Machine Learning | یادگیری ماشین

Ir al canal en Telegram

💡مهندس یادگیری ماشین شوید! 👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼‌ 🆔 @DataScienceir_Adv

Red:Data Science | علم داده Irán10 006 Tecnologías y Aplicaciones4 012...

📈 Análisis del canal de Telegram Machine Learning | یادگیری ماشین

El canal Machine Learning | یادگیری ماشین (@machinelearning_ir) en el segmento lingüístico de Farsi es un actor destacado. Actualmente la comunidad reúne a 34 083 suscriptores, ocupando la posición 4 012 en la categoría Tecnologías y Aplicaciones y el puesto 10 006 en la región Irán.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 34 083 suscriptores.

Según los últimos datos del 19 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -234, y en las últimas 24 horas de -14, conservando un alto alcance.

Estado de verificación: No verificado
Tasa de interacción (ER): El promedio de interacción de la audiencia es 9.37%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 3.88% de reacciones respecto al total de suscriptores.
Alcance de las publicaciones: Cada publicación recibe en promedio 3 194 visualizaciones. En el primer día suele acumular 1 324 visualizaciones.
Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 5.
Intereses temáticos: El contenido se centra en temas clave como مصنوعی, ایجنت, مهندس, مدل, عمل.

📝 Descripción y política de contenido

El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“💡مهندس یادگیری ماشین شوید! 👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼‌ 🆔 @DataScienceir_Adv”

Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 20 junio, 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.

34 083

Suscriptores

-1424 horas

-747 días

-23430 días

3 194

Visitas de la publicación

~ 1 32424 horas

~ 1 75448 horas

9.37%

Tasa de compromiso

Sin datos

Mensajes por día

Ads index

beta

Archivo de publicaciones

34 085

🎉 این عید، از هوش مصنوعی کمک بگیر و زندگیت رو ساده‌تر کن! بزرگترین تخفیف هوش مصنوعی سال فرزین آنلاین 😍 با ChatGPT دیگه هیچ سوالی بی‌جواب نمیمونه! چت‌جی‌پی‌تی | ChatGPT اکانت یک ماهه اشتراکی با ضمانت کامل - ~~611,000 تومان~~ - 470,000 تومان اکانت یک ماهه اختصاصی با ضمانت کامل - 2~~,165,000 تومان~~ - 1,499,000 تومان تیم فرزین‌آنلاین با پشتیبانی ۲۴ ساعته و بیش از 6 سال سابقه در زمینه پرداخت های ارزی، در خدمت شماست. 🏪 ارتباط مستقیم با پشتیبانی | @FarzinOnline

34 085

👨🏻‍💻 وقتی آموزش یادگیری ماشین رو توی MIT شروع کردم، اصلاً فکر نمی‌کردم این تجربه قرار باشه انقدر رووم تاثیر بذاره. چیزی که واقعاً متفاوتش می‌کرد، روش «آموزش همراه با پیاده سازی عملی» بود. این روش بهم یاد داد که مفاهیم پیچیده مثل الگوریتم‌ها و مدل‌های یادگیری رو با پروژه‌های عملی یاد بگیرم و توی زندگی واقعی پیاده کنم. ✏️ این تجربه‌ها انقدر منو تحت تاثیر قرار داد که تصمیم گرفتم چیزایی که یاد گرفتم رو با بقیه به اشتراک بذارم. یه مجموعه آموزشی به اسم Machine Learning: Teach by Doing درست کردم که توش از همون روش MIT استفاده کردم. توی 6 ماه گذشته 37 تا ویدیو ضبط کردم، که هر کدومشون نتیجه تمرین‌ها و چالش‌هایی بود که خودم باهاشون مواجه شدم. ✔️ یکی از چیزایی که یاد گرفتم اینه که یادگیری فقط توی خوندن کتاب یا دیدن ویدیو خلاصه نمی‌شه. وقتی چیزی رو انجام می‌دی، تازه می‌فهمی چقدر جزئیات کوچیک اهمیت دارن. این روش نه تنها مهارت‌هام رو قوی‌تر کرد، بلکه بهم کمک کرد تا بتونم این دانش رو به زبونی ساده و کاربردی با دیگران به اشتراک بذارم.👇 😉 یادگیری ماشین از صفر 😉 تاریخچه یادگیری ماشین 😉 انواع مدل‌های یادگیری ماشین 😉 مراحل پروژه‌های یادگیری ماشین 😉 نصب پایتون و VSCode 😉 آشنایی با طبقه‌بندهای خطی (۱) 😉 آشنایی با طبقه‌بندهای خطی (۲) 😉 کار با NumPy و scikit-learn 😉 الگوریتم Random Linear Classifier 😉 آشنایی با مدل Perceptron 😉 کدنویسی Perceptron 😉 قضیه همگرایی Perceptron 😉 اهمیت ویژگی‌ها در یادگیری ماشین 😉 آموزش One Hot Encoding 😉 رگرسیون لجستیک (۱) 😉 آشنایی با Cross Entropy Loss 😉 نحوه کار Gradient Descent 😉 رگرسیون لجستیک از صفر در پایتون 😉 معرفی Regularization 😉 پیاده‌سازی Regularization در پایتون 😉 مقدمه‌ای بر رگرسیون خطی 😉 پیاده‌سازی Ordinary Least Squares 😉 مفاهیم و اصول رگرسیون Ridge 😉 مروری بر رگرسیون برای مصاحبه‌ها 😉 معماری شبکه عصبی در ۳۰ دقیقه 😉 شهود Backpropagation 😉 توابع فعال‌سازی شبکه عصبی 😉 مفهوم Momentum 😉 تمرین عملی شبکه عصبی در پایتون 😉 مقدمه‌ای بر شبکه‌های عصبی کانولوشن 😉 آشنایی با فیلترهای 1D و عملیات کانولوشن 😉 فیلترهای 2D و شناسایی ویژگی‌ها 😉 لایه‌های فیلترینگ در CNNs 😉 اصطلاح Max Pooling در CNNs 😉 توضیح معماری CNN 😉 تکنیک Backpropagation در CNNs 😉 ساخت اَپ تشخیص تومور مغزی با CNN 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

