Machine Learning | یادگیری ماشین
Открыть в Telegram
💡مهندس یادگیری ماشین شوید! 👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼 🆔 @DataScienceir_Adv
Больше
Сеть:📈 Аналитический обзор Telegram-канала Machine Learning | یادگیری ماشین
Канал Machine Learning | یادگیری ماشین (@machinelearning_ir) языкового сегмента Фарси является активным участником. Сейчас сообщество объединяет 34 757 подписчиков, занимая 3 861 место в категории Технологии и приложения и 10 226 место в регионе Иран.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 34 757 подписчиков.
Согласно последним данным от 29 октября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -79, а за последние 24 часа — 2, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 6.33%. В первые 24 часа после публикации контент обычно набирает 3.62% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 2 201 просмотров. В течение первых суток публикация набирает 1 259 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 3.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как مصنوعی, ایجنت, مهندس, مدل, عمل.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“💡مهندس یادگیری ماشین شوید!
👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼
🆔 @DataScienceir_Adv”
Благодаря высокой частоте обновлений (последние данные получены 30 октября, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.
34 757
Подписчики
+224 часа
-307 дней
-7930 дней
Загружаем данные
Похожие каналы
Облако тегов
Входящие и исходящие упоминания
---
---
---
---
---
---
Привлечение подписчиков
октябрь '26окт. '26
октябрь '26
+86
в 2 каналах
сентябрь '26
+1 050
в 5 каналах
Get PRO
август '26
+205
в 4 каналах
Get PRO
июль '26
+35
в 2 каналах
Get PRO
июнь '26
+58
в 4 каналах
Get PRO
май '26
+27
в 0 каналах
Get PRO
апрель '26
+37
в 0 каналах
Get PRO
март '26
+5
в 0 каналах
Get PRO
февраль '26
+28
в 4 каналах
Get PRO
январь '26
+18
в 2 каналах
Get PRO
декабрь '25
+1 499
в 5 каналах
Get PRO
ноябрь '25
+696
в 7 каналах
Get PRO
октябрь '25
+1 722
в 6 каналах
Get PRO
сентябрь '25
+223
в 3 каналах
Get PRO
август '25
+232
в 4 каналах
Get PRO
июль '25
+34
в 3 каналах
Get PRO
июнь '25
+472
в 4 каналах
Get PRO
май '25
+724
в 6 каналах
Get PRO
апрель '25
+639
в 6 каналах
Get PRO
март '25
+449
в 7 каналах
Get PRO
февраль '25
+1 350
в 2 каналах
Get PRO
январь '25
+2 376
в 6 каналах
Get PRO
декабрь '24
+1 343
в 6 каналах
Get PRO
ноябрь '24
+2 250
в 5 каналах
Get PRO
октябрь '24
+2 194
в 11 каналах
Get PRO
сентябрь '24
+1 838
в 12 каналах
Get PRO
август '24
+972
в 8 каналах
Get PRO
июль '24
+300
в 11 каналах
Get PRO
июнь '24
+1 751
в 6 каналах
Get PRO
май '24
+427
в 7 каналах
Get PRO
апрель '24
+1 208
в 8 каналах
Get PRO
март '24
+1 164
в 7 каналах
Get PRO
февраль '24
+1 294
в 5 каналах
Get PRO
январь '24
+1 408
в 5 каналах
Get PRO
декабрь '23
+2 505
в 4 каналах
Get PRO
ноябрь '23
+1 702
в 1 каналах
Get PRO
октябрь '23
+3 890
в 1 каналах
Get PRO
сентябрь '23
+2 803
в 0 каналах
Get PRO
август '23
+1 749
в 0 каналах
Get PRO
июль '23
+1 628
в 0 каналах
| Дата | Привлечение подписчиков | Упоминания | Каналы | |
| 30 октября | +1 | |||
| 29 октября | +9 | |||
| 28 октября | +8 | |||
| 27 октября | 0 | |||
| 26 октября | 0 | |||
| 25 октября | 0 | |||
| 24 октября | +2 | |||
| 23 октября | 0 | |||
| 22 октября | +3 | |||
| 21 октября | +5 | |||
| 20 октября | 0 | |||
| 19 октября | +1 | |||
| 18 октября | 0 | |||
| 17 октября | 0 | |||
| 16 октября | 0 | |||
| 15 октября | +9 | |||
| 14 октября | +1 | |||
| 13 октября | 0 | |||
| 12 октября | +2 | |||
| 11 октября | +1 | |||
| 10 октября | +2 | |||
| 09 октября | 0 | |||
| 08 октября | +2 | |||
| 07 октября | +10 | |||
| 06 октября | +7 | |||
| 05 октября | +2 | |||
| 04 октября | +7 | |||
| 03 октября | +4 | |||
| 02 октября | +8 | |||
| 01 октября | +2 |
Посты канала
✅ ۴ تا میان‌بُر طلایی که جستجوی مقالات ML رو ۱۰ برابر سریع‌تر می‌کنه!
