چیت شیت Matplotlib 📟

3. Matplotlib:
کتابخانه‌ای برای ترسیم نمودارها و گراف‌ها در پایتون است.

نکات مهم:
- plt.plot(x, y): ترسیم نمودار خطی.
- plt.scatter(x, y): ترسیم نمودار پراکندگی.
- plt.hist(data): ترسیم نمودار هیستوگرام.

🔗 دسترسی به چیت‌شیت: Matplotlib Cheat Sheet

🔹 Bits Learn | CSSA IUST | LinkedIn

چیت شیت Seaborn 🎨

4. Seaborn:
یکی از کتابخانه‌های محبوب برای تجسم داده‌ها در پایتون است.

نکات مهم:

📌 رسم scatter plot:

sns.scatterplot(data=df, x="total_bill", y="tip")

📌 رسم bar plot:

sns.barplot(x="day", y="total_bill", data=df)

📌 رسم histogram:

sns.histplot(data=df, x="total_bill", bins=30)

📌 تنظیمات رنگ:

sns.set_palette("pastel")

🔗 دسترسی به چیت‌شیت: Seaborn Cheat Sheet

🔹 Bits Learn | CSSA IUST | LinkedIn

📟 Algorithmic AI Course

دوره آموزش آشنایی با الگوریتم‌های پایه‌ای هوش مصنوعی

👥 مدرسین‌ دوره:
پویا جعفری
محقق و توسعه‌دهنده هوش مصنوعی شرکت روشن
آوا محسنی
محقق هوش مصنوعی پژوهشگاه دانش‌های بنیادین


👾 محتوای دوره:
✔️ Heuristic Searches (DFS, BFS, TSP)
✔️ Non-heuristic Searches (A*, IDF*, ...)
✔️ 2-Player Games (mini-max)
✔️ Decision Tree
✔️ KNN - Naive Bayes


📆 زمان برگزاری: ۶ مرداد الی ۲۶ مرداد ۱۴۰۳

⏰ چهارشنبه و پنجشنبه ساعت ۹ الی ۱۱

💰قیمت دوره: ۵۶۰/۰۰۰ تومان

🔗 برای کسب اطلاعات بیشتر و ثبت‌نام با ما در ارتباط باشید.

#دوره

🌐 Bits Learn | CSSA IUST | LinkedIn

🌐 معرفی وب‌سایت‌های برتر برای سوالات الگوریتمی 🌐

امروز می‌خواهیم بهترین وب‌سایت‌های تمرین و حل سوالات الگوریتمی رو بهتون معرفی کنیم. این وب‌سایت‌ها برای آماده‌سازی برای مسابقات برنامه‌نویسی و تقویت مهارت‌های الگوریتمی عالی هستن.

1. Codeforces 📚
یکی از معروف‌ترین پلتفرم‌های مسابقات برنامه‌نویسی. دارای مسابقات منظم و سوالات چالشی در سطوح مختلف.

2. LeetCode 🧩
محیطی عالی برای آماده‌سازی مصاحبه‌های شغلی. سوالات الگوریتمی متنوع با توضیحات کامل و آزمون‌های مشابه مصاحبه‌های فنی.

3. HackerRank 💻
پلتفرمی برای تمرین و مسابقه در موضوعات مختلف برنامه‌نویسی و الگوریتم. دارای مسیرهای یادگیری برای مهارت‌های مختلف.

4. TopCoder 🏆
یکی از قدیمی‌ترین پلتفرم‌های مسابقات برنامه‌نویسی. شامل مسابقات هفتگی و سوالات سطح بالا برای علاقه‌مندان به چالش‌های الگوریتمی.

5. CodeChef 🍽
پلتفرمی هندی با مسابقات ماهیانه و سوالات متنوع در زمینه الگوریتم و برنامه‌نویسی. دارای جامعه فعال و پشتیبانی عالی.

6. Project Euler 🧮
پلتفرمی برای سوالات ریاضی و الگوریتمی چالش‌برانگیز که نیازمند تفکر عمیق و مهارت‌های برنامه‌نویسی هستند. مناسب برای علاقه‌مندان به مسائل ریاضی و برنامه‌نویسی.

