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
50 212
📈 کتاب «علم داده در اقتصاد سنجی»
👨🏻💻 فرانسیس دایبولد استاد دانشگاه پنسیلوانیا، تو این کتاب اومده دیواری که سال‌ها بین «اقتصادسنجی کلاسیک» و «دیتا ساینس مدرن» وجود داشت رو خراب کرده تا علم داده مدرن رو با تئوری‌های اقتصادی ترکیب کنه.
📚 این کتاب مدل‌ها رو با زاویه «پیش‌بینی و تصمیم‌گیری» جلو می‌بره، نه صرفاً حفظ فرمول. اینجا رگرسیون، علّیت، سری زمانی، ARCH/GARCH، لسو و PCA رو توی یه مسیر کنار هم می‌بینی.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 212
Repost from مدرسه دقیقه
در این ویدیو، سعید مجیدی، مدرس دوره به معرفی مسیر آموزشی «دوره جامع یادگیری ماشین و مهندسی هوش‌مصنوعی» می‌پردازد؛ مسیری ۱۵ هفته‌ای که شما را از مبانی ریاضیات و یادگیری ماشین تا طراحی، پیاده‌سازی و استقرار مدل‌های پیشرفته هوش مصنوعی همراهی می‌کند.
در این دوره چه می‌آموزید؟
✅ مفاهیم بنیادین یادگیری ماشین و شبکه‌های عصبی عمیق
✅ ترنسفورمرها، ساخت چت‌بات با RAG و LangChain
✅ ساخت Agent هوشمند بر پایه پروتکل MCP
✅ روش‌های بهینه‌سازی و استقرار مدل‌های زبانی
✅ اجرای یک پروژه عملی برای تثبیت مهارت‌ها
🕒 شنبه‌ها و سه‌شنبه‌ها، ساعت ۱۸:۰۰ تا ۲۱:۲۰
📅 شروع از ۱۷ شهریور ۱۴۰۵ | شیوه برگزاری: آنلاین
⏳ فرصت استفاده از تخفیف ثبت‌نام زودهنگام تا دوشنبه ۱۶ شهریور
⚡️️️️ تخفیف ویژه دانشجویان | امکان پرداخت قسطی.
🎞 شیوه برگزاری: آنلاین
👆 معرفی کامل دوره و سوالات متداول (pdf)
🔍 درخواست پذیرش (پیش ثبتِ‌نام):
🔗 b2n.ir/mlai05_dsav
تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir
50 212
💠 هر وب‌سایتی رو به دیتای آماده برای LLMها تبدیل کن!
👨🏻💻 همه‌مون داریم به این سمت میریم که به‌جای پرامپت زدن‌های مداوم، ایجنت‌های خودمختار بسازیم. یعنی یه لوپ مهندسی‌شده بنویسیم که خودش بره کار رو پیدا کنه، دیتای وب رو استخراج کنه، تحلیل کنه و تصمیم بعدی رو بگیره؛ ما هم سیستم رو رها کنیم و بریم سراغ کار خودمون.
⬅️ اما این ایده وقتی به پروژه‌های واقعی می‌رسه، به بن‌بست می‌خوره! سایت‌های سنگینِ جاوا اسکریپتی دیتای خالی برمی‌گردونن، سیستم‌های ضد ربات مثل Cloudflare و Akamai ایجنت رو بلاک می‌کنن و پشت صفحات لاگین دسترسی رو کاملاً قطع می‌کنن. تهش چی میشه؟ ایجنت دیتای ناقص و کثیف می‌گیره و با اعتمادبه‌نفسِ کامل، یه خروجیِ کاملاً غلط تحویلت میده!
