🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت پنجاه و سوم: "حل مسئله رگرسیون با الگوریتم جنگل تصادفی"
🔹 مدت زمان: 14:33
⚙️ محصولی از: Pista Academy


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

🗂 رزومه‌ت رو با پروژه‌های عملی AI تقویت کن!

👨🏻‍💻 اگه دنبال اینی که رزومه‌ت رو با پروژه‌های واقعی و کاربردی در زمینه هوش مصنوعی مولد تقویت کنی، مجموعه پروژه‌هایی که در ادامه معرفی کردم یه فرصت عالی برات فراهم می‌کنه، تا هم ابزارها و روش‌های لازم برای ساخت یه پروژه واقعی رو یاد بگیری و هم تجربه عملی و مهارت‌هات رو توی زمینه هوش مصنوعی، به سطح بالاتری ببری.

┌ 📝 Generative AI Projects
└ 🐱 GitHub-Repos


✅ اینجا پروژه‌هایی که توی این ریپوی گیت‌هاب اومده رو معرفی می‌کنم که می‌تونی باهاشون رزومه‌ت رو قوی‌تر کنی:👇


1️⃣ توسعه یه ژنراتور کوئری SQL با استفاده از LLM:

⏪ این پروژه بهت یاد میده چطور از مدل‌های زبان بزرگ (LLM) برای تبدیل زبان طبیعی به کوئری‌های SQL استفاده کنی. یه ابزار خیلی کاربردی برای تحلیل داده‌ها.

📎 لینک: Tutorial | Code


2️⃣ ساخت یه چت‌بات پشتیبانی مشتری با استفاده از GPT-3.5:

⏪ اینجا می‌تونی یاد بگیری چطور یه چت‌بات هوشمند بسازی که بتونه سوالات مشتریان رو با استفاده از مدل GPT-3.5 پاسخ بده. یه پروژه عالی برای ورود به دنیای پشتیبانی هوشمند.

📎 لینک: Tutorial | Code


3️⃣ فاین‌تیون کردن مدل Mistral 7B روی دیتاست خودت:

⏪ این پروژه بهت اجازه میده یه مدل بزرگ رو روی دیتاست خودت فاین‌تیون کنی و بهترین عملکرد رو ازش بگیری. یه تجربه عالی برای یادگیری عمیق‌تر مدل‌های هوش مصنوعی.

📎 لینک: Tutorial | Code


4️⃣ ساخت اپلیکیشن خلاصه‌سازی ویدیوهای یوتیوب:

⏪ این پروژه بهت کمک می‌کنه تا یه اپ بسازی که ویدیوهای یوتیوب رو خلاصه می‌کنه و محتوای مهمش رو استخراج می‌کنه. خیلی کاربردی برای کاربرانی که وقت کافی برای دیدن ویدیوهای طولانی یوتیوب رو ندارن.

📎 لینک: Tutorial | Code


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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت پنجاه و چهارم: "حل مسئله رگرسیون با الگوریتم جنگل تصادفی (2)"
🔹 مدت زمان: 18:19
⚙️ محصولی از: Pista Academy


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

🔸 راهنمای جامع مصاحبه‌های یادگیری ماشین
✅ بر اساس تجربیاتم در شرکت آمازون

👨🏻‍💻 توی این دو سال که به عنوان لیدر بخش یادگیری ماشین در آمازون مشغول به کارم، با متقاضیان زیادی برای پوزیشن‌های مختلف ML در آمازون مصاحبه کردم و تصمیم گرفتم حالا یه راهنمای جامع برای مصاحبه‌های یادگیری ماشین آماده کنم که همه اون چه که تو مصاحبه‌ها ازتون می‌پرسن رو پوشش بده. حالا این راهنما آمادست!

⏪ در این راهنما می‌تونین:

1️⃣ اطلاعات کامل در مورد الگوریتم‌های معروف ML و مزایا و معایب هر کدوم رو پیدا کنین.

2️⃣ یاد بگیرین چطور مدل‌هاتون رو بهینه کنین و از مشکلات معمول مثل اورفیتینگ جلوگیری کنین.

3️⃣ اصول پایه‌ای هوش مصنوعی و تکنیک‌هایی برای مقابله با ناهماهنگی داده‌ها و مقیاس‌بندی ویژگی‌ها رو بفهمین.

