✅ پروژه یادگیری ماشین من
9️⃣ پیش‌بینی قیمت گوشی


👨🏻‍💻 من یه مدل ماشین لرنینگ ساختم که قیمت گوشی‌ها رو بر اساس مشخصات‌شون (رم، باتری، دوربین و…) دسته‌بندی می‌کنه.

✍️ اول از همه، دیتاست قیمت موبایل Kaggle رو بررسی کردم و یه سری پیش‌پردازش‌ها انجام دادم (مثل نرمال‌سازی و بررسی داده‌های گمشده).

🖥 بعدش، چند تا مدل یادگیری ماشین رو تست کردم و با XGBoost تونستم با دقت خوبی قیمت گوشی‌ها رو پیش‌بینی کنم.

✅ فهمیدم رم، باتری و سرعت پردازنده مهم‌ترین عوامل تعیین‌کننده قیمت هستن.


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


┌ 📱 Mobile Price Classification
└ 🐱 GitHub-Repos



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

🎯 تجربه عملی یادگیری ماشین لرنینگ
✅با آزمایشگاه رایگان LabEx


👨🏻‍💻 یادگیری ماشین وقتی جذاب می‌شه که بتونی خودت دست به کار بشی و مدل‌ها رو تست و ارزیابی کنی.

✏️ پلتفرم LabEx این کار رو راحت‌تر کرده . تو این آزمایشگاه از تئوری فاصله می‌گیرید و با تمرین‌های تعاملی، ماشین لرنینگ رو عملی یاد می‌گیرید!


🖥 با این آزمایشگاه می‌تونی:

⬅️ الگوریتم‌های اصلی یادگیری ماشین رو تمرین کنی و از پایه درکشون کنی.

⬅️ مدل‌ها رو آموزش بدی و نتایجشون رو ارزیابی کنی.

⬅️ داده‌ها ر. در یک محیط آزمایشگاهی قابل فهم تحلیل کنی.

⬅️ بدون دغدغه نصب ابزار، آموزش یادگیری ماشین رو با انجام پروژه‌های مختلف شروع کنی.


┌ 🧪 LabEx
└ ➡️ Website



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

📣 بالاخره کتاب «راهنمای NumPy برای یادگیری ماشین» آماده شد!


👩🏻‍💻 نوشتن این کتاب یه ایده ساده بود که توی ذهنم شکل گرفت: یه منبع کاربردی و قابل فهم برای کسایی که می‌خوان NumPy رو توی یادگیری ماشین بهتر درک کنن.

✏️ وقتی شروع به نوشتن کردم، فقط یه سری یادداشت و کد پراکنده داشتم، اما کم‌کم تبدیل شد به یه راهنمای جامع.

✅ یه منبع ساده، بدون پیچیدگی، و مخصوص کسایی که می‌خوان NumPy رو از پایه تا سطح حرفه‌ای یاد بگیرن.



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

📖 جزوه «MLOps چیه و چرا باید جدی بگیریمش؟»


👨🏻‍💻 من توی یادگیری ماشین تمرکزم فقط روی مدل‌سازی و بالا بردن دقتش بود. ولی یه پروژه واقعی باعث شد بفهمم مدل بدون MLOps هیچ ارزشی نداره.

✏️ این کتاب دقیقاً از جایی شروع می‌شه که اکثر کتابا تموم می‌شن: چطور مدل‌تو ببری توی محیط واقعی و باهاش کار کنی؟



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

📚 ۱۰ کتاب برتر یادگیری ماشین
✅ که درک شما رو از ML، سه برابر می‌کنه!


1️⃣ کتاب Mathematics for ML

⬅️ ریاضیات پایه و ضروری برای درک مفاهیم یادگیری ماشین.

➖ ➖ ➖ ➖ ➖

2️⃣ کتاب An Intro to Statistical Learning

⬅️ یه توضیح ساده ولی کامل از الگوریتم‌های ML. هم از دیدگاه نظری و هم کاربردی.

➖ ➖ ➖ ➖ ➖

3️⃣ کتاب ML: A Probabilistic Perspective

⬅️ کتابی که ML رو از دیدگاه احتمالاتی نگاه می‌کنه. سنگینه ولی اگه بخونی، خیلی از مفاهیم واست روشن می‌شه.

➖ ➖ ➖ ➖ ➖

4️⃣ کتاب Pattern Recognition & ML

⬅️ اگه می‌خوای بری سراغ مدل‌های گرافیکی و مباحث بیزی، این کتاب آکادمیک حکم مرجع رو داره.

