Machine Learning | یادگیری ماشین

Открыть в Telegram

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

Больше

Сеть:Data Science | علم داده Иран10 011 Технологии и приложения4 011...

📈 Аналитический обзор Telegram-канала Machine Learning | یادگیری ماشین

Канал Machine Learning | یادگیری ماشین (@machinelearning_ir) языкового сегмента Фарси является активным участником. Сейчас сообщество объединяет 34 085 подписчиков, занимая 4 011 место в категории Технологии и приложения и 10 011 место в регионе Иран.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 34 085 подписчиков.

Согласно последним данным от 20 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -236, а за последние 24 часа — -1, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 9.44%. В первые 24 часа после публикации контент обычно набирает 3.91% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 3 216 просмотров. В течение первых суток публикация набирает 1 332 просмотров.
Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 5.
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 21 июня, 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.

34 085

Подписчики

-124 часа

-727 дней

-23630 день

3 216

Просмотры поста

~ 1 33224 часа

~ 1 77748 часов

9.44%

Коэффициент вовлеченности

Нет данных

Постов в день

Ads index

beta

Архив постов

34 085

💣 با این ابزار مثل آب خوردن مدل یادگیری ماشین بساز! 👨🏻‍💻 چند وقت پیش دنبال یه راهکار بودم که بتونم یه مدل یادگیری ماشین رو سریع و بدون دردسر آموزش بدم و دیپلوی کنم. نمی‌خواستم درگیر کلی کدنویسی، تنظیمات پیچیده و سر و کله زدن با زیرساخت‌های طاقت‌فرسا بشم، برای همین رفتم سراغ Amazon SageMaker. 🎯 این ابزار مثل اینه که یه نفر همه اون کارهای سخت و پیچیده رو برام انجام بده. دیگه لازم نبود نگران این باشم که چطوری داده‌هامو آماده کنم، چه الگوریتمی رو انتخاب کنم یا چه‌جوری مدلم رو دیپلوی کنم. SageMaker همه اینا رو برام آسون کرده بود! 💯 🔥 حالا SageMaker دقیقا چیکار می‌کنه؟ 🔢 داده‌هاتو جمع و جور می‌کنه: هر جور داده‌ای که داشته باشی، از CSV بگیر تا JSON و عکس، SageMaker همه رو از Amazon S3 میخونه و برات آماده میکنه. 🔢 بهت الگوریتم پیشنهاد میده: یه عالمه الگوریتم آماده داره که می‌تونی از بینشون انتخاب کنی. تازه، میتونی الگوریتم خودتم بیاری! 🔢 مدل رو برات آموزش میده: فقط یه دکمه رو میزنی و SageMaker خودش همه کارها رو می‌کنه و مدلت رو برات آموزش میده. 🔢 مدل رو دیپلوی می‌کنه: بعد از آموزش، می‌تونی مدلت رو به عنوان یه سرویس آنلاین دیپلوی کنی و ازش استفاده کنی. 🔢 مدل رو مانیتور می‌کنه: SageMaker همیشه حواسش به مدلت هست و اگه مشکلی پیش بیاد، بهت خبر میده. 📌 اگه تو هم می‌خوای بدون دردسر مدلتو بسازی و دیپلوی کنی، این راهنما رو حتما داشته باش.👇 ┌ ➡️ Build ML Models with SageMaker └ 📄 Article 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

📄 جزوه فارسی «تحلیل عاملی در یادگیری ماشین» 👩🏻‍💻 همیشه وقتی با یه دیتاست پر از ویژگی‌های مختلف کار می‌کردم، این سوال برام پیش میومد که همه این متغیرها لازم هستن یا نه؟ خیلی وقتا ویژگی‌های زیادی داریم که بخش زیادیشون اطلاعات تکراری یا نویز هستن. اینجا بود که با تحلیل عاملی آشنا شدم! ✏️ این روش یه راه هوشمندانه‌ست که بهم کمک کرد بفهمم کدوم متغیرها واقعا مهمن و چطور می‌تونم ابعاد داده‌هام رو کاهش بدم بدون اینکه اطلاعات کلیدی رو از دست بدم. ◀️ چرا تحلیل عاملی برام مهم شد؟ 🟡 وقتی دیتای زیادی داری و باید اون رو ساده‌تر کنی، بدون از دست دادن ارزش اصلی داده‌ها، 🔴 وقتی می‌خوای الگوهای پنهان بین متغیرها رو کشف کنی، ✅️وقتی داری روی مدل‌های یادگیری ماشین کار می‌کنی و می‌خوای عملکردشون رو بهتر کنی. ✔️ همه این تجربه‌ها رو، از نحوه اجرا تا تفسیر نتایج با مثال‌های واقعی، توی این جزوه آوردم. 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

