✅ راهنمای فارسی و رایگان
📖 «یادگیری ماشین برای مبتدیان»


👨🏻‍💻 از روزی که شروع به نوشتن این کتاب کردم، هدفم این بود که یه معرفی ساده و قابل فهم از یادگیری ماشین برای علاقه‌مندان این حوزه داشته باشم.

✏️ دوست داشتم بدون نیاز به دانش پیشرفته‌یِ ریاضی یا تخصص در برنامه‌نویسی، مفاهیم اصلی و کاربردهای یادگیری ماشین رو توضیح و نشون بدم که این فناوری چطوری در بخش‌های مختلفی از زندگی روزمره‌یِ ما حضور داره.

📃این کتاب در قالب چند فصل طراحی شده و هر فصل به یکی از جنبه‌های یادگیری ماشین اختصاص داره؛ از تعریف یادگیری ماشین و تفاوتش با برنامه‌نویسی سنتی گرفته تا بررسی کاربردها، چالش‌ها و حتی نگاهی به آینده‌‌یِ ML رو در بر می‌گیره.



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

🥇 ساخت و آموزش مدل‌های یادگیری ماشین
✅ به صورت خودکار — از صفر تا صد!


👨🏻‍💻 واقعا شگفت انگیزه! به هیچ‌وجه تصور نمی‌کردم که همچین پلتفرم بی‌نظیری برای ساخت مدل‌های یادگیری ماشین وجود داشته باشه. Oumi یک پلتفرم اُپن‌سورس فوق‌العاده برای ساخت و آموزش مدل‌های یادگیری ماشین از صفر تا صد!


🔥 انقدر ویژگی داره نمی‌دونم کدومش رو بگم!

🔢 توی این پلتفرم همه چیز آماده است. از آماده‌سازی داده‌ها گرفته تا آموزش و استقرار مدل‌ها. می‌تونید مدل‌ها رو با داده‌های جدید هم به بهترین شکل تنظیم کنید.(همون فاینتیونینگ معروف!).

🔢 می‌تونید به راحتی مدل‌هایی با ۱۰ میلیون تا ۴۰۵ میلیارد پارامتر رو آموزش بدید!

🔢 از مدل‌های متنی و چندحالته (هم متن و هم تصویر و صوت) پشتیبانی می‌کنه.

🔢 می‌تونید مدل‌ها رو خیلی سریع و در عرض چند دقیقه پیاده‌سازی کنید!

🔢 می‌تونید از مدل‌ها و APIهای تجاری مثل OpenAI و Anthropic هم استفاده کنید. مدل‌های خودتون رو با مدل‌های آماده ترکیب کنید و نتیجه‌های فوق‌العاده‌تری بگیرید.

🔢 می‌تونید مدل‌ها رو هم روی لپ‌تاپ خودتون، هم روی کلاسترهای بزرگ و حتی روی فضای ابری مثل AWS یا Azure اجرا کنید!


🔔 به نظرم اگه کسی توی حوزه یادگیری ماشین کار می‌کنه، این پلتفرم باید اولین انتخابش باشه! برای کسایی که دنبال ساخت مدل‌های پایه یا پیچیده و پیشرفته‌ان، Oumi همه‌چیز رو یک‌جا ارائه می‌ده!


┌ 🧠 Oumi
└ 🐱 GitHub-Repos



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

‼️ برای شغل «مهندس یادگیری ماشین»، لازم نیست ۱۰۰ تا سؤال سخت از LeetCode حل کنی!


👩🏻‍💻 واقعیت اینه که خیلی از شرکت‌ها فقط روی سوالات متوسط تمرکز دارن و انتظار ندارن که کسی کل آرشیو سوالات سخت‌ LeetCode رو بلد باشه! بر اساس تجربه‌ام از صدها مصاحبه فنی، فاکتورهای زیر از همه مهم‌ترن:


🔢 اکثر سوال‌ها در سطح متوسط هستن.

🔢 آرایه‌ها (Arrays) و رشته‌ها (Strings) پرکاربردترین ساختار داده‌ان.

🔢 و بله، برنامه‌نویسی پویا (Dynamic Programming) هم زیاد مطرح می‌شه!


✅ اما 5 تا نکته برای موفقیت در مرحله‌ی الگوریتم و ساختمان داده (DSA):


🥇 کیفیت پاسخ مهم‌تر از تعداد پاسخه: اینکه چند تا سؤال حل کردی مهم نیست، مهم اینه که چطور حلشون کردی!

🥈 منظم پیش برو: به‌جای این که تصادفی سؤال حل کنی، یه برنامه‌ی مشخص و اصولی داشته باش.

🥉 الگوها رو یاد بگیر: بهینه‌سازی زمان و فضای الگوریتم‌ها رو درک کن، چون توی مصاحبه این موضوعات خیلی مهم هستن.

4️⃣ از بقیه یاد بگیر: سؤالاتی که بیش‌ترین رأی مثبت در LeetCode دارن رو بررسی کن، چون احتمال پرسیده‌شدنشون بیشتره.

5️⃣ ثبات داشته باش: به‌جای این که فقط آخر هفته‌ها ۷ ساعت کد بزنی، هر روز ۱-۲ ساعت تمرین کن.


🔔 اگه به راهنمایی بیشتر نیاز دارین، یه ورکشاپ رایگان برای موفقیت در مصاحبه‌های DSA ویژه‌ی مهندسی ML/AI و علوم داده داریم!

🖥توی این ورکشاپ که 13 فوریه برگزار میشه، رایج‌ترین سوالات مصاحبه‌ علوم داده و یادگیری ماشین رو در بخش DSA بررسی می‌کنیم.

❗️ ظرفیت ورکشاپ هم فقط 300 نفره که تا الان 276 نفر ثبت نام کردن! بعد از ثبت‌نام هم، به ویدیوها و تمام منابع ورکشاپ دسترسی دائمی دارین.👇


🔗 لینک ثبت‌نام: DSA interview rounds



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

✏️ جدیدترین جزوه «یادگیری ماشین»
🖥 دانشگاه جانز هاپکینز / ترم پاییز 2024


👨🏻‍💻 پروفسور لوران یونس، استاد گروه ریاضیات کاربردی و آمار دانشگاه جانز هاپکینز، جزوه درس یادگیری ماشین — ترم پاییز امسال رو در قالب یک کتاب در ۲۷ ژانویه ۲۰۲۵ به رایگان منتشر کرد.

✅ هدف اصلی این جزوه پوشش مفاهیم آماری یادگیری ماشین؛ شامل جبرخطی و آمار و احتمال، بهینه‌سازی با ML و الگوریتم‌های یادگیری ماشینه.



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

🔴 اگه می‌خوای بدونی مدل‌های زبان بزرگی مثل ChatGPT چطور کار می‌کنن، این دوره رایگان رو حتما ببین!


👨🏻‍💻 بالاخره کارپاتی یه دوره جدید و رایگان منتشر کرده به نام: «نگاهی عمیق به مدل‌های زبان بزرگ (LLMs)».

✏️ یه دوره ۳ ساعت و ۳۱ دقیقه‌ای که کل فرآیند آموزش این مدل‌ها رو از صفر تا صد توضیح می‌ده.

✅ چرا این دوره مهمه؟

🥵 اگه تا حالا از ChatGPT استفاده کرده باشی، شاید برات سوال شده باشه که چرا بعضی وقتا به سوالات جواب اشتباه می‌ده؟ چرا بعضی اطلاعات رو می‌دونه و بعضیا رو نه؟ چطوری می‌شه یه مدل رو دقیق‌تر کرد؟

📣 تو این دوره، نه تنها اصول کلی، بلکه جزئیات فنی پشت این مدل‌ها رو هم یاد می‌گیری. حتی اگه مهندس یادگیری ماشین نیستی، باز هم محتوا طوری طراحی شده که بتونی بفهمی داستان چیه!👇


🖥 Deep Dive into LLMs like ChatGPT



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

📀 یادگیری ماشین خودکار با Auto-sklearn!


👩🏻‍💻 تو پروژه آخرم، از Auto-sklearn استفاده کردم و با چند خط کد یه مدل بهینه شده بهم تحویل داد!

✏️ دیگه نیازی نبود که خودم دستی هایپرپارامترها رو تنظیم کنم، کلی مدل مختلف رو تست کنم یا با Grid Search کلنجار برم! همه اینا رو خودش خودکار برام انجام داد.


🔥 چندتا ویژگی بی‌نظیر Auto-sklearn:

🔢 خودش چندین الگوریتم مختلف مثل MLP, Random Forest, AdaBoost رو برات امتحان می‌کنه، هایپرپارامترهای مختلف رو تست می‌کنه و بدون این‌که دستی کد بزن، بهترین مدل رو برات پیدا می‌کنه.


🔢 دیگه لازم نبود خودم دستی داده‌ها رو توی K-Fold Cross Validation تقسیم کنم. خودش این کارو انجام داد و من فقط روی ارزیابی مدل نهایی تمرکز کردم.

🔢 من دیتاستم نامتوازن بود (یعنی تعداد نمونه‌های بعضی کلاس‌ها خیلی کمتر از بقیه بود). ولی Auto-sklearn خودش اینو تشخیص داد و با تکنیک‌هایی مثل Weighting این مشکل رو حل کرد. دیگه نیازی نبود خودم دستی Oversampling یا Undersampling انجام بدم!


🔢 و نکته جالب اینکه فقط یه مدل انتخاب نکرد! اومد از چند تا از بهترین مدل‌ها استفاده کرد و یه Ensemble ساخت که دقت نهایی رو بیشتر کرد.


✅ نتیجه؟ یه مدل بهینه‌شده، دقیق و بدون دردسر! باورم نمی‌شد که کل این فرایند رو با چند خط کد انجام دادم! 😍


┌ 🏳️‍🌈 Auto-sklearn
├ 📄 Document
└ 🐱 GitHub-Repos



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

✏️ جدیدترین منبع آموزشی «LLMs»
🖥 دانشگاه نورت‌ایسترن / ترم پاییز 2024


👨🏻‍💻 من یادگیری مدل‌های زبان بزرگ رو با این منبع شروع کردم. اوایل به صورت اسلاید و بخش بخش بود، ولی ژانویه امسال تبدیل به یک کتاب و منبع آموزشی شد.

✅ این کتاب به قدری ساختاریافته‌س و بیان ساده و روونی داره که حتی بدون داشتن پیش‌زمینه خیلی قوی در یادگیری ماشین، می‌تونین مفاهیم اصلی و تکنیک‌های پیشرفته LLMها رو یاد بگیرین.



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

🧠 یادگیری LLMها به صورت تصویری و تعاملی

👨🏻‍💻 اگه همیشه دوست داشتی بفهمی مدل‌های زبانی مثل GPT چطور کار می‌کنن، یه سایت عالی و کاملاً تعاملی پیدا کردم که به صورت مصور تمام مراحل رو بهت نشون میده!

✅ این سایت یه پروژه اُپن سورسه که می‌تونی ببینی چطور یه مدل زبانی مثل GPT، جملات رو کامل می‌کنه. مثلا اگه شروع کنی و بنویسی "هوش مصنوعی دنیا رو..."، می‌تونی ببینی مدل چطور ادامه جمله رو پیش‌بینی می‌کنه و کلمات بعدی رو پیشنهاد میده.

⏪ یه ویژگی منحصر به فرد این سایت اینه که مفاهیم پیچیده‌ای مثل Self-attention، معماری Encoder-decoder و Multi-head attention رو که پایه و اساس مدل‌های ترنسفورمر هستن، خیلی راحت و قابل فهم توضیح میده. حتی بخش‌هایی مثل "رمزگذاری موقعیتی" (Positional encoding) رو که ممکنه تو مقالات تخصصی یکم سخت باشه، اینجا به شکلی ساده و تصویری درکش می‌کنی.👇


┌ 💸 Transformer Explained
├ 🏳️‍🌈 Website
└ 🐱 GitHub-Repos


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

🚀 افزایش سرعت الگوریتم KMeans
✅ تا 20 برابر بیش‌تر!

👨🏻‍💻 ما همیشه الگوریتم خوشه‌بندی KMeans رو اینطوری اجرا می‌کنیم که:

1️⃣ تعیین تعداد خوشه‌ها (K)

2️⃣ انتخاب K عدد تصادفی از داده‌ها به عنوان مختصات مراکز خوشه‌ها

3️⃣ تخصیص تمام نقاط (داده‌ها) به نزدیک‌ترین مرکز خوشه

4️⃣ انتخاب میانگین وزن‌دار داده‌های هر خوشه به عنوان مرکز آن

5️⃣ تکرار گام‌های ۳ و ۴ تا زمانی که معیار توقف برقرار شود. (همگرایی).

❔ حالا مشکل اصلی کجاست؟ توی مرحله سومه، باید برای هر داده نزدیک‌ترین مرکز رو پیدا کنیم که این کار به صورت پیش‌فرض خیلی سنگین و زمان‌بره، مخصوصاً وقتی که تعداد داده‌ها خیلی زیاد باشه.

✔️ راه حل چیه؟ استفاده از Faiss! این کتابخونه یه جستجوی نزدیک‌ترین همسایه خیلی سریع‌تر رو ارائه میده و از یه ساختار بهینه به اسم "Inverted Index" استفاده می‌کنه که به شدت فرآیند جستجو و دسته‌بندی رو بهینه‌تر می‌کنه.👇

┌ 💡 Faiss
├ 📄 Documentation
└ 🐱 GitHub-Repos


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

🔴 12 ریپوی گیت‌هاب برای یادگیری MLOps

👨🏻‍💻 خیلی‌ها هنوز ازم می‌پرسن که چطور می‌تونن MLOps رو یاد بگیرن. جوابش توی سه تا کار خلاصه می‌شه: خوندن، طراحی کردن و کدنویسی.

✔️ من اینجا 12 تا ریپوی فوق‌العاده رو معرفی کردم که بهتون کمک می‌کنه تا راحت‌تر تو مسیر یادگیری‌ MLOps پیش برین.


✏️ طراحی سیستم‌های یادگیری ماشین

1️⃣ ریپوی Designing ML Systems

⏪ تو این ریپو، می‌تونی چکیده‌ها و منابع کتاب «طراحی سیستم‌های یادگیری ماشین» رو پیدا کنی، که خیلی برای درک پایه‌ای مفیده.

🐱 لینک: GitHub-Repos


2️⃣ ریپوی ML Technical Interviews

⏪ اینجا یه راهنمای خوب برای مصاحبه‌های فنی مربوط به یادگیری ماشین و هوش مصنوعی پیدا می‌کنی. کمک می‌کنه آماده‌تر بشی!

🐱 لینک: GitHub-Repos


3️⃣ ریپوی Post-Deployment Data Science

⏪ تو این ریپو می‌تونی با دیتا ساینس بعد از دیپلوی کردن مدل‌ها آشنا بشی، خیلی کاربردی برای پروژه‌های واقعی.

🐱 لینک: GitHub-Repos


🖥 دوره‌های آموزشی

1️⃣ ریپوی MLOps Coding Course

⏪ یه دوره خیلی خوب برای یادگیری ساخت و نگهداری یه کدبیس MLOps حرفه‌ای.

🐱 لینک: GitHub-Repos


2️⃣ ریپوی MLOps Zoomcamp

⏪ این یه دوره رایگان از DataTalks.Club که توش می‌تونی MLOps رو یاد بگیری.

🐱 لینک: GitHub-Repos


3️⃣ ریپوی MLOps Course

⏪ تو این دوره یاد می‌گیری چطوری اپلیکیشن‌های ML در سطح تولید رو طراحی، توسعه و پیاده‌سازی کنی.

🐱 لینک: GitHub-Repos


🖥 الگوهای کدنویسی

1️⃣ ریپوی Amazon Sagemaker Examples

⏪ کلی ژوپیتر نوت‌بوک آماده که نحوه ساخت، آموزش و دیپلوی مدل‌های یادگیری ماشین با Amazon SageMaker رو نشون می‌ده.

🐱 لینک: GitHub-Repos


2️⃣ ریپوی MLOps Stacks

⏪ این ریپو یه پکیج آماده برای شروع پروژه‌های ML در Databricks داره که از همون اول با بهترین استانداردهای تولید همراهه.

🐱 لینک: GitHub-Repos


3️⃣ ریپوی MLOps Template

⏪ اینجا می‌تونی یه پکیج پایتون قوی و منعطف برای شروع کارای MLOps بسازی و دیپلوی کنی.

🐱 لینک: GitHub-Repos (1) | GitHub-Repos (2)


🖊 لیست‌های آموزشی منتخب

1️⃣ ریپوی MLOps Roadmap

⏪ یه نقشه راه جامع برای یادگیری MLOps در سال 2024.

🐱 لینک: GitHub-Repos


2️⃣ ریپوی Awesome Product ML

⏪ اینجا یه لیست از بهترین کتابخونه‌های متن‌باز برای دیپلوی، مانیتورینگ و مقیاس‌بندی ML وجود داره.

