Machine Learning | یادگیری ماشین

Kanalga Telegram’da o‘tish

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

Ko'proq ko'rsatish

Tarmoq:Data Science | علم داده Eron9 993 Texnologiyalar & Aralashmalar4 020...

📈 Telegram kanali Machine Learning | یادگیری ماشین analitikasi

Machine Learning | یادگیری ماشین (@machinelearning_ir) Forsiy til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 34 113 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 4 020-o'rinni va Eron mintaqasida 9 993-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 34 113 obunachiga ega bo‘ldi.

16 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -203 ga, so‘nggi 24 soatda esa -8 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

Tasdiqlash holati: Tasdiqlanmagan
Jalb etish (ER): Auditoriya o‘rtacha 10.19% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.70% ini tashkil etuvchi reaksiyalarni to‘playdi.
Post qamrovi: Har bir post o‘rtacha 3 476 marta ko‘riladi; birinchi sutkada odatda 1 263 ta ko‘rish yig‘iladi.
Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 6 ta reaksiya keladi.
Tematik yo‘nalishlar: Kontent مصنوعی, ایجنت, مهندس, مدل, عمل kabi asosiy mavzularga jamlangan.

📝 Tavsif va kontent siyosati

Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“💡مهندس یادگیری ماشین شوید! 👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼‌ 🆔 @DataScienceir_Adv”

Yuqori yangilanish chastotasi (oxirgi ma’lumot 17 Iyun, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.

34 113

Obunachilar

-824 soatlar

-487 kunlar

-20330 kunlar

3 476

Post ko'rishlar

~ 1 26324 soatlar

~ 1 66748 soatlar

10.19%

Muloqot nisbati

Ma'lumot yo'q

Kuniga postlar

Ads index

beta

Postlar arxiv

34 104

🔆 ساخت DeepSeek از صفر تا صد! 👨🏻‍💻 با این پلی‌لیست ۲۹ ویدیویی می‌تونی مدل زبانی DeepSeek رو از صفر خودت بسازی؛ هم تئوری رو می‌گه هم کدش رو. ✏️ توی این سری ویدیوها مفاهیم مهمی مثل self-attention ،multi-head attention ،GQA و روش کوانتایز کردن DeepSeek رو به خوبی توضیح می‌ده. ✔️ از مفاهیم پایه تا پیشرفته رو پوشش می‌ده. ✔️ کدهاش خیلی دقیق پیاده‌سازی شدن. ✔️ مکانیزم‌های توجه رو کامل توضیح می‌ده. 🖥 Build DeepSeek from Scratch 🖥 Build DeepSeek from Scratch 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 104

🏷 جزوه فارسی وبینار «یادگیری ماشین» 👨🏻‍💻 چند ماه پیش، دکتر فرشید شیرافکن، یه وبینار با عنوان «ورود به دنیای یادگیری ماشین» برگزار کردن، که برای هر علاقه‌مند حوزه ML، خیلی کامل و مفید بود‌. ▶️ اگه این وبینار رو از دست دادین و می‌خواین مطالب وبینار رو داشته باشین، این فایل شامل همه اسلایدهای این وبیناره. ⬅️ در دو جلسه به مطالب زیر پرداخته شد: 1️⃣ مفاهیم کلیدی ML 2️⃣ رگرسیون (Regression) 3️⃣ طبقه‌بندی (Classification) 4️⃣ چند مثال عملی از کاربرد ML در پزشکی 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 104

Repost from تهران دیتا-دانشگاه تهران

🎆 دعوت به شرکت در دوره‌ی تحلیل داده‌های کسب‌وکار تهران دیتا(مرجع تخصصی آموزش های حرفه ای علم داده و هوش مصنوعی کشور) 🔥 آینده‌ی تصمیم‌گیری در کسب‌وکار، داده‌محور است.

سازمان‌هایی که هنوز بر اساس حدس و تجربه تصمیم می‌گیرند، دیر یا زود هزینه‌ی این اشتباهات را می‌پردازند.