☑️ پلتفرم Anakin اومده تا این لایه دسترسی به دیتای زیرین وب رو برای ایجنت‌ها و سیستم‌های RAG حل کنه. این ابزار هر وب‌سایتی رو به دیتای آماده برای هوش مصنوعی تبدیل می‌کنه و دو تا سلاح سنگین برای این کار داره:
1️⃣ ابزار URL Scraper: دیتای هر وب‌سایتی رو فوراً به Markdown تمیز، HTML یا دیتای ساختاریافته تبدیل می‌کنه که مستقیم قابل فهم برای LLMهاست. این سیستم برای اسکیلِ بالا روی بیش از ۲۰۰ میلیون سایت فعال در دنیا بهینه‌سازی شده و حتی سخت‌ترین لایه‌های محافظتی Cloudflare رو هم دور می‌زنه. 2️⃣ ابزار Wire: برای سایت‌هایی که ورک‌فلوی پیچیده‌ای دارن ساخته شده. یعنی کارهایی مثل لاگین کردن، چرخیدن بین صفحات، پر کردن فرم‌ها و گرفتن خروجیِ ریپورت‌ها رو از طریق یه API پایدار هندل می‌کنه. کافیه روند رو یک‌بار براش تعریف کنی تا حتی با تغییر استایل سایت‌ها هم کارش رو درست انجام بده.┌ 💻 Website └ 🐱 GitHub-Repos 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa
50 212
🤖 پرامپت‌های طولانی و ساختاریافته؛ واقعاً هنوز بهترن؟
👨🏻💻 این اواخر که داشتم با Claude Fable-5 (و کلاً مدل‌های جدیدتر) کار می‌کردم، به یه نتیجه‌ی خیلی جالب رسیدم: مدل‌های جدید با پرامپت‌های ساده خیلی بهتر کار می‌کنن و اتفاقاً اون پرامپت‌های پیچیده و بیش از حد ساختاریافته‌ی قدیمی، الان بیشتر باعث افت کیفیتشون میشه!
📝 رویکرد مینیمال الان بهترین جوابه؛ به همین خاطر من برای اکثر کارام به یه تمپلیت ساده چسبیدم و خروجی‌های فوق‌العاده‌ای ازش می‌گیرم.
✅ برای اینکه این رویکرد رو یه بار برای همیشه تو ورک‌فلوت پیاده کنی، تو فایلی که پایین ضمیمه کردم، یه تمپلیت استاندارد ۳ بخشی (شامل هدف، کانتکست و محدودیت‌ها) هست که فرمول دقیقِ تعامل با نسل جدیدِ AI توش خلاصه شده.
📕 جزوه فارسی: PDF
📎 منبع: لینک
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 212
💻🚀آموزش آنلاین صفر تا صد طراحی سایت!
در دوره جامع فرانت اند خواهید آموخت:
HTML | CSS | Bootstrap5 | JavaScript | React
🎯 این دوره برای چه کسانی مناسب است؟
✔️ افراد بدون سابقه برنامه‌نویسی
✔️ دانشجویان به‌دنبال آینده شغلی مطمئن
✔️ علاقه‌مندان به یادگیری مهارت پول‌ساز و کاربردی
⏱️ 120 ساعت آموزش کاربردی
🌐 آنلاین | 📜 گواهینامه معتبر
برای ورود به وبسایت کلیک کنید ↙️
https://link.sharif.ac/rhDQt
➖➖➖➖➖➖➖➖➖➖➖➖
☎️مشاوره وثبت نام : 02167641999
📲مشاوره بله: https://ble.ir/Jdsharif974
➖➖➖➖➖➖➖➖➖➖➖➖
🔹 جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص...
50 212
↗️ یادگیری «آمار و احتمال» رو با این لیست شروع کن!
👨🏻💻 اگه بخوای تو دیتا ساینس یا هوش مصنوعی واقعاً حرفی برای گفتن داشته باشی، چاره‌ای جز تسلط روی آمار و احتمالات نداری.
📝 این مدت یه لیست از بهترین منابع رایگان آمار رو جمع کردم که خیلی جاها به کارم اومدن و تو پروژه‌ها کمکم کردن.
✔️ پیشنهادم اینه که اصلاً خودت رو تو این همه منابع مختلف غرق نکنی؛ ببین با کدوم سبک (کتاب، ویدیو یا وبسایت تعاملی) راحت‌تری، همون رو انتخاب کنی و مسیرت رو باهاش جلو بری.
1️⃣ کتاب‌های مرجع
📓 کتاب OpenIntro Statistics
🖋 یه رفرنس استاندارد برای شروع یادگیری آمار.
📓 کتاب Think Stats
🖋 اگه ترجیح می‌دی آمار رو بیشتر با کدنویسی و حل مسئله یاد بگیری تا فرمول‌های ریاضی، این کتاب خیلی گزینه خوبیه.