🔸 Bits Learn | CSSA IUST | LinkedIn

چیت شیت OpenCV 👁

5. OpenCV:
راهنمای کامل شما برای تسلط بر بینایی کامپیوتر و پردازش تصویر با استفاده از پایتون است. این چیت شیت طراحی شده است تا به شما کمک کند تا به سرعت ایده‌ها و تکنیک‌های مهم در OpenCV را درک کنید.

نکات مهم:
💭 imread(image_path, flag):
این متد برای خواندن تصویر از مسیر آن استفاده می‌شود.

💭 imshow(window_name, image):
برای نمایش تصویر در پنجره استفاده می‌شود.

💭 imwrite(filename, image):
این متد برای نوشتن یا ذخیره تصویر با استفاده از OpenCV به کار می‌رود.

🔗 دسترسی به چیت‌شیت: OpenCV Cheet Sheet

🔹 Bits Learn | CSSA IUST | LinkedIn

چیت شیت Git 🐙

6. Git:
یکی از بهترین سیستم‌های کنترل نسخه برای مدیریت کدها، همکاری در پروژه‌های نرم‌افزاری و نسخه‌بندی است.

نکات مهم:
- کلون کردن مخزن:

git clone <URL>

دانلود یک کپی از مخزن به سیستم محلی.

- ایجاد کامیت:

git add .
git commit -m "پیام کامیت"

اضافه کردن تغییرات و ذخیره آنها در مخزن محلی.

- مشاهده وضعیت:

git status

نمایش وضعیت مخزن و تغییرات اعمال شده.

🔗 دسترسی به چیت‌شیت: GitHub Cheat Sheet

🔹 Bits Learn | CSSA IUST | LinkedIn

📊 الگوریتم IDA* برای حل مکعب روبیک 📊

مکعب روبیک یک پازل مکانیکی سه‌بعدی است که با چرخاندن لایه‌ها باید تمام وجوه آن به رنگ‌های یکسان بازگردانده شود. الگوریتم Iterative Deepening A* یا IDA* یکی از بهترین روش‌ها برای حل مکعب روبیک است.

🔻 نحوه کار الگوریتم IDA*

این الگوریتم ترکیبی از جستجوی عمق اول (DFS) و جستجوی اول سطح (BFS) است که از یک هیوریستیک برای هدایت جستجو به سمت هدف استفاده می‌کند. الگوریتم IDA* به صورت بازگشتی عمل کرده و در هر تکرار عمق جستجو را افزایش می‌دهد تا زمانی که به جواب برسد. این الگوریتم از یک هیوریستیک برای تخمین فاصله تا هدف استفاده می‌کند و تنها به حالاتی که هیوریستیک آنها کمتر از یک آستانه معین است، پرداخته می‌شود. این آستانه در هر تکرار افزایش می‌یابد.

🔻 نکات کلیدی برای بهینه‌سازی الگوریتم IDA*

◽️ حذف حرکت‌های تکراری
- حذف حرکت ساده: با نگه داشتن تاریخچه یک حرکت، می‌توانید فاکتور شاخه‌بندی را از 18 به 15 کاهش دهید. هر وجه را نباید دو بار پشت سر هم حرکت دهید.
- حذف حرکت پیشرفته: با دسته‌بندی وجه‌ها به "اول" و "دوم"، پس از حرکت یک وجه اول، می‌توانید هر یک از وجه‌های دیگر را حرکت دهید. اما پس از حرکت یک وجه دوم، نمی‌توانید دوباره همان وجه یا وجه اول مخالف را حرکت دهید. این روش فاکتور شاخه‌بندی را به 12 کاهش می‌دهد.

◽️ هیوریستیک‌ها
- پایگاه داده‌های الگو (PDBs): گوشه‌ها را به طور کامل حل کنید و نتایج را در یک جدول هش ذخیره کنید. این هیوریستیک‌ها قابل قبول و سازگار هستند.
- روش ساده‌تر: تعداد حرکت‌های لازم برای هر گوشه/لبه را محاسبه کنید و مجموع آن‌ها را بر 8 تقسیم کنید تا یک هیوریستیک قابل قبول بدست آورید.

با استفاده از این روش‌ها می‌توانید الگوریتم IDA* را بهینه‌سازی کرده و مکعب روبیک را به طور موثرتری حل کنید.