🐱 لینک: GitHub-Repos


3️⃣ ریپوی Awesome MLOps

⏪ این ریپو پر از منابع مختلف برای MLOps است، خیلی جمع‌وجوره.

🐱 لینک: GitHub-Repos


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

✅ 10 تا از بهترین دورهای یادگیری ماشین
🔹 وبسایت Coursera / آپدیت 2025


1️⃣ دوره Deep Learning Specialization

⏪ تو این دوره یاد می‌گیری چطور با شبکه‌های عصبی عمیق کار کنی و مدل‌های هوش مصنوعی پیشرفته بسازی.

➖➖➖➖➖➖

2️⃣ دوره Supervised ML

⏪ یه دوره جامه برای ساخت مدل‌های ماشین لرنینگ نظارت شده؛ از پایه تا پیشرفته.

➖➖➖➖➖➖

3️⃣ دوره AI for Everyone

⏪ اگه تازه می‌خوای یادگیری هوش مصنوعی رو شروع کنی، این دوره نقطه شروع خیلی خوبیه تا مفاهیم رو کامل یاد بگیری.

➖➖➖➖➖➖

4️⃣ دوره AI Engineering Specialization

⏪ تو این دوره یاد می‌گیری چطور سیستم‌های هوش مصنوعی کاربردی و حرفه‌ای رو توسعه بدی.

➖➖➖➖➖➖

5️⃣ دوره NLP Specialization

⏪ با این دوره می‌تونی مهارت‌های NLP رو ارتقا بدی و با ابزارهای پیشرفته آشنا بشی.

➖➖➖➖➖➖

6️⃣ دوره Advanced ML on Google Cloud

⏪ تو این دوره نحوه استفاده از سرویس‌های گوگل کلود برای پیاده‌سازی مدل‌های پیشرفته ماشین لرنینگ رو یاد می‌گیری.

➖➖➖➖➖➖

7️⃣ دوره Mathematics for ML

⏪ تو این دوره ریاضیات مورد نیاز برای درک بهتر ماشین لرنینگ رو به زبان ساده یاد می‌گیری.

➖➖➖➖➖➖

8️⃣ دوره NN & Deep Learning

⏪ با این دوره با شبکه‌های عصبی و یادگیری عمیق آشنا میشی و کلی تکنیک جدید یاد بگیری.

➖➖➖➖➖➖

9️⃣ دوره Probabilistic Graphical Models

⏪ این دوره درباره مدل‌های گرافیکی که باهاش روابط پیچیده بین داده‌ها رو بهتر درک می‌کنی.

➖➖➖➖➖➖

1️⃣ دوره IBM Data Science

⏪ با این دوره مهارت‌های علوم داده و AI رو بدون نیاز به تجربه یاد می‌گیری و آماده بازار کار میشی.



🌐 #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

🔹 دوره‌های رایگان «یادگیری ماشین» به فارسی


👨🏻‍💻 دکتر صادق رئیسی استادیار دانشکده فیزیک دانشگاه صنعتی شریف، ۲ دوره "یادگیری ماشین" که بیش از 60 ساعت محتوای ویدیویی به زبان فارسی داره رو به رایگان در کانال آپاراتشون منتشر کردن.👌🏼


✔️ می‌تونین از طریق لینک زیر، به صورت کاملا رایگان به محتوای این دوره‌ها دسترسی داشته باشین:👇


✍️ لیست دوره‌ها
┤ ◾️یادگیری ماشین Pt.1
┘ ◽️یادگیری ماشین Pt.2



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

🥇 لیست طلایی از 30 پروژه‌ی کامل و واقعی یادگیری ماشین!

🔰 ارائه شده توسط دانشجوهای ارشد دانشگاه فناوری KTH Royal استکهلم سوئد


👨🏻‍💻 اگه واقعاً می‌خوای یادگیری ماشین رو مثل یه حرفه‌ای یاد بگیری، باید خودتو بندازی وسط پروژه‌های واقعی! بعد از ۱۰ سال کار به‌ عنوان یه مهندس یادگیری ماشین، یه چیزو می‌تونم با قطعیت بهت بگم:

🚨 بهترین راه برای یادگیری و تسلط به مفاهیم ML، اینه که یه سیستم یادگیری ماشین end-to-end طراحی و پیاده‌سازی کنی که یه مشکل واقعی کسب‌وکار رو حل کنه!