➖ ➖ ➖
2️⃣ دوره‌های دانشگاهی
🌐 دوره Harvard Stat 110
🖋 دوره معروف هاروارد برای یادگیری احتمال که نگاهت رو به دیتا و منطق پشتش عمیق‌تر می‌کنه.
🌐 پلتفرم MIT OpenCourseWare
🖋 مجموعه بزرگی از دوره‌های دانشگاه MIT برای یادگیری عمیق و اصولی مباحث مختلف.
🌐 پلتفرم Stanford Online
🖋 دوره‌های آنلاین استنفورد برای یادگیری مباحث پایه و پیشرفته.
🌐 پلتفرم Khan Academy
🖋 برای مرور سریع و ساده مفاهیم پایه آمار و احتمال، حرف نداره.
➖ ➖ ➖
3️⃣ یادگیری تعاملی و بصری
💻 وبسایت Seeing Theory
🖋 مفاهیم سخت آمار و احتمال رو با مصورسازی‌های تعاملی و قابل فهم توضیح میده.
💻 کانال یوتیوب StatQuest
🖋 جاش استارمر مفاهیم پیچیده آمار و یادگیری ماشین رو با مثال‌ها و توضیحات خیلی ساده آموزش میده.
💻 پلتفرم Brilliant
🖋 برای یادگیری با تمرین‌های تعاملی و درگیر شدن مستقیم با مسئله گزینه خیلی خوبیه.
➖ ➖ ➖
4️⃣ منابع تخصصی دیتا ساینس و یادگیری ماشین
🎓 کتاب Introduction to Statistical Learning
🖋 یکی از بهترین منابع برای یادگیری مبانی آماری و روش‌های مختلف یادگیری ماشین.
🎓 دوره Penn State STAT Online
🖋 دوره‌ها و مطالب ساختاریافته دانشگاه پن استیت که برای یادگیری و مرور سریع آمار خیلی کاربردیه.
🎓 دوره Google ML Crash Course
🖋 یه دوره فشرده برای مرور مفاهیم مهم یادگیری ماشین قبل از شروع پروژه و کدنویسی.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 212
🤖 راهنمای «ساخت اسکیل برای Claude»
👨🏻💻 آنتروپیک یه داکیومنت جدید داده بیرون که توش متخصص‌های خودشون بهت یاد می‌دن چطوری برای Claude اسکیل بسازی.
✅ لحن و استایل دقیق نوشتن خودت
✅ تمپلیت‌های استانداردی که استفاده می‌کنید
✅ متدولوژی خاصی که برای ریسرچ داری
✅ ورک‌فلوی آنبوردینگ کلاینت‌های جدید
✅ و کلاً هر پروسه تکرارپذیر.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 212
📘 «مصورسازی و دستکاری داده‌ها با پایتون»
👨🏻💻 این جزوه کارِ یکی از کاربرای حرفه‌ای کگله، که پرکاربردترین دستورات پاک‌سازی داده، ایجاد Pivot Tableها، و رسم انواع نمودارهای حرفه‌ای رو همراه با کدها جمع‌آوری کرده.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 212
👩💻 دیگه ساده‌تر از این نمی‌شه Docker رو یاد گرفت!
👨🏻💻 فکر می‌کنی داکر خیلی پیچیده‌ست؟ فقط ۳۰ ثانیه بهم زمان بده تا نظرت رو کاملاً عوض کنم!
🏷 اگه نوت‌بوکی که نوشتی فقط روی لپ‌تاپ خودت بدون ارور اجرا میشه، یعنی پروژه‌ت دیپلوی نشده! اگه مدلی که ساختی رو نمی‌شه بدون دردسرِ نصب کتابخونه‌ها به بقیه داد، یعنی اصلاً آماده‌ی پروداکشن نیست.
▶️ داکر دقیقاً نقطه‌ی پایانِ کابوسِ «روی سیستم من که کار می‌کرد» تو حوزه دیتاست و کل این معماری فقط تو ۳ تا مفهوم خلاصه میشه:
🔴اول Dockerfile (دستورالعمل نصب پیش‌نیازها)،
🟢دوم Image (پکیج آماده)
🔵سوم Container (محیط ایزوله و در حال اجرا).
📁 تو فایل زیر، یه چیت‌شیت خیلی خلاصه و کاربردی از معماری داکر و کاربردش برای دیتا ساینتیست‌ها آماده کردم.