Repost from دیتایاد | هوش مصنوعی و علم داده

🎉 جشنواره نوروزی دیتایاد 🎉 🔥 تا ۵۰٪ تخفیف ویژه بر روی دوره‌های هوش مصنوعی 🤖، علوم داده 📊، برنامه‌نویسی 👨‍💻 و ریاضیات 📚 دیتایاد🚀 👈 دوره‌ جامع علم داده و یادگیری ماشین + یادگیری عمیق 📊🤖 👈 دوره‌ جامع نخبگان پایتون 🐍👨‍💻 👈 دوره‌ آموزش بینایی ماشین و پردازش تصویر 👁🖼 👈 دوره‌ ریاضیات برای علم داده و یادگیری ماشین 📚 📌 مشاوره رایگان برای انتخاب بهترین دوره بر اساس نیاز شما! برای اینکه مسیر یادگیریتون رو به درستی انتخاب کنید، فرم مشاوره رایگان رو پر کنید. 👇 فرم مشاوره رایگان 🔸 پس از تکمیل فرم، تیم ما با شما تماس خواهد گرفت. 📞 📍 برای اطلاعات بیشتر: 🔗 وبسایت دیتایاد | 🔗 چنل تلگرام | 🔗 اینستاگرام 📌 مرجع تخصصی هوش مصنوعی و علم داده 🤖 دیتایاد / datayad@

