Data Science | علم داده
Ir al canal en Telegram
📊 دانشمند داده شوید! 👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼 🆔 @DataScienceir_Adv
Mostrar más
📈 Análisis del canal de Telegram Data Science | علم داده
El canal Data Science | علم داده (@datascience_ir) en el segmento lingüístico de Farsi es un actor destacado. Actualmente la comunidad reúne a 50 222 suscriptores, ocupando la posición 2 658 en la categoría Tecnologías y Aplicaciones y el puesto 6 999 en la región Irán.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 50 222 suscriptores.
Según los últimos datos del 09 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -210, y en las últimas 24 horas de -4, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 5.21%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 2.66% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 2 617 visualizaciones. En el primer día suele acumular 1 337 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 3.
- Intereses temáticos: El contenido se centra en temas clave como ابزار, داده, واقعی, پایتون, دیتا.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“📊 دانشمند داده شوید!
👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼
🆔 @DataScienceir_Adv”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 10 noviembre, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
50 222
Suscriptores
-424 horas
-407 días
-21030 días
Archivo de publicaciones
50 222
🤖 ۱۷ راهنمای کلاد که تو رو از ۹۵٪ کاربرها جلو می‌اندازه!
👨🏻💻 کار با کلاد تو همون رابط کاربری ساده‌اش خلاصه نمی‌شه؛ تا وقتی سراغ مستندات، نمونه‌کدها و دوره‌های رسمی خودِ آنتروپیک نری، متوجه نمی‌شی چه قابلیت‌های خفنی از این اکوسیستم رو داری از دست می‌دی.
▶️ منابع خود آنتروپیک یه معدن طلاست؛ از مثال‌های آماده و راهنمای پرامپت‌نویسی گرفته تا کلاد کد، اتصال MCP، ساخت ایجنت و دوره‌های آموزشی، همه‌چی پیدا می‌شه.
🔥 کدنویسی و نمونه‌کدهای آماده
😸 ریپو Agent Skills
💬 ریپوی رسمی اسکیل‌های کلاد برای انجام کارهای مختلفه؛ از کارهای فنی و توسعه‌ای گرفته تا ساخت و ویرایش ورد، اکسل، PDF و اسلاید.
😸 ریپو Claude Cookbooks
💬 یک مجموعه از نوت‌بوک‌ها و نمونه‌کدهای عملی برای کار با کلاده؛ از RAG و استفاده از ابزارها گرفته تا کار با API و ساخت ایجنت.
😸 مجموعه‌پروژه Claude Quickstarts
💬 مجموعه‌ای از پروژه‌های آماده برای شروع سریع ساخت اپلیکیشن با Claude APIئه که هرکدوم یک نمونه‌ی قابل اجرا برای یک کاربرد مشخص دارن.
📃 نوت‌بوک MetaPrompt
💬 یک نوت‌بوک از Claude Cookbook که از روی نیازت، یه پیش‌نویس پرامپت برات می‌سازه تا لازم نباشه طراحی پرامپت رو کاملاً از صفر انجام بدی.
➖ ➖ ➖ ➖ ➖
🔥 راهنماهای پرامپت‌نویسی
🍐 راهنما Prompting Best Practices
💬 راهنمای جامع آنتروپیک برای پرامپت‌نویسیه که از شفاف نوشتن دستور و استفاده از مثال‌ها تا قالب‌بندی، استفاده از ابزارها، Thinking و ساخت سیستم‌های ایجنتی رو پوشش می‌ده.
🍐 راهنما Prompting Claude Fable 5
💬 راهنمای اختصاصی Fable 5 و Mythos 5ئه که برای کارهای طولانی و پیچیده، نحوه‌ی هدایت مدل، میزان Effort مدل، پیروی از دستورها و کارهای ایجنتی رو توضیح می‌ده.
🍐 راهنما Prompting Claude Opus 5
💬 راهنمای اختصاصی Opus 5 برای کارهای پیچیده‌ست؛ مخصوصاً کدنویسی چندفایلی، واگذاری کار به ساب‌ایجنت‌ها، کنترل محدوده‌ی کار و اصلاح خروجی.