📊 در دنیای امروز، «تحلیل‌گر داده‌های کسب‌وکار» یکی از کلیدی‌ترین نقش‌ها در تصمیم‌سازی مدیریتی است. کسی که با تبدیل داده به بینش، مسیر درست رشد را نشان می‌دهد و به تصمیم‌ها عمق و دقت می‌بخشد. 🎯 اگر شما هم می‌خواهید تحلیل داده را به زبان واقعی کسب‌وکار یاد بگیرید، و برای دریافت گواهینامه بین‌المللی CBDA آماده شوید، دوره‌ی تحلیل داده‌های کسب‌وکار (Business Data Analysis) تهران دیتا با همکاری اساتید دانشگاه تهران و در سطح بین المللی، فرصتی حرفه‌ای برای شماست. 💼 ویژه‌ی مدیران، مشاوران، کارشناسان و تمامی علاقه‌مندان به تصمیم‌گیری داده‌محور و هوشمند. 🎓 با ارائه‌ی ۲ گواهینامه معتبر و محتوای کاملاً کاربردی (۱.گواهینامه دو زبانه دانشگاه تهران) (۲.گواهینامه بین المللی IIBA-CBDA) 🔗 اطلاعات و فرم ثبت‌نام: 🖥 https://tehrandata.org/courses/babok 📞 09377516835 ✈️ Telegram | 📞 whatsapp | 📱 linkedin | 🌐 Instagram | 🌐 website | 🎧 admin #تحلیل_داده #دوره_تحلیل_داده #TehranData #دوره_آموزشی #CBDA #تحلیلگر_کسب_و_کار #BusinessAnalytics #داده_محور

34 104

Repost from N/a

💠 آموزش رایگان Power BI با فرادرس – سریع و آسان در ۸۰ دقیقه ✨ یکی از ابزارهای بسیار محبوب هوش تجاری سلف‌سرویس، Microsoft Power BI است. در این فرادرس، پس از بررسی اجمالی مفاهیم هوش تجاری، به آموزش استفاده از نرم‌افزار Microsoft Power BI برای اتصال به داده‌ها، ساخت مدل داده و نیز مصورسازی داده‌ها با انواع نمودارها خواهیم پرداخت. با توجه به روند رو‌به‌رشد پیاده‌سازی هوش تجاری در سازمان‌ها و محبوبیت نرم‌افزار Microsoft Power BI برای پیاده‌سازی هوش تجاری، بسیاری از سازمان‌ها به دنبال پیاده‌سازی هوش تجاری در سازمان خود با استفاده از این نرم‌افزار هستند. فراگیری این نرم‌افزار، راه شما را برای ورود به بازار کار در زمینه هوش تجاری تسهیل می‌کند. 🔗 آموزش رایگان Power BI - [شروع یادگیری] 🔄 FaraDars - فرادرس

34 104

🤩 از الان به بعد ابزار Open Lovable با GPT-5 هم کار می‌کنه! 👨🏻‍💻 کافیه لینکِ یه سایت رو کپی کنی و بدیش به ابزار اُپن‌سورس Open Lovable؛ بعد یه سری ایجنتِ هوش مصنوعی همون لحظه می‌رن سایت رو آنالیز می‌کنن و یه نسخه شبیهِ همون سایت رو به‌صورت یه پروژه قابل‌اجرا برات می‌سازن. ⬅️ یعنی یه جور “کلون” از سایت می‌ده که بعدش می‌تونی روش تغییر بدی و توسعه‌ش بدی. ✅ علاوه بر GPT-5، می‌تونی از مدل‌های دیگه هم استفاده کنی؛ مثل مدل‌های Anthropic ،Groq و بقیه. ⚡️ Open Lovable ⚡️ Open Lovable 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 104