34 085

🔹 یک نقشه راه ۸ ماهه برای ورود به دنیای یادگیری ماشین (بدون میان‌بُر!) 👨🏻‍💻 حوزه یادگیری ماشین شبیه یه ماراتن طولانیه، نه یه دوی سرعت! با اینکه این مسیر پر از چالش‌های جذابه، داشتن یه برنامه منظم و روشن می‌تونه هر قدمش رو مدیریت و حتی لذت‌بخش کنه. ✅ من یه نقشه راه ۵ مرحله‌ای براتون آماده کردم و هدفم اینه که تا با روزی چند ساعت تمرین، بتونین تو ۶ تا ۸ ماه، به مفاهیم و کاربردهای یادگیری ماشین مسلط بشین. 🔢 مرحله ۱: مفاهیم پایه ریاضی (۲۰-۲۵ ساعت) ✏️ پلی‌لیست پیشنهادی: مفاهیم پایه برای یادگیری ماشین ⏪ چرا از اینجا شروع کنیم؟ چون باید ریاضیات‌تون رو قوی کنین! موضوعاتی مثل جبر خطی، احتمال، آمار، حسابان، بهینه‌سازی و مبانی برنامه‌نویسی تو این مرحله خیلی مهمن. 🕓 زمان لازم: ۲-۳ ساعت در هفته، به مدت ۸ هفته. ✂️ ✂️ ✂️ ✂️ ✂️ 🔢 مرحله ۲: یادگیری ماشین (۶۰-۶۵ ساعت) ✏️ پلی‌لیست پیشنهادی ۱: آموزش یادگیری ماشین با پروژه ⏪ با انجام پروژه‌های واقعی، روند کار الگوریتم‌ها رو بهتر می‌فهمین. 🕓 زمان لازم: ۴ ساعت در هفته، به مدت ۱۰ هفته. ✏️ پلی‌لیست پیشنهادی ۲: آموزش درخت‌های تصمیم ⏪ الگوریتم‌های درخت تصمیم پایه بسیاری از مدل‌های ML هستن. 🕓 زمان لازم: ۴ ساعت در هفته، به مدت ۵ هفته. ✂️ ✂️ ✂️ ✂️ ✂️ 🔢 مرحله ۳: یادگیری عمیق (۳۵-۴۰ ساعت) ✏️ پلی‌لیست پیشنهادی: ساخت شبکه‌های عصبی از صفر ⏪ درک شبکه‌های عصبی از طریق کدنویسی کمک می‌کنه مفاهیم پیچیده رو بهتر یاد بگیرین. 🕓 زمان لازم: ۵ ساعت در هفته، به مدت ۸ هفته. ✂️ ✂️ ✂️ ✂️ ✂️ 🔢 مرحله ۴: موضوعات پیشرفته (۴۰-۴۵ ساعت) ✏️ پلی‌لیست پیشنهادی ۱: شبکه‌های عصبی گراف ⏪ الگوریتم‌های گراف در حوزه‌هایی مثل شبکه‌های اجتماعی و زیست‌شناسی کاربرد دارن. 🕓 زمان لازم: ۳ ساعت در هفته، به مدت ۸ هفته. ✏️ پلی‌لیست پیشنهادی ۲: AI توضیح‌پذیر ⏪ ساخت پروژه‌های با تمرکز بر تفسیرپذیری و شاید اولین مقاله تحقیقی شما! 🕓 زمان لازم: ۳ ساعت در هفته، به مدت ۵ هفته. ✂️ ✂️ ✂️ ✂️ ✂️ 🔢 مرحله ۵: هوش مصنوعی مولد، ترنسفورمرها، و مدل‌های زبانی بزرگ (۱۰۰-۱۱۰ ساعت) ✏️ پلی‌لیست‌های پیشنهادی: 📌 هوش مصنوعی مولد برای مبتدیان (۸ ساعت) 📌 ساخت LLM‌ها از صفر (۴۰-۴۵ ساعت) 📌 کار عملی با LLM‌ها (۴۰-۴۵ ساعت) 📌 ترنسفورمرها (۱۵ ساعت) ⏪ یادگیری این مباحث شما رو برای آینده آماده می‌کنه. 🕓 زمان لازم: ۵ ساعت در هفته، به مدت ۲۰ هفته. ✂️ ✂️ ✂️ ✂️ ✂️ 📚 مطالعات اختیاری [۱۰۰ ساعت] 📌 یادگیری ماشین با Julia 📌 از صفر تا صد علم داده 🕓 مدت زمان کل: ۲۷۵ ساعت + ۱۴۰ ساعت اختیاری 🗓 زمان‌بندی: ۶-۸ ماه 💰 نتیجه: پایه‌تون رو توی ML قوی می‌کنین، مهارت‌های عملی یاد می‌گیرین و با موضوعات پیشرفته همیشه یک قدم از بقیه جلوتر هستین! 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

🌸🎉 عیدانه دایکه رسید! 🎉🌸 بهاری پر از یادگیری با تخفیف ویژه نوروزی! 🎁✨ 💡 ۲۰٪ تخفیف برای ۲۰ نفر اول با کد: EYDANEH20 🛍 با قیمت‌های ۱۴۰۳ روی تمام محصولات آکادمی دایکه 📅 مهلت: تا ۲۰ فروردین ۱۴۰۴ فرصت رو از دست نده و همین حالا شروع کن! 🚀🌟 🎯 دانشمند داده و مهندس هوش مصنوعی دایکه 🎯 Dayche Data Scientist & ML/AI Engineer 🌐 t.me/daycheapply ✍️مشاوره کامل قبل ثبت نام: 👇👇 ✅ دایرکت: ➡️ @daycheapply ✅ تماس مستقیم: 📞 021-910-96122 ✅ پیامک: ارسال کد 1 به 📲 0930-0214441 ✅ اطلاعات بیشتر: 🌐 Dayche.com