🍐 راهنما Prompting Claude Sonnet 5
💬 راهنمای اختصاصی Sonnet 5ئه که درباره‌ی نحوه‌ی تنظیم پرامپت برای میزان Effort، عمق تفکر، استفاده از ابزارها و کنترل طول پاسخ صحبت می‌کنه.
➖ ➖ ➖ ➖ ➖
🔥 کلاد کد و ساخت ایجنت
📋 مستندات Claude Code Docs
💬 مستندات رسمی کلاد کده و همه‌چیز از کار با ترمینال و پروژه گرفته تا ابزارها، تنظیمات، اسکیل‌ها، ایجنت‌ها و سشن‌های مختلف رو پوشش می‌ده.
📋 مقاله Claude Code: Best Practices
💬 راهنمای مهندسی آنتروپیک برای استفاده حرفه‌ای‌تر از کلاد کده؛ از تنظیم
CLAUDE.md و مجوزها گرفته تا MCP، گیت، تست و اجرای خودکار بدون نیاز به تعامل مستقیم.
📋 کیت توسعه Claude Agent SDK
💬 برای وقتی که میخوای قابلیت‌های کلاد کد رو وارد اپلیکیشن خودت کنی؛ باهاش میتونی ایجنت‌های قابل برنامه‌ریزی بسازی که با ابزارها، فایل‌ها، فرمان‌ها و سشن‌ها کار کنن.
📋 استاندارد Model Context Protocol
💬 یه استاندارد برای وصل کردن مدل‌ها و ایجنت‌ها به ابزارها، منابع داده و سرویس‌های خارجی و ایجاد یک روش مشترک برای ارتباط مدل با سیستم‌های مختلفه.
➖ ➖ ➖ ➖ ➖
🔥 دوره‌ها و آموزش‌های تعاملی
💻 دوره Interactive Prompt Engineering Tutorial
💬 یک دوره‌ی تعاملی ۹ فصلی آنتروپیکه که پرامپت‌نویسی رو مرحله‌به‌مرحله یاد می‌ده؛ از مباحث پایه و مثال‌ها گرفته تا جلوگیری از خطاهای مدل، پرامپت‌های پیچیده و استفاده از ابزارها، همراه با تمرین.
💻 دوره‌ها Anthropic Courses
💬 مجموعه دوره‌های آموزشی رسمی آنتروپیک درباره‌ی API، پرامپت‌نویسی، استفاده از ابزارها و ارزیابی پرامپت‌هاست.
💻 پلتفرم آموزشی Anthropic Academy
💬 پلتفرم آموزشی رسمی آنتروپیکه که دوره‌هایی از مبانی کلاد و کلاد کد گرفته تا API ،MCP ،اسکیل‌ها و ساب‌ایجنت‌ها رو یکجا ارائه می‌ده.
➖ ➖ ➖ ➖ ➖
🔥 مقالات مهندسی آنتروپیک
📰 مقاله Building Effective AI Agents
📰 یه مقاله‌ی مهندسی درباره‌ی معماری ایجنت‌هاست؛ از تفاوت ورک‌فلو و ایجنت گرفته تا الگوهای مختلف ساخت سیستم‌های ایجنت‌محور.
📰 مقاله Effective Context Engineering for AI Agents
💬 درباره‌ی مهندسی و مدیریت کانتکست برای ایجنت‌هاست و موضوعاتی مثل محدودیت Attention ،Context Rot ،Compaction، و انتخاب و بازیابی اطلاعات مناسب تو زمان اجرا رو توضیح می‌ده.
➖ ➖ ➖ ➖ ➖
📚 کتابچه تخصصی کلاد: لینک
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa50 222
👩💻 جزوه یادگیری Git و GitHub
👨🏻💻 کل این هفته رو بکوب روی گیت و گیت‌هاب وقت گذاشتم؛ تمام مفاهیم پایه، کامندهای پرکاربرد، ورک‌فلوهای تیمی و اون چالش‌های که هر روز تو کدبیس باهاشون درگیریم رو فیلتر کردم و چکیده‌اش رو آوردم تو این فایل.