📕 جزوه فارسی: PDF
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 212
👍 کتاب «روش‌های ریاضی در علم داده»
👨🏻💻 مدت‌هاست دنبالِ کتاب می‌گردم که ریاضیات علوم داده رو کاربردی یاد بده. یعنی نه انقدر تئوری محض باشه که از کد زدن دور بشم، نه انقدر سطحی که فقط کپی‌پیست کردنِ کتابخونه‌ها رو یاد بده.
📔 کتاب "Mathematical Methods in Data Science" هم مبانی رو مرور می‌کنه، هم کاربردشون رو با پایتون نشون میده.
مفهوم ریاضی ← مسئله واقعی ← پیاده‌سازی با پایتون.🔔 مباحثش با جبر خطی، بهینه‌سازی، آمار و احتمال شروع میشه و بعد همین مفاهیم رو به کلاسترینگ، رگرسیون، طبقه‌بندی، کاهش بُعد و شبکه عصبی وصل می‌کنه. ⬅️ برای خوندنش، داشتن یه پیش‌زمینه در حد جبر خطی، حساب دیفرانسیل چندمتغیره و اصول اولیه احتمال خیلی به فهم عمیق مطالب کمک می‌کنه. کتاب فرض رو بر این می‌ذاره که شما این مفاهیم رو در حد مقدماتی بلدین و حالا می‌خواد کاربردِ واقعی اون‌ها رو توی مسائل دیتاساینسی بهتون نشون بده. ✅ کتاب از هر نظر کامله؛ تمام اثبات‌ها و تئوری‌هاش رو هم بلافاصله برده توی محیط پایتون و ژوپیتر نوت‌بوک. یعنی همزمان که داری قضیه‌های ریاضی رو یاد می‌گیری، با پکیج‌هایی مثل NumPy و PyTorch کدش رو هم می‌زنی. ┌ 💻 Website └ 🐱 GitHub-Repos 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa
50 212
🤖 تا چند ماه دیگر، AI Agentها بخش بزرگی از کارهای روزمره را انجام می‌دهند...
سؤال اینجاست؛ شما کاربر آن‌ها هستید یا سازنده‌شان؟
در دوره ساخت AI Agent های تصمیم‌گیر با N8N و LangChain یاد می‌گیرید Agentهای هوشمندی بسازید که:
⚡ تصمیم بگیرند
⚡ وظایف را به‌صورت خودکار انجام دهند
⚡ با ابزارها و APIهای مختلف ارتباط برقرار کنند
⚡ برای کسب‌وکارها راهکارهای واقعی ایجاد کنند.
این مهارتی است که امروز شرکت‌ها به دنبال آن هستند و فردا به یک ضرورت تبدیل خواهد شد.
🎯 اگر می‌خواهید از موج هوش مصنوعی عقب نمانید، همین حالا شروع کنید.
کسب اطلاعات بیشتر و ثبت‌نام ↙️
https://link.sharif.ac/yyBtn
➖➖➖➖➖➖➖➖➖➖➖➖
☎️مشاوره وثبت نام : 02167641999
📲مشاوره بله: https://ble.ir/Jdsharif_626
➖➖➖➖➖➖➖➖➖➖➖➖
🔹 جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص...
50 212
📋 ۳ قدم اصلی برای یه EDA اصولی
👩🏻💻 خیلی‌ها فکر می‌کنن وقتی عنوان دیتا ساینتیستِ سنیور میاد کنار اسمت، دیگه کسر شأنه سمت تحلیل‌های ساده بری و فقط باید درگیرِ مدل‌های پیچیده بشی!
☑️ اما اگر بهت بگم پربازده‌ترین کاری که هنوز تو پروژه‌ها انجام می‌دم همون EDA ساده‌ست، شاید باورت نشه!
⁉️ یه EDA اصولی شاید زمان زیادی نگیره، اما ایمپکتِ وحشتناکی تو پروژه‌ها داره و یادمون باشه میزان تاثیرگذاریِ یه خروجی، لزوماً ربطی به زمانِ طولانیِ شدن انجامش نداره!
💡 برای اینکه یه EDA اصولی و هدفمند داشته باشی، من تو فایل زیر، ۳ قدم اصلیِ تحلیل اکتشافی داده‌ها رو بررسی کردم.