34 085

✅ «نقشه راه من» برای شروع یادگیری ماشین 👨🏻‍💻 وقتی می‌خواستم یادگیری ماشین رو شروع کنم، کلی ویدیو دیدم، دوره آنلاین ثبت‌نام کردم و مستقیم رفتم سراغ پروژه‌های ساده Kaggle. فکر می‌کردم اگه یه سری پروژه اجرا کنم، متخصص این حوزه میشم :))) اما خیلی زود فهمیدم بدون ساختن پایه‌ قوی در یادگیری ماشین، این کار بیشتر شبیه سرهم‌بندی نتایج آماده‌ست تا یادگیری واقعی! ✏️ خیلی‌ها مثل من این اشتباه رو می‌کنن که یادگیری ماشین رو فقط توی کدنویسی یا اجرای مدل‌ها خلاصه می‌کنن. ولی باید بدونیم که یادگیری ماشین فقط ابزارهای جذاب مثل TensorFlow یا scikit-learn نیست؛ این علم روی ستون‌های قوی مثل جبر خطی، آمار و احتمال، حساب دیفرانسیل و انتگرال و بهینه‌سازی ساخته شده! ✅ این‌ها نه تنها ستون‌های اصلی یادگیری ماشین هستن، بلکه مثل یک نقشه‌ی راه بهت کمک می‌کنن که بهتر مسائل رو تحلیل کنی و الگوریتم‌ها رو بفهمی. ❓ حالا چرا باید یادگیری ML رو از پایه شروع کنیم؟ 💸 دنیای امروز پر شده از پروژه‌های آماده و اسکریپت‌های "Copy-Paste". ممکنه وسوسه بشین از همون اول برین سراغ مسابقات Kaggle یا مدل‌های آماده. اما وقتی پایه‌ها رو یاد نگرفتین، بعداً توی تحلیل عمیق مسائل و توسعه مدل‌های خودتون به مشکل می‌خورین! ⏪ برای اینکه کار رو برای کسایی که تازه یادگیری ML رو شروع کردن راحت‌تر کنم، یه دوره رایگان توی کانال یوتیوبم درست کردم. اسم این دوره رو گذاشتم: "پایه‌های یادگیری ماشین". 💰 توی این دوره، از صفر شروع کردم و قدم‌به‌قدم مفاهیم یادگیری ماشین رو توضیح دادم:👇 1️⃣ معرفی دوره 2️⃣ جبر خطی 3️⃣ تبدیل خطی به‌عنوان ضرب ماتریسی 4️⃣ محصول دو ماتریس به‌عنوان ترکیب تبدیل‌ها 5️⃣ تبدیل خطی در فضای سه‌بعدی 6️⃣ شهود فیزیکی برای دترمینان 7️⃣ تبدیل با ماتریس‌های غیرمربع (۲D به ۳D) 8️⃣ معکوس ماتریس و مفهومش در تبدیل‌ها 9️⃣ ارتباط ضرب نقطه‌ای با تبدیل‌ها 1️⃣ شهود ساده برای مقادیر و بردارهای ویژه 1️⃣ آمار و احتمال 1️⃣ مقدمه‌ای بر احتمال شرطی 1️⃣ شهود و مفاهیم اولیه قضیه بیز 1️⃣ توزیع‌های احتمالی 1️⃣ آزمون فرضیه 📚 بعد از این دوره چیکار کنیم؟ 📌 وقتی پایه‌ یادگیری ماشین‌تون رو قوی کردین، وقتشه که خودتون دست به کار بشین و مدل‌های یادگیری ماشین بسازین! پیشنهاد می‌کنم از این دوتا پلی‌لیست فوق‌العاده استفاده کنین:👇 1⃣ آموزش ML + انجام پروژه‌ها در ۳۷ جلسه 🔢 ساخت شبکه‌های عصبی از پایه در ۳۴ جلسه 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