👨🏻💻 تقریباً هر چند دقیقه یه مقاله جدید در حوزه یادگیری ماشین منتشر میشه؛ یعنی تا بیای یه مقاله رو باز کنی و مقدمه‌شو بخونی، دو تا مقاله جدید دیگه هم منتشر شده!
⬅️ پس اگه بخوای سنتی و دستی دنبال مقاله‌ها بگردی، قطعاً جا می‌مونی. برای اینکه تو این حجم از اطلاعات غرق نشی، باید هوشمندانه‌تر عمل کنی. این ۴ تا منبع همون "میان‌بُر"هایی‌ان که لازم داری:
1⃣ وبسایت Papers with Code
🔴 هر مقاله‌ای که کدش منتشر شده باشه رو اینجا پیدا می‌کنی. میتونی بر اساس ستاره‌های گیت‌هاب مرتبشون کنی تا بفهمی الان کدوم مدل رو بورسه و همه دارن ازش استفاده میکنن.
➖ ➖ ➖ ➖ ➖
2⃣ وبسایت ShortScience
🟣 شبیه اStack Overflowئه ولی مخصوص محقق‌های هوش مصنوعی. خلاصه‌ی آآخرین دستاوردهای یادگیری ماشین رو جمع‌وجور گذاشتن. این خلاصه‌ها رو خودِ محقق‌ها داوطلبانه می‌نویسن؛ تو هم اگه مقاله‌ای خوندی، میتونی خلاصه‌شو بذاری بقیه استفاده کنن.
➖ ➖ ➖ ➖ ➖
3⃣ وبسایت Arxiv Sanity
🟢 این وبسایت شاهکارِ «آندری کارپاتی» محقق معروف هوش مصنوعیه. ساخته شده که کار با سایت Arxiv (که انصافاً اصلاً کاربرپسند نیست!) رو راحت کنه. مثلاً میتونی مقالاتی که بیشترین شباهت رو به موضوعِ مدنظرت دارن پیدا کنی یا ببینی الان کدوما "ترند" شدن. یه سیستم پیشنهاددهنده هم داره که قشنگ می‌فهمه دنبال چی هستی.
➖ ➖ ➖ ➖ ➖
4⃣ اسکریپت sotawhat
🟡 این دیگه مخصوصِ پایتون‌کاراست! یه اسکریپت که بهش کلمه کلیدی می‌دی و اون کلِ Arxiv رو برات شخم می‌زنه. لیست مقالات مرتبط رو با خلاصه‌شون بهت تحویل میده. میتونی حتی کل پروسه رو اتوماتیک کنی که هر مقاله جدیدی اومد، برات یه جا ذخیره بشه.
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
| 2 |  ☁️ ابرک ویراک را 24 ساعت رایگان تست کنید!
قبل از خرید، سرویس ابری VirakCloud را با شرایط واقعی امتحان کنید:
🎁 24 ساعت تست رایگان
🚀 پهنای باند اختصاصی با ترافیک نامحدود
⏱️ پرداخت ساعتی؛ فقط به اندازه مصرفتان هزینه کنید
بدون نیاز به تعهد بلندمدت، ابرک خودتان را بسازید، عملکرد سرویس را بررسی کنید و بعد تصمیم بگیرید.