📕 جزوه فارسی: PDF
📎 منبع: لینک
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 212
📄 دیکشنری واژگان و اصطلاحات علوم داده
👨🏻💻 با این کتابچه، تمام اصطلاحات و مفاهیم کلیدی علوم داده رو به صورت فلش‌کارت، چیت‌شیت و جدول یاد می‌گیرین.
✅ از مفاهیم پایه ML و دیپ‌لرنینگ،
✅ اصطلاحات ترندِ مدل‌های زبانی،
✅ مفاهیم MLOps و ارزیابی عملکرد،
✅ تا ۳۰ سوال پرتکرارِ مصاحبه‌ها
✅ و باورهای غلط در پروژه‌های واقعی.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 212
📖 نقشه‌راه جامع دیتاساینس
🖱 از صفر تا استخدام
👨🏻💻 بزرگ‌ترین اشتباهِ دیتا ساینتیست‌های مبتدی اینه که فکر می‌کنن باید یه نقشه‌راه رو از اول تا آخرش اجرا کنن تا آماده‌ی بازار کار بشن، برای همینم فقط آموزش می‌بینن و دست به کد نمی‌شن؛ در حالی که ارزش واقعی یه دیتا ساینتیست به پروژه‌هایی که انجام داده، نه تموم کردن دوره‌ها...!
📁 فایل زیر، یه مسیر ۲۷ مرحله‌ایه که از صفر با پایتون و SQL شروع می‌کنه و تا یادگیری ماشین، استقرار مدل و هوش مصنوعی مولد پیش می‌ره. طوری که با روزی ۲ تا ۳ ساعت تمرین، می‌تونی ظرف ۶ ماه از صفر به آمادگیِ کامل برای بازار کار برسی.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 212
Repost from N/a
🚨 آخرین مهلت ثبت‌نام؛ فرصت رو از دست نده!
💡 برای کار کردن توی یه شرکت بزرگ، لازم نیست سال‌ها منتظر #سابقه_کار بمونی!
با ثبت‌نام در «شانزدهمین دوره کارآموزی همراه اول»، می‌تونی همین امروز اولین قدمِ حرفه‌ای‌ت رو برداری و آینده شغلی‌ت رو بسازی.
این فقط یک دوره آموزشی ساده نیست؛ یک مسیر میان‌بر ۴ ماهه برای ورود مستقیم به بازار کاره:
🔹 پرداخت حقوق و پوشش بیمه در طول دوره
🔹 منتورینگ تخصصی با باتجربه‌ترین مدیران صنعت ICT
🔹 فرصت مستقیم جذب و استخدام در گروه شرکت‌های همراه اول
⏱ بیش از ۱۲۰ موقعیت شغلی در گروه‌های مختلف منتظر رزومه توست.
⚠️ ظرفیت محدود (پیش از تکمیل موقعیت‌ها ثبت‌نام کن!)
🌐 ارسال سریع رزومه و ثبت‌نام:
https://l.hamrah.academy/ikk
50 212
🚀 ۴ تغییری هدررفت توکن‌های Codex رو تا ۸۰٪ کم می‌کنه!
👨🏻💻 تو کار با Codex 5.6 خیلی وقتا حس می‌کنیم مدل کم آورده یا خنگ شده، در حالی که مشکل اصلاً از مدل نیست؛ کانفیگ‌های کانتکست، کش و ابزارهامون داره ترمز کار رو می‌کشه.
😀 با همین ۴ تا تغییری که تو تنظیماتم دادم، تونستم تا ۸۰٪ جلوی هدررفت توکن‌ها رو بگیرم و جالب‌تر اینکه بازدهی کار تو تسک‌های پیچیده و طولانی تا ۷۰٪ رفت بالا.
1️⃣ تا جایی که می‌تونی از کش پرامپت کار بکش
📔 قلقش اینه که چیزای ثابت و همیشگی مثل قوانین پروژه، فایل
AGENTS.md، استانداردهای توسعه و پرامپت‌های پایه رو بذاری اول کار، و نیازمندی‌هایی که تند تند عوض می‌شن رو ببری آخر. اینطوری مدل خیلی راحت‌تر از کش استفاده می‌کنه و جلوی پردازش‌های تکراری و مصرف الکی توکن‌ها گرفته میشه.
➖ ➖ ➖
2️⃣ تو تسک‌های طولانی، کانتکست رو زود به زود فشرده کن!
