🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت چهل و یکم: "الگوریتم SVM"
🔹 مدت زمان: 12:00
⚙️ محصولی از: Pista Academy


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

🔴 مهم‌ترین چالش‌ مدل‌های یادگیری ماشین
🤔 بعد از استقرار

👨🏻‍💻 بیش‌تر عمر یه مدل یادگیری ماشین بعد از استقرارش شروع میشه. اما یه حقیقت تلخ وجود داره: 91% مدل‌ها به مرور زمان خراب میشن!


❓ اما چرا این اتفاق می‌افته؟

✅ یکی از دلایل اصلیش covariate shift یا «تغییر در توزیع متغیرها» هست. یعنی توزیع داده‌های ورودی مدل (P(X)) تغییر می‌کنه، ولی رابطه بین ویژگی‌ها و خروجی (P(Y∣X)) ثابت می‌مونه.


✏️ حالا Covariate Shift یعنی چی؟
این تغییر به دو نوع تقسیم می‌شه:

🔢 تک‌متغیره (Univariate Drift): فقط یک ویژگی دچار تغییر توزیع می‌شه.

🔢 چندمتغیره (Multivariate Drift): توزیع چند ویژگی یا حتی کل داده‌ها تغییر می‌کنه.


⏪ تو این شرایط باید مدل رو دوباره آموزش بدیم؟ به نظر ایده خوبیه، اما همیشه جواب نمی‌ده!

⚫️ تغییر توزیع داده‌های ورودی همیشه به این معنی نیست که رابطه اصلی بین X و Y تغییر کرده باشه. ممکنه فقط تغییر آستانه‌های پیش‌بینی (Prediction Thresholds) کافی باشه تا مدل دوباره دقیق عمل کنه.

💰 پس قبل از اینکه وقت و منابع رو صرف آموزش دوباره مدل کنین، اول بررسی کنین مشکل اصلی از کجاست. شاید یه تغییر کوچیک تو تنظیمات مدل، مشکل رو برطرف کنه و راحت‌تر از آموزش مجدد مدل باشه.


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

🖥 جزوه «مقدمه‌ای بر یادگیری ماشین»
🖥 دانشگاه پرینستون آمریکا

👨🏻‍💻 این روزا دارم جزوه یادگیری ماشین دوره COS 324 دانشگاه پرینستون رو می‌خونم و واقعا انقدر منظم و گام به گام اصول ML رو آموزش میده که جذابیت یادگیری رو دو چندان کرده.

✏️ از مفاهیم پایه مثل رگرسیون خطی شروع میشه و تا موضوعات پیشرفته مثل یادگیری عمیق پیش می‌ره. متن کتاب خیلی روونه و با مثال‌ها و تصاویر واضح، یادگیری رو راحت‌تر کرده. ترکیب مفاهیم تئوری و تمرین‌های عملی به بهترین شکل انجام شده و کدهای پایتون با استفاده از کتابخونه‌های مدرن یادگیری ماشین ارائه شده.💯


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

🔴 جدیدترین دوره «یادگیری ماشین»
💻 دانشگاه MIT / پاییز 2024
📚 اسلایدها + تمرینات + تکالیف


👨🏻‍💻 من از اول این ترم تصمیم گرفتم تا یادگیری ماشین رو با دوره پاییز امسال دانشگاه MIT شروع کنم. حالا که به هفته‌های آخر این دوره رسیدم، واقعاً حس می‌کنم ارزش معرفی به بقیه رو داره، چون دید من به یادگیری ماشین رو کاملاً تغییر داده!🥇

✔️ یه دوره فوق العاده که اصول و مفاهیم یادگیری ماشین و الگوریتم‌هاش رو از دید بهینه‌سازی بررسی می‌کنه و روی موضوعات زیر تمرکز داره:

⚫️ مدل‌های خطی و غیرخطی
⚫️ یادگیری تقویتی
⚫️ روش‌های گرادیان‌محور
⚫️ معماری شبکه‌های عصبی


💰 خلاصه خیلی دوره کاملیه و اسلایدها، تمرین‌ها، تکالیف و همه‌چیش هم موجوده:👇


┌ 👩‍💻 Intro to ML
└ 🗂 Course Homepage


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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت چهل و دوم: "حل مثال و پیاده‌سازی الگوریتم SVM"
🔹 مدت زمان: 12:36
⚙️ محصولی از: Pista Academy


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

🖥 دوره‌های جدید و رایگان گوگل در حوزه AI

👨🏻‍💻 گوگل به تازگی 10 تا دوره‌ی جدید با موضوع AI منتشر کرده، که همشون هم رایگانن!