برای دریافت کد تست رایگان، کلمه «تست» را به آیدی زیر ارسال کنید:
https://t.me/cloud_virak
👇 سپس وارد پنل VirakCloud شوید، کد را وارد کنید و ابرک خود را بسازید:
🔗 https://B2n.ir/qy4432
☎️ 02191555530
🌐 virakcloud.com | 891 |
| 3 | 📚 راهنمای جامع «آموزش LLM»
👨🏻💻 این فایل، جمع‌بندیِ مهم‌ترین مقالات و تحولات دنیای LLMها از سال ۲۰۲۰ تا ۲۰۲۶ هست که در قالب یک جزوه ارائه‌ی آکادمیک و ساختاریافته از دانشگاه UNC تدوین شده.
☑️ خوبیِ این جزوه اینه که از صفر ماجرا رو پوشش میده؛ یعنی از مفاهیم مثل Pre-training و پرامپت‌نویسیِ Zero-shot شروع میشه، و می‌رسه به درکِ عمیق Test-Time Scaling، معماری کدینگ ایجنت‌ها، چالش‌های RLHF و قلق‌های آموزش مدل‌های استدلال‌گر با با تکنیک RLVR.
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa | 1 439 |
| 4 |  📊 از داده‌های خام، به پاسخِ مسئله‌های واقعی کسب‌وکار برسید.
چرا فروش کاهش یافته است؟ مشتریان چه رفتاری دارند؟ چطور می‌توان از اطلاعات گذشته برای پیش‌بینی استفاده کرد؟ پاسخ‌دادن به این پرسش‌ها، به مهارت تحلیل داده و مدل‌سازی نیاز دارد.
در بیست‌وچهارمین دوره جامع علم داده سماتک، آمار، Python، یادگیری ماشین و مصورسازی داده را به‌صورت پروژه‌محور و با داده‌های واقعی یاد می‌گیرید؛ الگوریتم‌ها را پیاده‌سازی می‌کنید، مدل‌ها را ارزیابی می‌کنید و نتایج را به زبان کسب‌وکار ارائه می‌دهید.
🎯 این دوره برای افرادی مناسب است که با مفاهیم برنامه‌نویسی آشنایی دارند و می‌خواهند مهارت‌های موردنیاز مسیر علم داده را توسعه دهند.
🍁شروع قطعی از 8 آبان
⏱️روزهای جمعه 14 الی 19
🌀استاد: وحید قربانی
✔️ ظرفیت حضوری دوره تکمیل شده است.
👨🎓 پنج درصد تخفیف ویژه دانشجویان
👈پیش نیاز: آشنایی با مفاهیم برنامه نویسی
👀مشاهده سرفصل دوره
📞تلفن ثبت نام: 02188738394
📣هر سوالی داری از @sematecr بپرس
✅لذت پیشرفت را تجربه کنیم
🔰سماتک، مرکز آموزش‌های تخصصی IT
🚀@sematec_co | 1 179 |
| 5 |  🐍 یک کتابخانه اوپن‌سورس برای مهندسی ویژگی!
🔃 از داده گمشده تا انتخاب ویژگی
👨🏻💻 همه می‌دونیم که بخش بزرگی از پروسه‌ی ساخت مدل‌های یادگیری ماشین به تمیز کردن و آماده‌سازی دیتا می‌گذره. کارهایی مثل مدیریت مقادیر گمشده، انکود کردن متغیرهای دسته‌ای، مدیریت داده‌های پرت و انتخاب ویژگی به‌شدت زمان‌برن.
▶️ برای ساده‌تر کردن این مسیر، کتابخونه‌ی اوپن‌سورس Feature-engine در پایتون کلی ترنسفورمر آماده برای مهندسی ویژگی بهت میده که به خاطر سازگاری کامل با APIهای scikit-learn، بدون هیچ دردسری مستقیم داخل پایپ‌لاین‌های پروژه‌ت می‌شینن.