4️⃣ استراتژی‌های پیشرفته یادگیری عمیق، استخراج ویژگی‌ها و کاهش ابعاد داده‌ها رو بشناسین.

5️⃣ هم چنین برای کاربردهای عملی، از مثال‌های واقعی مثل تست A/B در بازاریابی و پیش‌بینی‌های لحظه‌ای در خدمات مالی هم گفتم. نکات مهمی درباره MLOps و خودکارسازی پروژه‌های ML هم تو این راهنما هست.👇

┌ 💸 ML Interview Guide
└ 🧠 Website


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

▶️ 15 کانال برتر YouTube
✅ برای تسلط به هوش مصنوعی


1️⃣ کانال Thu Vu Data Analytics
┤ ⏪ آموزش عملی هوش مصنوعی و علم داده.
┘ 💰 لینک : Youtube Channel


2️⃣ کانال Analytics Vidhya
┤ ⏪ آموزش‌های تخصصی در علوم داده.
┘ 💰 لینک : Youtube Channel


3️⃣ کانال Tina Huang
┤ ⏪ تجربیات یک دانشمند سابق Meta.
┘ 💰 لینک : Youtube Channel


4️⃣ کانال DeepLearningAI
┤ ⏪ ارائه ویدیوهای آموزشی درباره DL و AI.
┘ 💰 لینک : Youtube Channel


5️⃣ کانال StatQuest
┤ ⏪ آموزش ساده و طنزآمیز آمار و ML.
┘ 💰 لینک : Youtube Channel


6️⃣ کانال Matt Wolfe
┤ ⏪ آخرین تحولات و ابزارهای هوش مصنوعی.
┘ 💰 لینک : Youtube Channel


7️⃣ کانال IBM Technology
┤ ⏪ همه چیز درباره AI و فناوری‌های نوظهور.
┘ 💰 لینک : Youtube Channel


8️⃣ کانال Codebasics
┤ ⏪ آموزش‌های ساده برای شروع پایتون و ML.
┘ 💰 لینک : Youtube Channel


9️⃣ کانال Data School
┤ ⏪ آموزش تحلیل و بصری‌سازی داده‌ها.
┘ 💰 لینک : Youtube Channel


1️⃣ کانال Siraj Raval
┤ ⏪ توضیحات ساده درباره AI و بلاکچین.
┘ 💰 لینک : Youtube Channel


1️⃣ کانال Two Minute Papers
┤ ⏪ خلاصه‌ای از مقالات پژوهشی حوزه AI.
┘ 💰 لینک : Youtube Channel


1️⃣ کانال Krish Naik
┤ ⏪ آموزش عملی AI و یادگیری ماشین.
┘ 💰 لینک : Youtube Channel


1️⃣ کانال freeCodeCamp
┤ ⏪ دوره‌های رایگان یادگیری کدنویسی و AI.
┘ 💰 لینک : Youtube Channel


1️⃣ کانال 3Blue1Brown
┤ ⏪ آموزش تصویری و مفهومی ریاضیات در AI.
┘ 💰 لینک : Youtube Channel


1️⃣ کانال Sentdex
┤ ⏪ آموزش‌ کاربردی AI و تحلیل داده با پایتون.
┘ 💰 لینک : Youtube Channel


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

💻 41 پروژه‌ی یادگیری ماشین برای مبتدیان
▶️ ویدیوی آموزشی + فایل پروژه + دیتاست

👨🏻‍💻 اگه هنوز توی یادگیری ماشین ابتدای راهین، بهترین راه برای متمایز شدن از دیگران و تقویت روزمه‌تون، انجام پروژه‌های مختلفه تا دانشی رو که از دوره‌های آنلاین به دست آوردین، روی مجموعه داده‌های واقعی پیاده سازی کنین و نتیجه کارتون رو در رزومه‌تون به نمایش بذارین.

✔️ من اینجا 41 پروژه‌ی یادگیری ماشین رو به همراه ویدیوی آموزشی معرفی کردم که شامل طبقه‌بندی بیماری‌های قلبی، طبقه‌بندی توییت‌های توییتر، طبقه‌بندی بیماری سرطان و... میشه و می‌تونن بهتون کمک کنن تا در حوزه مهندسی ML تجربه عملی به دست بیارین و مهارت‌هاتون رو ارتقاء بدین.👇


┌ 💸 41 ML Projects
├ 😉 Youtube Playlist
└ 🐱 GitHub-Repos


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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت پنجاه و پنجم: "Boosting"
🔹 مدت زمان: 14:22
⚙️ محصولی از: Pista Academy


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

🍉 با ۶۵٪ تخفیف یلدا، حرفه‌ای‌تر بشید.