😀 همه‌چی رو اون‌قدر ساختار یافته و منظم آوردم که اگه وسط یه پروژه‌ی حساس کامندی یادت رفت یا خواستی یه ورک‌فلو رو سریع مرور کنی، بدون سرچ کردنِ اضافه، تو چند ثانیه پیداش کنی.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 222
📚 راهنمای ۵۲ صفحه‌ای
⬅️ کتابخانه‌های NumPy ،pandas و Matplotlib
👨🏻💻 بیسِ تمام پروژه‌های دیتا ساینس و ماشین لرنینگ، روی دوشِ سه تا کتابخونه اصلی پایتونه. تو این راهنمای ۵۲ صفحه‌ای، کار با این سه ابزار رو از ساخت اولین آرایه تا تکنیک‌های سطح پروداکشن به‌صورت یکپارچه بررسی کردیم.
🧾 مباحثی که تو این داکیومنت پوشش دادم:
1️⃣ کتابخونه NumPy: کار با آرایه‌ها، منطق Broadcasting، وکتوریزیشن، جبر خطی و تکنیک‌های بهینه‌سازی پرفورمنس.
2️⃣ کتابخونه pandas: مدیریت دیتافریم‌ها، متدهای GroupBy، جوین و ادغام دیتا، تحلیل سری‌های زمانی و کار با MultiIndex.
3️⃣ کتابخونه Matplotlib: انواع چارت‌های کلیدی، کاستومایز کردنِ گرافیک‌ها و اصول اولیه طراحی داشبورد.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 222
❌ هر دیتای نامتوازنی نیاز به بالانس کردن نداره!!
👩🏻💻 تو پروژه‌هایی مثل کشف تقلب یا پیش‌بینی ریزش مشتری، با دیتاسِت‌های به‌شدت نامتوازنی طرفیم. اولین واکنشِ اکثر ما اینه که سریع بریم سراغ تکنیک‌های بالانس کردنِ دیتا؛ در حالی که همین کار می‌تونه خودش شروعِ یه دردسرِ جدید باشه.
⭕️ قبل از هر تغییری، اول باید ببینی این عدم‌توازن اصلاً برای مدل مشکل‌سازه یا ذاتِ اون بیزینس این‌طوریه.
🟣 برای اینکه تو تله‌ی دستکاریِ اشتباهِ دیتا و اعتماد به متریک‌های گول‌زننده‌ای مثل Accuracy نیفتی، تمام استراتژی‌های اصولیِ برخورد با دیتای نامتوازن رو تو فایل زیر توضیح دادم.
📚 جزوه فارسی: PDF
📎 منبع: لینک
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 222
❓ برای هر شغل AI دقیقاً چی باید یاد بگیری؟
🔹 نقشه راه ۱۱ مسیر شغلی در داده و AI
➕ منابع یادگیری
👨🏻💻 تفاوت بین علم داده، تحلیل داده و مهندسی هوش مصنوعی هنوز برای تازه‌کارها گنگه و معمولاً این حوزه‌ها رو با هم اشتباه می‌گیرن. این ریپو مهارت‌ها و ابزارهای لازم برای هر کدوم از این حوزه‌ها رو آورده تا دیدِ دقیقی از آینده‌ی شغلیِ هر نقش بهت بده.
🐱 ریپوی AI Career Roadmaps مجموعه‌ای از رودمپ‌های شغلی برای نقش‌های مختلف حوزه داده‌ست که به‌صورت مداوم با بررسی آگهی‌های شغلی لینکدین و Indeed به‌روزرسانی می‌شه.
✅ هر رودمپ، مهارت‌ها، ابزارها و دانشی که برای هر نقش لازمه رو از مباحث پایه تا موضوعات پیشرفته‌تر مشخص می‌کنه. در کنار این‌ها، داخل پوشه‌ی هر تخصص، منابع یادگیری، پروژه‌ها و نکات مرتبط با همون مسیر شغلی قرار گرفته.
💻 AI Career Roadmaps
💻 AI Career Roadmaps
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 222
📄 جزوه فارسی «۱۵ پرامپت طلایی برای Vibe Coding»
👨🏻💻 وایب کدینگ فقط این نیست که یه مشت متن و درخواست رو بدی به کلاد و امید داشته باشی یه خروجی تمیز بهت بده.