📔 نذار لاگ‌های خطا، راه‌حل‌های شکست‌خورده و تاریخچه‌های قدیمی همین‌طوری تو چت تلنبار بشن. من خودم وسط کارای طولانی، مستقیم این پرامپت رو بهش می‌دم تا سبک بشه:
"لطفاً کانتکست فعلی تسک رو مرتب کن، راه‌حل‌های نامعتبر، لاگ‌های تکراری و تاریخچه نامربوط رو پاک کن. فقط هدف اصلی، تصمیم‌های کلیدی، محدودیت‌های اصلی، پیشرفت فعلی، مشکلات حل‌نشده و قدم‌های بعدی رو نگه دار. از این به بعد بر اساس این خلاصه‌ی جدید کار رو ادامه بده."➖ ➖ ➖ 3️⃣ الکی یه عالمه MCP بلااستفاده رو لود نکن! 📔 ابزارهای MCP مثل مرورگر، فیگما، گیت‌هاب و کار با داکیومنت‌ها واقعاً کار راه‌اندازن، ولی هرچی ابزار بیشتری دم دستش بذاری، بار کانتکستت سنگین‌تر میشه. دقیقاً همونایی که واسه پروژه فعلی نیازه رو لود کن؛ نذار یه مشت ابزار نامربوط، کانتکستت رو تو درازمدت اشغال کنن. ➖ ➖ ➖ 4️⃣ کانفیگ‌های پروژه رو ثابت نگه دار 📔 هی تند تند مدل، دایرکتوری کاری، تنظیمات ابزارها یا قوانین توسعه رو عوض نکن. وقتی پرامپت‌ها، زنجیره ابزارها و ساختار پروژه ثابت باشن، ایجنت خیلی راحت‌تر می‌تونه مدام از کش استفاده کنه و دیگه نیازی نیست هی از اول زور بزنه تا پروژه رو درک کنه. ➖ ➖ ➖ ➖ ➖ ⚡️ خلاصه یه ورک‌فلوی واقعاً بهینه و حرفه‌ای تو کدکس این شکلیه: 🎯 نرخ بالای استفاده از کش ⬅️ کانتکست تمیز ⬅️ ابزارهای ضروری ⬅️ کانفیگ ثابت. 💡 واقعیتش اینه که خیلی وقتا کدکس اصلاً نیازی نداره قوی‌تر بشه؛ ما فقط باید هدر دادن کانتکست و توکن‌هاش رو بگیری! 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa
50 212
Repost from انجمن علمی توسعه پایدار دانشگاه تهران
🔧 پروژه 100RFS شروع شد.
۱۰۰ مسئله‌ی واقعی، از دل صنعت و بازار؛
۱۰۰ فرصت برای ساختن.
کارخانه هوش مصنوعی ایران، این مسئله‌ها را از دل صنعت، بازار و کسب‌وکارهای کشور استخراج کرده تا تیم‌ها روی نیازهای واقعی کشور کار کنند؛ نه مسئله‌های فرضی.
🌱در انجمن علمی توسعه پایدار دانشگاه تهران، این فرصت را با کسانی به اشتراک می‌گذاریم که باور دارند آینده، با حل مسئله‌های واقعی ساخته می‌شود؛ به‌ویژه اگر هوش مصنوعی بتواند بخشی از راه‌حل چالش‌های توسعه پایدار و محیط‌زیست باشد.
🚀 از اینجا شروع کن:
aiif.ai/100rfs
🗓 هر شنبه یک دوره‌ی جدید شروع میشه...جا نمونی!
💡آینده، با حل مسئله ساخته میشه
50 212
👨🏻💻 یه دولوپر ارشد و باسابقه، تمام منابعی رو که تو ۶ سال گذشته برای رشد شخصی و شغلیش جمع کرده بود رو تو یه ریپازیتوری گیت‌هاب جمع‌آوری کرده. بیش از ۲۰۰ منبع دست‌چین‌شده (شامل کتاب، بلاگ، خبرنامه و...) که برای مدیرای فنی و Tech Leadهاست.
✔️ از طراحی سیستم و مهندسی داده بگیر تا اصول رهبری، هوش مصنوعی و تفکر محصول؛ خلاصه هر چیزی که برای ارتقای شغلی نیاز داری اینجا دسته‌بندی شده است.
