📚 4 کتاب رایگان برای «یادگیری ماشین»

👨🏻‍💻 اگه دنبال کتاب‌های رایگان برای یادگیری ماشین لرنینگ هستین، من ۴ تا کتاب فوق العاده پیدا کردم که روی سایت arxiv به رایگان منتشر شدن. خودم هم این منابع رو خیلی پیشنهاد می‌کنم:


1️⃣ کتاب Introduction to ML

✏️ این کتاب بی‌نظیر، یه شروع عالی برای تازه‌کارهاست. خیلی خوب و واضح مفاهیم پایه رو توضیح داده.


2️⃣ کتاب Machine Learning: The Basics

✏️ این کتاب به زبان ساده مفاهیم ML رو توضیح داده و برای کسایی که می‌خوان یه نگاه سریع و کلی داشته باشن، عالیه.


3️⃣ کتاب Intro to ML for Engineers

✏️ یه کتاب جامع برای توضیح و کاربرد یادگیری ماشین در رشته‌های مهندسی. تمرکز زیادی هم روی کاربردهای عملی ML داره.


4️⃣ کتاب Machine Learning for Physicists

✏️ این کتاب بیشتر مناسب فیزیکدان‌هاست، ولی اگه می‌خواین یادگیری ماشین رو از زاویه علمی‌تر ببینین، پیشنهاد می‌کنم حتما بخونینش.



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

💻 مخزن جامع یادگیری ماشین برای حوزه مالی

👨🏻‍💻 اگه می‌خواین یادگیری ماشین رو تو بازارهای مالی به کار ببرین و نتیجه بگیرین، این لیست شامل کلی کد، مقالات، منابع آموزشی و ابزارهای مختلف برای یادگیری ماشین در زمینه مالیه.

✔️ از الگوریتم‌های مختلف گرفته تا اپلیکیشن‌هایی که واقعاً توی بازار مالی کاربرد دارن رو، اینجا پیدا می‌کنین.👇

┌ 📊 Financial ML
└ 🐱 GitHub-Repos


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

🥇 بهترین مدل یادگیری ماشین رو برای داده‌هات پیدا کن!


👨🏻‍💻 فرض کن می‌خوای بهترین مدل یادگیری ماشین رو برای داده‌هات پیدا کنی. معمولاً مهندسای یادگیری ماشین برای بررسی داده‌ها و ساخت مدل‌ها از Jupyter استفاده می‌کنن.

✅ ولی اگه تمرکزت روی خروجی و نتیجه‌ست و نه خود کدنویسی، یه اپ تعاملی مثل Taipy می‌تونه خیلی به کارت بیاد.

✏️ این یه فریمورک، متن‌باز و مبتنی بر پایتونه و برای ساخت اپ‌های داده طراحی شده. باهاش می‌تونی یه اپلیکیشن تعاملی بسازی که هم قدرتمنده و هم انعطاف‌پذیر.

◀️چهار بخش اصلی داره:

🔢 بخش Data Node: جایی برای نگهداری داده‌ها (مثل متن، عدد، اشیاء، فایل‌های CSV و غیره).

🔢 بخش Task: یه تابع که داده‌ها رو می‌گیره، پردازش می‌کنه (مثلاً تمیز کردن داده) و خروجی رو به یه Data Node دیگه می‌ده.

🔢 بخش Pipeline: یه توالی مرتب از Taskها که قابلیت اجرای موازی و ذخیره موقت (Caching) رو هم داره.

🔢 بخش Scenario: تنظیمات Pipeline رو تعریف می‌کنه. هر اجرای جدید با ورودی‌های مختلف به‌عنوان یه Scenario جدید ذخیره می‌شه.