یادت باشه بدون یه ساختار درست، خروجی هم شانسیه!📃 تو این فایل، ۱۵ تا پرامپتِ آماده و ساختاریافته مخصوص کلاد کد قرار دادم تا ورک‌فلوت رو از فاز ایده و طراحی تا پیاده‌سازی و تست، کاملاً منظم و مهندسی‌شده جلو ببری. 🔗 منبع: لینک 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa
50 222
📚 کتاب «تحلیل پیشرفته داده‌ها»
✅ ۹۰۰ صفحه آمار و تحلیل داده، رایگان
👨🏻💻 خیلی از روش‌های آماری وقتی وارد مسائل واقعی می‌شن، دیگه با چند فرض ساده جواب نمی‌دن؛ مخصوصاً وقتی پای داده‌های پیچیده، روابط غیرخطی یا پیدا کردن رابطه‌ی علت و معلولی وسط باشه.
📊 کتاب Advanced Data Analysis یه منبع جامع ۹۰۰ صفحه‌ای برای یادگیری روش‌های پیشرفته تحلیل داده‌ست که بین آمار، اقتصادسنجی و دیتا ساینس ارتباط ایجاد می‌کنه.
⬅️ این کتاب از مباحثی مثل رگرسیون، روش‌های ناپارامتریک، رگرسیون کرنل، اسپلاین‌ها و استنباط علّی صحبت می‌کنه و بیشتر روی این تمرکز داره که چطور با داده‌های واقعی فکر کنیم، نتایج رو درست تفسیر کنیم و بدونیم کجا نباید به خروجی مدل‌ها اعتماد کنیم.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 222
📃 این ابزار به ایجنت‌های هوش مصنوعی دسترسی به کل وب رو می‌ده!
👨🏻💻 ایجنت‌های کدنویسی مثل کلاد کد، کدکس و یا کرسر وقتی نوبت به سرچ و جمع‌آوری اطلاعات از پلتفرم‌های مختلف می‌رسه، با محدودیت‌های مختلف روبه‌رو می‌شن؛ یعنی مجبوری خودت بیفتی دنبال API، هزینه کنی، یا برای اتصال به هر سرویس یه کانفیگِ کاستوم بنویسی و...
⭕️ ابزار اوپن‌سورس Agent Reach برای دور زدن همین محدودیت‌ها ساخته شده و به ایجنت‌ها اجازه می‌ده به منابعی مثل X، ردیت، یوتیوب، گیت‌هاب، وب‌سایت‌ها، و... دسترسی داشته باشن.
✅ در واقع این ابزار به کلاد کد، کدکس یا کرسر «چشم» می‌ده. دیگه نیازی نیست برای هر سرویس دنبال API جدا بگردی؛ خودش برای هر پلتفرم یه مسیر اصلی و مسیر جایگزین در نظر می‌گیره و با دستور
agent-reach doctor وضعیت اتصال‌ها رو بررسی می‌کنه.
⬅️ بعد از نصب، ایجنت می‌تونه بدون نیاز به تنظیمات دستی، کارهایی مثل اسکرپ صفحات وب، استخراج دیتای گیت‌هاب، استخراج زیرنویس یوتیوب، خوندن RSS و جست‌وجو در سرویس‌های مختلف رو مستقیماً انجام بده.
😸 Agent Reach
😸 Agent Reach
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa50 222
👩💻 ۱۰ کتاب یادگیری پایتون از پایه تا پیشرفته
👨🏻💻 پایتون رو می‌شه با هزار جور آموزش یاد گرفت، ولی تا وقتی ترتیب یادگیریِ درستی نداشته باشی، فقط بین مباحث درجا می‌زنی.
▶️ این ۱۰ تا کتاب همه یک کاربرد ندارن؛ بعضی برای شروع از صفر مناسبن، بعضی برای حرفه‌ای‌تر شدن و بعضی هم برای ورود به دیتا ساینس یا تقویت الگوریتم‌ها. بهترین کار اینه که بر اساس هدفت یکی رو انتخاب کنی و واقعاً تا آخر ادامه‌ش بدی.