🌀 پلی‌لیست جامع آمادگی و موفقیت در مصاحبه‌های یادگیری ماشین 👨🏻‍💻 این روزا موقعیت‌های شغلی برای مهندسان یادگیری ماشین خیلی بیشتر شده، ولی یه چالش بزرگ اینجاست: مصاحبه‌ها سخت‌تر شدن! ✏️ من همیشه استرس مصاحبه‌های شغلی رو داشتم، مخصوصاً تو این حوزه که هر روز یه چیز جدید میاد. به خاطر همین همیشه دنبال یه منبع خوب و جامع می‌گشتم که خیالم رو راحت کنه. ✔️ اگه می‌خوای شانست رو برای گرفتن یه موقعیت خوب بالا ببری، باید آماده باشی. من یه لیست از بهترین منابعی که تو این مسیر کمکم کردن رو اینجا آوردم:👇 📌 چطور مدل‌های ML برای مقابله با تقلب طراحی کنیم؟ 📎 مبارزه با جعل و تقلب 📎 شخیص تخلف در بازگشت کالا 📌 ترندهای مصاحبه و مهارت‌های ضروری 📎 تحلیل آخرین روندهای مصاحبه در حوزه ML و AI 📎 ریاضیات پایه برای یادگیری ماشین 📎 روش‌های کدگذاری متغیرهای دسته‌ای 📌 چطور مدل‌های ML برای مقابله با تقلب طراحی کنیم؟ 📎 هر اون‌چه که باید درباره رگرسیون خطی بدونی 📎 راهنمای جامع رگرسیون لجستیک 📌 نکاتی پیشرفته درباره هوش مصنوعی و LLMs 📎 هوش مصنوعی محاوره‌ای 📎 چطور مدل‌های زبانی رو سریع‌تر و بهینه‌تر کنیم؟ 📌 کار با داده‌های حجیم 📎 اصول PySpark برای پردازش داده‌های بزرگ 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

Repost from Expresstaksir

🚀 دوره استادی پایتون – از مبتدی تا حرفه‌ای در ۶ جلسه! 🔥 🔹 آیا می‌خواهی پایتون را از صفر یاد بگیری و در کوتاه‌ترین زمان به سطح حرفه‌ای برسی؟ 🔹 می‌خواهی مهارتت را در پروژه‌های واقعی به کار بگیری و آماده ورود به بازار کار شوی؟ 💡 پس این دوره مخصوص توست! ✅ ۶ جلسه آموزشی فوق‌العاده (کاملاً پروژه‌محور) ✅ از مفاهیم پایه تا پیشرفته (OOP، API، داده‌کاوی، اتوماسیون، پردازش موازی) ✅ کار با فریمورک‌های محبوب (Flask, Django, Pandas, NumPy) ✅ ساخت پروژه نهایی (ربات تلگرام، داشبورد داده، یا وب‌اسکرپر) 🎯 نتیجه این دوره؟ 🔹 مهارت کافی برای انجام پروژه‌های واقعی 🔹 آمادگی برای ورود به بازار کار 🔹 یادگیری ترفندهای حرفه‌ای و بهینه‌سازی کد 📅 شروع دوره: پنجشنبه 21 فروردین 1403 ⏳ مدت دوره: ۶ جلسه فشرده و کاربردی 📍 مکان: آنلاین و قابل مشاهده در هر زمان همراه با فیلم ضبط شده دوره 🎁 هدیه ویژه: دریافت جزوات، تمرین‌ها و منابع اختصاصی 🔥 ظرفیت محدود است! همین حالا ثبت‌نام کن! 📩 برای اطلاعات بیشتر و ثبت‌نام: @Expresstaksir_admin ❌آدرس کانال: https://t.me/expresstaksir

