعاً یه سیستم قابل استفاده ساختی!
▶️ وقتی این سه تا با هم و کنار یه CI/CD خوب کار کنن، اون وقته که میتونی بگی: "من یه ML Engineer واقعیام، نه فقط مدلساز!"
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
📖 جزوه «آمار و احتمال» برای ML
👨🏻💻 این جزوه بر اساس دوره معتبر دانشگاه استنفورد تهیه شده و واقعاً یکی از جدیترین تجربههام تو حوزه آمار و احتماله. از اون تجربههایی که بعدش دیگه نگاهت به حوزه یادگیری ماشین کاملاً عوض میشه!
⏪ با این جزوه همهچی رو از پایه و با رویکرد کاملاً ریاضی و اثباتمحور یاد میگیری؛ با هر مبحث، ارتباط مفاهیم رو درک میکنی و دقیقاً همین ساختار تئوریک رو بعداً توی مدلهای یادگیری ماشین لمس میکنی.
✅ اونچه که این جزوه رو خاص کرده، اینه که دقیقاً همون زیرساخت ریاضیاتی رو بهت میده که هر جای حوزه ML —از الگوریتمهای ساده گرفته تا شبکههای پیچیده— واقعاً بهش نیاز داری.
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
Repost from هشتگ تبلیغ تخصصی
👾 جامعترین دوره هوش مصنوعی ایران (هدیه ۵.۵۰۰.۰۰۰ تومانی)
💯 اگه علاقمندید هوشمصنوعی رو تخصصی یاد بگیرید و در همین حوزه مشغول به کار بشید، الان بهترین فرصته!
ویژگیهای دوره:
🟪 240 ساعت آموزش پروژه محور
🟪 ارائه مدرک معتبر
🟪 اساتید بینالمللی
🟪 فرصت استخدام و کارآموزی و امریه
🎁 با تخفیف ۷۰ درصدی به ارزش ۵٫۵۰۰٫۰۰۰ تومان در سومین دوره جایزه سالانه هوشمصنوعی ایران (iAAA) نام کنید.
🎉 کد تخفیف 70 درصدی: gift70 ➡️
⚠️ همین الان ثبت نام کنید:
🌐 B2n.ir/es4040 👈
🔸راههای ارتباطی:
📞 02191096992
📩 @iaaa_event
🔸کانال اطلاع رسانی:
💬 @iaaa_ai
➖➖➖➖➖➖➖
Repost from Hooshex
🎙وبینار رایگان: هوش مصنوعی در عمل
🗓 تاریخ برگزاری: ۳ مرداد
👾 همراه با فیلم قابل دانلود
💡از تجربههای واقعی تا مسیرهای شغلی آینده در مارکتینگ
هوش مصنوعی دیگه فقط توی مقالهها نیست — امروز تو دل کمپینهای بازاریابی، ابزارهای تولید محتوا و تصمیمهای استراتژیک شرکتهاست.
توی این وبینار رایگان قراره با هم از فاصلهی دانش دانشگاهی تا واقعیت بازار کار بگیم، ابزارهایی رو بررسی کنیم که واقعاً توی شرکتها استفاده میشن، و نگاهی کاربردی بندازیم به مسیرهای شغلیای که هوش مصنوعی در مارکتینگ ساخته.
📌 سرفصلهایی مثل:
• شکاف آکادمی و بازار
• ابزارهای واقعی مارکتینگ
• مسیرهای شغلی نوظهور
• مهارتهای لازم برای آینده
• تجربههای زیسته، واقعی و صادقانه
• پرسش و پاسخ آزاد و کاربردی
🧠 مناسب برای:
علاقهمندان به AI، بازاریابی، دانشجویان، مارکترها و همهی کسانی که به یادگیری واقعی علاقه دارن.