📣 با این کتابخونه چه کارهایی میشه کرد؟
🔴 مدیریت داده‌های گمشده
🟠 کدگذاری متغیرهای دسته‌ای
🟡 مدیریت داده‌های پرت
🟢 تبدیل متغیرها
🔵 ساخت ویژگی‌های جدید
🔵 انتخاب ویژگی
🟣 استخراج ویژگی از تاریخ، متن و سری زمانی
⚫️ ساخت پایپ‌لاین‌های پردازش داده
💯 دلیل اصلی محبوبیت این کتابخونه مکانیزم عملکردشه! ترنسفورمرهای این کتابخونه با استفاده از متدهای ()fit و ()transform، پارامترهای تبدیل رو از دیتای آموزش یاد می‌گیرن و مستقیماً برای داده‌های جدید استفاده میکنن.
⚡️ این ساختار باعث میشه بتونی تمام مراحل پیش‌پردازش رو داخل یه پایپ‌لاین یکپارچه قرار بدی و ریسک بزرگ نشت اطلاعات در فرایند اعتبارسنجی متقاطع رو به حداقل برسونی.
┌ 📃 Documentation
└ 🐱 GitHub-Repos
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa | 1 288 |
| 6 |  🤖 متخصص هوش مصنوعی شو
✨ هوش مصنوعی داره دنیای اطرافمون رو تغییر میده و کسانی که در آینده نتونن از این فناوری استفاده کنن، از بازار کار عقب میمونن.
💡 حالا تصور کن به‌جای استفاده از ابزارهای آماده، یاد بگیری که سیستم‌های مبتنی بر هوش مصنوعی چطور کار میکنن و چطور میتونی با AI، پروژه‌های مختلف بسازی!
🚀 در دوره هوش مصنوعی آکادمی همراه اول با مفاهیم این فناوری، از برنامه‌نویسی پایتون و یادگیری عمیق گرفته تا پردازش تصویر و پردازش متن آشنا میشی.
💎 کی‌بُرد، رویداد آموزشی و استعدادیابی آکادمی همراه اوله که شرکت‌کنندگان میتونن آموزش ببینن، پروژه بسازن و با هم رقابت کنن.
🏆 جوایز بخش مسابقه رویداد:
یک میلیارد تومان جایزه نقدی و صدها جایزه ارزشمند غیرنقدی دیگر
🔥 آینده هوش مصنوعی رو کسانی می‌سازن که به این فناوری مسلط میشن. مسیر یادگیریت رو از همین امروز شروع کن!
🔗 لینک ثبت‌نام در رشته هوش مصنوعی کی‌بُرد:
l.kibordevents.com/tgm-ai
💎 کد تخفیف ویژه یــک میلیون تومانی: telegramai
⭕️ مهلت استفاده: 10 آبان 1405
@Kibordevents | 912 |
| 7 |  📱 نقشه‌راه فارسی «یادگیری MLOps»
👨🏻💻 صرفاً تسلط روی کلاد، داکر و ابزارهای توسعه و زیرساخت برای ورود به دنیای MLOps کفایت نمی‌کنه. علاوه بر این‌ها، باید بدونی مدل‌های ML چطور آموزش داده میشن، با چه مکانیزمی روی پروداکشن دیپلوی میشن و چطور باید عملکردشون رو درلحظه زیر نظر بگیری و مانیتور کنی.
🧾 چالش اصلی MLOps اینه که مدل رو از مرحله آزمایش و توسعه به یک سیستم قابل‌اعتماد در پروداکشن برسونی؛ سیستمی که نسخه‌هاش قابل پیگیری باشن، فرایندهاش خودکار اجرا بشن و مشکلاتش قابل شناسایی باشن.
✅ در فایل زیر، نقشه‌راه یادگیری MLOps رو از مبانی پایتون، گیت، کلاد و مهندسی داده گرفته تا سرو مدل، CI/CD، ترکینگ آزمایش‌ها، مانیتورینگ و زیرساخت به‌عنوان کد دسته‌بندی کردم تا بدونی برای ورود به این حوزه، چه مهارت‌هایی رو باید به چه ترتیبی یاد بگیری.