🔸 Bits Learn | CSSA IUST | LinkedIn

📟 Machine Learning

دوره آموزش کامل با الگوریتم‌های یادگیری ماشین برای مسائل رگرسیون، دسته‌بندی و خوشه‌بندی، به صورت نظری و عملی، آشنایی با آنالیز ارور و رفع مشکلات مدل های یادگیری ماشین


👥 مدرسین‌ دوره:
پویا جعفری
محقق و توسعه‌دهنده هوش مصنوعی شرکت روشن
عبدالسلام نیک‌کردار
مدرس و توسعه دهنده یادگیری ماشین


🤖محتوای دوره:
• Regression & Logistic Regression
• Overfitting & Underfitting
• Cross-validation
• Naive Bayes
• KNN
• SVM
• Decision Tree
• XG-Boost
• K-means & DBSCAN


📆 زمان برگزاری: ۲۷ مرداد الی ۱۶ شهریور ۱۴۰۳

⏰ چهارشنبه و پنجشنبه ساعت ۹ الی ۱۱

💰قیمت دوره: ٩٨٠/٠٠٠ تومان

🔗 برای کسب اطلاعات بیشتر و ثبت‌نام با ما در ارتباط باشید.

#دوره

🌐 Bits Learn | CSSA IUST | LinkedIn

✨ ویرایشگر کدی مدرن و قدرتمند: Zed.dev!

📌 نرم‌افزار Zed.dev یک ویرایشگر کد مدرن و قدرتمند است که با هدف ارائه تجربه‌ای سریع، کارآمد و قابل سفارشی‌سازی برای توسعه‌دهندگان طراحی شده است. این ویرایشگر با ترکیب ویژگی‌های پیشرفته و رابط کاربری دوستانه، می‌تواند یکی از انتخاب‌های خوب برای برنامه‌نویسان باشد.

💻 این نرم‌افزار با طراحی مدرن، عملکرد بالا و پشتیبانی از طیف گسترده‌ای از زبان‌های برنامه‌نویسی، به یکی از ویرایشگرهای کد قالب توجه تبدیل شده است. نسخه لینوکس این ویرایشگر نیز با تمامی امکانات و ویژگی‌های نسخه‌های دیگر به‌تازگی ارائه شده است که برای توسعه‌دهندگان لینوکس تجربه‌ای بی‌نظیر فراهم می‌کند.

📌 ویژگی‌های کلیدی نسخه لینوکس:
- سازگاری با توزیع‌های مختلف لینوکس
- عملکرد بالا و بهینه‌سازی شده
- رابط کاربری مدرن و قابل تنظیم
- پشتیبانی گسترده از زبان‌های برنامه‌نویسی
- ابزارهای همکاری

🔗 برای اطلاعات بیشتر به وب‌سایت این نرم‌افزار سر بزنید.

🔹 Bits Learn | CSSA IUST | LinkedIn

سرویس ProjectIDX چیه و دقیقا چیکار میکنه؟ 🤔

📌یه محیط آنلاین برای کدنویسی: به جای اینکه بری یه نرم‌افزار سنگین نصب کنی و باهاش کلنجار بری، فقط با مرورگرت می‌تونی به این محیط دسترسی داشته باشی.

📌در واقع گوگل، سرویس جدیدی رو راه‌اندازی کرده که Project IDX نام داره و می‌خواد ابزارهای محیط توسعه (IDE) رو برای برنامه‌نویسی فول-استک وب و تولید اپلیکیشن‌های مولتی‌پلتفرم از طریق مرورگرهای وب در دسترس قرار بده. این پروژه همچنین با هوش مصنوعی مولد تلفیق شده.

🔸 Bits Learn | CSSA IUST | LinkedIn

📝 قابلیت‌های ProjectIDX

📍پشتیبانی از کلی زبان برنامه‌نویسی: چه جاوااسکریپت، چه پایتون، چه جاوا و تعدادی زبان دیگه، ProjectIDX ساپورتش می‌کنه. پس هر پروژه‌ای داری، باهاش می‌تونی پیش بری.

📍امکانات تست و دیباگ: ابزارهای تست و اشکال‌زدایی داره که می‌تونی قبل از اینکه پروژه‌ات رو منتشر کنی، از درست بودنش مطمئن بشی. این‌جوری باگ‌ها رو زودتر پیدا می‌کنی و کمتر به دردسر می‌افتی.