🎁 هدیه‌یلدایی مدرسه دقیقه برای شما توی کمپین دقیقه آخر یلدا با کد تخفیف yalda03
[روی کد بزنید تا کپی شه]

🍉۶۵٪ تخفیف اشتراک‌ها: اینجا کلیک کنید

🍉 ۶۵٪ تخفیف دوره‌های آفلاین👇

🖥 دوره SQL برای تحلیل داده
📁 اکسل برای تحلیل داده‌های کسب و کار
😀بهینه‌سازی و تحقیق در عملیات پایتون

🍉 همچنین می‌توانید در دوره‌های آنلاین مدرسه با تخفیف تا ۳۰درصد ثبت‌نام کنید.
[روی کدها بزنید کپی میشه]

🟠 تحلیل داده و توسعه داشبورد با Power BI
پرداخت یکجا (۲۵٪ تخفیف) با کد: nhpwbi25
پرداخت اقساطی (۱۵٪ تخفیف) با کد: nhpwbi15

🔵 تحقیقات بازار و توسعه کسب‌وکار
پرداخت یکجا (۳۰٪ تخفیف) با کد: accmrbd30
پرداخت اقساطی (۲۵٪ تخفیف) با کد: accmrbd25

🟣 سواد داده برای سازمان‌های غیرانتفاعی
پرداخت یکجا (۲۵٪ تخفیف) با کد: dlacc25

🟢 یادگیری ماشین با رویکرد بهینه‌سازی در پایتون
پرداخت یکجا (۲۵٪ تخفیف) با کد: mloptacc25
پرداخت اقساطی (۱۵٪ تخفیف) با کد: mloptacc15

🤙 سوالی داشتید:
📱 www.tgoop.com/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

✅ «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

📱 5 تا از بهترین منابع رایگان
🗂برای تازه وارد‌های حوزه یادگیری ماشین


👨🏻‍💻 2025 نزدیکه و گفتم بد نیست بهترین منابع رایگان برای یادگیری ماشین لرنینگ رو که خودم امسال ازشون استفاده کردم و به نظرم فوق‌العاده بودن، بهتون معرفی کنم.


1️⃣ دوره مقدمه‌ای به یادگیری ماشین

💰 یادگیری مفاهیم پایه یادگیری ماشین، الگوریتم‌ها و کاربردهاش توی مسائل دنیای واقعی.
✂️ ✂️ ✂️ ✂️ ✂️


2️⃣ دوره سیستم‌های چندعاملی AI با crewAI

💰 آموزش اصول طراحی مؤثرترین عامل‌های هوش مصنوعی برای انجام وظایف پیچیده و چندمرحله‌ای.
✂️ ✂️ ✂️ ✂️ ✂️


3️⃣ دوره پردازش زبان طبیعی با یادگیری عمیق

💰 بررسی مبانی پردازش زبان طبیعی و کاربردهای یادگیری عمیق در این حوزه.
✂️ ✂️ ✂️ ✂️ ✂️


4️⃣ دوره یادگیری برنامه‌نویسی پایتون

💰 شروع یادگیری پایتون از صفر، از مفاهیم ابتدایی گرفته تا استفاده از کتابخانه‌های مختلف برای حل مسائل مختلف.
✂️ ✂️ ✂️ ✂️ ✂️


5️⃣ دوره مقدمه‌ای به برنامه‌نویسی پایتون

💰 یادگیری مبانی پایتون به شکلی ساده و کاربردی، برای شروع برنامه‌نویسی.