🌃 ۷ کتابخونه برای مهندسی ویژگی ☑️ در سری‌های زمانی 1⃣ کتابخونه tsfresh 🏷 خودش اتوماتیک کلی ویژگی از سری‌های ‌زمانی درمیاره؛ از آمارای ساده مثل میانگین و واریانس بگیر تا ویژگی‌های پیچیده‌تر. ➖ ➖ ➖ 🔢 کتابخونه sktime 🏷 یه فریم‌ورک همه‌فن‌حریفه برای کار با سری‌های ‌زمانی. هم ابزار تبدیل داده داره، هم استخراج ویژگی، و راحت توی پایپ‌لاین‌های یادگیری ماشین جا می‌افته. ➖ ➖ ➖ 🔢 کتابخونه featuretools 🏷 این یکی تخصصش مهندسی ویژگی خودکاره، مخصوصاً وقتی داده‌هات رابطه‌ای هستن و زمان هم توش نقش مهمی داره. با یه روش به اسم Deep Feature Synthesis فیچرهای ترکیبی بی‌نظیری درست می‌کنه. ➖ ➖ ➖ 🔢 کتابخونه scipy 🏷 کلی تابع آماری و ابزار پردازش سیگنال داره. یعنی هم ویژگی‌های آماری می‌گیری، هم ویژگی‌های حوزه فرکانس (مثل FFT و این چیزا). ➖ ➖ ➖ 🔢 کتابخونه Feature-engine 🏷 یه ابزار عمومی برای تبدیل و کدگذاری و این مدل کارها روی متغیرها. مزیتش اینه که توی خیلی از سناریوهای ML می‌تونی ازش استفاده کنی. ➖ ➖ ➖ 🔢 کتابخونه tsfel 🏷 این یکی مخصوص سری‌های ‌زمانی طراحی شده و ویژگی‌ها رو از چند زاویه درمیاره: آماری، طیفی، زمانی و… سبکه و برای ویژگی‌های تخصصی خوبه. ➖ ➖ ➖ 🔢 کتابخونه functime 🏷 تمرکزش روی اینه که استخراج و تبدیل ویژگی‌ها مقیاس‌پذیر باشه و راحت توی پایپ‌لاین‌های ML بشینه. یه ترکیب خوب از ابزارهای سری‌های ‌زمانی و حتی امکانات پیش‌بینی هم داره. 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 104

✅ پروژه یادگیری ماشین من 🏘 پیش‌بینی بار حرارتی و برودتی ساختمان‌ها 👨🏻‍💻 تو این پروژه، با استفاده از مدل Gradient Boosting Regressor، یک چارچوب دقیق برای پیش‌بینی بار گرمایشی و سرمایشی ساختمان‌ها توسعه داده شده. ✅ هدف اصلی این کار کمک به افزایش بهره‌وری انرژی و حرکت به سمت طراحی‌های پایدارتره. 🏷 از دیتاست و کد نویسی گرفته تا آنالیز و نتایج پروژه، همگی در ریپوی‌‌ زیر موجوده.👇 ┌ 🏠 Power Load Prediction └ 🐱 GitHub-Repos 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 104

✅ دعوت به همکاری👇👇 یک شرکت دانش بنیان برای تکمیل تیم کاری خود در حوزه «برندینگ و دیجیتال مارکتینگ» در اینستاگرام ⭕️ صفر تا صد آموزش داره میتونین یادبگیرین؛ (عدم نیاز به سابقه کاری مرتبط) (آموزش کاملا به صورت رایگان میباشد) -کار به صورت پاره وقت و تمام وقت میباشد -نزدیک به مترو و BRT -پرداخت مناسب در زمان مناسب -دارای شعبه در کشور های همسایه و پتانسیل ورود به بازار اروپا در آینده ای نه چندان دور🌎 -شروع درآمد از ۷ میلیون و پتانسیل در آمد های دو رقمی به بالا 💥 شرایط کاری👇 ◾️تعهد بالا امکان در آمدزایی درحین کارآموزی✅ ✅آموزش پذیر 🔘ساکن فقط تهران (اگر در تهران خوابگاه هم هستین مشکلی نیست) -دوره های رایگان مذاکره و فن بیان -دوره های رایگان هوش هیجانی یا EQ (و چندین آموزش بین الکلای دیگر) ➕سن: ۱۸+ سال تا ۶۵ سال دیپلم به بالا 📌از کسانی که تمایل به همکاری با شرکت را دارند؛ اسم کامل به همراه شماره تماس خود را به ایدی زیر ارسال کنند؛👇🏻👇🏻 ۰۹۱۹۷۲۹۷۸۵۹ @Maryam_eam

34 104

🔥 بزرگ‌ترین تخفیف سال کوئرا به مناسبت بلک‌فرایدی 🎁 همه دوره‌های برنامه‌نویسی کوئرا نصف قیمت شد! 💳 امکان پرداخت قسطی ‼️ الان با تخفیف ثبت‌نام کن و هر زمان که خواستی دوره‌ها رو ببین! 🔗 https://quera.org/r/n1eia