Repost from تهران دیتا-دانشگاه تهران

🎆 دوره جامع هوش تجاری دانشگاه تهران 🎆 🕛 آخرین فرصت برای ثبت‌نام با قیمت امسال و تخفیف ویژه‼️ 👀 از داده‌ها به بینش برسید، از بینش به تصمیم‌گیری هوشمند✔️ 💥 دنیای امروز بر پایه داده‌ها می‌چرخد، اما فقط افراد باهوش می‌توانند از آن به نفع خود استفاده کنند! ❓ اگر می‌خواهید در دنیای تحلیل داده و هوش تجاری متخصص شوید، این دوره راه شما را هموار می‌کند. ▶️ در این دوره چه چیزی یاد می‌گیرید ⁉️ ✅ تسلط بر SQL Server و کوئری‌نویسی پیشرفته ✅ طراحی و پیاده‌سازی انبار داده و مدل‌سازی OLAP ✅ مهارت در SSIS، SSAS، و SSRS برای پردازش و تحلیل داده‌ها ✅ ساخت داشبوردهای حرفه‌ای و جذاب در Power BI ✅ شناخت ابزارهای قدرتمند Grafana، Looker Studio و DAX Studio 🕓 زمان برگزاری : روزهای یکشنبه و چهارشنبه ، ساعت ۱۸ الی ۲۲ ◀️ ارائه گواهینامه دو زبانه دانشگاه تهران ◀️ پروژه‌محور | عملی | ورود به بازار کار ◀️ ۱۶۰ ساعت آموزش کاربردی + پروژه‌های واقعی + پشتیبانی تخصصی ▶️ این دوره فرصتی طلایی برای ورود به دنیای پردرآمد هوش تجاری است‼️ #️⃣اگر می‌خواهید پروژه‌های هوش تجاری را به صورت کاربردی و عملیاتی اجرا کنید، این دوره همان چیزی است که نیاز دارید➡️

🔥 فرصت محدود – همین حالا ثبت‌نام کنید و با تخفیف ویژه، آینده‌ای روشن بسازید❗️

34 085

📂 تمامی دوره‌های رایگان یادگیری ماشین 💻 دانشگاه استنفورد 👨🏻‍💻 من امسال این دوره‌ها رو گذروندم و واقعا بهم کمک کرد دید عمیق‌تری نسبت به پردازش زبان طبیعی (NLP)، ترنسفورمرها، یادگیری تقویتی و حتی ساخت مدل‌های زبانی بزرگ (LLMs) پیدا کنم. ✏️ یکی از نکات مثبت این دوره‌ها اینه که، اساتید این دوره‌ها از بهترین‌ها هستن (مثل اندرو ان جی که نیازی به معرفی نداره!) و همه چیز به زبون ساده و کاربردی توضیح داده. از احتمال و توضیح‌پذیری مدل‌ها گرفته تا یادگیری ماشین با گراف‌ها. 1️⃣ تئوری احتمالات برای دانشمندان کامپیوتر 2️⃣ یادگیری ماشین با تدریس Andrew Ng 3️⃣ پردازش زبان طبیعی با یادگیری عمیق 4️⃣ توضیح‌پذیری در یادگیری ماشین 5️⃣ یادگیری تقویتی 6️⃣ مدل‌های مولد یادگیری عمیق 7️⃣ ساخت مدل‌های زبان بزرگ (LLMs) 8️⃣ یادگیری ماشین با گراف‌ها 9️⃣ همه چیز درباره ترنسفورمرها 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

Repost from N/a

🔴 آخرین فرصت سال برای استفاده از آموزش‌های ۷۹ هزار تومنی در فرادرس 🔥 ۷۰۰ آموزش منتخب، فقط ۷۹,۰۰۰ تومن 🔥 📣 برای مشاهده آموزش‌های هر دسته بندی، روی عنوان مورد نظر کلیک کنید: 👇 ✅ یادگیری ماشین و یادگیری عمیق ✅ برنامه نویسی - جامع و کاربردی ✅ هوش مصنوعی ✅ تحلیل داده و داده کاوی ✅ زبان‌های خارجی 🔗 لیست تمامی ۷۰۰ آموزش — [کلیک کنید] 🎁 سایر آموزش‌ها با ۵۰ درصد تخفیف ارائه شده 👇 کد تخفیف: TAK62 🔄 FaraDars - فرادرس

34 085

Repost from دیتایاد | هوش مصنوعی و علم داده

🎉 جشنواره نوروزی دیتایاد 🎉 🔥 تا ۵۰٪ تخفیف روی دوره‌های هوش مصنوعی 🤖، علوم داده 📊 و برنامه‌نویسی 👨‍💻 👈 دوره‌های هوش مصنوعی و علم داده 👈 دوره‌های برنامه‌نویسی پایتون 📌 مشاوره رایگان هم داریم! برای اینکه انتخاب مناسبی داشته باشید و در مسیرتون کمکتون کنیم، می‌تونید فرم مشاوره رایگان رو پر کنید. 👇 فرم مشاوره رایگان 🔸 بعد از تکمیل فرم، تیم ما با شما تماس خواهد گرفت. 📞 📍 برای اطلاعات بیشتر: 🔗 وبسایت دیتایاد | 🔗 چنل تلگرام | 🔗 اینستاگرام دیتایاد - مرجع تخصصی هوش مصنوعی و علم داده @datayad / دیتایاد