💰 فرقی هم نمی‌کنه تازه یادگیری هوش مصنوعی رو شروع کرده باشین یا یه کاربر حرفه‌ای در حوزه AI باشین. این دوره‌ها یه فرصت عالین تا تو سال 2025، توی حوزه AI حرفی برای گفتن داشته باشین.💯


1️⃣ دوره مقدمه‌ای بر مدل‌های زبان بزرگ

◀️تو این دوره یاد می‌گیری چطور از مدل‌های زبان بزرگ استفاده کنی و عملکردشون رو ارتقا بدی.
✂️✂️✂️✂️✂️✂️

2️⃣ دوره مقدمه‌ای بر هوش مصنوعی مولد

◀️تفاوت هوش مصنوعی مولد با روش‌های یادگیری ماشین سنتی رو کشف می‌کنی.
✂️✂️✂️✂️✂️✂️

3️⃣ دوره مقدمه‌ای بر هوش مصنوعی مسئولانه

◀️مفهوم هوش مصنوعی مسئولانه و نحوه پیاده‌سازیش توسط گوگل رو یاد می‌گیری.
✂️✂️✂️✂️✂️✂️

4️⃣ دوره معماری رمزگذار-رمزگشا

◀️با معماری رمزگذار-رمزگشا آشنا میشی که توی یادگیری ماشین برای وظایف دنباله‌ به‌ دنباله، مهمه.
✂️✂️✂️✂️✂️✂️

5️⃣ دوره مقدمه‌ای بر تولید تصویر

◀️مدل‌های انتشار در تولید تصویر رو بررسی می‌کنی.
✂️✂️✂️✂️✂️✂️

6️⃣ دوره مدل‌های Transformer و BERT

◀️درک کاملی از معماری Transformer و مدل کابردی BERT به دست میاری.
✂️✂️✂️✂️✂️✂️

7️⃣ دوره مکانیسم توجه

◀️این مکانیسم توجه به شبکه‌های عصبی اجازه میده روی قسمت‌های خاصی از ورودی تمرکز کننن.
✂️✂️✂️✂️✂️✂️

8️⃣ دوره بررسی Vertex AI Studio

◀️یاد می‌گیرین چطور با استفاده از Vertex AI مدل‌های هوش مصنوعی مولد رو سفارشی‌سازی و نمونه‌سازی کنین.
✂️✂️✂️✂️✂️✂️

9️⃣ دوره توسعه مدل برای شرح تصاویر

◀️با روش‌های یادگیری عمیق، مدلی برای تولید کپشن تصاویر می‌سازین.



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

🗺راهنمای جامع «انتخاب الگوریتم مناسب یادگیری ماشین» برای پروژه‌ها

👨🏻‍💻 همیشه انتخاب الگوریتم مناسب تو پروژه‌های یادگیری ماشین برام چالش بوده. گاهی یه الگوریتم از نظر تئوری خیلی خوبه، ولی تو عمل بهینه‌ترین عملکرد رو نداره.

🏷 یکی از منابعی که این مدت خیلی بهم کمک کرد، همین جزوه 30 صفحه‌ایه. تو این جزوه الگوریتم‌ها رو هم کامل توضیح داده و هم کامل راهنماییت کرده که شرایط مناسب برای استفاده از هر الگوریتم چیه.

⏪ یه قسمت جذاب دیگشم، مقایسه عملکرد الگوریتم‌ها در سناریوهای مختلفه. قشنگ بهت میگه چیا باعث میشه یه الگوریتم تو یه پروژه موفق باشه یا نه.