34 104

Repost from هشتگ‌ تبلیغ تخصصی

🏐 ثبت‌نام بوتکمپ «تحلیل داده» کلاسور ⚠️ این بوتکمپ حضوری و با ظرفیت محدود برگزار می‌شه. ❗️بوتکمپ پروژه‌محوره و با تمرین‌ روی پروژه‌های واقعی تحلیل داده رو یاد می‌گیری. ❗️شرکت‌کننده‌ها منتور اختصاصی دارن که در حل چالش‌ها بهشون کمک می‌کنه. ❗️پس از پایان دوره عضو کامیونیتی کلاسور فمیلی میشی. 🔸مدت زمان برگزاری: ۶هفته 🔸تاریخ شروع : ۶ آذر 🔸روزهای برگزاری کلاس: پنج شنبه و جمعه 💯 دوره برای چه کسانی مناسبه؟ ✅ دانشجویان رشته کامپیوتر ✅ دانشجویان رشته‌های علوم کامپیوتر، برق یا مکانیک و صنایع ✅ افرادی که به حوزه داده علاقه دارند. ⏳ لینک ثبت نام :‌ ⭐ httb.ir/p0DAW ⬅️ مشاوره : 👨‍💻 @kelaasoradmin 🟠🟠🟠🟠🟠🟠🟠

34 104

Repost from مهندسی داده

‍ پیشنهاد ویژه Black Friday – مدرسه مهندسی داده سپهرام به مناسبت Black Friday، امکان استفاده از ۴۰٪ تخفیف برای تمامی دوره‌های مدرسه مهندسی داده سپهرام فراهم شده است. تنها کافی است هنگام خرید دوره، کد BLK1404 را وارد کنید. در این کمپین، تمام دوره‌ها شامل این تخفیف می‌شوند: 🔰مبانی مهندسی داده 🔰 آپاچی کافکا 🔰آپاچی اسپارک ( از این هفته شروع می‌شود) 🔰 آپاچی ایرفلو 🔰 پستگرس 🔰 کلیک‌هوس فهرست تمامی دوره‌ها: https://sepahram.ir/courses/ اگر قصد ارتقای مهارت‌های فنی، ورود به دنیای مهندسی داده یا رشد شغلی دارید، این فرصت را از دست ندهید. ⏳ اعتبار: محدود و ویژه Black Friday (تا دهم آذرماه) 🎟 کد تخفیف: BLK1404 برای اطلاعات بیشتر و ثبت‌نام: https://t.me/sepahram_ir

34 104

📝 پرامپت‌نویسی رو با این راهنمای ۸۰ صفحه‌ای یاد بگیر! 👨🏻‍💻 این کتابچه از صفر تا حرفه‌ای‌ترین بخش، بهت یاد می‌ده چطور با مدل‌های هوش مصنوعی مثل GPT یا Gemini کار کنی، پرامپت بنویسی و خروجی بهتر بگیری. 🛑 تعاریف و اصطلاحات مهم 🛑 انواع روش‌های پرامپت‌نویسی 🛑 کار با انواع داده‌ها رسانه‌های مختلف 🛑 روش‌های ارزیابی خروجی مدل‌ها 🛑 چارچوب‌های معروف پرامپت‌نویسی 🛑 خطرات Prompt Hacking 🛑 و یه مطالعه موردی واقعی 🔔 Prompt Engineering Techniques 🔔 Prompt Engineering Techniques 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 104