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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت پنجاه و ششم: "Adaptive Boosting"
🔹 مدت زمان: 21:42
⚙️ محصولی از: Pista Academy


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

🟢مرکز آموزش های آزاد موسسه روانشناسی و علوم تربیتی دانشگاه تهران برگزار می‌کند:
🎓
⚡️فلسفه-روانشناسی هوش مصنوعی

⚡️Philosophy-Psychology of Artificial intelligence (Ai)

🟢🟢مدرس: دکتر ابوطالب صفدری
✅پژوهشگر پسادکتری فلسفه، دانشگاه برمن آلمان

🟢روزهای برگزاری : ۱۰ و ۱۱ دی ماه ساعت ۱۶ _ ۱۹:۳۰
🟢حضوری _ آنلاین

🟢دریافت گواهی پایان دوره از دانشگاه تهران به صورت دو زبانه

💢تخفیف ویژه ۱۰۰ هزار تومانی به مناسبت شب یلدا و روز زن برای تمام عزیزانی که از ۲۹ آذر لغایت ۲ دی ثبت نام خود را نهایی کنند💢

کسب اطلاعات بیشتر و ثبت نام

🟢 شماره‌های تماس:
09378487718
09208487718
تیمورنیا
09378484418
روحانی

🟢آیدی تلگرام پاسخگوی شما:

https://www.tgoop.com/Psyravanchi_admin
https://www.tgoop.com/ravanchi_admin

🟢 آکادمی_خردگستر_روانچی ، به ما بپیوندید

💼 چطور تو مصاحبه‌های «طراحی سیستم» موفق بشیم؟
✅ تجارب و راهکارهای من


👨🏻‍💻 طراحی سیستم یکی از مهارت‌های مهم در مسیر شغلی ماست، به‌ویژه اگر هدفمون شرکت‌های بزرگی مثل آمازون یا گوگل باشه. یادمه اولین باری که با این نوع سؤالات مواجه شدم، نمی‌دونستم از کجا باید شروع کنم. اما با گذشت زمان، استراتژی‌هایی پیدا کردم که خیلی کمکم کرد. حالا می‌خوام این نکات رو با شما به اشتراک بذارم.


💸 نکات کلیدی برای سؤالات طراحی سیستم

🔢 درک سیستم: قبل از هر چیز، باید بدونیم سیستم مورد نظر چه ویژگی‌هایی داره، چه چالش‌هایی پیش رو داریم و چه میزان ترافیکی رو باید مدیریت کنیم. این شفافیت خیلی مهمه!

🔢 بیان تصمیم‌ها و معاوضه‌ها: در هر طراحی، باید مزایا و معایب انتخاب‌هامون رو توضیح بدیم. مثلاً وقتی بین پایگاه داده‌های رابطه‌ای و NoSQL تصمیم می‌گیریم، باید بدونیم کدوم گزینه برای سناریوی خاص مناسب‌تره.

🔢 پرسش‌های شفاف‌کننده: اگه سؤالی مبهم به نظر میاد، با پرسیدن سؤالات دقیق می‌تونیم شرایط رو روشن کنیم و نشون بدیم که به‌طور عمیق به موضوع فکر می‌کنیم.

🔢 بیان فرضیات: قبل از شروع طراحی، حتماً فرضیاتی که داریم رو مشخص کنیم. مثلاً "فرض می‌کنیم سیستم ۱ میلیون کاربر فعال داره." این کار به شفافیت بحث کمک می‌کنه.

🔢 فناوری‌های نوظهور: در پایان، اگه بتونیم به کاربردهای یادگیری ماشین یا تکنولوژی‌های جدید اشاره کنیم، دیدگاه پیشرفته‌مون رو نشون می‌دیم.

🔢 شناخت معماری: معماری‌های میکروسرویس (Microservices) الان خیلی محبوب هستن، چون مقیاس‌پذیری و انعطاف‌پذیری بالایی دارن. اگه بتونیم این‌ها رو با سیستم‌های قدیمی ترکیب کنیم، کارمون عالیه!


✏️ 12 سؤال طراحی سیستم که ممکنه تو مصاحبه‌ها باهاشون مواجه بشیم:


1️⃣ طراحی یه سرویس چت مثل واتساپ

2️⃣ طراحی یه سرویس حمل‌ونقل مثل اوبر

3️⃣ طراحی یه سرویس کوتاه‌کننده لینک

4️⃣ طراحی یه فید خبری برای شبکه اجتماعی

5️⃣ طراحی یه پلتفرم مشابه Quora

6️⃣ طراحی اینستاگرام

7️⃣ طراحی Google Docs

8️⃣ طراحی یه محدودکننده نرخ (API Limiter)

9️⃣ طراحی یه وب کراولر (Web Crawler)

1️⃣ طراحی Typeahead (پیشنهاد سریع متن)

1️⃣ طراحی Google Maps

1️⃣ طراحی شبکه توزیع محتوا (CDN)



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