رزرو رایگان و اطلاعات بیشتر:
🪩 https://eseminar.tv/wb161451
🤔 چطور بفهمیم مدلمون داره «کم برازش» یا «بیش برازش» میکنه؟
👨🏻💻 یکی از چالشهای مهم توی آموزش مدلهای یادگیری ماشین اینه که بفهمی آیا مدل واقعاً داره درست یاد میگیره یا نه. یعنی:
◀️نکنه مدل خیلی سادهست و الگوها رو نمیفهمه؟ این میشه کم برازش (Underfitting)
◀️یا برعکس، اونقدر پیچیده شده که فقط دادههای آموزش رو حفظ کرده؟ این یعنی بیش برازش (Overfitting)
📂 برای اینکه راحتتر بتونی این مسئله رو بررسی کنی، این سه روش کاربردی رو بهت معرفی میکنم:👇
1️⃣ استفاده از اعتبارسنجی متقابل (Cross-Validation)
📄 اگر فقط روی دادههای آموزشی، مدلت رو ارزیابی کنی، خیلی وقتها نتیجه واقعی نیست. پس باید یه بخش از دادهها رو کنار بذاری برای تست یا اعتبارسنجی.
✅ معمولاً بین ۲۰ تا ۳۰ درصد دادهها رو برای ارزیابی نگه میدارن.
✅ اینطوری میتونی بسنجی که مدل واقعاً داره یاد میگیره یا فقط داده رو حفظ کرده.
➖ ➖ ➖
2️⃣ تحلیل نمودار خطای آموزش و اعتبارسنجی
📄 یه نمودار ساده هم میتونه خیلی چیزا رو روشن کنه:
✅ اگه هم خطای آموزش بالاست، هم خطای اعتبارسنجی ⬅️ مدل داره کم برازش میکنه.
✅ اگه خطای آموزش کم شده ولی اعتبارسنجی رفته بالا ⬅️ مدل دچار بیش برازش شده.
✅ اگه خطای اعتبارسنجی به یه نقطه حداقلی برسه و بعدش بالا بره ⬅️ اون نقطه دقیقاً زمان توقف آموزش یا انتخاب پارامتر بهینهست (همون Sweet Spot خودمون).
➖ ➖ ➖
3️⃣ تنظیم هوشمندانه پارامترهای مدل
📄 فقط بیشتر کردن تعداد دورههای آموزش (epoch) یا تکرارها (iteration) مشکل رو حل نمیکنه.
✅ باید پارامترهای مدل رو با روشهایی مثل «جستوجوی شبکهای (Grid Search)»، «جستوجوی تصادفی (Random Search)» یا «بهینهسازی بیزی (Bayesian Optimization)» تنظیم کنی.
🚨 یادت نره! حتی اگه بهترین پارامتر رو از نظر عددی پیدا کردی، باز هم باید چشمت به نمودار خطا باشه. چون بعضی وقتها مدل ظاهراً خوبه ولی بیش برازشه.
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
💥 با رقیب جدی GPT-4o آشنا شو!
👨🏻💻 دیگه وقتشه کمکم از مدلهای بستهای مثل GPT-4o فاصله بگیریم! درسته قدرتمند و همهچی تمومن، ولی محدودیت دارن! نه میتونی ببینی چطوری کار میکنن، نه آزادی عمل توی استفاده داری.
✅ اما تو BAGEL از این خبرا نیست! یه مدل چندوجهی همهفنحریف که کاملاً اُپنسورسه (تحت لایسنس Apache 2.0).
💠 قابلیتهای کلیدی BAGEL:
1️⃣ درک متن و تصویر همزمان.
2️⃣ ساخت تصویر از متن.
3️⃣ ویرایش عکس به صورت هوشمند.
4️⃣ ساخت ویدیو و استایلدهی عکس.
5️⃣ گسترش خلاقانه تصویر.
6️⃣ تجزیه و تحلیل تصویر.
🔥 و از همه مهمتر؟ یه معماری با ۱۴ میلیارد پارامتر (۷B فعال تو هر اجرا) که باعث میشه هم دقیق باشه، هم سریع.
❓ فرقش با بقیه چیه؟ کاملاً متنبازه، بدون محدودیت، قابل بررسی، قابل فاینتیون.👇
┌ 💰 BAGEL
├ 🌎 Website
└ 🐱 GitHub-Repos
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
💡 مهارتت رو جهانی کن – وقتشه وارد دنیای درآمد دلاری بشی!