📍کار تیمی راحت: اگه با یه تیم کار می‌کنی، همه‌تون می‌تونید هم‌زمان روی یه پروژه کار کنید و تغییرات همدیگه رو ببینید. این خیلی کمک می‌کنه که کارها سریع‌تر و هماهنگ‌تر پیش بره.

📍اتصال به سرویس‌های ابری گوگل: خیلی راحت می‌تونی پروژه‌ات رو به سرویس‌های گوگل مثل Google Cloud و Firebase وصل کنی و مدیریتش کنی. این یعنی انتشار پروژه‌ات مثل آب خوردن می‌مونه.

🔸 Bits Learn | CSSA IUST | LinkedIn

🤖 چیت شیت Scikit-Learn

7. Scikit-Learn

کتابخانه‌ای برای استفاده از روش‌های یادگیری ماشین در پایتون است.

نکات مهم:

- تقسیم داده‌ها:

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

- ایجاد و آموزش مدل رگرسیون خطی:

model = LinearRegression()
model.fit(X_train, y_train)

- محاسبه خطا:

mse = mean_squared_error(y_test, y_pred)
print(f"Mean Squared Error: {mse}")

🔗 دسترسی به چیت شیت: Scikit-Learn Cheat Sheet

🔸 Bits Learn | CSSA IUST | LinkedIn

🆓🔥 ۹ دوره آموزشی رایگان هوش مصنوعی انویدیا!

💭 دوره اول: تشریح هوش مصنوعی مولد
📌 مدت دوره: ۲ ساعت
📌 سطح دوره: مقدماتی
📌 در این دوره با فناوری‌هایی که در هوش مصنوعی مولد استفاده می‌شوند، آشنا خواهید شد. پس از تکمیل این دوره می‌توانید به‌صورت مؤثرتری از ابزارهای مختلف این فناوری بهره ببرید.

💭 دوره دوم: ساخت یک مغز در ده دقیقه
📌مدت دوره: ۱۰ دقیقه
📌 سطح دوره: مقدماتی
📌 این دوره به چگونگی عملکرد شبکه عصبی و نحوه یادگیری آن از داده‌ها می‌پردازد. همچنین با مفاهیم ریاضی پشت شبکه‌های عصبی هوش مصنوعی آشنا خواهید شد.

💭 دوره سوم: مدل زبانی بزرگ خود را با استفاده از رویکرد RAG تقویت کنید
📌 مدت دوره: ۱ ساعت
📌 سطح دوره: مبتدی
📌 این دوره اصول اولیه Retrieval-Augmented Generation یا به اختصار RAG را پوشش می‌دهد و با اجزای RAG در مدل‌های هوش مصنوعی مبنایی انویدیا آشنا خواهید شد.

💭 دوره چهارم: زیرساخت های هوش مصنوعی و مبانی عملیاتی
📌 مدت دوره: ۸ ساعت
📌 سطح دوره: مبتدی
📌 در این دوره مفاهیمی مانند یادگیری ماشینی، آموزش و استنتاج را درک خواهید کرد.

💭 دوره پنجم: تسریع گردش کار در علم داده بدون تغییر کد
📌 مدت دوره: ۱ ساعت
📌 سطح دوره: مبتدی
📌 این دوره به آموزش مزایای CPU و GPU یکپارچه می‌پردازد. در این‌جا با پردازش داده و یادگیری ماشینی بدون تغییر کد که منجر به پردازش سریع‌تر می‌شود، آشنا خواهید شد.

💭 دوره ششم: فراگیری سیستم‌‌های پیشنهادات
📌 مدت دوره: ۴۷ دقیقه
📌 سطح دوره: مبتدی
📌 این دوره برای هر کسی که می‌خواهد بر کارکردهای سیستم‌های پیشنهادات تسلط یابد، مناسب است. این دوره شما را با استراتژی‌های ایجاد یک سیستم ارائه توصیه در حوزه تجارت الکترونیک آشنا می‌کند.

💭 دوره هفتم: مقدمه‌ای بر شبکه‌سازی
📌 مدت دوره: ۱ ساعت
📌 سطح دوره: مبتدی
📌 در این دوره شما یاد خواهید گرفت که شبکه چیست . همچنین با اجزای شبکه، مدل OSI و مجموعه پروتکل TCP/IP و نقش آن‌ها در شبکه آشنا خواهید شد. این دوره آموزش اصول اولیه فناوری اترنت را نیز پوشش می‌دهد.