34 085

🔹 راحت‌ترین راه برای دیپلوی مدل‌های یادگیری ماشین که تا حالا دیدم! 👨🏻‍💻 همیشه دیپلوی مدل‌های ML دردسرهای خاص خودش رو داره؛ تنظیمات پیچیده، مدیریت سرورها، بهینه‌سازی سرعت و کلی چالش دیگه. ✏️ ولی چند وقتیه که با LitServe کار می‌کنم و واقعاً کارمو راحت کرده! یه ابزار جدید و متن‌باز، ساخته‌شده روی FastAPI، که دیپلوی مدل‌ها رو سریع‌تر و ساده‌تر می‌کنه. ❓ چرا LitServe؟ ✅ ۲ برابر سریع‌تر از FastAPI خام ✅ پشتیبانی از Batching و Streaming ✅ اسکیل خودکار روی GPU ✅ خیلی سبک، سریع و بدون پیچیدگی اضافی ┌ 🥵 LitServe ├ 📄 Documentation └ 🐱 GitHub-Repos 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

📣 بالاخره کتاب «راهنمای NumPy برای یادگیری ماشین» آماده شد! 👩🏻‍💻 نوشتن این کتاب یه ایده ساده بود که توی ذهنم شکل گرفت: یه منبع کاربردی و قابل فهم برای کسایی که می‌خوان NumPy رو توی یادگیری ماشین بهتر درک کنن. ✏️ وقتی شروع به نوشتن کردم، فقط یه سری یادداشت و کد پراکنده داشتم، اما کم‌کم تبدیل شد به یه راهنمای جامع. ✅ یه منبع ساده، بدون پیچیدگی، و مخصوص کسایی که می‌خوان NumPy رو از پایه تا سطح حرفه‌ای یاد بگیرن. 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

✅ پروژه "تشخیص پیامک‌های اسپم" 👨🏻‍💻 همیشه برام جالب بود که چطور می‌شه با یادگیری ماشین جلوی پیامک‌های اسپم رو گرفت. به همین خاطر، یه مدل یادگیری ماشین برای تشخیص پیامک‌های اسپم ساختم که پیام‌ها رو به دو دسته‌ی اسپم و غیر اسپم طبقه‌بندی می‌کنه. ✏️ اول، داده‌های پیامک‌ها رو از کگل گرفتم و شروع کردم به تمیزکاری داده‌ها و تحلیل اکتشافی (EDA). بعدش، متن پیام‌ها رو با استفاده از NLTK پردازش کردم و از TF-IDF vectorization برای تبدیل متن به ویژگی‌های عددی استفاده کردم. 🖥 در نهایت، مدل رو با استفاده از Multinomial Naive Bayes آموزش دادم و با Pickle ذخیره کردم. برای اینکه یه خروجی کاربرپسند داشته باشم، از Streamlit استفاده کردم تا یه وب‌اپ ساده برای تست مدل بسازم. ┌ 📩 Email/SMS Spam Detector ├ 💰 Streamlit App └ 🐱 GitHub-Repos 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

👨🏻‍💻 من خودم بارها با چالش‌های مدل‌های کامپیوتر ویژن سر و کله زدم. دیتاست‌های عظیم، فاین‌تیونینگ‌های پیچیده، هزینه‌های بالا... ولی Vision Agent اومده که همه‌ی اینا رو دور بزنه! ✏️ یه مدل هوش مصنوعی که می‌تونه بدون نیاز به دیتاست‌های عظیم، با چند نمونه یاد بگیره، مثل یه انسان تصاویر رو بفهمه، تحلیل کنه و بهت پاسخ بده. ◀️ یادگیری با چند نمونه ✅ یعنی نیاز نیست هزاران تصویر جمع کنیم، فقط با چندتا نمونه می‌تونه الگو یاد بگیره. ◀️ متن + تصویر = یه هوش مصنوعی همه‌فن‌حریف ✅ میتونی بهش سوال بدی، تحلیل بخوای و حتی نتایج تصویری رو با زبان طبیعی ترکیب کنی. ◀️ بدون دردسر، آماده‌ی استفاده ✅ نیازی به تنظیمات پیچیده یا فاین‌تیونینگ سنگین نیست. ┌ 💡 VisionAgent └ 🐱 GitHub-Repos 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