34 085

🔴 تا آخر فردا وقت داری، ◀️ برای استفاده از تخفیف ویژه دوره‌هایی که آینده‌تو تغییر میدن! ⏺️ تا ۴۵٪ بوت‌کمپ‌های برنامه‌نویسی، داده و هوش مصنوعی ➕ و تا ۱۰۰٪ تخفیف اسکیل‌کمپ‌ها! ✅ این فرصت تکرارنشدنی رو از دست نده و همین الان با لینک زیر ثبت‌نام کن: 🔗https://dnkr.ir/25Pp5 🔗https://dnkr.ir/25Pp5

34 085

🥇 بهترین مدل یادگیری ماشین رو برای داده‌هات پیدا کن! 👨🏻‍💻 فرض کن می‌خوای بهترین مدل یادگیری ماشین رو برای داده‌هات پیدا کنی. معمولاً مهندسای یادگیری ماشین برای بررسی داده‌ها و ساخت مدل‌ها از Jupyter استفاده می‌کنن. ✅ ولی اگه تمرکزت روی خروجی و نتیجه‌ست و نه خود کدنویسی، یه اپ تعاملی مثل Taipy می‌تونه خیلی به کارت بیاد. ✏️ این یه فریمورک، متن‌باز و مبتنی بر پایتونه و برای ساخت اپ‌های داده طراحی شده. باهاش می‌تونی یه اپلیکیشن تعاملی بسازی که هم قدرتمنده و هم انعطاف‌پذیر. ◀️چهار بخش اصلی داره: 🔢 بخش Data Node: جایی برای نگهداری داده‌ها (مثل متن، عدد، اشیاء، فایل‌های CSV و غیره). 🔢 بخش Task: یه تابع که داده‌ها رو می‌گیره، پردازش می‌کنه (مثلاً تمیز کردن داده) و خروجی رو به یه Data Node دیگه می‌ده. 🔢 بخش Pipeline: یه توالی مرتب از Taskها که قابلیت اجرای موازی و ذخیره موقت (Caching) رو هم داره. 🔢 بخش Scenario: تنظیمات Pipeline رو تعریف می‌کنه. هر اجرای جدید با ورودی‌های مختلف به‌عنوان یه Scenario جدید ذخیره می‌شه. 📺 تو ویدئوی بالا، می‌بینی که چطور با Taipy یه اپ ساخته شده که مدل‌های مختلف scikit-learn رو روی داده‌های شما مقایسه می‌کنه. اما اگه می‌خوای آموزش کاملش رو یاد بگیری از لینک‌های زیر استفاده کن:👇 ┌ 🏷 Taipy ├ 💰 Website ├ 📄 Article ├ 😉 Youtube Channel └ 🐱 GitHub-Repos

pip install taipy

🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

Repost from مدرسه پردازش و تحلیل داده دقیقه

اگر می‌خواهید از قدرت #هوش_مصنوعی در تحلیل داده و تحقیقات خود بهره‌مند شوید، #یادگیری_ماشین مهم‌ترین چیزی است که به آن نیاز دارید. در این ویدئو، سعید مجیدی یکی از مدرسان دوره یادگیری ماشین با #پایتون در مدرسه دقیقه که بهار ۱۴۰۴ برگزار می‌شود، جزییات دوره را شرح می‌دهد. دوره جامع «یادگیری ماشین با پایتون» از مبانی یادگیری ماشین آغاز می‌شود و گام‌ به گام تا مباحث پیچیده‌تری مثل یادگیری گروهی، کاهش ابعاد داده و شبکه‌های عصبی پیش ‌می‌رود. در این دوره آموزشی تمامی مباحث با رویکردی عملیاتی آموزش داده خواهند شد و تمامی مفاهیم و روش‌های دوره با پردازش داده‌های واقعی در محیط پایتون پیاده‌سازی خواهند شد. #دوره_آموزشی_آنلاین 📆 یکشنبه‌ها ۱۸:۳۰ تا ۲۱:۳۰ 🗓 از ۱۴ اردیبهشت ۱۴۰۴ ⏺️ ۳۰ ساعت (۱۰ هفته) 🎞 با دسترسی به ویدئوی جلسات 🏅 گواهی پایان دوره (قابل استعلام) ⏳ برای استفاده از تخفیف بیشتر زودتر ثبت‌نام کنید: 🙂 کد تخفیف 40% برای پرداخت کامل: 9RouZ04 🙂 کد تخفیف 30% برای پرداخت قسطی: 9RouZ04q 🔴 اعتبار کدهای تخفیف تا ۲۶ اسفند ۱۴۰۳ 🔗 لینک ثبت نام: d-learn.ir/mlpy ☘️ تخفیف نوروزی برای دوره‌های دیگر: d-learn.ir/nowruz تماس: 📱 t.me/dlearnsup 📞 02188349244 📲 09103209837 @dlearn_ir

34 085

🏷وقتی یه کتاب یادگیری ماشین می‌تونه مسیر یادگیریت رو عوض کنه! 👩🏻‍💻 این روزها تو دنیای یادگیری ماشین، خیلی از منابع یا بیش از حد تئورین یا بیش از حد عملی و کاربردی! ولی اخیراً یه کتابی رو پیدا کردم که بین مباحث تئوری و عملی پُل می‌زنه و ترکیبی متعادل از مباحث تئوری با کاربردهای عملیه. 💸 این کتاب سه ستون اصلی یادگیری ماشین رو پوشش میده: 🔢 از مبانی آماری تا کاربردهای عملی. 🔢 کارایی الگوریتم‌ها و پیاده‌سازی، 🔢 بهینه‌سازی و تحلیل محدب. ✅ اگه دنبال اینین که واقعاً یادگیری ماشین رو کامل مسلط بشین و فقط از ابزارهای آماده استفاده نکنین، این کتاب یه گزینه بی‌نظیره. البته یه پیش‌نیازهایی داره: مثل تسلط به جبر خطی، حساب دیفرانسیل و احتمال. 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

Repost from N/a

🎁 جشنواره نوروزی آکادمی همراه اول آغاز شد! ❗️ یکبار برای یک سال 🎉 به مناسبت عید نوروز طرح ویژه «اشتراک آموزشی» ارائه شد. با خرید این اشتراک می‌تونی به صورت نامحدود به همه دوره‌های آموزشی دسترسی داشته باشی! و نیازی نیست که برای خرید هر دوره هزینه جداگانه‌ای انجام بدی. برخی از مزایای طرح اشتراک آموزشی: 🔸دسترسی نامحدود به ۲۰۰۰ ساعت محتوای آموزشی متنوع 🔸 بهره‌گیری از برترین اساتید صنعت و دانشگاه 🔸 آموزش‌های کاربردی شغل محور 🔸گواهینامه معتبر آموزشی ⚠️مهلت خرید: فقط تا ۱۵ فروردین ۱۴۰۴ 🚫(ظرفیت محدود) 🌐 جهت ثبت‌نام و مشاهده طرح‌های پیشنهادی به لینک زیر مراجعه کنید. https://link.hamrah.academy/3x5 @hamrah_academy | آکادمی همراه

34 085

Repost from مدرسه پردازش و تحلیل داده دقیقه

🌱 نوروز، فصل نو شدن و تعطیلات نوروز بهترین فرصت برای یادگیری است. 🛍 مدرسه دقیقه با #تخفیف ویژه #نوروز ، شما را به سفرهای جدید در دنیای تحلیل داده، یادگیری ماشین، علوم داده و هوش مصنوعی دعوت می‌کند. ↗️ مدرسه دقیقه منابع متنوعی را برای یادگیری ابزارهای تحلیل داده مثل #ٍExcel، #PowerBI ، #R ، #Python و #SQL ارائه می‌کند. آموزش‌های مدرسه دقیقه کاربردی و پروژه‌محور هستند و بر توسعه مهارت‌هایی تمرکز دارند که مستقیماً در بازار کار مورد استفاده‌ قرار می‌گیرند. از #هوش_تجاری و #تحقیقات_بازار گرفته تا #تحلیل_داده، #مدیریت_محصول، #تحقیق_در_عملیات، #یادگیری_ماشین، #کار_با_مدل‌های_زبانی_بزرگ و #هوش_مصنوعی در مدرسه دقیقه پوشش داده می‌شوند. 🟢 جزییات بیشتر در مورد دوره‌های آنلاین بهار ۱۴۰۴، ویدئوهای آموزشی، درسنامه و پروژه‌ها را از لینک زیر دنبال کنید: 🔗 d-learn.ir/nowruz ⏰ فراموش نکنید ۲۶ اسفند ماه آخرین فرصت استفاده از تخفیف ویژه نوروز ۱۴۰۴ است. 📞 تماس: 📲 t.me/dlearnsup 📱 02188349244 📲 09103209837 @dlearn_ir

