اخبار هوش مصنوعی
2.83K subscribers
672 photos
354 videos
1.01K files
1.36K links
Download Telegram
Forwarded from AI with Parissan 🤖🦾 (Parisan Ahmadi)
Python for Science .pdf
7.5 MB
📚Python for Science and Engineering🏆

👤Hans-Petter Halvorsen

📚کتاب پایتون برای علوم و مهندسی
🏆🔥🏆

به زبان ساده 🦦🦦🦦

#python #datascience #book #pythonlibraries

AIwithParissan | AI Tutorials
Forwarded from AI with Parissan 🤖🦾 (Pariss)
learneverythingai -9.pdf
2.6 MB
Machine Learning for absolutely Beginners 🚀🚀🚀🚀

ماشین لرنینگ برای فوق مبتدیان کتابچه کامل با مسائل کاربردی و مثال‌های تصویری و به زبان ساده 🦦🦦🦦🦦

#machinelearning #statisticallearning #datascience #artificialinteligence #ai

AIwithParissan | AI Tutorials
Forwarded from DLeX: AI Python (Amir)
📚 Dive into Deep learning
Interactive deep learning book with multi-framework code, math, and discussions.
یک کتاب مناسب برای آموزش یادگیری‌عمیق. این کتاب حاوی ۱۱۵۰ صفحه آموزش تعاملی به همراه مثال‌های متعدد در پای‌تورچ اصول و تکنیک‌های یادگیری عمیق رو بهتون آموزش می‌ده.

🔗 https://d2l.ai/
🔗 https://d2l.ai/d2l-en.pdf
🔗 https://github.com/d2l-ai/d2l-en

#DataScience #MachineLearning
#ML #DeepLearning

@ai_python
This media is not supported in your browser
VIEW IN TELEGRAM
⭕️ منبع تمام کتابخانه‌های پایتون برای علوم داده!

👨🏻‍💻 نمی‌تونستم این پکیج کامل از کتابخانه‌های اصلی پایتون برای علوم داده‌ رو ببینم و باهاتون به اشتراک نگذارم.

این مخزن فوق العاده گیت‌هاب تمامی کتابخانه‌ها، بسته‌ها و ابزارهای پایتون رو که برای یادگیری و انجام پروژه‌های علوم داده ضروری هستند رو پوشش میده.👌🏼

🔖 لینک دسترسی به مخزن:

🏷 Awesome Python Data Science
🗃
GitHub-Repos


#️⃣ #علم_داده #DataScience

📊 دانشمند داده شوید :
📎
@DataScience_ir
This media is not supported in your browser
VIEW IN TELEGRAM
👨🏻‍💻 دیتاساینتیست‌های عزیز؛ دیگه لازم نیست توی Jupyter notebook کد بنویسین! با دستیار آناکوندا، Anaconda Assistant که به ژوپیتر نوت‌بوک اضافه شده، می‌تونین promp بنویسین و کدی که میخواین خودکار تولید میشه!

دستیار آناکوندا هوش مصنوعی مولد رو برای پایتون و آنالیز داده ها به ارمغان میاره و کار با داده‌ها رو برای هر کسی آسون می‌کنه. می.تونین به این ویژگی به صورت کاملا رایگان در نوت بوک Anaconda خودتون دسترسی داشته باشین! 💯

💬 از موارد کاربرد Anaconda Assistant :

🚀 تولید کد و بهبود تجربه کدنویسی
📊 مصورسازی و آنالیز داده‌ها با کارایی بیشتر
📈 رسم نمودارها
🔍 توضیح دیتا فریم و نظردهی


🔖 راهنمای آموزشی Anaconda Assistant :

🏷 Anaconda Assistant
🚀
Anaconda Assistant
📚 Getting started


#️⃣ #علم_داده #DataScience

📊 دانشمند داده شوید :
📎
@DataScience_ir
⭕️ نقشه راه یادگیری علم داده در سال 2024
📂 با تمام ویدیوها، پروژه‌ها، کتاب‌ها و جزوات

👨🏻‍💻 کریش نایک از دانشمندان داده معروف هندی، با بیش از 845 هزار کاربر در کانال یوتیوب، یک نقشه راه جامع برای یادگیری علم داده در سال جدید میلادی منتشر کرده است.

🔷 این نقشه راه برای همه کسانی که قصد دارن به تازگی یادگیری علوم داده رو شروع کنن یا در این حوزه با تجربه هستن و قصد دارن تا با جدیدترین آموزش های این حوزه آشنا بشن، فوق العادست.👌🏼

این رودمپ جامع شامل آموزش از صفر پایتون، یادگیری ماشین، یادگیری عمیق، MLOPS, LLM, Generative AI و بسیاری موارد دیگه میشه.