✅ یه پکیج کامل از پروژه‌های ML می‌خوای؟

✏️ اینجا یه لیست از بیش از ۳۰ پروژه یادگیری ماشین End-to-End با کد کامل هست که توسط دانشجوهای ارشد دانشگاه فناوری KTH Royal استکهلم سوئد و تحت نظارت Jim Dowling ساخته شدن.

🔗 لینک کامل پروژه‌ها + کد اینجاست:👇


➡️ 30 Machine Learning Projects
➡️ 30 Machine Learning Projects




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

🧪 100+ فرمول ریاضی برای یادگیری ماشین


👨🏻‍💻 تمام الگوریتم‌های یادگیری ماشین، از ساده‌ترین مدل‌های رگرسیونی گرفته تا پیچیده‌ترین شبکه‌های عصبی، همه بر پایه‌ی مفاهیم ریاضی ساخته شدن. پس بدون شک درک اصول ریاضی پشت الگوریتم‌های ML ضروریه!

✅ این جزوه، تمام معادلات و فرمول‌های مهم ریاضیاتی موردنیازتون رو، برای یادگیری ماشین، در 10 صفحه خلاصه کرده!



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

👨🏻‍💻 برای یادگیری مباحث ماشین لرنینگ منابع آموزشی زیاده، اما مشکل اصلی اینه که این منابع اکثرشون یا دسته بندی درستی ندارن یا دسته بندیشون صرفا بر اساس تجربیات آموزشی، نه پیاده سازی پروژه‌های واقعی!


✅ من یه منبع فوق‌العاده پیدا کردم به اسم ML Resources که توسط Ramakrushna Mohapatra به دقت و بر اساس تجربه کاری جمع‌آوری شده و یه گنجینه‌ی کامل برای هر کسی که می‌خواد تو ML حرفه‌ای بشه!

✔️ مقالات تحقیقاتی ✔️ وبلاگ‌ها
✔️ یادگیری عمیق ✔️ یادگیری ماشین
✔️ یادگیری تقویتی ✔️ منابع GPU


🥵 ML Resources



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

👫 می‌خوای برای مصاحبه‌های یادگیری ماشین آماده بشی؟

✅ کتاب Cracking ML Interview رو بخون!


👨🏻‍💻 من قبل از اولین مصاحبه‌ی یادگیری ماشینم، کلی منابع مختلف رو بررسی کردم، ولی هیچ‌کدوم به اندازه‌یِ این کتاب کاربردی نبودن.

✏️ 225 سوال مصاحبه‌یِ یادگیری ماشین با جواب! این کتاب نتیجه تجربیات و مصاحبه‌های نویسنده با افراد مختلف توی استارتاپ‌ها و شرکت‌های بزرگ سیلیکون‌ولی مثل گوگل و فیسبوکه.

📣 یه منبع عالی که بهت کمک می‌کنه هم با سوالای مهم مصاحبه آشنا بشی، هم استراتژی‌های جواب دادن بهش رو یاد بگیری!



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

🔴 می‌خوای پیش‌بینی‌های قدرتمندی برای سری‌های زمانی انجام بدی؟ این کتابخونه رو از دست نده!


👨🏻‍💻 اگه می‌خوای پیش‌بینی سری‌های زمانی رو با مدل‌های یادگیری ماشین انجام بدی، حتماً mlforecast از Nixtla رو امتحان کن!

✏️ این کتابخونه فوق‌العاده بهت این امکان رو می‌ده که مدل‌های یادگیری ماشین رو برای پیش‌بینی سری‌های زمانی اجرا کنی، حتی اگه بخوای از خوشه‌های پردازشی دور مثل Ray یا Spark استفاده کنی.

✔️ چندتا ویژگی جالبش:

📄مهندسی ویژگی‌ها باهاش خیلی راحته!
📄پشتیبانی از متغیرهای برون‌زا برای دقت بیشتر!
📄پیش‌بینی احتمالی داره که باعث می‌شه مطمئن‌تر بشی تو پیش‌بینی‌هات.


🔥 یکی از بهترین کتابخونه‌هایی که برای پیش‌بینی سری‌های زمانی استفاده کردم!👇


┌ 👩‍💻 mlforecast
└ 🐱 GitHub-Repos



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