اگه طراحی میکنی، کدنویسی بلدی، تولید محتوا انجام میدی، معمار یا انیماتوری، یا هر مهارت دیگهای داری، یه حقیقت مهم هست که باید بدونی:
مشتریهای بینالمللی حاضرن برای همین مهارتی که داری، چند برابر بیشتر از بازار داخلی پرداخت کنن!
اما سوال اینجاست:
✅ چطور باید وارد بازار بینالمللی بشی؟
✅ کدوم پلتفرم برای مهارت تو مناسبتره؟
✅ چطور تحریمها رو دور بزنی؟
✅ چطور اولین پروژه رو بگیری و درآمدتو نقد کنی؟
📌 توی این وبینار رایگان، دکتر علیرضا قیمتی قراره مرحله به مرحله بهت یاد بده چطور از همین امروز قدم بذاری تو مسیر واقعی فریلنسینگ بینالمللی
🗓 چهارشنبه 1 مرداد
⏰ ساعت 7 شب
🎫 لینک ثبتنام رایگان
https://links.etekanesh.com/Drgh4
✅ پروژه یادگیری ماشین من
1️⃣ تشخیص تقلب مالی در تراکنشها
👨🏻💻 تو این پروژه رفتم سراغ یه دیتاست سنگین (۶.۳ میلیون تراکنش ساختگی) تا بفهمم تو دنیای واقعی چطور میشه بین این همه تراکنش سالم، اون چندتا مورد مشکوک رو پیدا کرد.
💬 چالش اصلی؟ تقلبها توی این حجم تراکنش واقعاً انگشتشمار بودن! بعد از یه پاکسازی حسابی و انتخاب هوشمندانه فیچرها، با RandomForest و تنظیم class_weight=‘balanced’ مدل رو طوری آموزش دادم که حتی اون موارد تقلبی نادر رو هم جدی بگیره و گم نکنه.
🤔 نتیجهاش برام جالب بود: ROC AUC بالای ۰.۹۸ گرفتم و با بررسی دقیق Precision/Recall خیالم راحت شد که مدل نه فقط تو تئوری، بلکه تو سناریوی واقعی هم میتونه خلافکارها رو به موقع گیر بندازه.
📣 از دیتاست و کد نویسی گرفته تا آنالیز و نتایج پروژه، همگی در لینکهای زیر موجوده.👇
┌ 💰 Fraudulent Transaction Detection
└ 🐱 GitHub-Repos
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
آموزش عملی سیستمهای پیشنهاد دهنده Recommender System: مبانی، الگوریتمها و کاربردها
فقط ۲۴ ساعت فرصت داری این دوره رو با ۴۰ درصد تخفیف ویژه انتشار دوره اونم به صورت قسطی ثبتنام کنی!
🔗 https://quera.org/r/hesvb
Repost from N/a
‼️ اگه دنبال شغل ریموت یا مهاجرت کاری هستی، احتمالا با چالشهایی مثل نوشتن رزومه استاندارد، پیدا کردن فرصت خوب، یا نداشتن راهنمای مسیر روبهرو شدی.
📃 ما توی JobsKit علاوه بر اینکه بهت کمک میکنیم کار مورد علاقهت رو پیدا کنی، تو مسیر اپلای کردن هم همراهت هستیم. به همین دلیل یه کامیونیتی ساختیم برای ایرانیهایی که میخوان وارد بازار کار جهانی بشن.
✅ توی این گروه تلگرامی، کنار هم یاد میگیریم، تجربیاتمون رو به اشتراک میذاریم و از ابزارها و منابع حرفهای استفاده میکنیم تا قدمهامون برای اپلای کاری مطمئنتر باشه.😎
💯 حالا یه ابزار جدید داریم که یکی از مراحل مهم رو برات خیلی راحت میکنه:
📝 هوش مصنوعی ویژه ساخت رزومه و کاورلتر
⬅️ یه رزومهساز هوشمند که با چند کلیک یه رزومه و کاورلتر حرفهای و متناسب با کشور هدف و موقعیت شغلیات تولید میکنه. این ابزار مناسب اپلای برای شغل، کارآموزی یا حتی ویزا اسپانسره
🚨 یه پیشنهاد ویژه هم برای اعضای گروه داریم:
🥇 ۲۰۰ کد تخفیف ۱۰۰٪ برای پلن پیشرفته رزومهساز!