🏷 Data Science Perfect Roadmap
📝
Roadmap To Learn Data Science 2024


#️⃣ #علم_داده #DataScience

📊 دانشمند داده شوید :
📎
@DataScience_ir
⭕️ لیست 50 چیت‌شیت برتر علوم داده

👨🏻‍💻 از روزی که شروع به خلاصه‌نویسی مباحث علوم داده در لینکدین کردم، تصمیم گرفتم هر مبحث رو در چند برگه خلاصه کنم. در نهایت به فهرستی از 50 برگه تقلب از حوزه‌های مختلف علوم داده رسیدم. این لیست تقریباً حاوی هر چیزی است که یک فرد داده ممکن است نیاز داشته باشد، از نحوه مصورسازی با Matplotlib گرفته تا استفاده از ChatGPT.👌🏼

◼️ پایتون : لینک
◻️ کتابخونه Pandas : لینک
◼️ کتابخونه NumPy : لینک
◻️ کتابخونه Matplotlib : لینک
◼️ کتابخونه seaborn : لینک
◻️ کتابخونه scikit-learn : لینک
◼️ کتابخونه TensorFlow : لینک
◻️ کتابخونه Keras : لینک
◼️ فریم‌ورک PyTorch : لینک
◻️ زبان SQL : لینک
◼️ پروژه GeoPandas : لینک
◻️ سیستم کنترل ورژن Git : لینک
◼️ پلتفرم ابری AWS : لینک
◻️ پلتفرم ابری Azure : لینک
◼️ رایانش ابری Google Cloud Platform : لینک
◻️ پلتفرم Docker : لینک
◼️ پلتفرم Kubernetes : لینک
◻️ آموزش The Linux Command Line : لینک
◼️ نوت‌بوک Jupyter : لینک
◻️ آماده سازی داده : لینک
◼️ تجسم داده : لینک
◻️ استنباط آماری : لینک
◼️ احتمال : لینک
◻️ جبر خطی : لینک
◼️ حساب دیفرانسیل : لینک
◻️ سری‌های زمانی : لینک
◼️ پردازش زبان طبیعی : لینک
◻️ شبکه عصبی : لینک
◼️ یادگیری عمیق : لینک
◻️ یادگیری ماشین : لینک
◼️ فریم‌ورک آپاچی اسپارک : لینک
◻️ فریم‌ ورک آپاچی هادوپ : لینک
◼️ ابزار Big O Notation : لینک
◻️ آموزش Regular Expression : لینک
◼️ آموزش Unix / Linux Permissions : لینک
◻️ آموزش Python String Formatting : لینک
◼️ فریم‌ورک Flask : لینک
◻️ فریم‌ورک Django : لینک
◼️ کتابخونه plotly : لینک
◻️ دیتابیس PostgreSQL : لینک
◼️ دیتابیس MySQL : لینک
◻️ دیتابیس MongoDB : لینک
◼️ کتابخونه TensorFlow Probability : لینک
◻️ چت‌بات GPT-3 : لینک
◼️ آموزش GPT-3 API Reference : لینک
◻️ کتابخونه SciPy : لینک
◼️ چت‌بات ChatGPT : لینک
◻️ آموزش Colors in Data Viz : لینک
◼️ آموزش Geospatial DS in Python : لینک


#️⃣ #علم_داده #DataScience

📊 دانشمند داده شوید :
📎
@DataScience_ir
10 GitHub Repositories to Master Data Science

۱۰ ریپوی خوب گیت هاب برای دیتا ساینس

#datascience
#machineLearning
#dataEnginnering


https://www.kdnuggets.com/10-github-repositories-to-master-data-science
@DataScience_ir - Statistics Flashcards.pdf
486.7 KB
🗂 فلش کارت‌های آمار برای علم داده
💯 مرور سریع و لذت بخش مباحث آماری


👨🏻‍💻 اگه دنبال یه راه آسون و سریع برای یادگیری و مرور مفاهیم آماری در علوم داده هستین، دیگه لازم نیست کلی وقت بذارین و کتابای قطور و مختلف رو مطالعه بزنین!

فلش‌ کارت‌های "آمار برای علم داده"، یه مرجع سریع و کاربردی برای درک مفاهیم کلیدی آمار در علوم داده، برای افراد مبتدی و حرفه‌ای هست.

از مباحث پایه‌ای مثل "میانگین" و "میانه" گرفته تا مباحث پیچیده‌تر مثل "آزمون فرض" و "توزیع‌های احتمال"، همه رو تو این فلش‌کارت‌ها می‌تونین پیدا کنین.👌


🌐 #علم_داده #DataScience

📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
🤩 معرفی ابزار Taipy؛ ابزاری قوی‌تر از Streamlit
🥇برای ارائه پروژه‌های علوم داده
بدون نیاز به یادگیری JS, CSS یا HTML!

👨🏻‍💻 معمولاً ارائه و گزارش نتایج پروژه‌های علم داده و ML کار سختیه و همیشه از فریم‌ورک متن‌باز Streamlit برای ساخت وبسایت‌های زیبا و تعاملی برای پروژه‌های علوم داده استفاده می‌شد.

✔️ اما حالا وقتشه به Taipy سوئیچ کنین! Taipy یه کتابخونه متن‌باز و قدرتمند برای ساخت اپلیکیشن‌های وب AI و داده‌محوره که مستقیماً با پایتون کار می‌کنه. اگه می‌خوای نتایج رو به بهترین شکل نشون بدی، این ابزار بهترین انتخابه!

با این ابزار نسبت به Streamlit قوی‌تره و نه تنها برای ساخت پروتوتایپ‌ها مثل Streamlit مناسبه، بلکه می‌تونی اپلیکیشن‌های داده‌محور آماده تولید هم بسازی که توی Streamlit ممکن نیست.

📝 مزایای Taipy نسبت به Streamlit:

1️⃣ سرعت و کارایی بهتر روی دیتاست‌های بزرگ.
2️⃣ پشتیبانی از Jupyter.
3️⃣ قابلیت اجرای Asynchronous Calls تا زمان اجرای کارهای سنگین گیر نکنه.

📎 حتی یه افزونه برای VS Code داره که بدون کد نویسی هم می‌تونی اپلیکیشن‌های داده‌محور بسازی.👇

🏷 Taipy
💰 Website
📨 Article
😉 Youtube Channel
🐱 GitHub-Repos


pip install taipy



🌐 #علم_داده #DataScience

📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
@DataScience_ir - Linear Algebra for Data Science.pdf
3 MB
📚 جزوه جبر خطی برای علوم داده!
📁 دانشگاه نیویورک آمریکا


👨🏻‍💻 کیونگهیون چو، استاد دانشکده علوم کامپیوتر و علوم داده دانشگاه نیویورک، یه جزوه جامع و کاربردی برای یادگیری جبر خطی در حوزه علوم داده، ارائه کرده که بی‌نظیره!👌

📄 این جزوه به جای اینکه با مفاهیم ریاضی خشک و مباحث سنگین تئوری‌ شروع بشه، مستقیماً رفته سراغ مباحثی که توی علوم داده و یادگیری ماشین هر روز باهاشون سر و کار داریم.

این جزوه مفاهیم سخت و تئوریک رو کنار گذاشته و با یه رویکرد مسئله‌محور، جبر خطی رو به‌صورتی کاربردی و با پیاده سازی در پروژه‌های واقعی بهت یاد میده!


🌐 #علم_داده #DataScience

📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
@DataScience_ir - Data Visualization.pdf
1.2 MB
📊 جزوه فارسی «مصورسازی داده‌ها»

👨🏻‍💻 مصورسازی داده‌ها یه بخش کلیدی از تحلیل داده‌هاست که کمک می‌کنه تا به جای غرق شدن توی انبوهی از اطلاعات، سریع‌تر و راحت‌تر بفهمیم داده‌هامون چی دارن بهمون میگن. وقتی داده‌ها رو به شکل گرافیکی و بصری می‌بینیم، پیدا کردن الگوها و روابطی که شاید توی اعداد و جداول پنهان مونده، خیلی ساده‌تر میشه.👌

✔️ توی این جزوه، روش‌های مختلف مصورسازی داده‌ها بر اساس اهداف مختلف معرفی شدن. این روش‌ها بهتون کمک می‌کنه تا داده‌هاتون رو با دقت بیشتری نمایش بدین و بهتر تصمیم بگیرین.


🌐 #علم_داده #DataScience

📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
چرا Claude از ChatGPT برای کارهای تحلیل داده بهتره؟

👨🏻‍💻 برای کارهای تحلیل داده‌تون از Claude به جای ChatGPT استفاده کنین. Claude نه تنها به نمودارهای ساده‌ی پایتون مثل matplotlib یا seaborn محدود نیست، بلکه می‌تونه نمودارهای تعاملی و پیشرفته رو مستقیم توی وب تولید کنه و حتی فیلترهای دقیق و شخصی‌سازی شده‌ رو برای هر بخش از داده‌هاتون ارائه بده!

✔️ تصور کنین دیتاهای پیچیده رو که ساعت‌ها وقت می‌گیره، در عرض چند ثانیه تحلیل کنین. برای مثال به ویدیوی بالا که مربوط به نمودار دانلودهای برتر در GitHub و رشد اون‌هاست، نگاه کنید:
4 ساعت کار علم داده رو تنها در 10 ثانیه انجام داره می‌ده!

💸 چت‌بات Claude دقیقا برای کسایی که دنبال ترکیب کارایی و سرعت هستن. یه ابزار فوق‌العاده که می‌تونه داده‌ها رو با دقت و بدون محدودیت نمایش بده!

🤖 Claude
💰 LINK


🌐 #علم_داده #DataScience

📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
Please open Telegram to view this post
VIEW IN TELEGRAM