🏷 جزوه فارسی: PDF
🔗 منبع: لینک
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa | 1 384 |
| 8 | 💻 جزوه «مفاهیم و کاربردهای Agentic AI»
👨🏻💻 مهندس‌های مایکروسافت در این جزوه ۱۵۰ صفحه‌ای دست گذاشتن روی یه اصل کلیدی؛ در مسیر توسعه‌یِ ایجنت‌ها، چالش اصلی این نیست که به مدل آزادی عملِ بی‌نهایت بدیم؛ هنرِ اصلی اینه که بتونیم این رفتار رو کنترل کنیم و سیستمی بسازیم که تو محیط حساس پروداکشن، کاملاً قابل‌اعتماد جواب بده.
📃 مسیر این راهنما کاملاً ساختاریافته‌ست؛ اول از الگوهای پایه‌ای مثل CoT ،ReAct و Reflexion و اصول معماری ایجنت‌ها (مدیریت کانتکست، حافظه و سیستم‌های مولتی‌ایجنت) شروع می‌کنه. بعد مستقیم می‌ره سراغ پیاده‌سازی پایپ‌لاین‌های Agentic RAG و ارزیابی مدل‌ها تو دنیای واقعی (نه فقط بنچمارک‌های روی کاغذ).
⬅️ در بخش آخر هم بحث فاین‌تیونینگ با GRPO/QLoRA و بررسی کیس‌استادی‌های عملی تو صنعت مالی و سلامت رو باز می‌کنه.
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa | 1 907 |
| 9 |  ✨ بورسیه دانش‌آموزی آکادمی همراه اول؛ فرصتی برای یادگیری فناوری‌های دیجیتال
🌀 رویداد ملی کی‌بُرد آکادمی همراه اول با هدف آموزش تخصصی مهارت‌های روز فناوری‌های دیجیتال، برای دانش‌آموزان پایه‌های هشتم تا دوازدهم برگزار می‌شود.
رشته‌های چهارمین دوره کی‌بُرد:
👾 هوش مصنوعی
🎮 بازی‌سازی
🔌 اینترنت اشیاء
🔐 امنیت سایبری
رویداد کی‌بُرد، فرصتی برای رشد:
💻 آموزش‌های آنلاین و غیرحضوری
🔧 ساخت پروژه زیر نظر منتورهای متخصص
🏆 شرکت در مسابقه ملی دانش‌آموزی کی‌بُرد
🔥 امکان شرکت در بوت‌کمپ ویژه همراه اول برای برگزیدگان رویداد کی‌بُرد
🏆 جایزه بخش مسابقه رویداد:
یـک میلیارد تومان جایزه نقدی و صدها جایزه ارزنده غیرنقدی دیگر 🎁
لینک ثبت‌نام:
https://l.kibordevents.com/tgm
💎 کد تخفیف 1 میلیون تومانی: academy60
⭕️ مهلت استفاده: 10 آبان 1405
@Kibordevents | 1 022 |
| 10 |  🔹 ترم جدید غیرحضوری
مسیر شغلی دانشمند داده ۱۷ آبان شروع می شود.
✅ دیتاساینتیست کارآزموده شوید و روزمه قوی برای خود بسازید.
🔸 بیش از 340 ساعت . 150 جلسه . 50 هفته . 27 پروژه . 9 کورس . 8 مدرس
♦ شیرجه در علم داده . آمار و احتمال . power BI . پایتون . منابع داده . ماشین لرنینگ . دیپ لرنینگ . بیگ دیتا . لینوکس و داکر
مشاوره رایگان و ثبت نام:
https://www.dayche.com/s/lj7fuvee | 1 552 |
| 11 |  ✴️ دوره «یادگیری ماشین در دنیای واقعی»
😍 دانشگاه کارنگی ملون آمریکا
👨🏻💻 پرفورمنس بالای یه مدل در محیط آزمایشگاهی، لزوماً به این معنی نیست که در دنیای واقعی هم قراره معجزه کنه.