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

👨🏻‍💻 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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت چهل و سوم: "معرفی کرنل SVM"
🔹 مدت زمان: 11:56
⚙️ محصولی از: Pista Academy


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

🥇 بهترین کتابخانه‌های پیش‌بینی سری‌های زمانی و تشخیص ناهنجاری


👨🏻‍💻 چند وقت پیش مارک التسفون دانشمند ارشد داده در متا، تو لینکدین نوشت: بزرگترین اشتباهش در حرفه علم داده این بوده که به مدل‌های سری‌های زمانی توجه کافی نکرده! همین تجربه، دلیلی شد که برم و بهترین کتابخونه‌های پیش بینی سری‌های زمانی رو جمع آوری کنم. حالا تصمیم گرفتم اونا رو با شما هم به اشتراک بذارم:👇


🏳️‍🌈 کتابخانه‌های پیش‌بینی سری‌های زمانی

🔢 مجموعه کتابخانه‌های Nixtla

💰 مجموعه‌ای کامل از ابزارهای پیشرفته برای پیش‌بینی سری‌های زمانی، از مدل‌های کلاسیک تا یادگیری ماشین.


🔢 کتابخانه Darts

💰 یه ابزار عالی و جامع برای کار با سری‌های زمانی‌، با پشتیبانی از مدل‌های یادگیری عمیق.


🔢 کتابخانه Prophet

💰 ابزاری از فیسبوک برای پیش‌بینی برای داده‌های فصلی و دوره‌ای طراحی شده.


🔢 کتابخانه sktime

💰 کتابخانه‌ای منعطف برای تحلیل سری‌های زمانی که ابزارهای جالبی برای ارزیابی مدل‌ها داره.


🔢 کتابخانه GluonTS

💰 ساخته آمازون، یه انتخاب قوی برای مدل‌سازی سری‌های زمانی با پشتیبانی از یادگیری عمیق.

✂️ ✂️ ✂️ ✂️ ✂️ ✂️ ✂️ ✂️ ✂️ ✂️

🏳️‍🌈 کتابخانه‌های تشخیص ناهنجاری

1⃣ کتابخانه PyOD

📄 تشخیص ناهنجاری در داده‌ها با الگوریتم‌های متنوع.


🔢 کتابخانه Kats

📄 ابزار فیسبوک برای سری‌های زمانی که علاوه بر پیش‌بینی، قابلیت تشخیص ناهنجاری هم داره.


🔢 کتابخانه Merlion

📄 کتابخانه‌ای قدرتمند برای تشخیص و پیش‌بینی ناهنجاری با امکانات جالب.


🔢 کتابخانه Alibi Detect

📄 ابزاری مناسب برای تشخیص ناهنجاری با تمرکز بر یادگیری عمیق و داده‌های پیچیده.


🔢 کتابخانه Anomaly DetectionToolkit

📄 ابزاری ساده و کاربردی برای تشخیص ناهنجاری که پیاده‌سازی آسونی داره.



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

📄 جزوه خلاصه «مبانی یادگیری ماشین»

👨🏻‍💻 این جزوه خلاصه‌ای که از ML دارم، کاربردها و مفاهیم پایه یادگیری ماشین رو توضیح داده. این مفاهیم مثل قدم‌های اولیه هستن که اگه یاد بگیرین، می‌تونین عمیق‌تر وارد دنیای یادگیری ماشین و هوش مصنوعی بشین.


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

🔸 کامل‌ترین منبع «هوش مصنوعی مولد»
✅ دوره‌ها + مقالات + منابع رایگان

👩🏻‍💻 یه ریپوی گیت‌هاب فوق‌العاده پیدا کردم که یه لیست عالی از منابع، مقالات و دوره‌های رایگان برای یادگیری GenAI داره و مرتب به روزرسانی میشه!