🗺 «نقشه راه ۱۰ مرحله‌ای یادگیری AI» 👨🏻‍💻 اگه بخوای وارد حوزه هوش مصنوعی بشی و به عنوان یه شغل دنبالش کنی، داشتن یه مسیر مشخص هم جلوت می‎‌ندازه و هم خیلی تفاوت ایجاد می‌کنه. ✏️ این نقشه راهی که چیدم، همراه با پلی‌لیست‌های یوتیوبش، کاملا بر اساس تجربه کاریمه و عملاً همون چیزیه که برای شروع و ادامه‌یِ این مسیر لازم داری. 🏷 فاز ۱: مبانی ریاضی (حدود ۳۵ ساعت) 🖥 پلی‌لیست: Foundations for ML ▶️ چرا از اینجا شروع کنیم؟ چون برای شروع باید به مبانی مسلط باشی! جبر خطی، احتمال، آمار، حساب دیفرانسیل، بهینه‌سازی و یه مقدار هم مبانی برنامه‌نویسی. ➖ ➖ ➖ 🏷 فاز ۲: ماشین لرنینگ (حدود ۴۰ ساعت) 🖥 پلی‌لیست: ML from scratch ▶️ چرا مهمه؟ چون با پروژه و کار عملی یاد می‌گیری، جریان واقعی ساخت یه مدل ML چطوریه. ➖ ➖ ➖ 🏷 فاز ۳: درخت تصمیم (حدود ۲۰ ساعت) 🖥 پلی‌لیست: Decision Trees from Scratch ▶️ چرا مفیده؟ درخت تصمیم پایه‌یِ خیلی از مدل‌های یادگیری ماشینه. وقتی اینو خوب بفهمی، کلی مدل دیگه هم برات راحت میشه. ➖ ➖ ➖ 🏷 فاز ۴: دیپ لرنینگ (حدود ۴۰ ساعت) 🖥 پلی‌لیست: Neural Networks ▶️ چرا مهمه؟ اینجا یاد می‌گیری شبکه‌های عصبی دقیقاً چطور کار می‌کنن، نه فقط یادگیری با تئوری؛ بلکه با پیاده‌سازی عملی. ➖ ➖ ➖ 🏷 فاز ۵: بینایی کامپیوتر (حدود ۴۰ ساعت) 🖥 پلی‌لیست: Computer Vision ▶️ چرا یادش بگیریم؟ چون CV تو خیلی از صنعت‌ها ترکونده؛ مثل پزشکی، خودروهای هوشمند و تولید صنعتی. ➖ ➖ ➖ 🏷 فاز ۶: AI توضیح‌پذیر (حدود ۲۰ ساعت) 🖥 پلی‌لیست: XAI from basics ▶️ چرا لازمه؟ تا بفهمی مدل‌های «جعبه سیاه» چرا یه تصمیم خاص می‌گیرن و بتونی توضیحش بدی. ➖ ➖ ➖ 🏷 فاز ۷: مدل‌های زبان بزرگ (حدود ۵۰ ساعت) 🖥 پلی‌لیست: LLMs from scratch ▶️ چرا مهمه؟ چون وقتی چیزی رو از صفر یاد بگیری، درکش خیلی عمیق‌تره و از بقیه جلو می‌افتی. ➖ ➖ ➖ 🏷 فاز ۸: DeepSeek (حدود ۴۰ ساعت) 🖥 پلی‌لیست: DeepSeek from scratch ▶️ چرا یادش بگیریم؟ DeepSeek یکی از بهترین LLMهای اُپن‌سورس الان حساب میشه و ارزش یاد گرفتن داره. ➖ ➖ ➖ 🏷 فاز ۹: استدلال در LLMها (حدود ۳۰ ساعت) 🖥 پلی‌لیست: Reasoning LLMs ▶️ چرا مهمه؟ اینجا با روش‌های یادگیری تقویتی و مدل‌های استدلال‌گر آشنا می‌شی. ➖ ➖ ➖ 🏷 فاز ۱۰: ایجنت‌های AI (حدود ۲۰ ساعت) 🖥 پلی‌لیست: 10Day AI Agent bootcamp ▶️ چرا یادش بگیریم؟ چون می‌تونی ایجنت‌های خودت رو بسازی و دیپلوی کنی. 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 104

📔 کتابچه «آموزش جامع RAG» 👨🏻‍💻 این جزوه یه نسخه‌یِ خلاصه‌شده و کامل از ۵ ساعت آموزش تخصصی RAG هست که توسط پژوهشگرهای سطح‌ بالای حوزه AI تهیه شده. ✅ هر فصلش خلاصه‌ی یکی از ارائه‌هایی هست که توی دوره‌ی AI Evals مطرح شده؛ همون‌جایی که محقق‌ها دارن مرزهای RAG رو جابه‌جا می‌کنن و روش‌های جدید معرفی می‌کنن. ⬅️ این کتاب میره سراغ ۵ حوزه‌ی کلیدی RAG و نشون می‌ده چرا نسخه‌های جدید RAG باهوش‌تر، قابل‌اعتمادتر و حرفه‌ای‌تر از مدل‌های ساده و ابتدایی هستن. 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 104