🔔 همین الان عضو گروه شو و مسیر اپلای کاریت رو شروع کن:👇
🔃 لینک گروه تلگرام
🔃 لینک گروه تلگرام
🔃 لینک گروه تلگرام
💡 تبدیل هر مقاله ML به یه ریپازیتوری کامل کد!
👨🏻💻 با Paper2Code هر مقاله یادگیری ماشین رو میتونی مستقیم به یه پروژه عملی و ریپوی قابل اجرا تبدیل کنی، بدون دردسر!
✏️ پشت این کار، یه سیستم مولتیایجنت مبتنی بر LLM هست که هر عاملش یه وظیفه تخصصی داره:
1️⃣ برنامهریزی
2️⃣ تحلیل عمیق
3️⃣ تولید کد نهایی
┌ 🏳️🌈 Paper2Code
└ 🐱 GitHub-Repos
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
👨💻 «چطوری یه LLM واقعی مثل DeepSeek رو از صفر بسازیم؟»
👨🏻💻 بعد از تموم شدن دورهیِ دکترای یادگیری ماشینم در دانشگاه MIT، یکی از مهمترین دغدغههام این شد که به سادهترین شکل ممکن نشون بدم DeepSeek دقیقاً چطور راهاندازی و توسعه داده میشه.
✏️ واسه همین تصمیم گرفتم توی ۲۰ ویدیوی آموزشی، همه مراحل ساخت DeepSeek رو قدمبهقدم توضیح بدم. از مفاهیم پایه تا نکات تخصصی!👇
😉 معرفی DeepSeek
😉 مفاهیم پایه DeepSeek
😉 پردازش توکن در معماری مدلهای زبانی
😉 مکانیزم توجه
😉 پیادهسازی Self-Attention
😉 شرح Causal Attention
😉 شرح MHA
😉 پیادهسازی MHA
😉 ساخت Key-Value Cache
😉 شرح MQA
😉 درک GQA
😉 پیادهسازی MLA
😉 کدنویسی MLA
😉 کدگذاری موقعیتی عددی/باینری
😉 کدگذاری موقعیتی سینوسی
😉 شرح RoPE
😉 پیادهسازی Latent Attention
😉 معرفی MoE
😉 دموی عملی MoE
😉 تکنیکهای تعادل در MoE
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
Repost from هشتگ تبلیغ تخصصی
💎 مدرسه تابستانه شبکه عصبی و یادگیری عمیق
با مدرک دو زبانه
ــــــــــــــــــــــــــــــــــــ
انجام صفر تا صد، 5 پروژه واقعی
ــــــــــــــــــــــــــــــــــــ
⁉️ مخاطبین این دوره چه کسانی هستند؟
🟪دانشجویان و فارغ التحصیلان تحصیلات تکمیلی رشتههای فنی مهندسی
🟪اعضای تیم هوش مصنوعی شاغل در استارتاپها، سازمانها و کسبوکارها
🟪علاقمندان به حوزه شبکه عصبی و یادگیری عمیق
🟪دانشجویانی که قصد نوشتن پایان نامه در این حوزه را دارند
🟪افرادی که قصد مهاجرت کاری یا تحصیلی دارند
ــــــــــــــــــــــــــــــــــــــ
🔔 جهت دریافت مشاوره رایگان و اطلاعات تکمیلی؛
از طریق لینک زیر اقدام نمایید
📎 httb.ir/fPpbF 👈
ـــــــــــــــــــــــــــــــــــ
📞 02191096546
💬 @onacademy
📚 «یادگیری ماشین با تئوری احتمالات»
👨🏻💻 یه جزوه 70 صفحهای و رایگان پیدا کردم که به زبون ساده و با دید کاربردی، مفاهیم یادگیری ماشین رو از نگاه تئوری احتمالات توضیح داده.
✅ اونم نه فقط فرمول، بلکه هر مبحث با تمرین و مثال. اینکه چطور باید فکر کنیم، مدلسازی کنیم و تصمیم بگیریم.
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