34 085

⏱ چقدر زمان لازمه تا الگوریتمت اجرا بشه؟ ✅ راهنمای جامع برای «پیچیدگی زمانی» 👨🏻‍💻 وقتی داری روی یه مدل یادگیری ماشین کار می‌کنی، یکی از مهم‌ترین چیزایی که باید بدونی اینه که الگوریتمت با افزایش حجم داده چقدر سریع یا کند عمل می‌کنه. این همون مفهوم پیچیدگی زمان هست، و بهت کمک می‌کنه بهترین الگوریتم رو برای داده‌هات انتخاب کنی! 📊 بررسی چند تا از معروف‌ترین الگوریتم‌ها: 1⃣ رگرسیون خطی: O(n) – سریع و برای داده‌های بزرگ خیلی خوبه. 🔢 رگرسیون لجستیک: O(n) – سریع و برای داده‌های بزرگ مناسب. 🔢 بیز ساده: O(n) – فوق‌العاده سریع، برای پیش‌بینی‌های لحظه‌ای عالیه. 🔢 درخت تصمیم: O(n * log(n)) – مناسب برای داده‌های کوچک و متوسط؛ ولی روی داده‌های بزرگ یکم کندتر می‌شه. 🔢 جنگل تصادفی: O(t * n * log(n)) – کمی کندتر از درخت تصمیم به‌خاطر چند درخت (t)، ولی دقیق‌تر. 🔢 تحلیل مؤلفه‌های اصلی: O(n^2 * m) – برای داده‌های با بعد بالا یکم کند می‌شه، ولی برای کاهش ابعاد عالیه. 🔢 نزدیک‌ترین همسایگان O(n * d) :K – برای داده‌های بزرگ و ویژگی‌های زیاد کندتر عمل می‌کنه. 🔢 خوشه‌بندی O(n * k * t) :K-Means – زمان اجرا به تعداد کلاسترها (k) و تکرارها (t) وابسته‌ست. 🔢 شبکه‌های عصبی متراکم: O(n * d * e) – ممکنه خیلی کند باشه، به‌خصوص اگه لایه‌ها و نورون‌های زیادی داشته باشی.👇 ┌ ✏️ Time Complexity ├ 🗂 PDF (1) └ 🗂 PDF (2) 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

Repost from دیتایاد | هوش مصنوعی و علم داده

✨جشنواره نوروزی دیتایاد شروع شد✨ 🔥تا ۵۰ درصد تخفیف برای دوره های هوش مصنوعی 🤖 علوم داده📊 و برنامه نویسی 👨‍💻 👈 دوره های هوش مصنوعی و علم داده 👈 دوره های برنامه نویسی پایتون 📌امکان دریافت مشاوره رایگان از طریق وبسایت دیتایاد برای دریافت مشاوره رایگان از طریق فرم زیر اقدام کنید👇 فرم مشاوره رایگان 🔸پس از تکمیل فرم درخواست مشاوره، همکاران ما با شما تماس خواهند گرفت.🔸 📍برای اطلاعات بیشتر به وبسایت و چنل تلگرام دیتایاد مراجعه کنید 🔗 وبسایت دیتایاد 🔗 چنل تلگرام دیتایاد 🔗 اینستاگرام دیتایاد

34 085

Repost from تهران دیتا-دانشگاه تهران

🔥 فرصت محدود – همین حالا ثبت‌نام کنید و با تخفیف ویژه، آینده‌ای روشن بسازید❗️

34 085

✏️ جزوه «یادگیری ماشین» 🖥 دانشگاه برکلی آمریکا 👨🏻‍💻 دانشگاه برکلی یه جزوه عالی و خلاصه از یادگیری ماشین ارائه داده که مربوط به بهار 2024 میشه و یه مرور کلی و جامع از اصول یادگیری ماشین رو شامل میشه و مفاهیم رو به صورت مختصر و مفید ارائه میده. ✅ این جزوه مناسب کسانی که می‌خوان توی یک ترم و با کمترین اسلاید، یه دید جامع و دقیق از مباحث مختلف یادگیری ماشین رو داشته باشن و به صورت مقدماتی با ML آشنا بشن! 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa