📂 10 مخزن برتر گیت‌هاب
✅ برای «پروژه‌های یادگیری ماشین»


1️⃣ ریپوی 500AI Projects with Code

⏪ 500 پروژه هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، CV, NLP به همراه کد.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

2️⃣ ریپوی 100Days of ML Code

⏪ برنامه‌ای صد روزه برای آموزش و تمرین کدنویسی یادگیری ماشین.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

3️⃣ ریپوی ML Projects

⏪ مجموعه‌ای از پروژه‌های عملی یادگیری ماشین.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

4️⃣ ریپوی Awesome Deep Learning

⏪ گنجینه‌ای از کتاب‌ها و مقالات علمی دیپ لرنینگ تا دوره‌های آموزشی و ابزارهای کاربردی.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

5️⃣ ریپوی Awesome NLP

⏪ مجموعه‌ای از منابع حوزه پردازش زبان طبیعی شامل کتاب‌ها، ابزارها و مقالات ارزشمند.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

6️⃣ ریپوی NLP Progress

⏪ گزارش‌ها و نتایج جدیدترین پیشرفت‌ها در حوزه NLP، شامل معیارهای ارزیابی و مدل‌ها.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

7️⃣ ریپوی Awesome Computer Vision

⏪ فهرستی از کتب، دوره‌ها و مقالات رایگان بینایی کامپیوتر.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

8️⃣ ریپوی Ccomputer Vision Recipes

⏪ مجموعه‌ای از دستورالعمل‌ها و راهنمایی‌ها برای پیاده‌سازی پروژه‌های بینایی کامپیوتر.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

9️⃣ ریپوی Awesome RecSys

⏪ لیستی از منابع مرتبط با سیستم‌های توصیه‌گر شامل مقالات، ابزارها و پروژه‌های اُپن سورس.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

1️⃣ ریپوی Recommenders

⏪ مجموعه‌ای از الگوریتم‌ها و مثال‌های کدنویسی برای پیاده‌سازی سیستم‌های توصیه‌گر.

🐱 لینک: GitHub-Repos



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

🗺 نقشه راه جدید «یادگیری ماشین»
✅ آپدیت شده برای سال ۲۰۲۵!

👨🏻‍💻 چیزی تا شروع سال جدید میلادی باقی نمونده و تصمیم گرفتم یه نقشه راه آپدیت شده و به روز رو برای شروع یادگیری ماشین در سال 2025 بهتون معرفی کنم.

💸 این نقشه راه در 3 فاز و 12 ماه برای سال 2025 تهیه شده و از مفاهیم پایه شروع میشه و بعد دوره‌ها و منابع معتبر و کاربردی رو بهتون معرفی می‌کنه.

🔴 ویژگی مهم این نقشه راه اینه که فقط به مفاهیم تئوری نمی‌پردازه، بلکه با معرفی دوره‌ها و منابع کاربردی سعی می‌کنه تا شما رو درگیر انجام پروژه‌های واقعی کنه.


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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت سی و چهارم: "نحوه استفاده از روش‌های ارزیابی رگرسیون لجستیک"
🔹 مدت زمان: 19:16
⚙️ محصولی از: Pista Academy


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

✅ پروژه فارسی یادگیری ماشین من
1⃣ پیش‌بینی نمرات دانش‌آموزان

👨🏻‍💻 هدف این پروژه، پیش‌بینی نمرات دانش‌آموزان با استفاده از روش‌های مختلف یادگیری ماشین بود. مراحل اصلی شامل پیش‌پردازش داده‌ها، مهندسی ویژگی‌ها، مدل‌سازی و ارزیابی مدل‌ها بودن.

✏️ داده‌های این پروژه از سوالی توی پلتفرم کگل به دست اومدن و بعد از کلی کار روی تمیزکاری داده‌ها و مهندسی ویژگی‌ها، مدل‌هایی مختلف رو پیاده کردم تا به بهترین پیش‌بینی ممکن برسم.

⏪ از دیتاست و کد نویسی گرفته تا آنالیز و نتایج پروژه، همگی در لینک‌ زیر موجوده.👇

┌ 🏳️‍🌈 Student Grades Prediction
├ 📄 Dataset
└ 🐱 GitHub-Repos



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

✅ بهترین راه برای استقرار مدل یادگیری ماشین

👨🏻‍💻 بدون اغراق بخوام بگم این روش، بهترین راه برای پیاده سازی مدل یادگیری ماشینه. ابزار LitServe که بر پایه FastAPI ساخته شده، یکی از بهترین سرویس‌های دیپلوی برای هر مدل یادگیری ماشینه. حالا چرا؟

🔢 چون اُپن‌ سورس و کاملاً رایگانه!
🔢 کاربری ساده و بدون دردسری داره.
🔢 سرعتش ۲ برابر بیشتر از FastAPI خالصه.
🔢 میتونه خودکار GPU Autoscaling انجام بده.
🔢 و کلی قابلیت دیگه که واقعاً کمکت می‌کنه همه‌چی رو ساده‌تر و سریع‌تر جلو ببری.

pip install litserve

┌ 🏳️‍🌈 LitServe
├ 📄 Documentation
└ 🐱 GitHub-Repos


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

👨🏻‍💻 یه ابزار گرافیکی باحال پیدا کردم که می‌تونین پروژه‌های ماشین لرنینگ رو بدون نیاز به کدنویسی باهاش انجام بدین!

⏪ کمپانی Hugging Face با همکاری گوگل، یه ابزار درست کردن به اسم Visual Blocks. این ابزار گرافیکی کلی امکانات داره؛ از ساخت pipeline‌های متنوع گرفته تا استفاده از مدل‌های Hugging Face برای پروژه‌های یادگیری ماشین.

✅ خیلی از مثال‌ها و پروژه‌های از پیش آماده هم توی این ابزار وجود داره. مخصوصاً برای کسایی که تجربه‌ کدنویسی ندارن عالیه!👌

💸 این ابزارو می‌تونین کاملاً به صورت لوکال اجراش کنین یا از مدل‌های موجود به‌صورت آنلاین استفاده کنین.


┌ ✏️ Visual Blocks
├ 💰 LINK
└ 🐱 GitHub-Repos


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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت سی و پنجم: "انجام پروژه رگرسیون لجستیک"
🔹 مدت زمان: 23:36
⚙️ محصولی از: Pista Academy


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

🧠 الفبای «یادگیری ماشین»



✅ Mathematics for ML: LINK
✅ Linear Regression: LINK
✅ Logistic Regression: LINK
✅ Data Science Basics: LINK1, LINK2
✅ Isotonic Regression: LINK
✅ ML Metrics for Classification: LINK
✅ Categorical Variable Encoding: LINK
✅ Naive Bayes Classifier: LINK
✅ Dimensionality Reduction: LINK

✅ Entropy, Cross-Entropy: LINK
✅ Probability, Model Calibration: LINK
✅ Data Drift, Model Monitoring: LINK
✅ Dynamic Pricing Ecommerce: LINK
✅ Training Embeddings: LINK
✅ ANN in Recsys (Annoy): LINK
✅ ANN in Recsys (PQ): LINK
✅ Model-Based Twitter: LINK
✅ PID Controller: LINK

✅ Instagram’s Recsys: LINK
✅ Train NNs: LINK
✅ BERT for Embeddings: LINK
✅ Twitter’s Recommendation: LINK
✅ Model Compression: LINK
✅ Conversational AI (Chat-GPT): LINK
✅ Nature of Conversation LLMs: LINK
✅ Enhancing LLMs: LINK
✅ Falcon & LLAMA-2: LINK1, LINK2

✅ Supercharging LLama-2: LINK(1), (2)
✅ SRKGPT in Shahrukh’s Style: LINK
✅ LinkedIn’s CTR Modeling: LINK
✅ Meituan’s Two-Tower Recsys: LINK
✅ Twitter & Instagram Recsys: LINK
✅ Scalable Two-Tower: LINK
✅ Overcoming Biases in Recsys: LINK
✅ Evolution of Recsys: LINK
✅ Multi-Armed Bandit Strategies: LINK

✅ Uplift Modeling: LINK
✅ Netflix’s ML Model: LINK
✅ Netflix’s Calibrated Recoms: LINK
✅ Intro to GANs: LINK
✅ PySpark Essentials: LINK
✅ LinkedIn’s Budget Pacing: LINK
✅ Buyer-side Returns Fraud: LINK
✅ Combatting Counterfeit Fraud: LINK
✅ Transparent ML with GenAI: LINK
✅ Pinterest Ranking: LINK



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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت سی و ششم: "پروژه پیش بینی بروز حمله قلبی با استفاده از رگرسیون لجستیک"
🔹 مدت زمان: 23:27
⚙️ محصولی از: Pista Academy


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

✅ مجموعه‌ای از دیتاست‌های آموزشی
⏪ وبسایت Data Science Dojo


👨🏻‍💻 چند وقت پیش تونستم یه سری دیتاست رو (43 دیتاست) از سایت Data Science Dojo پیدا کنم و تصمیم گرفتم که این دیتاست‌ها رو دسته‌بندی کنم و روی گیت‌هاب آپلودشون کنم تا برای همه قابل دسترس باشن.

✏️ دیتاست‌ها رو به دو دسته تخصصی طبقه‌بندی-خوشه‌بندی و رگرسیون تقسیم‌بندی کردم. بسته به ویژگی‌های هر دیتاست، بعضی‌ها ممکنه توی هر دو پوشه قرار بگیرن. اینطوری می‌تونید راحت‌تر دیتاست مورد نیازتون رو پیدا کنین.

✅ علاوه بر این، از جنبه‌ی آموزشی هم برای راحتی بیشتر به سه سطح آسون، متوسط و سخت طبقه‌بندی‌شون کردم تا بسته به سطح دانش و تجربه‌تون، دیتاست مناسب رو انتخاب کنین و به تدریج مهارت‌هاتون رو ارتقا بدین.👇


┌ 📄 DSD Datasets
└ 🐱 GitHub-Repos


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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت سی و هفتم: "KNN"
🔹 مدت زمان: 12:17
⚙️ محصولی از: Pista Academy


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

📄 چیت‌شیت «انتخاب تابع زیان» در ML

👨🏻‍💻 بعد از خوندن مقاله "Loss Functions and Metrics in Deep Learning"، اومدم یه چیت‌شیت از توابع زیان مختلف درست کردم که شامل تعریف، موارد استفاده، وظایف، مزایا و معایب هر کدوم هست.

✅ انتخاب تابع زیان درست، یه عامل کلیدی تو ساخت مدل‌های دقیق در یادگیری ماشینه!

⏪ این تابع‌ها مسیر بهینه‌سازی رو مشخص می‌کنن و به مدل کمک می‌کنن که خطاها رو کاهش بده و پیش‌بینی‌های دقیق‌تری داشته باشه. از رگرسیون و دسته‌بندی گرفته تا پردازش زبان طبیعی و بینایی کامپیوتر، انتخاب صحیح تابع زیان تاثیر زیادی روی عملکرد مدل می‌ذاره.


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

⚡️ 6 دوره رایگان آمازون (AWS) + گواهینامه‌


🔢 برنامه یادگیری تجزیه و تحلیل داده‌ها

⏪ این برنامه کمک می‌کنه تا متخصصین بتونن راه‌حل‌های آنالیز داده‌ها رو طراحی، امن‌سازی و مدیریت کنن و همچنین برای آزمون تخصصی AWS Certified Data Analytics آماده بشن.

📎 لینک: Course Homepage
✂️✂️✂️✂️✂️✂️

🔢 برنامه یادگیری مهندسی DevOps

⏪ با این برنامه می‌تونی اپلیکیشن‌ها رو به سرعت و با امنیت روی AWS اجرا کنی. شامل آموزش‌های CI/CD، کنترل نسخه و زیرساخت به عنوان کد هم هست.

📎 لینک: Course Homepage
✂️✂️✂️✂️✂️✂️

🔢 شروع کار با DevOps در AWS

⏪ این دوره برای کسایی طراحی شده که می‌خوان اصول DevOps رو در AWS رو یاد بگیرن و با ابزارها و روش‌های این حوزه آشنا بشن.

📎 لینک: Course Homepage
✂️✂️✂️✂️✂️✂️

🔢 اصطلاحات و فرآیندهای یادگیری ماشین

⏪ توی این دوره با اصول پایه‌ای یادگیری ماشین و مراحل مختلف پروژه‌های این حوزه آشنا میشی، از توضیحات مفصل درباره هر فاز گرفته تا روش‌های پرکاربرد.

📎 لینک: Course Homepage
✂️✂️✂️✂️✂️✂️

🔢 برنامه یادگیری ماشین

⏪ توی این دوره مجازی با خدمات ابری و یادگیری ماشین آشنا میشی تا برای آزمون تخصصی AWS Certified Machine Learning آماده بشی.

📎 لینک: Course Homepage
✂️✂️✂️✂️✂️✂️

🔢 کلود کوئست Cloud Practitioner :AWS

⏪ با این دوره، تجربه عملی کار با سرویس‌های AWS و طراحی راه‌حل‌های واقعی رو به دست میاری.

📎 لینک: Course Homepage



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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت سی و هشتم: "پروژه و مرور مباحث"
🔹 مدت زمان: 12:04
⚙️ محصولی از: Pista Academy


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

👨🏻‍💻 یکی از معدود ابزارهایی که نظارت و مانیتورینگ رو، روی مدل‌های یادگیری ماشین به درستی انجام میده، ابزار NannyML هست. این ابزار برای نظارت به عملکرد مدل‌های یادگیری ماشین در محیط‌های عملیاتی بهترینه.

✏️ هم چنین NannyML داره روی یه پروژه اُپن سورس به نام The Little Book of ML Metrics کار می‌کنه که به بررسی معیارهای (Metrics) مهم در یادگیری ماشین می‌پردازه. نسخه Pdf این کتاب رو هم به رایگان منتشر کرده.

✅ من هم این ابزار و هم نسخه دیجیتال کتاب رو اینجا براتون قرار دادم:👇


┌ 🖥 NannyML
├ 🐱 GitHub-Repos
└ 📄 The Little Book of ML Metrics


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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت سی و نهم: "KNN"
🔹 مدت زمان: 17:49
⚙️ محصولی از: Pista Academy


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

🔸 10 پروژه برتر یادگیری ماشین در Kaggle

👨🏻‍💻 من اینجا 10 تا از برترین پروژه‌های یادگیری ماشین در پلتفرم کگل رو معرفی کردم که از سطح میتدی تا پیشرفته دسته‌بندی شدن و می‌تونن بهتون کمک کنن تا در حوزه مهندسی ML تجربه عملی کسب کنین و مهارت‌هاتون رو به سطح بالاتری ببرین.


☑️ پروژه‌های سطح آسان

1️⃣ پروژه سیستم تشخیص رقم دست‌نویس

⏪ توی این پروژه باید مدلی بسازی که بتونه ارقام دست‌نویس رو با استفاده از دیتاست MNIST تشخیص بده. این پروژه یه مقدمه‌ای برای دسته‌بندی تصاویره و برای کسانی که تازه وارد یادگیری عمیق شدن، نقطه‌ی شروع خوبی محسوب میشه.

📎 لینک: Kaggle


2️⃣ پروژه تقسیم‌بندی مشتریان

⏪ توی این پروژه باید مدلی بسازی که مشتری‌ها رو براساس رفتار خرید گذشته‌شون دسته‌بندی کنه. اینطوری وقتی همون مشتری‌ها دوباره میان، سیستم می‌تونه چیزایی که قبلاً خریدن رو پیشنهاد بده و فروش رو بالا ببره.

📎 لینک: Kaggle


✅ پروژه‌های سطح متوسط

1️⃣ پروژه تشخیص اخبار جعلی

⏪ توی این پروژه باید مدلی بسازی که بتونه تفاوت بین اخبار واقعی و جعلی رو از روی مقالات مختلف تشخیص بده. این کار با استفاده از تکنیک‌های پردازش زبان طبیعی انجام می‌شه.

📎 لینک: Kaggle


2️⃣ پروژه سیستم توصیه فیلم

⏪ توی این پروژه باید سیستمی بسازی که بتونه براساس تماشاهای قبلی کاربر، فیلم‌ها یا سریال‌هایی رو بهش پیشنهاد بده. این سیستم‌ها مثل نتفلیکس و آمازون پرایم، تجربه کاربری رو بهتر می‌کنن.

📎 لینک: Kaggle


3️⃣ پروژه پیش‌بینی قیمت سهام

⏪ توی این پروژه باید با استفاده از داده‌های مالی تاریخی، قیمت تقریبی سهام رو پیش‌بینی کنی. این کار شامل تحلیل سری‌های زمانی و پیش‌بینی نوسانات قیمت سهامه.

📎 لینک: Kaggle


✅ پروژه‌های سطح پیشرفته

1️⃣ پروژه تشخیص احساسات در گفتار

⏪ توی این پروژه باید مدلی بسازی که بتونه انواع احساسات توی گفتار مثل عصبانیت، خوشحالی و ... رو تشخیص بده. این کار شامل پردازش داده‌های صوتی و استفاده از تکنیک‌های یادگیری ماشین برای دسته‌بندی احساساته.