📺 تو ویدئوی بالا، می‌بینی که چطور با Taipy یه اپ ساخته شده که مدل‌های مختلف scikit-learn رو روی داده‌های شما مقایسه می‌کنه. اما اگه می‌خوای آموزش کاملش رو یاد بگیری از لینک‌های زیر استفاده کن:👇

┌ 🏷 Taipy
├ 💰 Website
├ 📄 Article
├ 😉 Youtube Channel
└ 🐱 GitHub-Repos

pip install taipy

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

🌀 9 تا از بهترین دوره‌های یادگیری ماشین دانشگاه استنفورد
⚡️ که باید از همین امروز شروعشون کنی


👨🏻‍💻دانشگاه استنفورد یکی از به روزترین دانشگاه‌ها تو حوزه‌ی یادگیری ماشینه و توش میشه کلی دوره ماشین لرنینگ پیدا کرد که می‌تونی رایگان بگذرونی‌شون.

✅ من تمامی دوره‌های مربوط به یادگیری ماشین و هوش مصنوعیش رو بررسی کردم و اینجا 9 تا از بهترین دوره‌هایی که رایگان می‌تونین بگذرونین رو معرفی کردم.👇


1️⃣ هوش مصنوعی (CS221)

⏪ تو این دوره می‌فهمی که هوش مصنوعی چطور کار می‌کنه، از الگوریتم‌های جستجو گرفته تا مدل‌های احتمالی و تصمیم‌گیری هوشمند.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

2️⃣ یادگیری ماشین با تدریس اندرو نگ (CS229)

⏪ یکی از معروف‌ترین دوره‌های یادگیری ماشین که کلی مفاهیم پایه‌ای و پیشرفته رو پوشش می‌ده.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

3️⃣ یادگیری عمیق با تدریس اندرو نگ (CS230)

⏪ یه دوره کامل در مورد یادگیری عمیق که شامل شبکه‌های عصبی، CNN ،RNN و کلی کاربرد دیگه است.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

4️⃣ یادگیری تقویتی (CS234)

⏪ اینجا قراره با مفاهیم یادگیری تقویتی مثل فرآیندهای تصمیم‌گیری مارکوف و Q-learning آشنا بشی و ببینی چطور توی دنیای واقعی استفاده می‌شن.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

5️⃣ درک زبان طبیعی (CS224U)

⏪ این دوره تمرکزش روی NLP و نحوه نمایش معنایی کلمات و مدل‌های پردازش زبان طبیعی هست.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

6️⃣ پردازش زبان طبیعی با یادگیری عمیق (CS224N)

⏪ توی این دوره با مدل‌های NLP پیشرفته مثل ترنسفورمرها کار می‌کنی و یاد می‌گیری چطور یه مدل پردازش زبان طبیعی قوی بسازی.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

7️⃣ نظریه یادگیری ماشین (CS229M)

⏪ اگه دوست داری از لحاظ ریاضی و تئوری عمیق‌تر به یادگیری ماشین نگاه کنی، این دوره فوق‌العاده‌ست.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

8️⃣ یادگیری ماشین با گراف‌ها (CS224W)

⏪ اینجا یاد می‌گیری چطور از تکنیک‌های ML برای داده‌های گرافی‌، مثل شبکه‌های اجتماعی و سیستم‌های توصیه‌گر استفاده کنی.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

9️⃣ مقدمه‌ای بر یادگیری ماشین (EE104)

⏪ یه دوره جمع‌وجور ولی کاربردی که مفاهیم پایه‌ای مثل رگرسیون، طبقه‌بندی و بهینه‌سازی رو پوشش می‌ده.

🔗 لینک: Course Homepage



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

🔴 یادگیری ماشین رو در ۱۵ هفته، اصولی و کاربردی یاد بگیر؟


👨🏻‍💻 من یه دوره ۱۵ هفته‌ای کاملاً عملی طراحی کردم که از مبانی ساده تا دیپ لرنینگ و ترانسفورمرها رو پوشش می‌ده.

🔑 ۴ ویژگی این دوره بی‌نظیر:

1⃣ کدنویسی عملی با پایتون، scikit-learn، پایتورچ و TensorFlow.

🔢 تمرین روی دیتاست‌های واقعی مثل UCI ML، کگل و TCIA.

🔢 ویدئوهای منتخب از بهترین آموزش‌های رایگان دنیا!

🔢 نوت‌بوک‌های Jupyter و گوگل کولب برای تست کدها.


🔹 هفته‌های ۱ تا ۸ آماده‌ست و بقیه محتوای دوره هم هر هفته بروزرسانی میشه!


┌ 🎥 ML15AI-CUNY
└ 🐱 GitHub-Repos



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

📚 12 کتابی که هر مهندس یادگیری ماشینی باید بخونه!


👨🏻‍💻 یادگیری ماشین فقط مدل ساختن نیست! باید بدونی چطوری سیستم‌های هوشمند، مقیاس‌پذیر و کارآمد بسازی.

✔️ این ۱۲ کتاب فوق العاده، از مفاهیم پایه‌ تا طراحی و پیاده‌سازی سیستم‌های AI شامل میشه:


1️⃣ کتاب Deep Learning

✏️ کتابی برای ریاضیات، آمار و برنامه‌نویسی یادگیری ماشین؛ مناسب برای مطالعه‌ی مداوم.

➖ ➖ ➖ ➖ ➖

2️⃣ کتاب Programming Massively Parallel Processors

✏️ راهنمای GPU و CUDA برای پردازش‌های سنگین یادگیری ماشین.

➖ ➖ ➖ ➖ ➖

3️⃣ کتاب Clean Code

✏️ اصول و تکنیک‌های کدنویسی تمیز که هر مهندس یادگیری ماشین باید بدونه!

➖ ➖ ➖ ➖ ➖

4️⃣ کتاب The Pragmatic Programmer

✏️ مهارت‌های فنی و تفکر مهندسی برای طراحی و مدیریت بهتر سیستم‌های ML.

➖ ➖ ➖ ➖ ➖

5️⃣ کتاب Designing Data-Intensive Applications

✏️ بررسی معماری سیستم‌های داده‌محور برای ساخت مدل‌های یادگیری ماشین پایدار.

➖ ➖ ➖ ➖ ➖

6️⃣ کتاب Managing ML Projects

✏️ راهنمایی برای مدیریت پروژه‌های ML و درک فرآیندهای پیش از پیاده‌سازی.

➖ ➖ ➖ ➖ ➖

7️⃣ کتاب The Hundred-Page ML Book

✏️ یه خلاصه جامع و سریع از مفاهیم اصلی یادگیری ماشین، مناسب برای شروع یا مرور سریع.

➖ ➖ ➖ ➖ ➖

8️⃣ کتاب ML Engineering

✏️ توضیح روان و دقیق مفاهیم یادگیری ماشین، همراه با مثال‌های کاربردی.

➖ ➖ ➖ ➖ ➖

9️⃣ کتاب Designing ML Systems

✏️ ساخت و مقیاس‌پذیری سیستم‌های ML، از داده تا استقرار مدل.

➖ ➖ ➖ ➖ ➖

1️⃣ کتاب AI Engineering

✏️ درک عمیق مهندسی هوش مصنوعی و ساخت سیستم‌های ML.

➖ ➖ ➖ ➖ ➖

1️⃣ کتاب Generative Deep Learning

✏️ از یادگیری ماشین کلاسیک تا مدل‌های مولد و LLMها، با دیدگاهی عملی.

➖ ➖ ➖ ➖ ➖

1️⃣ کتاب ML Design Patterns

✏️ الگوهای پیشرفته برای طراحی و پیاده‌سازی سیستم‌های یادگیری ماشین.



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

🌀 9 تا از بهترین دوره‌های یادگیری ماشین دانشگاه استنفورد
⚡️ که باید از همین امروز شروعشون کنی


👨🏻‍💻دانشگاه استنفورد یکی از به روزترین دانشگاه‌ها تو حوزه‌ی یادگیری ماشینه و توش میشه کلی دوره ماشین لرنینگ پیدا کرد که می‌تونی رایگان بگذرونی‌شون.

✅ من تمامی دوره‌های مربوط به یادگیری ماشین و هوش مصنوعیش رو بررسی کردم و اینجا 9 تا از بهترین دوره‌هایی که رایگان می‌تونین بگذرونین رو معرفی کردم.👇


1️⃣ هوش مصنوعی (CS221)

⏪ تو این دوره می‌فهمی که هوش مصنوعی چطور کار می‌کنه، از الگوریتم‌های جستجو گرفته تا مدل‌های احتمالی و تصمیم‌گیری هوشمند.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

2️⃣ یادگیری ماشین با تدریس اندرو نگ (CS229)

⏪ یکی از معروف‌ترین دوره‌های یادگیری ماشین که کلی مفاهیم پایه‌ای و پیشرفته رو پوشش می‌ده.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

3️⃣ یادگیری عمیق با تدریس اندرو نگ (CS230)

⏪ یه دوره کامل در مورد یادگیری عمیق که شامل شبکه‌های عصبی، CNN ،RNN و کلی کاربرد دیگه است.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

4️⃣ یادگیری تقویتی (CS234)

⏪ اینجا قراره با مفاهیم یادگیری تقویتی مثل فرآیندهای تصمیم‌گیری مارکوف و Q-learning آشنا بشی و ببینی چطور توی دنیای واقعی استفاده می‌شن.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

5️⃣ درک زبان طبیعی (CS224U)

⏪ این دوره تمرکزش روی NLP و نحوه نمایش معنایی کلمات و مدل‌های پردازش زبان طبیعی هست.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

6️⃣ پردازش زبان طبیعی با یادگیری عمیق (CS224N)

⏪ توی این دوره با مدل‌های NLP پیشرفته مثل ترنسفورمرها کار می‌کنی و یاد می‌گیری چطور یه مدل پردازش زبان طبیعی قوی بسازی.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

7️⃣ نظریه یادگیری ماشین (CS229M)

⏪ اگه دوست داری از لحاظ ریاضی و تئوری عمیق‌تر به یادگیری ماشین نگاه کنی، این دوره فوق‌العاده‌ست.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

8️⃣ یادگیری ماشین با گراف‌ها (CS224W)

⏪ اینجا یاد می‌گیری چطور از تکنیک‌های ML برای داده‌های گرافی‌، مثل شبکه‌های اجتماعی و سیستم‌های توصیه‌گر استفاده کنی.

🔗 لینک: Course Homepage

➖ ➖ ➖ ➖ ➖

9️⃣ مقدمه‌ای بر یادگیری ماشین (EE104)

⏪ یه دوره جمع‌وجور ولی کاربردی که مفاهیم پایه‌ای مثل رگرسیون، طبقه‌بندی و بهینه‌سازی رو پوشش می‌ده.

🔗 لینک: Course Homepage



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

🔴 یادگیری ماشین رو در ۱۵ هفته، اصولی و کاربردی یاد بگیر؟


👨🏻‍💻 من یه دوره ۱۵ هفته‌ای کاملاً عملی طراحی کردم که از مبانی ساده تا دیپ لرنینگ و ترانسفورمرها رو پوشش می‌ده.

🔑 ۴ ویژگی این دوره بی‌نظیر:

1⃣ کدنویسی عملی با پایتون، scikit-learn، پایتورچ و TensorFlow.

🔢 تمرین روی دیتاست‌های واقعی مثل UCI ML، کگل و TCIA.

🔢 ویدئوهای منتخب از بهترین آموزش‌های رایگان دنیا!

🔢 نوت‌بوک‌های Jupyter و گوگل کولب برای تست کدها.


🔹 هفته‌های ۱ تا ۸ آماده‌ست و بقیه محتوای دوره هم هر هفته بروزرسانی میشه!


┌ 🎥 ML15AI-CUNY
└ 🐱 GitHub-Repos



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

✏️ یادگیری بصری و تعاملی «جبر خطی»


👨🏻‍💻 همه‌مون تو حوزه یادگیری ماشین و هوش مصنوعی با جبر خطی سر و کار داشتیم و باید قبول کنیم که یادگیریش سخت و انتزاعیه!


✔️ اما راه‌حل چیه؟ یادگیری تعاملی و بصری! کتابی که اینجا قرار دادم جبر خطی رو با مثال‌های واقعی و قابل فهم آموزش می‌ده. با این روش، دیگه فقط فرمول حفظ نمی‌کنین، بلکه مباحث رو کاملا متوجه می‌شین!



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

⚡️ کتابخونه‌هایی که مسیر یادگیری ماشین منو متحول کردن!


👨🏻‍💻 چی باعث میشه پروژه‌های ماشین لرنینگ موفق بشن؟ راستش بعد کلی کار و تست، فهمیدم کلید موفقیت تو این حوزه، انتخاب کتابخونه‌های مناسبه.

🎯 این چند تا کتابخونه‌ای که در ادامه معرفی می‌کنم واقعا سنگ بنای پروژه‌هام شدن و نقش کلیدی دارن:


1️⃣ کتابخونه NumPy: اساس محاسبات عددی تو پایتون رو فراهم می‌کنه؛ هر کاری مرتبط با آرایه‌ها، ماتریس‌ها یا محاسبات ریاضی سنگین باشه، اولین گزینه‌ست.


2️⃣ کتابخونه Pandas: بهترین انتخاب برای دستکاری و تحلیل داده‌هاست.


3️⃣ کتابخونه Matplotlib: برای اینکه بفهمی دیتایی که داری چی میگه، لازمه بصری‌سازیش کنی، و این ابزار برای رسم انواع نمودار و گرافه عالیه.


4️⃣ کتابخونه scikit-learn: انتخاب شماره یک برای پیاده‌سازی الگوریتم‌های یادگیری ماشینه و روند آموزش مدل‌ها و ارزیابی عملکردشون رو به طرز چشمگیری ساده می‌کنه.


5️⃣ کتابخونه TensorFlow: ابزاری برای ساخت اپلیکیشن‌های یادگیری عمیقه که به دلیل مقیاس‌پذیری بالا، گزینه‌ای عالی برای طیف وسیعی از وظایف محسوب می‌شه.


6️⃣ کتابخونه PyTorch: با گراف محاسباتی داینامیکش، کار روی مدل‌های پیچیده و شخصی‌سازی‌شده‌ی یادگیری عمیق رو خیلی ساده می‌کنه.


7️⃣ کتابخونه SciPy: اگه کارت به محاسبات سنگین‌تر مثل بهینه‌سازی یا حل معادلات دیفرانسیل خورد، SciPy دقیقا همون چیزیه که لازمته.



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

🏳️‍🌈 ۱۵ کتابخونه ماشین لرنینگ که تا حالا اسمشون رو نشنیدی!


👨🏻‍💻 همیشه وقتی صحبت از ماشین لرنینگ می‌شه، کتابخونه‌های معروفی مثل TensorFlow یا scikit-learn به ذهن همه میاد. ولی کتابخونه‌هایی هستن که کمتر شناخته شدن و کلی کاربردین. من تو این فایل هر کدوم رو جداگانه معرفی کردم.



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

✅ پروژه یادگیری ماشین من
5️⃣ پیش‌بینی نتایج بازی‌های NBA


👨🏻‍💻 تو این پروژه، سعی کردم عشق به بسکتبال رو با یادگیری ماشین ترکیب کنم! با استفاده از داده‌های بازی‌های NBA و مدل رگسیون Ridge، یه مدل پیش‌بینی ساختم که نتیجه بازی‌ها رو تا حدودی پیش‌بینی می‌کنه.

✍️ از مدل Ridge برای پیش‌بینی استفاده کردم و با روش بک‌تستینگ دقتشو سنجیدم.

✅ نتیجه؟ دقت مدل حدود ۶۳٪ شد!


📣 از دیتاست و کد نویسی گرفته تا آنالیز و نتایج پروژه، همگی در لینک‌ زیر موجوده.👇


┌ 🏀 Predicting NBA Games
└ 🐱 GitHub-Repos



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