💭 دوره هشتم: نحوه طبقه‌بندی تصاویر در مقیاس بزرگ
📌 مدت دوره: ۱ ساعت
📌 سطح دوره: متوسط
📌 این دوره به کسانی که در زمینه محاسبات بصری علاقه دارند، توصیه می‌شود. در این‌جا با تکنیک‌های مختلف مدل‌سازی و پیاده‌سازی کد برای طبقه‌بندی تصاویر آشنا می‌شوید.

💭 دوره نهم: ساخت عامل‌های RAG با مدل‌های زبانی بزرگ
📌 مدت دوره: ۸ ساعت
📌 سطح دوره: متوسط
📌 این دوره استراتژی‌های مقیاس‌پذیر مدل‌های زبانی بزرگ (LLM) و پایگاه‌های داده را بررسی خواهد کرد. همچنین شما در آن با ایجنت‌های RAG و پارادایم مدرن LangChain برای مدیریت دیالوگ‌ها و بازیابی فایل‌ها و همچنین استفاده از مدل‌های پیشرفته و مراحل تولید آن‌ها آشنا خواهید شد.

🔹 Bits Learn | CSSA IUST | LinkedIn

🌐 Roadmap.sh 💻

یک وبسایت بسیار مفید است که شامل نقشه‌های راه، برنامه‌های درسی، مسیرها و منابع آموزشی برای توسعه‌دهندگان تازه‌کار و علاقه‌مندان به یادگیری برنامه‌نویسی می‌باشد. این وبسایت توسط جامعه توسعه‌دهندگان برای راهنمایی افرادی که نمی‌دانند چه چیزی را بعد از این باید یاد بگیرند ایجاد شده است. هدف این سایت کمک به توسعه‌دهندگان در پیشرفت حرفه‌ای آن‌ها و ارائه منابع مورد نیاز است.

📌 ویژگی‌های کلیدی:

🗺 نقشه‌های راه جامع: شامل مراحل مختلف و تکنولوژی‌های مورد نیاز برای هر نقش است.
🔄 به‌روزرسانی مداوم: نقشه‌های راه به طور منظم به‌روزرسانی می‌شوند تا با تغییرات هماهنگ باشید.
📚 منابع یادگیری: هر مرحله شامل لینک‌ها و منابعی است که به یادگیری شما کمک می‌کند.
🔄 تعاملی: کاربران می‌توانند مسیر خود را دنبال کرده و پیشرفت خود را مشاهده کنند.

🔹 Bits Learn | CSSA IUST | LinkedIn

📚 آشنایی با انواع دیتابیس‌ها: SQL و NoSQL

📊 دیتابیس یا پایگاه داده، مکانی است که داده‌ها به صورت سازماندهی شده ذخیره و مدیریت می‌شوند. در سیستم‌های اطلاعاتی مدرن، دو نوع اصلی دیتابیس وجود دارد: SQL و NoSQL.

۱. دیتابیس‌های SQL
مخفف Structured Query Language است. این دیتابیس‌ها ساختار یافته هستند و از جداول برای ذخیره‌سازی داده‌ها استفاده می‌کنند.

🔹 دیتابیس MySQL: یکی از محبوب‌ترین دیتابیس‌های SQL که توسط شرکت اوراکل پشتیبانی می‌شود.
🔹 دیتابیس PostgreSQL: دیتابیس قدرتمند و متن‌باز با قابلیت‌های پیشرفته مثل پشتیبانی از انواع داده‌های پیچیده.

۲. دیتابیس‌های NoSQL
عبارت NoSQL به دیتابیس‌هایی گفته می‌شود که از ساختارهای غیر جدولی برای ذخیره‌سازی داده‌ها استفاده می‌کنند و برای داده‌های بزرگ و متغیر مناسب هستند.

🔸 دیتابیس MongoDB: دیتابیسی مبتنی بر اسناد که بسیار مقیاس‌پذیر و انعطاف‌پذیر است.
🔸 دیتابیس Apache Cassandra: دیتابیسی توزیع‌شده و مبتنی بر ستون است که برای داده‌های بزرگ و متغیر مناسب است.

