هوش مصنوعی و علم داده به فارسی

‍ 📚 The Ultimate Guide to Machine Learning Job Interviews | Springboard 💡 کتابچه بی‌نظیر مجموعه پرسش و پاسخ یادگیری ماشین برای آمادگی مصاحبه‌های تخصصی | ۱۲۱ صفحه ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science

‍ 📌 ChatGPT cheat sheet for Data Science | Data Camp 📚 راهنمای استفاده از ChatGPT در علوم داده 👨‍🏫 کاری از Data Camp ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science

‍ 🎁 جزوه دست‌نویس داده کاوی و یادگیری ماشین مقدماتی جناب دکتر کاویانی ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science

‍ 📝💼 Business Analysis cheat sheet خلاصه برگ 14 صفحه ای بسیار کاربردی تحلیلگری کسب‌و‌کار ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science

‍ 📘📈 Effective Pandas | Matt Harrison کتاب Effective Pandas بدون شک یکی از بهترین منابع برای یادگیری کتابخانه Pandas است. 🙌 مطالعه و تمرین این کتاب را به همه دوستانی که می‌خواهند مهارت پانداز را کسب کنند توصیه می کنیم. 🔝 ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science

‍ 📙 #کتاب_فارسی یادگیری عمیق: از اصول اولیه تا ساخت شبکه‌های عصبی عمیق با پایتون 📝 نگارنده: میلاد وزان 📖 سرفصل‌ها: - مقدمه‌ای بر یادگیری عمیق - شبکه‌های عصبی پیش‌خور - شبکه‌های عصبی کانولوشنی - شبکه‌های عصبی بازگشتی - شبکه متخاصم مولد 🆓 این کتاب به رایگان و توسط نگارنده منتشر شده است. 📊 @DataPlusScience | @Data➕Science

A timeline of existing large language models تایم‌لاین معرفی مدل‌های بزرگ زبانی 📊 @DataPlusScience | @Data➕Science

Scope of AI, Deep Learning, and Machine Learning 📊 @DataPlusScience | @Data➕Science

موسسه نواوری تکنولوژی کشور امارات نسخه جدیدی از مدل زبانی بزرگ Falcon رو عرضه کرده که 180 میلیارد پارامتر داره و در تستها نه تنها از مدل متن باز LLaMA 2 متا بهتر عمل کرده بلکه از مدلهای متن بسته مثل PaLM گوگل (که نسخه اول بارد از اون استفاده میکرد) و نسخه کوچک و متوسط PaLM 2 عملکرد بهتری داره و فقط پشت مدلهایی مثل نسخه جدید بارد و GPT-4 قرار میگیره. این مدل به صورت متن باز عرضه شده و شرکتها میتونن اون روی سخت افزار خودشون اجرا کنن یا تمرین بدن ولی به دلیل بزرگ بودن نیاز به حداقل 8 کارت گرافیک A100 40GB برای اجرای اون دارن. این مدل رو میتونید از اینجا به صورت انلاین و رایگان ازمایش کنید. 🔎 Huggingface.co 📍 @TechTube

After drawing the graph and extracting the communities in this graph, Louvain's algorithm was used in Gephi software, and this algorithm succeeded in discovering 3 communities in this graph. To address the resolution limit problem inherent in the Louvain method, we utilized a multilevel approach [71]. Specifically, we ran the Louvain algorithm on a series of coarser and coarser levels of aggregation, each time merging communities identified at the previous level until no further meaningful communities were detected. In doing so, we were able to identify content communities with greater granularity and accuracy than would have been possible using a single application of the Louvain algorithm. Figure 7 shows the result of this discovery by the color of each community:

توسعه چت‌بات از داده‌های با استفاده از LangChain https://learn.deeplearning.ai/langchain-chat-with-your-data 📊 @DataPlusScience | @Data➕Science

Free Course | ChatGPT for Data Analytics دوره رایگان چت جی‌چی‌تی برای دیتا آنالیتیکس سرفصل‌های دوره: Why AI for Data Analytics? Intro to AI, LLMs & ChatGPT Prompt Engineering ChatGPT for Excel ChatGPT for Google Sheets ChatGPT for Power BI ChatGPT for SQL ChatGPT for Python مدرس دوره هم آقای کریس داتون هستند http://zaya.io/2zk88 📊 @DataPlusScience | @Data➕Science

🟢 ا‌م‌ال‌آپس (MLOps) به زبان ساده همراه با معرفی کتاب 🔴 کسانی که با فرایندها و الگوریتم‌های یادگیری ماشین در محیط واقعی کار کردند و آشنا هستند و یا اصلن برای دل خودشون مدلی آموزش دادند، حتمن با چالش‌های زیر برخورد کردند؛ 🔴 بعنوان مثال، هایپرپارامترهایی رو تغییر دادند و بعد یادشون رفته کدوم مدل با کدوم هایپرپارامتر چه درصدی از دقت رو بهشون داده یا اون هایپرپارامترها چی بودند؟ 🔴 یا برای دیتاست‌هاشون ورژنی نداشتند و نمی‌دونستند دیتای جدید که اضافه کردند رو جدا کنند یا مجبور بودند چندین کپی از دیتاهای تکراری نگهدارند. یا وقتی با شخص دیگری کار میکردند، داده‌هاشون با هم سینک (هماهنگ) نبوده و هزاران مشکل دیگر. 🔵 درواقع اینجاست که Machine Learning Operations (MLOps) برای این مشکلات راه حل میده و می‌گه همونجوری که ما در گذشته مهندسی نرم افزار نداشتم و با اومدن مهندسی نرم افزار و راه حل‌هاش مثل version control کلی از مشکلات برنامه نویس‌ها حل شد، ا‌م‌ال‌آپس و داشتن یه چرخه‌ی اتوماتیک از امورات مختلف ولی هماهنگ، باعث حل کلی از این قبیل مشکلات می‌شود. 🔵 بطور کلی ا‌م‌ال‌آپس داشتن یک Lifecycle یا چرخه‌ی حیات (تولید) منظم برای مراحل و مشکلات مختلف در فرایند لرنینگ یا همون آموزش هست. همچنین یکی دیگه از دغدغه‌های ا‌م‌ال‌آپس رسوندن مدل یادگیری ماشین از چند خط کد ساده به یک محصول ملموس هست. 🟡 در پایان اینرو هم اضافه کنم. می‌‌تونیم بگیم که ا‌م‌ال‌آپس از ترکیب سه حوزه‌ی زیر ایجاد شده؛ - مهندسی داده (Data Engineering) - توسعه‌ی نرم‌افزار و عملیات آی‌تی (DevOps) - یادگیری ماشین (Machine Learning) 🟤 کتاب Introducing MLOps که تنها در ۱۸۵ صفحه تنظیم شده، و در سال ۲۰۲۰ به چاپ رسیده است، یکی از کتاب‌های بسیار عالی برای ورود به دنیای ‌ام‌ال‌آپس می‌باشد. 🆔 @data_science_python_and_r