📍 «نقشه راه بصری یادگیری ماشین» 👨🏻‍💻 وقتی تو اولین پروژه یادگیری ماشینم شکست خوردم، تازه فهمیدم یادگیری ماشین هنر حل مسئله است، نه نمایش کدنویسی! ✅ به همین خاطر، یه نقشه راه بصری درست کردم که توش تمام مفاهیم کلیدی ماشین لرنینگ رو به‌صورت طبقه‌بندی شده آوردم که جزئیات این حوزه رو به زبان ساده توضیح میده. 📌 این فایل شامل: ✅ انواع یادگیری ماشین. ✅ تکنیک‌های تخصصی ML. ✅ کاربردهای ML در دنیای واقعی. ✅ چگونگی ارتباط این مفاهیم با یکدیگر. 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

💧 7 قدم ساخت اولین مدل یادگیری ماشین 👨🏻‍💻 یادگیری ماشین همیشه پیچیده به نظر می‌رسه، ولی وقتی مرحله به مرحله جلو بری می‌بینی که چقدر ساده‌تر از اون چیزیه که فکر می‌کردی! 1⃣ انتخاب مسئله: 🔴 پیش‌بینی مقادیر پیوسته (مثل قیمت خانه یا سهام) ← Regression 🟡 دسته‌بندی (مثل تشخیص اسپم یا تقلب) ← Classification 🔵 خوشه‌بندی (مثل تقسیم‌بندی مشتریان) ← Clustering 🔢 پیدا کردن و آماده‌سازی داده: 🔴 منابع داده: 🔴Kaggle 🟡Google Dataset Search 🔵 تمیزکاری داده: ✅ حذف یا پر کردن مقادیر خالی ✅ تبدیل داده‌های کیفی به عددی (مثل One-Hot Encoding) ✅ نرمال‌سازی داده‌های عددی 🔢 انتخاب مدل: برای شروع، از مدل‌های ساده استفاده کن. ✅ رگرسیون خطی ◀️ پیش‌بینی مقادیر پیوسته ✅ رگرسیون لجستیک ◀️ مسائل دسته‌بندی دودویی ✅ درخت تصمیم و جنگل تصادفی ◀️ داده‌های ساختاریافته 🔢 تقسیم داده به آموزش و آزمون ✅ ۸۰٪ برای آموزش، ۲۰٪ برای تست!

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

🔢 مدل رو بساز و آموزش بده

from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

🔢 ارزیابی مدل: 🔴MAE → میانگین خطا 🟡MSE → جریمه خطاهای بزرگ‌تر 🩷R² Score → میزان توضیح واریانس توسط مدل 🔢 بهبود مدل: هیچ مدلی از اول کامل نیست! اینجوری بهترش کن. ✅ مهندسی ویژگی ◀️ اضافه کردن ویژگی‌های بهتر ✅ تنظیم هایپرپارامترها ◀️ بهینه‌سازی مدل ✅ امتحان مدل‌های دیگر ◀️ مثل شبکه‌های عصبی 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