💯 کتاب Think Python
🧾 برای استارت اصولی عالیه و مفاهیم برنامه‌نویسی رو مرحله‌به‌مرحله جلو می‌بره؛ از ساختارهای ابتدایی تا مباحثی مثل بازگشت و شی‌گرایی.
➖ ➖ ➖ ➖ ➖
💯 کتاب Automate the Boring Stuff
🧾 یادگیری پایتون رو با کارهای واقعی ترکیب می‌کنه؛ مثل کار با فایل‌ها و اکسل، وب، PDF، ایمیل و اتوماسیون کارهای تکراری.
➖ ➖ ➖ ➖ ➖
💯 کتاب Python for Everybody
🧾 فقط یک کتاب نیست؛ مجموعه‌ای از درس، ویدئو، تمرین و تکلیف که از مبانی پایتون شروع می‌شه و بعد به کار با داده و برنامه‌نویسی وب می‌رسه.
➖ ➖ ➖ ➖ ➖
💯 کتاب Dive Into Python 3
🧾 خوراکِ زمانیه که مبانی رو رد کردی و میخوای با پایتون ۳ عمیق‌تر بشی؛ از دیتاتایپ‌ها و Generatorها تا تست واحد، Refactoring، وب‌سرویس و ساخت پکیج‌ها رو پوشش می‌ده.
➖ ➖ ➖ ➖ ➖
💯 کتاب A Byte of Python
🧾 یه رفرنس جمع‌وجور، مخصوص کسایی که هیچ بک‌گراندی تو برنامه‌نویسی ندارن.
➖ ➖ ➖ ➖ ➖
💯 کتاب The Python Tutorial
🧾 داکیومنت رسمی خود پایتونه و برای یادگیری سینتکس، ساختمان داده‌ها، ماژول‌ها، خطاها، کلاس‌ها، کتابخانه‌ی استاندارد، محیط مجازی و مدیریت پکیج‌ها کاربردیه.
➖ ➖ ➖ ➖ ➖
💯 کتاب Python Data Science Handbook
🧾 مرجع اصلی دیتا ساینس؛ از NumPy و pandas تا Matplotlib، مصورسازی داده و scikit-learn و مباحث یادگیری ماشین رو پوشش می‌ده.
➖ ➖ ➖ ➖ ➖
💯 کتاب Problem Solving with Python
🧾 برای یادگیری ساختمان داده و الگوریتم با پایتون مناسبه و موضوعاتی مثل تحلیل الگوریتم، Big-O و ساختارهای داده رو تو قالب تعاملی آموزش می‌ده.
➖ ➖ ➖ ➖ ➖
💯 کتاب Beyond the Basic Stuff
🧾 پلی برای رسیدن به کدنویسی حرفه‌ای. بعد از مبانی، می‌ره سراغ کدنویسی تمیز و تایپ‌هینت، Linterها، Git، تست‌نویسی، پرفورمنس و شی‌گرایی.
➖ ➖ ➖ ➖ ➖
💯 کتاب The Big Book Python Projects
🧾 بیش از ۸۰ تا مینی‌پروژه داره و به‌جای آموزش خطی، یادگیری با ساختن رو دنبال می‌کنه؛ از بازی‌ها و شبیه‌سازی‌ها تا انیمیشن، رمزنگاری و ابزارهای مختلف.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 222
🤖 از داده‌ها یاد بگیرید؛ با پایتون مدل‌های هوشمند بسازید!
امروزه یادگیری ماشین (Machine Learning) یکی از مهم‌ترین مهارت‌ها در دنیای هوش مصنوعی و تحلیل داده است؛ مهارتی که به شما کمک می‌کند از داده‌های خام، الگوهای ارزشمند استخراج کنید و مدل‌هایی بسازید که بتوانند پیش‌بینی، طبقه‌بندی و تصمیم‌گیری کنند.
در دوره ماشین لرنینگ با پایتون، مسیر یادگیری از مفاهیم پایه تا پیاده‌سازی الگوریتم‌های کاربردی را به‌صورت عملی دنبال می‌کنید و با ابزارها و کتابخانه‌های پرکاربرد پایتون در حوزه Machine Learning کار خواهید کرد.