😎 ماهیت دیتا در دنیای واقعی عوض میشه، متریک‌های ارزیابی معمولاً با اهداف واقعی بیزینس یکی نیستن و گاهی حتی دقیق‌ترین مدل‌ها هم خروجی‌های گمراه‌کننده‌ای می‌دن.
▶️ دوره‌ی Machine Learning in Practice از دانشگاه کارنگی ملون دقیقاً دست گذاشته روی همین چالش‌ها؛ هدف این دوره یادگیریِ ساخت، ارزیابی و استقرار سیستم‌های ماشین لرنینگ بر اساس نیازهای واقعیِ کسب‌وکاره، نه صرفاً بالا بردنِ دقتِ مدل روی کاغذ.
✏️ سرفصل‌های این دوره:
🔵 تعریف مسئله و انتخاب رویکرد مناسب
🔵 تحلیل داده و مهندسی ویژگی
🔵 انتخاب مدل و ارزیابی عملکرد
🟢 ساخت پایپ‌لاین‌های ML
🟢 کار با مدل‌های پایه و ایجنت‌ها
🟢 ارزیابی سیستم‌های GenAI
🔴 مباحث فراتر از دقت مدل
🔴 ارزیابی تأثیر در دنیای واقعی
😀 این دوره در سطح تحصیلات تکمیلی طراحی شده و سرفصل‌ها، منابع مطالعاتی، برنامه‌ی جلسات و جزئیات پروژه‌اش تو لینک زیر در دسترسه.
💻 ML in Practice
💻 ML in Practice
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa | 1 814 |
| 12 |  ✅ ۳۱۰ هزار تومان تخفیف بیشتر + یکسال یادگیری بدون محدودیت
🔥 جشنواره اشتراک فرادرس
🔖 از مهارتی برای کار تا دانشی برای فردا؛ با اشتراک یک‌ساله فرادرس به بیش از ۱۹٬۰۰۰ آموزش کاربردی و مهارتی و آموزش‌های جدید، دسترسی نامحدود دارید.
قیمت فعلی سایت: ۱,۹۹۰,۰۰۰ تومان
💰 قیمت جشنواره: ۱,۶۸۰,۰۰۰ تومان
🎁 کد تخفیف افزوده طرح: SUBMA
🔗 دریافت اشتراک یک‌ساله – کلیک کنید
📕 آموزش‌های هوش مصنوعی و یادگیری ماشین [+]
➕ امکان پرداخت در ۴ قسط
@FaraDars — فرادرس | 1 229 |
| 13 |  🚀 دوره تربیت دانشمند داده و هوش مصنوعی (Data Scientist)
🔹 ۹۲ ساعت آموزش تخصصی | آنلاین | همراه با گواهینامه معتبر | امکان پرداخت اقساطی
اگر به دنیای تحلیل داده، هوش مصنوعی، یادگیری ماشین و Deep Learning علاقه‌مند هستید، این دوره می‌تواند شروعی جدی برای ورود به حوزه علوم داده و AI باشد.
💡 در این دوره چه یاد می‌گیرید؟
✔️ پاکسازی و آماده‌سازی داده
✔️ تحلیل داده و آزمون A/B
✔️ داده‌کاوی با پایتون
✔️ یادگیری ماشین (Machine Learning)
✔️ یادگیری عمیق و شبکه‌های عصبی (Deep Learning)
برای ثبت‌نام میتونی به سایت ما مراجعه کنی🔗
https://link.sharif.ac/tO4wH
➖➖➖➖➖➖➖➖➖➖➖➖
☎️ مشاوره و ثبت‌نام: 02167641999
📲 مشاوره بله: https://ble.ir/Jdsharif_626
➖➖➖➖➖➖➖➖➖➖➖➖
🔹 جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص.. | 1 563 |
| 14 |  👨🏻💻 یه ریپازیتوری گیت‌هاب به شدت کامل برای یادگیری هوش مصنوعی و ML پیدا کردم.