🖥 این ریپوی گیت‌هاب شامل:

⏯️ لیست ماهانه بهترین مقالات GenAI
2️⃣ منابع مصاحبه‌‌های شغلی GenAI
3️⃣ دوره‌های آموزشی و رایگان یادگیری LLMs
4️⃣ بیش از 85 دوره رایگان GenAI
5️⃣ لیست ریپوی کد و نوت‌بوک‌های GenAI


┌ 📥 Awesome GenAI
└ 🖥 GitHub-Repos


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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت چهل و چهارم: "رگرسیون با SVM"
🔹 مدت زمان: 18:13
⚙️ محصولی از: Pista Academy


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

🏳️‍🌈 با این کتابخونه پایتون، هر دیتاستی که لازم داری رو به راحتی بساز!


👨🏻‍💻 خیلی وقت‌ها لازمه که برای تست مدل‌های یادگیری ماشین یا کارهای آماری، داده‌های سفارشی ایجاد کنین. کتابخونه پایتون Drawdata دقیقاً همون چیزیه که بهش نیاز دارین!

⏪ ابزار Drawdata یه کتابخونه پایتونه که بهت اجازه می‌ده داده‌های دو بعدی رو توی ژوپیتر نوت‌بوک با کشیدن تولید کنی. یعنی چی؟ یعنی می‌تونی مثل نقاشی کردن، داده‌ها رو با دست بکشی و هر الگویی که دوست داری رو درست کنی.

✅ این روش چندتا مزیت داره:

1️⃣ تست و آزمایش سریع: می‌تونی خیلی راحت یه دیتاست درست کنی که شبیه مشکلات واقعی باشه و سریعاً روی الگوریتم‌های مختلف تستشون کنی.

2️⃣ آموزش و یادگیری: اگه در حال یادگیری هستی یا می‌خوای به کسی یاد بدی، می‌تونی ببینی که الگوریتم‌ها روی داده‌های مختلف چطور عمل می‌کنن. این خیلی کمک می‌کنه تا بهتر درک کنی مدل‌ها چطور کار می‌کنن.

3️⃣ ارائه‌های جذاب: تصور کن توی یه جلسه داری الگوریتم رو توضیح می‌دی. می‌تونی با Drawdata داده‌ها رو به‌صورت زنده بکشی و نشون بدی که الگوریتم چطور با داده‌های مختلف رفتار می‌کنه. اینطوری توضیحاتت خیلی جذاب‌تر و ملموس‌تر می‌شه.

4️⃣ ایجاد داده‌های خاص: اگه یه مدل داری که باید با شرایط خاص تست بشه، می‌تونی دقیقاً همون داده‌هایی رو بسازی که نیاز داری، حتی اگه پیدا کردنشون توی دیتاست‌های آماده سخت باشه.

💰 در نهایت، Drawdata یه ابزار قدرتمنده که به هر مهندس یادگیری ماشین کمک می‌کنه تا با خلاقیت بیشتری داده‌ها رو بسازه و مدل‌هاش رو تست کنه. حتی می‌تونی داده‌هایی که ساختی رو به فرمت CSV یا JSON دانلود کنی و برای استفاده‌های بعدی ذخیره کنی.👇

┌ 🏳️‍🌈 drawdata
├ ➡️ Website
└ 🐱 GitHub-Repos

python -m pip install drawdata

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

✍️ دوره جدید "Prompting Essentials" گوگل
✅ کاملا رایگان + مدرک پایان دوره


👨🏻‍💻 گوگل به تازگی یه دوره جدید به نام Prompting Essentials منتشر کرده که همراه با گواهینامه‌ست. این دوره که توسط بهترین متخصص‌های هوش مصنوعی گوگل طراحی شده، ادامه‌ای بر دوره محبوب AI Essentials به حساب میاد و قراره شما رو با مهارت‌های کاملاً کاربردی در دنیای هوش مصنوعی آشنا کنه.


✔️ چند تا از موضوعات جذاب دوره رو لیست کردم:

🔢 مهارت‌های پیشرفته در پرامپت‌نویسی: یاد می‌گیرین چطور سوالاتتون رو به شکلی فرموله کنین که بهترین پاسخ رو از هوش مصنوعی بگیرین.

🔢 کاربردهای عملی: از خلاصه کردن اسناد و تنظیم ایمیل تا ایده‌پردازی خلاقانه، این دوره شما رو مجهز به مهارت‌های روزمره هوش مصنوعی می‌کنه.