🌀 9 تا از بهترین دوره‌های یادگیری ماشین دانشگاه استنفورد ⚡️ که باید از همین امروز شروعشون کنی 👨🏻‍💻دانشگاه استنفورد یکی از به روزترین دانشگاه‌ها تو حوزه‌ی یادگیری ماشینه و توش میشه کلی دوره ماشین لرنینگ پیدا کرد که می‌تونی رایگان بگذرونی‌شون. ✅ من تمامی دوره‌های مربوط به یادگیری ماشین و هوش مصنوعیش رو بررسی کردم و اینجا 9 تا از بهترین دوره‌هایی که رایگان می‌تونین بگذرونین رو معرفی کردم.👇 1️⃣ هوش مصنوعی (CS221) ⏪ تو این دوره می‌فهمی که هوش مصنوعی چطور کار می‌کنه، از الگوریتم‌های جستجو گرفته تا مدل‌های احتمالی و تصمیم‌گیری هوشمند. 🔗 لینک: Course Homepage ➖ ➖ ➖ ➖ ➖ 2️⃣ یادگیری ماشین با تدریس اندرو نگ (CS229) ⏪ یکی از معروف‌ترین دوره‌های یادگیری ماشین که کلی مفاهیم پایه‌ای و پیشرفته رو پوشش می‌ده. 🔗 لینک: Course Homepage ➖ ➖ ➖ ➖ ➖ 3️⃣ یادگیری عمیق با تدریس اندرو نگ (CS230) ⏪ یه دوره کامل در مورد یادگیری عمیق که شامل شبکه‌های عصبی، CNN ،RNN و کلی کاربرد دیگه است. 🔗 لینک: Course Homepage ➖ ➖ ➖ ➖ ➖ 4️⃣ یادگیری تقویتی (CS234) ⏪ اینجا قراره با مفاهیم یادگیری تقویتی مثل فرآیندهای تصمیم‌گیری مارکوف و Q-learning آشنا بشی و ببینی چطور توی دنیای واقعی استفاده می‌شن. 🔗 لینک: Course Homepage ➖ ➖ ➖ ➖ ➖ 5️⃣ درک زبان طبیعی (CS224U) ⏪ این دوره تمرکزش روی NLP و نحوه نمایش معنایی کلمات و مدل‌های پردازش زبان طبیعی هست. 🔗 لینک: Course Homepage ➖ ➖ ➖ ➖ ➖ 6️⃣ پردازش زبان طبیعی با یادگیری عمیق (CS224N) ⏪ توی این دوره با مدل‌های NLP پیشرفته مثل ترنسفورمرها کار می‌کنی و یاد می‌گیری چطور یه مدل پردازش زبان طبیعی قوی بسازی. 🔗 لینک: Course Homepage ➖ ➖ ➖ ➖ ➖ 7️⃣ نظریه یادگیری ماشین (CS229M) ⏪ اگه دوست داری از لحاظ ریاضی و تئوری عمیق‌تر به یادگیری ماشین نگاه کنی، این دوره فوق‌العاده‌ست. 🔗 لینک: Course Homepage ➖ ➖ ➖ ➖ ➖ 8️⃣ یادگیری ماشین با گراف‌ها (CS224W) ⏪ اینجا یاد می‌گیری چطور از تکنیک‌های ML برای داده‌های گرافی‌، مثل شبکه‌های اجتماعی و سیستم‌های توصیه‌گر استفاده کنی. 🔗 لینک: Course Homepage ➖ ➖ ➖ ➖ ➖ 9️⃣ مقدمه‌ای بر یادگیری ماشین (EE104) ⏪ یه دوره جمع‌وجور ولی کاربردی که مفاهیم پایه‌ای مثل رگرسیون، طبقه‌بندی و بهینه‌سازی رو پوشش می‌ده. 🔗 لینک: Course Homepage 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

✏️ یادگیری بصری و تعاملی «جبر خطی» 👨🏻‍💻 همه‌مون تو حوزه یادگیری ماشین و هوش مصنوعی با جبر خطی سر و کار داشتیم و باید قبول کنیم که یادگیریش سخت و انتزاعیه! ✔️ اما راه‌حل چیه؟ یادگیری تعاملی و بصری! کتابی که اینجا قرار دادم جبر خطی رو با مثال‌های واقعی و قابل فهم آموزش می‌ده. با این روش، دیگه فقط فرمول حفظ نمی‌کنین، بلکه مباحث رو کاملا متوجه می‌شین! 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

🔴 یادگیری ماشین رو در ۱۵ هفته، اصولی و کاربردی یاد بگیر؟ 👨🏻‍💻 من یه دوره ۱۵ هفته‌ای کاملاً عملی طراحی کردم که از مبانی ساده تا دیپ لرنینگ و ترانسفورمرها رو پوشش می‌ده. 🔑 ۴ ویژگی این دوره بی‌نظیر: 1⃣ کدنویسی عملی با پایتون، scikit-learn، پایتورچ و TensorFlow. 🔢 تمرین روی دیتاست‌های واقعی مثل UCI ML، کگل و TCIA. 🔢 ویدئوهای منتخب از بهترین آموزش‌های رایگان دنیا! 🔢 نوت‌بوک‌های Jupyter و گوگل کولب برای تست کدها. 🔹 هفته‌های ۱ تا ۸ آماده‌ست و بقیه محتوای دوره هم هر هفته بروزرسانی میشه! ┌ 🎥 ML15AI-CUNY └ 🐱 GitHub-Repos 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

Repost from N/a

🎁 سال جدید، مهارت جدید ❗️ یکبار بخر یک سال استفاده کن 🎉 به مناسبت عید نوروز طرح ویژه «اشتراک آموزشی» آکادمی همراه ارائه شد. با خرید این اشتراک می‌تونی به صورت نامحدود به تمامی دوره‌های آموزشی دسترسی داشته باشی! و دیگه نیازی نیست که برای خرید هر دوره هزینه جداگانه‌ای پرداخت کنی. 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 و 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