✔️ از نقشه‌راه و دوره‌های رایگان تا تمرین ساخت ایجنت توش هست. تو بررسیش حتی دیدم مباحث به‌روزی مثل LangChain و پرامپت انجینیرینگ رو هم خیلی عالی دسته‌بندی کرده.👇
😺 Everything AI/ML
😺 Everything AI/ML
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa | 2 200 |
| 15 |  🔻 آموزش آنلاین «آی‌نو» چطور هزینه‌های تحصیل را کاهش می‌دهد؟
سامانه آموزشی آی‌نو با ارائه ویدیوهای درسی پایه اول تا دوازدهم در رشته‌های ریاضی، تجربی و انسانی، امکان یادگیری آنلاین و دسترسی به آموزش‌های تیزهوشان و آمادگی کنکور را برای دانش‌آموزان سراسر کشور فراهم کرده است.
دانش‌آموزان پس از تهیه اشتراک می‌توانند از بانک بیش از ۶۰۰ هزار سوال، آزمون‌های شبیه‌ساز با قابلیت تنظیم زمان و سطح دشواری و پاسخ‌نامه تشریحی استفاده کنند. علاوه بر آن امکان رقابت سالم و کسب امتیاز و جوایز از طریق دیدن ویدئوها، شرکت در آزمون و استفاده روزانه نیز فراهم است.
امکان مشاهده ویدیوها در هر زمان و دسترسی به سه ویدیوی رایگان از هر درس پیش از خرید اشتراک، از ویژگی‌های این سامانه است که می‌تواند به کاهش هزینه‌های آموزش و رفت‌وآمد کمک کند.
علاقه‌مندان برای آشنایی با خدمات آی‌نو می‌توانند با شماره ۰۲۱۲۸۴۲۵۵۱۰ تماس بگیرند یا از طریق شناسه @ino_school_admin با پشتیبانی در ارتباط باشند. | 1 705 |
| 16 |  📊 داده‌ها حرف می‌زنند؛ فقط باید بلد باشید آن‌ها را تحلیل کنید.
امروز تصمیم‌های بزرگ کسب‌وکارها بر پایه داده گرفته می‌شود و متخصصان علم داده، از پرتقاضاترین نیروهای بازار کار هستند.
در دوره علم داده (Data Science) با مهارت‌هایی مانند Python، تحلیل داده، یادگیری ماشین، مصورسازی داده و کار با داده‌های واقعی آشنا می‌شوید و یاد می‌گیرید چگونه داده‌ها را به بینش و تصمیم تبدیل کنید.
🚀 اگر به دنبال یادگیری یکی از آینده‌دارترین مهارت‌های دنیای فناوری هستید، این دوره نقطه شروع شماست.
کسب اطلاعات بیشتر و ثبت‌نام ↙️
https://link.sharif.ac/57Ihl
➖➖➖➖➖➖➖➖➖➖➖➖
☎️مشاوره وثبت نام : 02167641999
📲مشاوره بله: https://ble.ir/Jdsharif_626
➖➖➖➖➖➖➖➖➖➖➖➖
🔹 جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص... | 1 902 |
| 17 | 🤖 جزوه جامع RAG
👨🏻💻 این جزوه چکیده‌یِ یه جلسه‌ی آموزش تخصصی ۳.۵ ساعته‌ست که معماریِ نسل جدید سیستم‌های RAG رو تو سه رویکرد ماژولار، مبتنی بر گراف و ایجنتیک بررسی می‌کنه. علاوه بر این معماری‌ها، مباحث دیگه‌ای مثل بازنویسی کوئری، بازیابی اطلاعات، تولید پاسخ، سرچ چندمرحله‌ای، کار با دیتای چندوجهی و Deep Research هم کاملاً پوشش داده شدن.
🥩 محتوای این اسلایدها با بررسی بیش از ۲۰۰۰ مقاله‌ی پژوهشی از سال‌های ۲۰۲۰ تا ۲۰۲۶ تهیه شده و علاوه بر معرفی روش‌ها و بنچمارک‌ها، به مقایسه‌ی رویکردها و مسیرهای آینده‌ی این حوزه هم می‌پردازه.
