🔥 پلتفرم داکر

⭐️ داکر یه پلتفرم اُپن سورسه که برای توسعه، اجرا و مدیریت برنامه‌های مرتبط با تحلیل داده استفاده میشه و یکی از مهارت‌های مهمیه که باید به عنوان یه دانشمند داده در اون سرمایه گذاری کنین. به همین دلیل من چندتا مقاله برای آشنایی بیشتر با این پلتفرم محبوب در حوزه علوم داده نوشتم که پیشنهاد میکنم به هیچ وجه از دستشون ندین!


1️⃣ داکر برای پروژه‌های علوم داده : مقدمه‌ای مختصر برای مبتدیان
📁 لینک مقاله: LINK

2️⃣ 10 دستور داکر برای 90٪ از وظایف کانتینر سازی
📁 لینک مقاله: LINK

3️⃣ بهترین دستورالعمل‌های صنعت برای استفاده از داکر در علوم داده
📁 لینک مقاله : LINK

4️⃣ بهترین چیت شیت‌های داکر برای علوم داده
📁 لینک چیت شیت‌ها : LINK 1 II LINK 2


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 برترین ابزارهای تخصصی علم داده با بیشتر رشد استفاده طی سال‌های 2019 تا 2022

🟡 با دوستان‌ تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 مدیرعامل سابق گوگل معتقده AI بهره‌ورری رو افزایش می‌ده

⭐️ اریک اشمیت، مدیرعامل سابق گوگل، در مورد پتانسیل هوش مصنوعی گفته که این فناوری می‌تونه بهره‌وری همه افراد رو در زمینه‌های مختلف مثل کسب‌وکار، آموزش و پزشکی دو برابر کنه. 

⚡ همچنین معتقده که با استفاده از قدرت تجزیه و تحلیل داده‌های بزرگ و یادگیری ماشین، هوش مصنوعی به افراد کمک می‌کنه تا به شیوه‌ای کارآمدتر و مؤثرتر کار کنن، در نتیجه به طور چشمگیری بهره‌وری کلی افزایش پیدا می‌کنه.

✌ اشمیت تاکید می‌کنه که با وجود چالش‌های اخلاقی و نظارتی هوش مصنوعی، مزایاش برای بهبود کیفیت زندگی و کارایی انکارناپذیره.

⬅️ به گفته اشمیت، تلاش برای همگام‌سازی قوانین و مقررات با سرعت پیشرفت هوش مصنوعی به اطمینان استفاده مسئولانه و بهینه از این فناوری در جامعه کمک می‌کنه.


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡
🔵 @DataScience_Function

🔥 هوش مصنوعی و زیرشاخه‌های آن!

⭐️ در تصویر فوق یک تقسیم بندی جامع از هوش مصنوعی و زیرشاخه‌های  آن به همراه موردکاربردهای عملی معرفی و ارائه شده است.

⚡ با عمومی‌ترشدن کاربردهای هوش مصنوعی متاسفانه برخی AI را در صرف مدل‌های چت بات و تولید متن یا ویدیو خلاصه میکنند. در حالی که  هوش مصنوعی همانند یک چتر کلان طیف وسیعی از حوزه‌‎های دانشی را پوشش میدهد.


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 افرازی از مفاهیم هوش مصنوعی، یادگیری ماشین، شبکه عصبی و یادگیری عمیق


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 Libraries in Python: From Data Collection and Visualization to Machine Learning and Data Analysis

🔥 کتابخانه‌های پایتون از جمع‌آوری و مصورسازی داده تا یادگیری ماشین و تحلیل داده

🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 نقشه یادگیری علم داده در سال 2024


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

⭐️ مدل Grok-1 توسط xAI به صورت اوپن‌سورس در academictorrent و گیت‌هاب منتشر شد. این مدل 314B پارامتر دارد و بزرگ‌ترین مدلی است که به صورت اوپن‌سورس منتشر شده است

🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 ترندهای مهارتی علم داده بر اساس گزارش Job Skills 2024 کورسرا

⭐️ همانطور که در شکل بالا مشخص است، مهارت‌های مرتبط با مصورسازی و داستان‌سرایی داده‌ها یعنی Power Bi، Tableau و Data Visualization رتبه‌های اول تا سوم را کسب کرده‌اند و توجه روزافزون شرکت‌ها به این موضوع را نشان می‌دهد.

🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 اصلی‌ترین ابزارهای مورد تقاضا در آگهی‌های شغلی علوم داده


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 دوازده وبسایت مطرح در حوزه علم داده

🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 Large Language Models (LLMs) roadmap

نقشه راه و منابع آموزشی مدل‌های بزرگ زبانی (Large Language Models)

⭐️ این ریپو منابع آموزش LLM رو در سه سکشن ارائه داده:

🔗 LLM Fundamentals covers essential knowledge about mathematics, Python, and neural networks.
🧑‍🔬 The LLM Scientist focuses on learning how to build the best possible LLMs using the latest techniques
👷 The LLM Engineer focuses on how to create LLM-based solutions and deploy them.


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 A timeline of existing large language models

تایم‌لاین معرفی مدل‌های بزرگ زبانی


🔵 @DataScience_Function

🔥 Scope of AI, Deep Learning, and Machine Learning


🔵 @DataScience_Function

🔥 ده کتابخانه برتر و کاربردی بهینه‌سازی یادگیری ماشین در python

1️⃣ Optuna
2️⃣ Hyperopt
3️⃣ Scikit-learn
4️⃣ Auto-Sklearn
5️⃣ Hyperactive
6️⃣ Optunity
7️⃣ HyperparameterHunter
8️⃣ MLJAR
9️⃣ KerasTuner
1️⃣0️⃣ Talos


🔵 @DataScience_Function

🔥 مهارت های ضروری برای یک دانشمند داده

🔴 با بررسی بیش از 800 موقعیت شغلی DS

🔗 برای دستیابی بهتر به یک موقعیت شغلی دانشمند داده، کسب مهارت هایی ضروری است که بیشتر شرکت ها به دنبال آن هستند.


🔵 @DataScience_Function

🔥 مسیر پیشنهادی سایت datasciencedojo برای یادگیری علوم داده


🔗 مطالعه کامل توضیحات مسیر


🔵 @DataScience_Function

🔥 نقشه راه یادگیری و تسلط به SQL

⭐️ من یادگیری علوم داده رو با زبان SQL شروع کردم و از همون ابتدا تصمیم گرفتم بهترین منابعی که در مسیر یادگیریم خیلی موثر بودن رو جمع آوری کنم. حالا این لیست آماده شده که باهاتون به اشتراک بگذارم:👇

🔗 این لیست به 3 بخش تقسیم شده که شامل منابع آموزشی متنوع برای یادگیری SQL به صورت مرحله به مرحله است!


🎁 دوره‌های رایگان

📺 دوره SQL کانال freeCodeCamp: لینک
📺 دوره MySQL کانال Programming: لینک
📺 دوره SQL کانال techTFQ: لینک
📺 دوره Intermediate SQL: لینک


🌐 وبسایت‌های کاربردی

😄 وبسایت SQLBolt: لینک
😄 وبسایت SQLZOO: لینک
😄 وبسایت SQL Test: لینک
😄 وبسایت W3schools: لینک
😄 وبسایت codecademy: لینک


🌐 وبسایت‌هایی برای تمرین

📶 وبسایت LeetCode: لینک
📶 وبسایت HackerRank: لینک
📶 وبسایت DataLemur: لینک


🔵 @DataScience_Function

🔥 برگه تقلب جامع مباحث علوم داده


🎁 برخی از سرفصل‌های پرداخته شده در فایل PDF:

🗂️ نقشه‌ی راه یادگیری هوش مصنوعی و علم داده.
🗂️ مبانی آمار و ریاضیات.
🗂️ مهم ترین الگوریتم‌های هوش مصنوعی.
🗂️ یادگیری ماشین.
🗂️ یادگیری تقویتی.
🗂️ هوش مصنوعی مولد و مدل‌های زبان بزرگ.
🗂️ زبان‌های برنامه‌نویسی پایتون و SQL.

┌ ✏️ AI & DS Cheat Sheets
└ 🖊 PDF


🔵 @DataScience_Function

🔥 هفت گام پروژه‌های علم داده


🔵 @DataScience_Function