اگر می‌خواهید پایتون را از یک زبان برنامه‌نویسی به ابزاری برای ساخت مدل‌های هوشمند تبدیل کنید، این دوره می‌تواند شروعی جدی برای ورود شما به دنیای Machine Learning باشد.
برای ثبت‌نام میتونی به سایت ما مراجعه کنی🔗
https://link.sharif.ac/yfgJa
➖➖➖➖➖➖➖➖➖➖➖➖
☎️ مشاوره و ثبت‌نام: 02167641999
📲 مشاوره بله: https://ble.ir/Jdsharif_626
➖➖➖➖➖➖➖➖➖➖➖➖
🔹 جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص...
50 222
🔥 ۹۲۰ پروژه اوپن‌سورس یادگیری ماشین با پایتون!
📚 از PyTorch تا MLOps؛ نقشه کامل اکوسیستم ML
👨🏻💻 یکی از مشکلات اکوسیستم Python/ML اینه که برای هر مسئله ده‌ها کتابخونه وجود داره و انتخاب ابزار خودش تبدیل به کار جدا می‌شه.
⚡️ ریپوی Best-of Machine Learning with Python این مشکل رو با جمع‌آوری ۹۲۰ پروژه اوپن‌سورس پایتونی تو ۳۴ دسته مختلف حل کرده.
▶️ از فریم‌ورک‌های اصلی مثل PyTorch ،TensorFlow ،scikit-learn و XGBoost گرفته تا ابزارهای دیپلوی مدل، ردیابی آزمایش‌ها، جست‌وجوی برداری، محاسبات GPU و یادگیری تقویتی و سیستم‌های پیشنهاددهنده.
😸 Best-of ML with Python
😸 Best-of ML with Python
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 222
📃 جزوه «بهینه‌سازی توکن»
🔃 ۳۶ روشِ استفاده بهینه از توکن‌ها در کلاد کد
👨🏻💻 اکثر کاربرهای کلاد کد دارن ۳۰ تا ۵۰ درصد از توکن‌هاشون رو هدر می‌دن! دلیلش هم پرامپت‌های بد نیست؛ بلکه یه سری عادت‌های اشتباه تو ورک‌فلوهاشونه.
✔️ این راهنما ۳۶ تا روش برای استفاده بهینه از توکن‌ها معرفی کرده؛ از ترفندهای سریع مثل clear ،/compact/ و ترکیب چند درخواست گرفته تا مدیریت بهتر فایل‌ها، CLAUDE.md و انتخاب مدل مناسب برای هر تسک.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 222
📄 جزوه «بهینه‌سازی محدب»
👨🏻💻 توی یادگیری ماشین همیشه قرار نیست مدل رو با یه دیتاست ثابت آموزش بدیم و کار تموم بشه؛ بعضی وقت‌ها داده‌ها یکی‌یکی می‌رسن و مدل باید با هر داده، تصمیم بعدی خودش رو بهتر کنه.
▶️ این جزوه روی همین موضوع تمرکز داره و ایده‌ی پشت الگوریتم‌های یادگیری آنلاین رو باز می‌کنه و نشون می‌ده مدل چطور می‌تونه در هر مرحله با اطلاعاتی که تا همون لحظه داره، تصمیم بهتری بگیره.
⬅️ در کنارش هم سراغ بهینه‌سازی محدب آنلاین، مفهوم Regret و الگوریتم‌هایی مثل گرادیان نزولی آنلاین و Follow-the-Leader می‌ره.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 222
Repost from N/a
🎉 با ۱۱۹ هزار تومان هر چی میخوای یاد بگیر — طرح شگفتی فرادرس
آموزش «بهینه سازی چند هدفه در متلب» ۱۱۹ هزار تومن شد...
🔗 لینک دریافت آموزش – [کلیک کنید]
✅ حدود ۶۰۰ دوره دیگر از فرادرس هم با همین قیمت در دسترس شماست. برای مشاهده و دریافت آموزش‌ها، روی لینک زیر کلیک کنید:
🔗 تمامی آموزش‌های ۱۱۹ هزار تومنی [+]
🎁 سایر آموزش‌ها با ۸۰ درصد تخفیف ارائه شده است.