📚 12 کتابی که هر مهندس یادگیری ماشینی باید بخونه! 👨🏻‍💻 یادگیری ماشین فقط مدل ساختن نیست! باید بدونی چطوری سیستم‌های هوشمند، مقیاس‌پذیر و کارآمد بسازی. ✔️ این ۱۲ کتاب فوق العاده، از مفاهیم پایه‌ تا طراحی و پیاده‌سازی سیستم‌های AI شامل میشه: 1️⃣ کتاب Deep Learning ✏️ کتابی برای ریاضیات، آمار و برنامه‌نویسی یادگیری ماشین؛ مناسب برای مطالعه‌ی مداوم. ➖ ➖ ➖ ➖ ➖ 2️⃣ کتاب Programming Massively Parallel Processors ✏️ راهنمای GPU و CUDA برای پردازش‌های سنگین یادگیری ماشین. ➖ ➖ ➖ ➖ ➖ 3️⃣ کتاب Clean Code ✏️ اصول و تکنیک‌های کدنویسی تمیز که هر مهندس یادگیری ماشین باید بدونه! ➖ ➖ ➖ ➖ ➖ 4️⃣ کتاب The Pragmatic Programmer ✏️ مهارت‌های فنی و تفکر مهندسی برای طراحی و مدیریت بهتر سیستم‌های ML. ➖ ➖ ➖ ➖ ➖ 5️⃣ کتاب Designing Data-Intensive Applications ✏️ بررسی معماری سیستم‌های داده‌محور برای ساخت مدل‌های یادگیری ماشین پایدار. ➖ ➖ ➖ ➖ ➖ 6️⃣ کتاب Managing ML Projects ✏️ راهنمایی برای مدیریت پروژه‌های ML و درک فرآیندهای پیش از پیاده‌سازی. ➖ ➖ ➖ ➖ ➖ 7️⃣ کتاب The Hundred-Page ML Book ✏️ یه خلاصه جامع و سریع از مفاهیم اصلی یادگیری ماشین، مناسب برای شروع یا مرور سریع. ➖ ➖ ➖ ➖ ➖ 8️⃣ کتاب ML Engineering ✏️ توضیح روان و دقیق مفاهیم یادگیری ماشین، همراه با مثال‌های کاربردی. ➖ ➖ ➖ ➖ ➖ 9️⃣ کتاب Designing ML Systems ✏️ ساخت و مقیاس‌پذیری سیستم‌های ML، از داده تا استقرار مدل. ➖ ➖ ➖ ➖ ➖ 1️⃣ کتاب AI Engineering ✏️ درک عمیق مهندسی هوش مصنوعی و ساخت سیستم‌های ML. ➖ ➖ ➖ ➖ ➖ 1️⃣ کتاب Generative Deep Learning ✏️ از یادگیری ماشین کلاسیک تا مدل‌های مولد و LLMها، با دیدگاهی عملی. ➖ ➖ ➖ ➖ ➖ 1️⃣ کتاب ML Design Patterns ✏️ الگوهای پیشرفته برای طراحی و پیاده‌سازی سیستم‌های یادگیری ماشین. 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

🥇 یادگیری ماشین بدون کدنویسی! ✅ با ابزار Classification Learner 👨🏻‍💻 اگه حوصله یا مهارت کدنویسی ندارین، با ابزار Classification Learner تو MATLAB می‌تونین خیلی راحت مدل‌های یادگیری ماشین رو آموزش بدین و داده‌هاتون رو دسته‌بندی کنین. 🔹 این ابزار به صورت پیش فرض در نرم افزار متلب نسخه R2024a به بعد وجود داره. پس باید نرم افزارتون آخرین نسخه باشه! ✔️ ویژگی‌های مهم این ابزار چیه؟ 🔢 تحلیل تعاملی داده‌ها: داده‌هاتون رو بررسی و الگوها رو کشف می‌کنه. 🔢 انتخاب ویژگی‌های مهم: به راحتی تصمیم می‌گیره کدوم ویژگی‌ها برای مدل‌سازی بهتره. 🔢 مدل‌سازی سریع و راحت: مدل‌های یادگیری ماشین رو بدون دردسر ایجاد می‌کنه. 🔢 اعتبارسنجی و ارزیابی: نشون می‌ده کدوم مدل بهتر جواب می‌ده و نتایج رو تحلیل می‌کنه. ✏️ در آخر هم می‌تونین مدل‌تون رو به MATLAB منتقل کنین یا کدی که خودش براتون تولید کرده رو تو اپلیکیشن‌های دیگه استفاده کنین.👇 💰 Classification Learner 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