☁️ 200+ Resources Eng Leadership
☁️ 200+ Resources Eng Leadership
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 212
🤖 ۱۵ منبع برای حرفه‌ای شدن در کار با Claude
👨🏻💻 بعد از هفته‌ها کار با کلاد، می‌تونم بگم تقریبا قلق‌هاش دستم اومده. این لیست ۱۵ تایی رو حتماً بوکمارک کن؛ چون گلچینی از بهترین آموزش‌ها، پرامپت‌ها و تکنیک‌های کاربردی رو دسته‌بندی کردم.
⁉️ اینم یادت باشه که تا وقتی با کلاد مثل یه چت‌بات ساده رفتار می‌کنی، خروجیِ معمولی هم می‌گیری. تغییر وقتی اتفاق می‌افته که باهاش یه ورک‌فلوی شخصی بسازی!
❤️ چطور از هوش مصنوعی درست استفاده کنیم؟
❤️ یادگیری کلاد در ۳۰ دقیقه
❤️ چطور لحن نوشتار هوش مصنوعی رو شبیه خودمون کنیم؟
❤️ کارهایی که قبل از باز کردن کلاد انجام می‌دم
❤️ پرامپت‌های هم‌فکری با کلاد (بخش اول)
❤️ اسکیل‌های کاربردی کلاد
❤️ پرامپت‌های هم‌فکری با کلاد (بخش دوم)
❤️ درس‌هایی که از کلاد یاد گرفتم
❤️ دوره‌های آموزشی کلاد
❤️ طراحی ورک‌فلو حرفه‌ای با کلاد
❤️ راهنمای توسعه و ساخت با کدکس
❤️ آموزش‌های کدنویسی با کلاد
❤️ استفاده از کلاد به‌عنوان دستیار شخصی
❤️ پرامپت‌های داستان‌نویسی کلاد
❤️ اصطلاحات مهم هوش مصنوعی که باید یاد بگیری
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 212
Repost from N/a
🎓 آشنایی با اساتید «برنامه نویسی Front-end»
⚙️ در بوت‌کمپ جدید آکادمی همراه اول، میزبان متخصصان و مدیران با تجربه‌ی بسیاری هستیم که جامع‌ترین دانش و تجربیات در خصوص یادگیری و توسعه سرمایه انسانی را، در اختیار شرکت‌کنندگان قرار بدهیم.
اساتید این بوت‌کمپ در دوبخش حضـوری و محتواهای ویدئویی همراه ما در این مسیر هستند:
🟢 مدرسان محتوای ویدئویی و دوبله شده:
🔸 Per Borgen | CEO at Scrimba
🔸 Bob Ziroll | Senior Frontend Engineer at Canopy
🔸 Gary Simon | Founder of DesignCourse
——————————————-
🟢 اساتید حاضر در بوت‌کمپ:
🔸 رامتین خسروی | عضو هیأت علمی دانشکده مهندسی برق و کامپیوتر دانشگاه تهران
🔸 کیا پناهی راد | معاون مهندسی در تومن
🔸 امین آشتیانی | مدیر مهندسی در ازکی
🔸 مهدی خسروی | مدیر مهندسی در بیت‌پین
🔸 محمدرضا شعبانی | مشاور و معمار نرم‌افزار - تک‌لید سابق اسنپ‌مارکت
🔸 محمد رودخانه | مدیر تیم Frontend در آپ
🔸 سعید آکسته | مدیر تیم Frontend در اسنپ‌مارکت
🔸 علیرضا وحیدی | مدیر تیم Frontend در اکالا
🔸 حسین محمودوند | Product Design Lead در اسنپ‌پی
🔸 مسعود سپاهی | مدیر تیم Frontend در اسنپ‌باکس
🔸 وحید قدیری | مدیر تیم Frontend در تپسی‌دکتر
🔸 پوریا جهان‌دیده | توسعه‌دهنده Full-Stack در Agentonic
🔸 سینا رنج کش زاده | دانشجوی دکتری مهندسی مخابرات دانشگاه شریف - AI Developer
⚠️ ظرفیت این بوت‌کمپ نیز محدود است.🌐 لینک پیش‌ثبت‌نام #رایگان و جزئیات بوت‌کمپ: 🔗 https://l.hamrah.academy/c7v ⭐️ @hamrah_academy | آکادمی همراه اول