@FaraDars — فرادرس
50 222
📊 کدوم متریک رو برای ارزیابی مدل انتخاب کنیم؟
👨🏻💻 گولِ دقتِ ۹۵ درصدیِ مدل‌هات رو نخور! استفاده‌ی چشم‌بسته از معیار Accuracy، ممکنه باعث بشه مهم‌ترین خطاهای مدل پشت یه عدد قشنگ پنهان بشن؛ تا جایی که وقتی مدل وارد پروداکشن می‌شه، تازه مشکل خودش رو نشون بده.
❗️ انتخاب متریک ارزیابی نباید فقط یه انتخاب فنی و پیش‌فرض باشه. باید ببینی هر نوع خطا چه هزینه‌ای برای بیزینس داره و بر اساس اون، متریک مناسب رو انتخاب کنی.
✅ برای اینکه متریک اشتباه رو انتخاب نکنی و دقیقاً بدونی برای هر مسئله بیزینسی باید روی کدوم معیار تمرکز کنی، توی فایل زیر این متریک‌ها رو با مثال‌های واقعی و ملموس بیزینسی توضیح دادم.
📕 جزوه فارسی: PDF
🔗 منبع: لینک
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 222
🤖 راه‌حل استفاده رایگان از Claude Code
⬅️ یه پروکسی متن‌باز برای ۵۳ مدل و سرویس مختلف
👨🏻💻 اگه میخوای از کلاد کد استفاده کنی ولی نمی‌خوای همون اول سراغ پلن پولیش بری، این ریپو یه راه جالب معرفی کرده که بتونی ازش با مدل‌های رایگان استفاده کنی.
✅ ریپوی Free Claude Code درخواست‌های کلاد کد رو از طریق یه پروکسی به سرویس‌دهنده‌های مختلف می‌فرسته؛ از DeepSeek و Groq گرفته تا NVIDIA NIM و چندین سرویس دیگه. در نتیجه میتونی همون ورک‌فلوی کلاد کد رو با مدل‌های رایگان، پولی یا حتی مدل‌های لوکال اجرا کنی.
💯 الان از ۵۳ پرووایدر و ۱۰ ایجنت کدنویسی پشتیبانی می‌کنه و مجموع پلن‌های رایگانش رو ۱.۳ میلیارد+ توکن در ماه اعلام کرده.
⭕️ حتی میتونی برای کلاد کد چند مدل مختلف تعریف کنی و بینشون سوییچ کنی یا برای زمان قطعی یک سرویس، مدل جایگزین داشته باشی. همچنین از خود کلاد کد در کنار Codex ،OpenCode ،Cline و چند ابزار کدنویسی دیگه هم پشتیبانی می‌کنه.
☁️ Free Claude Code
☁️ Free Claude Code
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 222
🧠 هوش مصنوعی را یک قدم عمیق‌تر یاد بگیرید!
از تشخیص تصویر و پردازش زبان گرفته تا سیستم‌های هوشمند و تحلیل داده‌های پیچیده، بخش مهمی از پیشرفت‌های امروز هوش مصنوعی به یادگیری عمیق (Deep Learning) وابسته است.
در دوره یادگیری عمیق (Deep Learning) با مفاهیم و تکنیک‌های کاربردی این حوزه آشنا می‌شوید و یاد می‌گیرید چگونه شبکه‌های عصبی عمیق را برای حل مسائل واقعی به کار بگیرید.
اگر می‌خواهید مهارت خود را در هوش مصنوعی توسعه دهید و وارد دنیای مدل‌های پیشرفته یادگیری ماشین شوید، یادگیری Deep Learning یکی از مهم‌ترین قدم‌هاست.
برای ثبت‌نام میتونی به سایت ما مراجعه کنی🔗
https://link.sharif.ac/IeqRq
➖➖➖➖➖➖➖➖➖➖➖➖
☎️ مشاوره و ثبت‌نام: 02167641999
📲 مشاوره بله: https://ble.ir/Jdsharif_626
➖➖➖➖➖➖➖➖➖➖➖➖
🔹 جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص...
50 222
😰 یادگیری دیتا ساینس با پایتون
👨🏻💻 برای شروع دیتا ساینس با پایتون، رفرنسی ارزش وقت گذاشتن داره که شما رو مستقیم با ورک‌فلوی واقعیِ داده درگیر کنه. منبع Python for Data Science دقیقاً همین رویکرد رو داره!
▶️ کار رو از همون نقطه‌ی صفرِ پروداکشن شروع می‌کنه: یعنی وارد کردن، تمیز کردن، ساختاربندی و در نهایت مصورسازی و EDA.
⬅️ به جای آموزشِ صرف، کلِ اکوسیستمِ تحلیل داده، از وصل شدن به دیتابیس و Web Scraping گرفته تا کار با APIها و مدیریت پکیج‌های پایتون رو تو یه ساختار یکپارچه و عملی پوشش می‌ده.
┌ 🕸 Website
└ 😸 GitHub-Repos
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 222
📔 راهنمای «کار با Claude Code و GitHub Copilot»
👨🏻💻 ابزارهای کدنویسی هوش مصنوعی دیگه فقط کد پیشنهاد نمی‌دن؛ الان می‌تونن ریپو رو بخونن، فایل‌ها رو تغییر بدن، دستور اجرا کنن، تست بگیرن، خروجی رو بررسی کنن و حتی با ابزارها و سرویس‌های دیگه کار کنن.
📑 این راهنمای ۷۰ صفحه‌ای، کلاد کد و گیت‌هاب کوپایلت رو نه به‌عنوان یه دستیار کدنویسی ساده، بلکه به‌عنوان سیستم‌های مهندسی ایجنتی توضیح می‌ده.
✔️ از نصب و مدیریت کانتکست و دستورالعمل‌های پروژه مثل
CLAUDE.md و Copilot instructions گرفته تا مهارت‌ها، هوک‌ها، اتوماسیون، ساب‌ایجنت‌ها، ایجنت‌های سفارشی، تیم‌های ایجنتی، MCP و ورک‌فلوهای موازی رو پوشش می‌ده.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa50 222
Repost from N/a
🎓 آشنایی با اساتید «ابزارها و کاربردهای هوش مصنوعی»
⚙️ در بوت‌کمپ جدید آکادمی همراه اول، میزبان متخصصان و مدیران با تجربه‌ی بسیاری هستیم که جامع‌ترین دانش و تجربیات در خصوص ابزارها و کاربردهای هوش مصنوعی را، در اختیار شرکت‌کنندگان قرار بدهیم.
🔸 مسعود رئیسی | مدیر هنری فیلیمو مدرسه
🔸 سهیل تهرانی پور | مدیرعامل و متخصص هوش مصنوعی ساعیان ارتباط
🔸 اسماعیل گوهری | متخصص تولید ویدئو و محتوای بصری برای برندها
🔸 یدالله یعقوب‌زاده | محقق ارشد سابق مایکروسافت و عضو هیئت علمی دانشگاه تهران
🔸 مسعود کاویانی | دانشمند ارشد داده در آپارات، فیلیمو - AI Tech Lead دانشگاه صنعتی شریف
🔸 احسان طوفانی‌نژاد | عضو هیئت علمی دانشگاه علوم پزشكی شهید بهشتی
🔸 محسن دارچینی | دکتری مهندسی کامپیوتر و استاد دانشگاه علم و صنعت ایران
🔸 اردوان زمانپور | راهبر تیم IP/MPLS در مبین نت
🔸 محمدعلی اخایی | عضو هیئت علمی دانشگاه تهران
🔸 سید مهدی خلیق رضوی | مدیر تیم پژوهش‌های علمی شرکت Care Access
🔸 سینا رنج کش زاده | AI Developer در اکیان
⚠️ ظرفیت این بوت‌کمپ نیز محدود است.🌐 لینک پیش‌ثبت‌نام #رایگان و جزئیات بوت‌کمپ: 🔗 https://l.hamrah.academy/4ec ⭐️ @hamrah_academy | آکادمی همراه اول