Repost from N/a

🎯 از داده های خام تا تصمیم سازی هوشمندانه - سلسله کارگاه های تخصصی هوش تجاری با Power BI شرکت اوج با افتخار برگزار می‌کند: 📌کارگاه هایی جامع، پروژه‌محور و کاربردی برای یادگیری تحلیل داده و ساخت داشبوردهای حرفه‌ای با Power BI ✅آموزش ۱۰۰٪ عملی و قابل‌کاربرد در بازار کار ✅ مناسب برای مبتدیان و حرفه‌ای‌ها ✅ تسلط کامل بر مدل‌سازی داده، زبان DAX و گزارش‌گیری پیشرفته 👨‍🏫 مدرس: مهندس امیر اصلانی ✅ عضو دپارتمان مدیریت استراتژیک اوج ✅ BI Developer شرکت دی جی کالا ✅ BI Developer کارگزاری مفید 🕒 مدت زمان: 30 ساعت 🌐 نوع برگزاری: آنلاین ⚠️ ارائه خدمات مشاوره و کوچینگ پیش از ثبت نام، توسط مدرس و منتورها برای این کارگاه آموزشی رایگان می باشد 📍 ظرفیت محدود 📅 شروع دوره: ۲۸ فروردین ۱۴۰۴ پنجشنبه ها ساعت 17 الی 20 🔗 لینک ثبت نام: https://owjbc.com/course-form/POWER 📌 برای اطلاعات بیشتر و اخذ مشاوره رایگان: ✉️ آیدی تلگرام: @owjbc_edu 📲 شماره همراه (تماس، تلگرام و واتساپ): +98 935 333 1029 📞 شماره‌های ثابت شرکت: - 021-22757725 - 021-22757726 📈 با ما اوج بگیرید! @OWJ_CO #PowerBI #تحلیل_داده #آموزش_داده_کاوی #داشبورد_مدیریتی #شرکت_اوج #دوره_تخصصی

34 085

👨🏻‍💻 ۶ تا مهندس یادگیری ماشین که سال پیش با شرکت‌های FAANG (شرکت‌های بزرگ فناوری شامل فیسبوک، آمازون، اپل، نتفلیکس و الفبا) مصاحبه داشتن، اومدن منابعی که تو این مصاحبه‌ها بیش‌تر براشون کاربرد داشته رو، به عنوان سورس معرفی کردن. ✅ منم کل این منابع رو اینجا با لینک براتون قرار دادم. از مباحث تئوری تا سوالات فنی مصاحبه رو پوشش میدن.👇 🔢 خلاصه‌ای کامل و کاربردی از مفاهیم یادگیری ماشین: LINK 🔢 یه راهنمای جامع و مرحله به مرحله برای مصاحبه‌های یادگیری ماشین: LINK 🔢 مجموعه‌ای از سوالات و پاسخ‌های مصاحبه‌های علوم داده: LINK 🔢 یه مرجع کامل برای تمرین و درک عمیق‌تر مفاهیم: LINK 🔢 پلتفرمی برای مرور سریع مفاهیم یادگیری ماشین: LINK 🔢 کتابی که مفاهیم کلیدی مصاحبه‌ها رو با جزئیات توضیح میده: LINK 🔢 یه بلاگ پر از نکات و ترفندهای مفید برای یادگیری ماشین: LINK 🔢 کانالی که مفاهیم آماری یادگیری ماشین و دیتاساینس رو به ساده‌ترین شکل ممکن توضیح میده: LINK 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 085

🌿 سال جدید یک مهارت جدید 🍎 امسال یه مهارت جدید و پولساز یادبگیر، ما هم به استخدامت کمک می‌کنیم. 🪙 تخفیف‌های نوروزی دوره‌های برنامه‌نویسی، علم داده و هوش‌مصنوعی 🐟 شروع راه یادگیری و استخدام: https://dnkr.ir/kajrJ https://dnkr.ir/kajrJ

34 085

▶️ لیست ویدیو‌های دوره فارسی و جامع 🥵 «یادگیری ماشین» 📣 بخش اول: قسمت‌های 21 - 1 📣 بخش دوم: قسمت‌های 42 - 22 📣 بخش سوم: قسمت‌های 63 - 43 🏷 محصولی از: Pista Academy 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa