🥇 بهترین راه یادگیری شبکه‌های عصبی، اینجاست!

👨🏻‍💻 اگه دنبال یادگیری عمیق و اصولی شبکه‌های عصبی هستین، دست نگه دارین! دیگه لازم نیست توی هزارتوی کتاب‌ها و ویدیوهای آموزشی گم بشین.

✔️ با یه کتابخونه اُپن سورس به نام mlfz می‌تونین مفاهیم پایه تا پیشرفته شبکه‌های عصبی رو به ساده‌ترین شکل ممکن یاد بگیرین! این کتابخونه مثل یه کتاب درسی نوشته شده و در عین حال که دارین با کدهاش کار می‌کنین، شبکه‌های عصبی رو هم یاد می‌گیرین!

⏪ اینجا دیگه خبری از PDF و اینفوگرافی نیست؛ شما در واقع از صفر یاد می‌گیرین که شبکه‌های عصبی چطور کار می‌کنن. چیزی که این تجربه رو جذاب‌تر می‌کنه اینه که بخش به بخش کدها رو کنار هم می‌ذارین و یه شبکه عصبی واقعی رو، از اول می‌سازین.

✏️ این روش مطالعه، عمیق‌ترین و موندگارترین روش یادگیریه. چون خودت داری هر چیزی رو از پایه می‌سازی و با دستای خودت می‌بینی چطور این شبکه‌ها کار می‌کنن.👇

┌ 🏳️‍🌈 mlfz
├ 📄 Documentation
└ 🐱 GitHub-Repos

pip install mlfz

🌐 #یادگیری_عمیق #DeepLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa

🥇 این مخزن گیت‌هاب مثل یه معدن طلا برای هر دیتاساینتیسته!

✅ یادگیری تعاملی و مفهومی مباحث علوم داده

👨🏻‍💻 این ریپوی گیت‌هاب دقیقاً همون چیزیه که برای یادگیری تعاملی و عمیق مفاهیم علم داده، آمار و مدل‌های یادگیری ماشین لازم دارین. پروفسور مایکل پیرچ از دانشگاه تگزاس، کلی داشبورد تعاملی اینجا گذاشته که می‌تونین باهاش خیلی از مفاهیم مهم علوم داده رو یاد بگیرین و مرور کنین.

💡 این داشبوردها مثل یه کلاس درس واقعیه، که می‌تونین مباحث مختلف رو هم یاد بگیرین و هم هر موضوعی که خواستین رو تمرین و مرور کنین.

💰 بعضی از موضوعاتی که می‌تونین به شکل تعاملی یاد بگیرین:

🔢 مباحث آمار و احتمال علوم داده
🔢 خوشه بندی
🔢 تحلیل مولفه‌های اصلی (PCA)
🔢 تکنیک‌های Bagging و Boosting
🔢 رگرسیون خطی
🔢 شبکه‌های عصبی و...


┌ 🗂 Interactive DS Python Dashboards
└ 🐱 GitHub-Repos


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

📂 10 مخزن برتر گیت‌هاب
✅ برای «پروژه‌های یادگیری ماشین»


1️⃣ ریپوی 500AI Projects with Code

⏪ 500 پروژه هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، CV, NLP به همراه کد.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

2️⃣ ریپوی 100Days of ML Code

⏪ برنامه‌ای صد روزه برای آموزش و تمرین کدنویسی یادگیری ماشین.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

3️⃣ ریپوی ML Projects

⏪ مجموعه‌ای از پروژه‌های عملی یادگیری ماشین.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

4️⃣ ریپوی Awesome Deep Learning

⏪ گنجینه‌ای از کتاب‌ها و مقالات علمی دیپ لرنینگ تا دوره‌های آموزشی و ابزارهای کاربردی.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

5️⃣ ریپوی Awesome NLP

⏪ مجموعه‌ای از منابع حوزه پردازش زبان طبیعی شامل کتاب‌ها، ابزارها و مقالات ارزشمند.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

6️⃣ ریپوی NLP Progress

⏪ گزارش‌ها و نتایج جدیدترین پیشرفت‌ها در حوزه NLP، شامل معیارهای ارزیابی و مدل‌ها.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

7️⃣ ریپوی Awesome Computer Vision

⏪ فهرستی از کتب، دوره‌ها و مقالات رایگان بینایی کامپیوتر.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

8️⃣ ریپوی Ccomputer Vision Recipes

⏪ مجموعه‌ای از دستورالعمل‌ها و راهنمایی‌ها برای پیاده‌سازی پروژه‌های بینایی کامپیوتر.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

9️⃣ ریپوی Awesome RecSys

⏪ لیستی از منابع مرتبط با سیستم‌های توصیه‌گر شامل مقالات، ابزارها و پروژه‌های اُپن سورس.

🐱 لینک: GitHub-Repos
✂️✂️✂️✂️✂️✂️

1️⃣ ریپوی Recommenders

⏪ مجموعه‌ای از الگوریتم‌ها و مثال‌های کدنویسی برای پیاده‌سازی سیستم‌های توصیه‌گر.

🐱 لینک: GitHub-Repos



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

✅ +50 پروژه‌ هوش مصنوعی و علوم داده


1️⃣ پروژه‌های مدل‌های زبان بزرگ ⬅️ لینک

┌ 🏷 Guided LLMs Projects
├ ◼️ Chatbot with Langchain
├ ◻️ Document Chat with OpenAI
├ ◼️ Falcon 4 0BChat App
├ ◻️ GPT Banker with LLaMA 2
├ ◼️ Finetune Llama 2
├ ◻️ Lex Fridman Podcast Summary
└ ◼️ Veterinary Chatbot with Llama 2


2️⃣ پروژه‌های Fine-Tune مدل‌های زبان بزرگ ⬅️ لینک

┌ 🏷 Guided LLM Fine-tuning Projects
├ ◼️ LLMs with LoRA & Hugging Face
├ ◻️ Finetune Llama 2 in Colab
├ ◼️ Guanaco Chatbot with LLaMA-7B
├ ◻️ PEFT Bloom-560m
├ ◼️ Finetune Meta OPT-6.1B
├ ◻️ Finetune Falcon-7B with BNB
├ ◼️ LLaMa2 with QLoRa
├ ◻️ Stable Vicuna 1.3B in Colab
├ ◼️ GPT-Neo-X 20B Training
├ ◻️ MPT-Instruct-30B Training
├ ◼️ RLHF Custom Dataset
├ ◻️ Fine-Tune Microsoft Phi 15B
├ ◼️ Finetuning GPT-3.5 Turbo
└ ◻️ Mistral-7B with Autotrain


3️⃣ پروژه‌های تحلیل سری زمانی ⬅️ لینک

┌ 🏷 3-1) Forecasting Projects
├ ◼️ Stock Prediction with LSTM
├ ◻️ Forecasting with Prophet
├ ◼️ Sales Forecasting with ARIMA
├ ◻️ Weather Forecasting
├ ◼️ Forecasting with XGBoost
├ ◻️ Stock Prediction App
└ ◼️ Forecasting with PyCaret

┌ 🏷 3-2) Time Series Analysis Projects
├ ◼️ Hourly Energy Analysis
├ ◻️ Stock Market Analysis
└ ◼️ Time Series EDA with PyCaret

┌ 🏷 3-3) Anomaly Detection Projects
├ ◼️ Anomaly Detection with PyCaret
├ ◻️ Unsupervised Detection
└ ◼️ Time Series Detection


4️⃣ پروژه‌های بینایی کامپیوتر ⬅️ لینک

┌ 🏷 Guided Computer Vision Projects
├ ◼️ Deep Facial Recognition
├ ◻️ Sign Language Detection
├ ◼️ Enterprise Image Classifier
├ ◻️ CV Mobile Apps
├ ◼️ Image Search Engine
├ ◻️ Vehicle Detection with Pi
├ ◼️ MaskFormer Segmentation
├ ◻️ Age Detection
├ ◼️ Horse to Zebra CycleGAN
├ ◻️ CV App with Azure
├ ◼️ Object Detection with Sagemaker
├ ◻️ Potato Disease Classification
└ ◼️ Sports Celebrity Classification


5️⃣ پروژه‌های پردازش زبان طبیعی

┌ 🏷 Guided NLP Projects
├ ◼️ Speech Recognition
└ ◼️ Embedding-Based Search


6️⃣ پروژه‌های علم داده ⬅️ لینک

┌ 🏷 Guided Data Science Projects
├ ◼️ Data Science Salary App
├ ◻️ Real Estate Price App
├ ◼️ Real-Time Data Analysis
├ ◻️ ML Monitoring with Airflow
└ ◼️ AI Recommender System


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

🔴 پیش‌بینی زلزله با الگوریتم‌های یادگیری ماشین
✅ با دقت بی‌سابقه ۹۷.۹۷٪ !

👨🏻‍💻 به تازگی یه مقاله منتشر شده که تونسته زلزله رو در لس‌آنجلس با دقت ۹۷.۹۷٪ پیش‌بینی کنه، و جالب اینجاست که این اتفاق با کمک الگوریتم‌های یادگیری ماشین افتاده!

🐬 تو این پروژه، تیم تحقیقاتی اومده با ترکیب مدل‌های پیشرفته یادگیری ماشین و شبکه‌های عصبی، یه دیتاست جامع از ویژگی‌های مهم رو ساختن تا پیش‌بینی شدت زلزله به دقت بالایی برسه.

✏️ بعد از بررسی و ترکیب تحقیقات قبلی و اضافه کردن ویژگی‌های جدید، تونستن مدلی بسازن که می‌تونه تا حداکثر شدت زلزله‌های احتمالی رو تا ۳۰ روز آینده پیش‌بینی کنه.

✔️ از بین ۱۶ مدل مختلف یادگیری ماشین که بررسی شده بودن، مدل جنگل تصادفی بیشترین دقت رو داشت و تونست به عنوان قوی‌ترین مدل برای پیش‌بینی شدت زلزله انتخاب بشه.

⏪ این نتایج نشون می‌ده که چطور الگوریتم‌های یادگیری ماشین و شبکه‌های عصبی می‌تونن تو بهبود پیش‌بینی‌های زلزله و مدیریت بحران نقش کلیدی بازی کنن. اینم منبع و لینک مقاله:👇


┌ 📂 LA Earthquake Predicted with ML
├ 💰 nature articles
└ 📄 PDF


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

✏️ جزوه «یادگیری ماشین»
🖥 دانشگاه برکلی آمریکا

👨🏻‍💻 دانشگاه برکلی یه جزوه عالی و خلاصه از یادگیری ماشین ارائه داده که مربوط به بهار 2024 میشه و یه مرور کلی و جامع از اصول یادگیری ماشین رو شامل میشه و مفاهیم رو به صورت مختصر و مفید ارائه میده.

✅ این جزوه مناسب کسانی که می‌خوان توی یک ترم و با کمترین اسلاید، یه دید جامع و دقیق از مباحث مختلف یادگیری ماشین رو داشته باشن و به صورت مقدماتی با ML آشنا بشن!


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