🔢 ارتقا تحلیل داده‌ها: با کمک این دوره می‌تونین کوئری‌های بهتر بسازین، کارها رو خودکار کنین و گزارش‌های حرفه‌ای‌تر ارائه بدین.


┌ ✏️ Prompting Essentials
└ 💰 Course Homepage


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

🗺 نقشه راهی ساده برای تبدیل شدن به یه مهندس هوش مصنوعی + PDF

👨🏻‍💻 طبق آمار، متوسط حقوق یک مهندس هوش مصنوعی در آمریکا حدود 150 هزار دلار در ساله. این حوزه هم خیلی گسترده‌ست، هم پر از ابزار و مفاهیمی که اولش آدم نمی‌دونه از کجا باید شروع کنه. اما چیزی که تو این چند سال فهمیدم اینه که باید مسیر یادگیری AI رو ساده کرد و با قدم‌های کوچیک جلو رفت.

🗺 نقشه راهی که اینجا نوشتم می‌تونه راهنمای خوبی باشه. اینو از نگاه کسی که خودش این مسیر رو شروع کرده نوشتم، تا هم ساده باشه و هم کاربردی.


🔢 مهارت‌های پایه‌ای

⏪ برای شروع باید ریاضیات، برنامه‌نویسی و کمی علوم کامپیوتر بلد باشین.

✏️ ریاضیات: جبر خطی، احتمال و آمار.

🖥 دوره: MITx: Probability


⏪ برنامه‌نویسی: پیشنهاد من پایتونه! چون برای یادگیری ماشین و علوم داده عالیه.

🖥 دوره: Python for Everybody

🖥 دوره: Data Structures & Algorithms


⏪ علوم کامپیوتر: یه درک پایه‌ای از سیستم‌عامل‌ها و پایگاه‌های داده.

🖥 دوره: SQL for Data Science

🖥 دوره: Intro to Software Engineering


🔢 مفاهیم اصلی هوش مصنوعی


⏪ یادگیری ماشین: یادگیری نظارت‌شده، بدون نظارت، و تقویتی.

🖥 دوره: ML Specialization


⏪ یادگیری عمیق: شبکه‌های عصبی کانولوشن، RNN و ترانسفورمرها.

🖥 دوره: DL Specialization


⏪ پردازش زبان طبیعی: تحلیل متن، مدل‌های زبانی و استخراج احساسات.

🖥 دوره: NLP Specialization

🖥 دوره: Convolutional Neural Networks


🔢 آشنایی با ابزارها و تکنولوژی‌ها

⏪ فریم‌ورک‌ها: TensorFlow و PyTorch دو فریم‌ورک محبوب توی یادگیری عمیق.

⏪ پلتفرم‌های ابری: AWS یا Google Cloud برای اجرای مدل‌ها خیلی کاربردین.


🔢 چند قدم عملی

⏪ پروژه بسازین: اپلیکیشن، بازی یا ابزار هوش مصنوعی درست کنین.

⏪ توی Kaggle رقابت کنین.

⏪ نمونه‌کارهاتون رو توی گیت‌هاب به اشتراک بذارین.



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

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت چهل و پنجم: "پروژه پایانی الگوریتم SVM"
🔹 مدت زمان: 23:06
⚙️ محصولی از: Pista Academy


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

📚 بهترین کتاب‌ها برای شروع «یادگیری ماشین»

👨🏻‍💻 من اگه برگردم به سه سال پیش و بخوام آموزش یادگیری ماشین رو دوباره شروع کنم با این سه تا کتاب شروع می‌کنم. دلیل انتخابمم برای هر کتاب نوشتم:


1⃣ کتاب ماجراهای آلیس در دنیای مشتق‌پذیر

✏️ این کتاب یه نگاه عمیق و جذاب به مفاهیم ریاضی و آماری داره که پایه‌ی یادگیری ماشینه. نکته جالبش اینه که مطالب پیچیده رو خیلی ساده توضیح داده، انگار برای کسایی مثل ما نوشته شده که دوست دارن پایه‌شون قوی بشه.