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa | 2 397 |
| 18 | 🏷 «مقایسه عملکرد XGBoost ،LightGBM و CatBoost روی دیتای کثیف»
✅ کدوم مدل در برابر نویز داده‌ها مقاوم‌تره؟
👨🏻💻 پرفورمنس بالای یه مدل روی دیتای تمیزِ محیط تست، اصلاً تضمین نمی‌کنه که موقع برخورد با دیتای کثیف و نویزی هم همون‌قدر خوب کار کنه. برای انتخاب بهترین مدل، باید دقیقاً بدونیم افت کیفیت دیتا و وجود نویز، چه تأثیری روی خروجی نهایی مدل می‌ذاره و چقدر افت دقت ایجاد می‌کنه.
📃 این مقاله‌ی پژوهشی، مقاومت سه الگوریتم پرکاربرد یادگیری ماشین یعنی XGBoost ،LightGBM و CatBoost رو در برابر نویز داده‌ها بررسی می‌کنه و به این سؤال می‌پردازه که تغییر میزان نویز چطور می‌تونه عملکرد این مدل‌ها رو تحت تأثیر قرار بده.
▶️ این مقایسه روی ۱۵ دیتاست طبقه‌بندی از مجموعه‌ی OpenML انجام شده و شامل سه نوع نویز برچسب (Label Noise)، چهار سطح شدت نویز و سه بار اجرای آزمایش با رندوم سیدهای متفاوت بوده.
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa | 2 423 |
| 19 |  ۱۰۰٪ تخفیف، راس ساعت ۱۰ شب!
از ۳۰ مهر تا ۶ آبان، هر شب ۳ کد تخفیف ۱۰۰ درصدی برای اکانت ۱۸ ماهه Gemini Pro توی کانال تلگرام ایرانیکارت قرار می‌گیره.🔥
ولی فقط ۳ نفر اولی که هر شب از این کدها استفاده کنن، میتونن اکانت جمنای پرو رو کاملا رایگان دریافت کنن.😎
برای اینکه این فرصت رو از دست ندین، همین حالا از طریق لینک زیر عضو کانال تلگرام ایرانیکارت بشین و نوتیفیکیشنش رو روشن کنین تا راس ساعت ۱۰ شب آماده باشین.👇🏼
🔗 چنل تلگرام ایرانیکارت
ایرانیکارت | 1 925 |
| 20 |  🤖 دوره‌ی «Agentic AI»
👨🏻💻 دوره‌ی Agentic AI Course با ۱۱۷ درس در ۲۱ ماژول آموزشی، یه مسیر آموزشی جامع و ساختاریافته‌ست که مباحث مختلف توسعه‌ی سیستم‌های مبتنی بر هوش مصنوعی رو پوشش میده؛ از معماری ترنسفورمر و مهندسی پرامپت تا سیستم‌های چندایجنتی، ارزیابی، امنیت و استقرار.
✏️ این کورس یه بخش برای پروژه‌های عملی هم داره؛ از ساخت چت‌بات RAG و سیستم‌های چندایجنتی گرفته تا توسعه‌ی MCP Server.
⬅️ در کنار این‌ها، یه بخش اختصاصی هم برای بررسی معماری سیستم‌ها و آمادگی برای مصاحبه‌های مهندسی AI در نظر گرفته شده تا خیالت از بابت بازار کار هم راحت باشه.
📣 مباحث دوره شامل:
🔹 مبانی LLM و مهندسی پرامپت
🔹 ساخت ایجنت‌های هوش مصنوعی
🔹 سیستم‌های چندایجنتی
🔹 پروتکل MCP و ارتباط ایجنت‌ها
🔹 بازیابی اطلاعات و RAG
🔹 فاین‌تیونینگ و بهینه‌سازی مدل
🔹 ارزیابی و تست
🔹 مانیتورینگ و دیپلوی
🔹 امنیت و حاکمیت AI
🔹 مباحث پیشرفته
🐱 Agentic AI Course
🐱 Agentic AI Course
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa | 2 201 |