📎 لینک: Kaggle


2️⃣ پروژه تشخیص تقلب در کارت اعتباری

⏪ توی این پروژه باید مدلی بسازی که بتونه تراکنش‌های تقلبی کارت اعتباری رو تشخیص بده. این کار برای مؤسسات مالی خیلی مهمه تا امنیت رو بالا ببرن و کاربران رو از فعالیت‌های تقلبی محافظت کنن.

📎 لینک: Kaggle


3️⃣ پروژه دسته‌بندی نژاد سگ‌ها

⏪ توی این پروژه باید مدلی بسازی که بتونه براساس تصاویری که بهش میدی، نژاد سگ‌ها رو تشخیص بده. این کار یه نمونه کلاسیک از دسته‌بندی تصاویر با استفاده از شبکه‌های عصبی کانولوشنیه.

📎 لینک: Kaggle


✅ پروژه‌های نوآورانه

1️⃣ پروژه دسته‌بندی تصاویر گل و پیاده‌سازی

⏪ توی این پروژه یاد می‌گیری چطور مدل یادگیری ماشین رو با استفاده از کتابخونه Gradio پیاده‌سازی کنی. این پروژه تأکید داره که مدل‌های یادگیری ماشین رو از طریق یه رابط ساده قابل استفاده کنی و تو محیط تولید به کار بگیری.

📎 لینک: Kaggle


2️⃣ پروژه تشخیص نمادهای معروف گوگل

⏪ توی این پروژه باید سیستمی بسازی که بتونه نمادهای معروف رو از تصاویر ورودی تشخیص بده. این نوع سیستم‌ها برای کاربردهایی مثل بازیابی تصویر، واقعیت افزوده و خدمات جغرافیایی خیلی مفید هستن.

📎 لینک: Kaggle


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

❓ برای انجام پروژه‌های یادگیری ماشین از کجا شروع کنیم؟ چه پروژه‌هایی برای شروع بهتره؟


🔢 مرحله اول: پروژه‌های ساده؛ مثل پروژه‌های Kaggle و گیت‌هاب

👨🏻‍💻 برای شروع مسیر یادگیری ماشین، بهتره از پروژه‌های ساده‌تر شروع کنی. چند نمونه از این پروژه‌ها رو که می‌تونی باهاشون شروع کنی اینجاست:👇

✏️ پیش‌بینی قیمت مسکن: لینک
✏️ تشخیص ارقام دست‌نویس: لینک
✏️ تشخیص توییت‌های مربوط به بلایای طبیعی: لینک

🔴 نکته مهم! هیچ‌وقت کدها رو فقط کپی-پیست نکن! هر خط کد رو کامل درک کن و سعی کن با نحوه عملکردش آشنا بشی.


🔢 مرحله دوم: پروژه‌های شخصی‌سازی شده

👨🏻‍💻 حالا وقتشه که پروژه‌های معروف رو برداری و به دلخواه خودت تغییر بدی. مثلاً اگه پروژه‌ای در مورد پیش‌بینی قیمت مسکن در ایالت کالیفرنیا هست، می‌تونی مشابه همون پروژه رو برای شهر خودت انجام بدی؛ داده‌ها رو جمع‌آوری کنی، مدل یادگیری رو اجرا کنی و پارامترها رو بهینه کنی. اینجور پروژه‌ها به دلیل شخصی‌سازی، ارزش بالایی دارن و توجه بیشتری رو جلب می‌کنن.


🔢 مرحله سوم: پروژه‌های تحقیقاتی

👨🏻‍💻 در این مرحله باید با یک گروه تحقیقاتی کار کنی و اولین مقاله‌ی علمی خودت در حوزه یادگیری ماشین رو منتشر کنی. داشتن یک مقاله‌ی تحقیقاتی در کنفرانس‌هایی مثل NeurIPS ،ICML یا ICLR تو رو از 90% یادگیرنده‌های این حوزه متمایز می‌کنه. البته که این مرحله زمان و صبر می‌طلبه، ولی ارزشش رو داره.

🖥 اگه می‌خوای در این مورد بیشتر بدونی، این ویدئوی ۷ دقیقه‌ای رو ببین: لینک



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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت چهلم: "پروژه پایانی الگوریتم KNN"
🔹 مدت زمان: 18:17
⚙️ محصولی از: Pista Academy


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

🥇 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