این روزها کسب و کارها همه به دنبال فردی هستن که در عین حال که بتونه داشبوردهای متنوعی درست کنه و وضعیت فعلی بیزنس رو به اطلاع برسونه، بتونه تحلیل عمیق ارائه بده و به تصمیمات جوری کمک کنه که کمترین هزینه رو کسب و کار متحمل بشه!. از هوش مصنوعی به شکلی بهره ببره و از قافله عصر هوش مصنوعی عقب نیوفتن! حالا اگه تو بتونی همه مهارت هایی که مورد نیاز این کسب و کارها هست رو بلد باشی، نونت تو روغنه😉😉😉. از یادگیری BI و کار با دیتابیس و تحلیل کردن گرفته تا استفاده از AI و حل مسائل دنیای واقعی با الگوریتم های Machine Learning. مورد استفاده مدیران عامل و مدیران ارشد کسب و کارها، افرادی که میخوان تازه شروع کنن یا میخوان مهارت هاشون بهبود پیدا کنه🫡 سرفصل ها و رزومه خودم رو هم براتون میزارم: سرفصل دوره هوش مصنوعی و تحلیل داده برای آشنایی با من هم میتویند لینکدین منو ببینید: لینکدین سجاد حیدری مدیر تیم دیتای دکترساینا دانشمند داده شرکت های HelloFresh، اسنپ فود و... برای ثبت نام بهم کافیه پیام بدین☺: @Sajadhdri796 کد تخفیف 50% ای برای 5 نفر اول

34 104

📣 هوش مصنوعی؛ دقیق، کاربردی و آینده‌محور @rss_ai_ir 🤖 اینجا فقط یک کانال نیست — اینجا نقطه‌ی تلاقی علم، فناوری و آینده‌ست! جایی که هیاهوی شبکه‌ها جاشو به دانش واقعی و تحلیل عمیق می‌ده 👇 💡 منتظر چی باشی؟ 🔹 بررسی فنی مدل‌های روز مثل GPT-5، Gemini، DeepSeek، Qwen و Claude 🔹 معرفی ابزارها و پروژه‌های متن‌باز با لینک مستقیم GitHub 🔹 کاربردهای صنعتی هوش مصنوعی؛ از BCI و لیدار تا دیجیتال‌توئین و رباتیک صنعتی 🔹 تحلیل امنیتی LLMها و مقایسه‌ی دقیق با روش‌های کلاسیک 🔍 🔹 آموزش‌های کوتاه، تخصصی و کاربردی در بینایی ماشین، یادگیری عمیق و پردازش تصویر 🔹 خبرهای واقعی و مستند از AI Agents، RAG، مدل‌های مولد، و تراشه‌های اختصاصی AI 🚀 اینجا خبری از هایپ، پست‌های سطحی یا ترجمه‌های ناقص نیست. ما برای کسانی می‌نویسیم که می‌خوان درک واقعی و مهندسی از هوش مصنوعی پیدا کنن — نه فقط خبر بشنون، بلکه بفهمن. 🎯 اگر دنبال جایی هستی که هر پستش یه قدم به آینده نزدیکت کنه... 📎 همین حالا عضو شو 👇 👉 https://t.me/rss_ai_ir @rss_ai_ir 📢 لطفاً این پیام رو برای دوستان علاقه‌مند به هوش مصنوعی بفرست تا جامعه‌ی متخصصان واقعی AI بزرگ‌تر بشه 💫

34 104

💯 تفسیر مدل‌هات رو با SHAP-IQ چند برابر دقیق‌تر کن! 👨🏻‍💻 سال‌هاست که SHAP تلاش می‌کنه تاثیر هر ویژگی رو به‌صورت منصفانه روی پیش‌بینی مدل تقسیم کنه. ❗️ اما یه مشکل داره: فقط می‌گه هر ویژگی چقدر روی نتیجه اثر داره، اما تعامل بین ویژگی‌ها رو قشنگ نشون نمی‌ده. 🌐 یعنی اگر دو تا ویژگی با هم تاثیر مهمی بذارن، SHAP همه رو تو یه عدد خلاصه می‌کنه و عملاً بخش مهمی از رفتار واقعی مدل رو از دست می‌دی...! ✅ ولی SHAP-IQ میاد این مشکل رو حل می‌کنه و می‌گه: ⬅️ ویژگی A چقدر تاثیر داره؟ ⬅️ ویژگی B چقدر؟ ⬅️ و A و B با هم چقدر تاثیر دارن؟ 🏷 دیگه به جای یک عدد برای هر ویژگی، برای همه‌ی ترکیب‌های مهم ویژگی‌ها مقدار داری. همین باعث می‌شه تأثیرات واقعی و پیچیده‌ی مدل رو خیلی دقیق‌تر بفهمی. ┌ 🥵 SHAP-IQ ├ 📄 Documentation └ 🐱 GitHub-Repos 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 104