🔢 کتاب یادگیری ماشین با PyTorch و Scikit-Learn

✏️ این کتاب یه راهنمای عملی فوق‌العاده‌ست! از دو تا کتابخونه‌ی محبوب یادگیری ماشین استفاده می‌کنه و بهتون تجربه واقعی کدنویسی رو می‌ده. یه جورایی دستتون رو می‌گیره تا از تئوری ML به یادگیری ماشین عملی برسین.


🔢 کتاب طراحی سیستم‌های یادگیری ماشین

✏️ وقتی مبانی رو یاد گرفتین، این کتاب بهتون یاد می‌ده چطور سیستم‌های یادگیری ماشینی‌ بسازین که تو دنیای واقعی جواب بده. این کتاب پلی بین پروژه‌های شخصی کوچیک و طراحی سیستم‌های بزرگ و کاربردی.



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

🖥 جزوه «آشنایی با MLOps گوگل»

👨🏻‍💻 این روزا که یادگیری ماشین وارد پروژه‌های واقعی شده، MLOps تبدیل به یه مهارت کلیدی برای مدیریت و توسعه مدل‌ها شده. حالا گوگل اومده یه راهنمای جامع منتشر کرده که ابزارهای کلیدی MLOps رو معرفی می‌کنه.

🖥 اگه دنبال این هستین که پروژه‌های یادگیری ماشین رو حرفه‌ای‌تر پیش ببرین و از مرحله آزمایش به محصول واقعی برسین، این جزوه می‌تونه نقطه شروع فوق‌العاده‌ای باشه. هر چی بیشتر درباره این ابزارها یاد می‌گیرم، بیشتر حس می‌کنم چقدر این مهارت‌ها می‌تونه مسیر پروژه‌ها رو تغییر بده.👌🏼


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

🤩 ساخت مدل‌های زبان بزرگ (LLMs) از صفر!
🖥 15 ویدیوی آموزشی با تجربه واقعی!


👨🏻‍💻 همه ما کم‌ و بیش از چت‌بات‌هایی مثل ChatGPT استفاده کردیم، ولی تا حالا به این فکر کردین که چطور میشه یه همچین مدلی رو از پایه ساخت؟ من با مدرک دکترای یادگیری ماشین از MIT این مسیر رو طی کردم.

✏️ سه ماه پیش پروژه‌ای رو شروع کردم که هدفش آموزش ساخت مدل‌های زبان بزرگ (مثل ChatGPT) از صفر و بدون استفاده از هیچ کتابخونه‌ای بود. ایده این بود که دانشجوها و متخصص‌ها بتونن اصول و اجزای اصلی این مدل‌ها رو به طور عمیق درک کنن.

✔️ حاصل این پروژه؟ یه مجموعه آموزشی با 15 ویدیو شد که همه چیز رو درباره مدل‌های زبان بزرگ از صفر تا صد توضیح می‌ده. همه ویدیوها رو توی یوتیوب آپلود کردم و از پایه تا پیشرفته، قدم به قدم آموزش دادم.


🖥 لیست ویدیوهای دوره تجربی LLMs:


🖥 درس (1): معرفی و مقدمات

🖥 درس (2): مبانی مدل‌های زبان بزرگ

🖥 درس (3): فرق پیش‌ آموزش با تنظیم دقیق

🖥 درس (4): ترنسفورمرها چی هستن؟

🖥 درس (5): GPT-3 واقعاً چطور کار می‌کنه؟

🖥 درس (6): مراحل ساخت یه مدل زبانی

🖥 درس (7): نوشتن توکنایزر مدل با پایتون

🖥 درس (8): توکنایزر GPT و (BPE)

🖥 درس (9): ساخت داده‌های ورودی-خروجی

🖥 درس (10): توکن امبدینگ یعنی چی؟

🖥 درس (11): اهمیت جایگاه کلمات در LLM

🖥 درس (12): کل فرآیند پیش‌پردازش داده‌ها

🖥 درس (13): مقدمه‌ای بر مکانیزم توجه

🖥 درس (14): کدنویسی مکانیزم توجه (1)

🖥 درس (15): کدنویسی مکانیزم توجه (2)



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