#خبر

نسخه ۱.۳ کتابخانه Scipy منتشر شد،
این اولین باری است که این کتابخانه پشتیبانی از پایتون دو را متوقف کرده، و فقط پایتون ۳ را پشتیبانی میکند.
Scipy 1.3
https://pypi.org/project/scipy/

New features planned for Python 4.0

http://charlesleifer.com/blog/new-features-planned-for-python-4-0/

🙏Thanks to: @Ai_Events

#آموزش
دوره آموزشی یادگیری عمیق و پیاده سازی در #keras

دو ساعت و نیم نخست دوره آموزشی Deep Learning برای ارزیابی خریداران بر روی آپارات قرار گرفت.

http://aparat.com/v/0xgm5

همچنین کد پروژه های انجام شده و اسلایدها برای عموم در دسترسی است:
https://github.com/Alireza-Akhavan/SRU-deeplearning-workshop/


برای خرید این دوره میتوانید از طریف این لینک اقدام کنید

http://class.vision

مدرس: علیرضا اخوان‌پور
برگزار کننده: انجمن علمی کامپیوتر دانشگاه شهید رجایی
قیمت: 100.000 تومان
لینک خرید: http://class.vision/deeplearning-keras/

SQL on RAPIDS AI
BlazingSQL provides a simple SQL interface to ETL massive datasets into GPU memory and the RAPIDS AI Ecosystem

https://blazingdb.com/

2 Minutes to BlazingSQL
https://docs.blazingdb.com/docs/using-blazingsql

میتونید آنلاین روی GPUی گوگل کولب تست کنید:

https://colab.research.google.com/drive/1r7S15Ie33yRw8cmET7_bjCpvjJiDOdub#scrollTo=8AdUt3HiUrc3

All you want to know about preprocessing: Data preparation


https://towardsdatascience.com/all-you-want-to-know-about-preprocessing-data-preparation-b6c2866071d4


مرتبط با 7-3_Data_Wrangling.ipynb از نوت بوک های کلاس


#Data_Preprocessing
#Data_Preparation
#Data_Cleaning

Difference between #MachineLearning and #AI:
If it is written in Python, it is probably Machine Learning.
If it is written in Powerpoint, it is probably AI

https://medium.com/predict/how-to-get-funding-for-ai-startups-626d484e2e5a

#fun

#سوال

آیا طول لیست، طول رشته، طول دیکشنری، و سایر container ها در پایتون محدودیت داره؟

#پاسخ

طبق مستندات پایتون، این محدودیت بسته به معماری ۳۲ یا ۶۴ بیتی متفاوت است.
maxsize: The largest positive integer supported by the platform’s Py_ssize_t type, and thus the maximum size lists, strings, dicts, and many other containers can have.
(https://docs.python.org/2/library/sys.html#sys.maxsize)

این محدودیت را میتوانید با کد زیر مشاهده کنید:

import sys
print(sys.maxsize)

خروجی برای سیستمهای ۳۲ بیتی
536870912
و برای ۶۴ بیتی

9223372036854775807

است، میشه فرض کرد محدودیتی نداریم.

A topic-centric list of HQ open datasets
لیستی از دیتاست‌های رایگان در حوزه‌های گوناگون

#dataset #set #awesome #public #free #data
@pythony

github.com/awesomedata/awesome-public-datasets

7 Steps to Mastering Intermediate Machine Learning with Python — 2019 Edition
https://www.kdnuggets.com/2019/06/7-steps-mastering-intermediate-machine-learning-python.html

فرض کنید میخواهیم ورودی را بین دو عدد محدود کنیم، مثلا بین ۰ و ۱،
بدین صورت که عدد کوچکتر از ۰، همان ۰ شود، و عدد بزرگتر از ۱، همان ۱،
چگونه در یک خط مینویسید؟


output = min(1., max(0., input))

فرض کنید میخواهید اگر مقداری وجود داشت،آن را بریزید در متغیری ، اما اگر نبود، یک مقدار پیش فرض در آن بریزید،
چگونه مینویسید؟

mamba is a drop-in replacement for conda.

just did: time conda/mamba install -yc bioconda mosdepth

with uninstall in between. 4.3 seconds for mamba, 31 for conda.

https://medium.com/@wolfv/mamba-development-news-29e32aaa8d6c

یکی از دوستان فیدبک داد:

خب همینجوری هم می‌شد از مقدار دیفالت پارامتر‌ها استفاده کرد بحای اینکه None داد بهشون
def foo(bar=10):
return bar

خب تو این مثال حق با ایشونه.
یه نمونه ای که میتونه تو این روش که گفته شد مفید باشه اون موقعیه که به دلایلی ممکنه به تابعمون اصلا None پاس بدند، در اون صورت مقدار دیفالت تابع بازنویسی میشه با None و کارمون خراب میشه.

نمونه ی دیگری سراغ دارید که این پترن به کارتون بیاد؟

#Fun
The function that returns the date of tomorrow.

How to get started with Machine Learning in about 10 minutes

https://medium.com/free-code-camp/how-to-get-started-with-machine-learning-in-less-than-10-minutes-b5ea68462d23

#PCA

A step by step explanation of Principal Component Analysis
https://towardsdatascience.com/a-step-by-step-explanation-of-principal-component-analysis-b836fb9c97e2

اگر یکی که تا حالا کار نکرده ازتون پرسید یادگیری ماشین چیه، چی میگید؟
میتونید به سادگی Samuel توضیح بدید یا به پیچیدگی Mitchell!!

قانون نامگذاری ویژگی های عضو کلاس sklearn

#سوال در sklearn برخی از ویژگی های متعلق به کلاس اسمشون با _ تمام میشه.
مثلا قطعه کد زیر را در sklearm در نظر بگیرید:

...
from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression()
classifier.fit(X_train, y_train)

print(classifier.coef_)
print(classifier.intercept_)

خب در این کد attr های عضو کلاس coef_ و intercept_ از این نوع اسم گذاری استفاده کردند.

به نظرتون چرا؟؟


#پاسخ

ویژگی های عضو کلاسی که به _ ختم بشوند در این کتابخانه یعنی مقداردهیشون وابسته به شرایطیست.
در اینجا این دو متغیر وابستند به این که یک بار شی این کلاس با دیتا fit شود و بعد این ویژگی ها مقداردهی شوند...