برای اطلاعات بیشتر اینجا را بخوانید. (منبع تصویر)

🔹 Bits Learn | CSSA IUST | LinkedIn

📈 Database Design Course

دوره آموزش طراحی دیتابیس به صورت عملی و تئوری در PostgreSQL

👥 مدرس‌ دوره:
مهدی اسداله زاده
توسعه‌دهنده فول‌استک


📊 محتوای دوره:
● Introduction to Databases and PostgreSQL
● Data Modeling and Database Design
● Basic SQL Commands
● Creating and Managing Tables
● Complex Queries using JOIN
● Aggregate Operations and Data Grouping
● Subqueries and Derived Tables

📆 زمان برگزاری: ۱۷ شهریور الی ۲۰ مهر ۱۴۰۳

⏰ پنجشنبه و جمعه ساعت ۹ الی ۱۰:۳۰

💰قیمت دوره: ۹۸۰/۰۰۰ تومان

🔗 برای کسب اطلاعات بیشتر و ثبت‌نام با ما در ارتباط باشید.

#دوره

🌐 Bits Learn | CSSA IUST | LinkedIn

Xournal++: ابزار یادداشت‌برداری دیجیتال

این نرم‌افزار یک ابزار منبع باز و چندسکویی برای یادداشت‌برداری و حاشیه‌نویسی است که به شما امکان می‌دهد یادداشت‌های دیجیتال خود را با دست‌خط شخصی و ابزارهای متنوع ایجاد کنید. این برنامه تجربه‌ای شبیه به یادداشت‌برداری فیزیکی را فراهم می‌آورد و برای کاربران مبتدی تا حرفه‌ای مناسب است.

ویژگی‌های کلیدی Xournal++:

- پشتیبانی از قلم‌های حساس به فشار و تبلت‌های نقاشی: ایجاد یادداشت‌های دقیق و طبیعی با دست‌خط شخصی.
- ابزارهای متنوع یادداشت‌برداری: شامل قلم، هایلایت‌کننده و پاک‌کننده برای تجربه‌ای شبیه به یادداشت‌برداری روی کاغذ.
- مدیریت و پیگیری یادداشت‌ها: استفاده از لایه‌ها و ابزارهای پیشرفته برای ساخت یادداشت‌های پیچیده و منظم.
- تخصیص و سفارشی‌سازی: طراحی نوار ابزار خود و افزودن ویژگی‌های جدید با پلاگین‌ها یا زبان برنامه‌نویسی Lua.
- پشتیبانی از فرمت‌های مختلف: ذخیره یادداشت‌ها در فرمت‌های مختلف و صادر کردن فایل‌های PDF حاشیه‌نویسی‌شده.
- اضافه کردن رسانه‌ها و ضبط صدا: افزودن تصاویر، اشکال مختلف و ضبط‌های صوتی به یادداشت‌ها.

🔹 Bits Learn | CSSA IUST | LinkedIn

🔹 Deep Learning

تدریس کامل انواع معماری‌های شبکه عصبی برای پردازش داده‌های تصویری و متنی به صورت نظری و عملی با ابزار PyTorch، آشنایی با مدل‌های معروفی همچون Resnet و BERT، حل مسائلی همچون Image Segmentation با Unet

👥 مدرسین‌ دوره:
پویا جعفری: محقق و توسعه‌دهنده هوش مصنوعی شرکت روشن
سعید ارونقی: توسعه‌دهنده هوش مصنوعی شرکت روشن


📟 محتوای دوره:
∙ Perceptron Model and MLP
∙ Feed Forward Networks
∙ Hands-on PyTorch
∙ Image Processing with CNNs
∙ Image to Image Models (Segmentation)
∙ NLP with RNNs
∙ LSTM & GRU
∙ Transformers and BERT

📆 زمان برگزاری: ۱۷ شهریور الی ۶ مهر ۱۴۰۳

⏰ چهارشنبه و پنجشنبه ساعت ۹ الی ۱۱

💰قیمت دوره: ۹۸۰/۰۰۰ تومان

🔗 برای کسب اطلاعات بیشتر و ثبت‌نام با ما در ارتباط باشید.

#دوره

🌐 Bits Learn | CSSA IUST | LinkedIn