📚 کتابخونه‌ی «یادگیری ماشینِ من» 👨🏻‍💻 من عاشق یادگیری از طریق کدنویسی، مقالات و ویدئوهای آموزشیِ فنی‌ام. ولی بعضی وقت‌ها عمق و جزئیات بیشتر برای درک بهتر مفاهیم لازمه. ▶️ این‌جاست که کتاب‌ها ارزش خودشون رو نشون می‌دن. و اینا کتاب‌های قفسه‌یِ یادگیری ماشین منه. 📚 بخش اول: «مبانی و مفاهیم» ✅ ریاضیات برای یادگیری ماشین ✅ ریاضیات یادگیری ماشین ✅ هوش مصنوعی: رویکردی نوین ✅ یادگیری عمیق ✅ مقدمه‌ای بر یادگیری آماری ➖ ➖ ➖ ➖ ➖ 📚 بخش دوم: «یادگیری عملی و پروژه‌محور» ✅ یادگیری ماشین با پایتورچ و scikit-learn ✅ یادگیری ماشین عملی با scikit-learn، Keras ✅ یادگیری عمیق مولد ✅ هوش مصنوعی مولد با پایتون و پایتورچ ✅ یادگیری تقویتی عمیق عملی ➖ ➖ ➖ ➖ ➖ 📚 بخش سوم: مهندسی AI / یادگیری ماشین ✅ طراحی سیستم‌های داده‌محور ✅ مقیاس‌پذیری یادگیری ماشین با اسپارک ✅ طراحی سیستم‌های یادگیری ماشین ✅ مهندسی هوش مصنوعی ✅ ساخت مدل‌های زبان بزرگ برای تولید ✅ کتابچه مهندس مدل‌های زبان بزرگ ✅ هوش مصونوعی مولد در گوگل کلود ✅ ساخت سیستم‌های AI عامل‌محور 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 104

📊 جزوه «ریاضیات یادگیری ماشین» 👨🏻‍💻 اگه می‌خوای بدونِ سروکله زدن با مفاهیم و فرمول‌های پیچیده ریاضی، سریع بفهمی مدل‌ها چطور یاد می‌گیرن، آپدیت می‌شن و پیش‌بینی می‌کنن، این جزوه رو بهت پیشنهاد می‌کنم. ✅ هدف این جزوه اینه که ریاضیات یادگیری ماشین رو از پیچیدگی دربیاره و بهت کمک کنه: 1️⃣ قبل از رفتن سراغ الگوریتم‌ها، مبانی رو درست یاد بگیری، 2️⃣ بفهمی هر فرمول چرا استفاده می‌شه، 3️⃣ و بدونی مدل‌ها چطور کار می‌کنن، نه اینکه فقط ازشون استفاده کنی. 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

34 104

وبینار رایگان Power BI: «قدرت تصویرسازی داده‌ها» گزارش‌هات هنوز فقط جدولن؟ توی این وبینار یاد می‌گیری در کمتر از یک ساعت از Excel به یک داشبورد تعاملی و مدیرپسند برسی؛ با انتخاب نمودار درست، DAX ضروری و انتشار امن (RLS)—همه با دموی عملی گام‌به‌گام. مناسب برای: اکسل‌کارها متخصص‌های مارکتینگ/فروش و هر کسی که می‌خواد تصمیم‌هاش سریع‌تر، دقیق‌تر و قابل دفاع باشه 🗓 ۹ آذر | ساعت ۱۸:۰۰ 🎁 فایل تمرینی + ارسال ضبط جلسه ثبت نام از طریق لینک زیر: nkmz.ir/ptd ❌ظرفیت محدود❌ @nikamooz