➖ ➖ ➖ ➖ ➖

5️⃣ کتاب Deep Learning

⬅️ اصلاً معروفه به "کتاب مقدس یادگیری عمیق"! هرچی راجع به دیپ لرنینگ بخوای، اینجا هست.

➖ ➖ ➖ ➖ ➖

6️⃣ کتاب Interpretable ML

⬅️ مدل ساختن یه طرف، قابل فهم کردنش واسه بقیه یه طرف دیگه‌ست! این کتاب دقیقاً به اون قسمت دوم می‌پردازه.

➖ ➖ ➖ ➖ ➖

7️⃣ کتاب Designing ML Systems

⬅️ اینجا دیگه بحث تئوری نیست، میگه چجوری یه سیستم ML رو، توی دنیای واقعی طراحی و پیاده‌سازی کنی.

➖ ➖ ➖ ➖ ➖

8️⃣ کتاب RL: An Introduction

⬅️ مرجع اصلی یادگیری تقویتی؛ از مفاهیم ابتدایی تا روش‌های پیشرفته.

➖ ➖ ➖ ➖ ➖

9️⃣ کتاب DL for Coders

⬅️ رویکرد این کتاب عملی و کاربردیه. همه مفاهیم رو با کد نشون می‌ده.

➖ ➖ ➖ ➖ ➖

1️⃣ کتاب Deep Learning with Python

⬅️ نوشته‌ی خالق Kerasئه و با یه لحن روون و ملموس مفاهیم یادگیری عمیق رو توضیح می‌ده.



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

🖥 10 کانال یوتیوب که مهندسین یادگیری ماشین نباید از دست بدن!


👩🏻‍💻 تو مسیر آموزش یادگیری ماشین و هوش مصنوعی، چند تا کانال یوتیوب بودن که حسابی کمکم کردن تا مفاهیم پیچیده این حوزه رو بهتر درک کنم.

✅ این چنل‌ها با «توضیحات واضح، پروژه‌های عملی و تصویری‌سازی‌های جذاب» یادگیری ML رو برام خیلی راحت‌تر کردن.

💸 اینم لیست بهتریناشون:👇


0⃣ کانال 3Blue1Brown

✏️ اگه تا الان با ریاضیات مشکل داشتین، ساندرسون با انیمیشن‌های فوق‌العاده‌ش، همه چیزو براتون راحت می‌کنه! مخصوصاً تو جبر خطی، حساب دیفرانسیل و یادگیری عمیق، توضیحاتش خیلی کمکتون می‌کنه. ویدیوش درباره شبکه‌های عصبی واقعا یه شاهکاره!

➖ ➖ ➖ ➖ ➖

1⃣ کانال Krish Naik

✏️ اگه دنبال یه کانال کاربردی برای یادگیری ماشین و علم داده هستین، این کانال واقعا یه گنجینه‌س! آموزش پروژه‌های واقعی و صنعتی، کدنویسی پایتون و مثال‌های دنیای واقعی باعث می‌شه راحت مفاهیم پیچیده رو درک کنین.

➖ ➖ ➖ ➖ ➖

🔢 کانال freeCodeCamp

✏️ اینجا دیگه یه دانشگاه رایگان برای یادگیری پایتون، علم داده، یادگیری عمیق و هوش مصنوعی محسوب می‌شه! دوره‌هاش کامل، ساختارمند و مناسب برای یادگیری خودآموزه.

➖ ➖ ➖ ➖ ➖

🔢 کانال Murtaza Hassan

✏️ اگه به بینایی کامپیوتر علاقه دارین، این کانال به شدت به دردتون می‌خوره! آموزش OpenCV، یادگیری عمیق و حتی پروژه‌های مربوط به ربات‌های خودران رو به صورت عملی توضیح می‌ده.

➖ ➖ ➖ ➖ ➖

🔢 کانال Alexander Amini

✏️ یکی از بهترین مدرس‌های MIT که تو دوره Deep Learning (MIT 6.S191) مفاهیم رو هم تئوری و هم عملی توضیح می‌ده. اگه می‌خواین شبکه‌های عصبی و یادگیری تقویتی رو بهتر درک کنین، حتماً این کانال رو داشته باشین!

➖ ➖ ➖ ➖ ➖

🔢 کانال Artem Kirsanov

✏️ یه الماس پنهان برای علاقه‌مندان به هوش مصنوعی! این کانال به شکل عمیق وارد مباحث ریاضیاتی، مقالات علمی و پیاده‌سازی الگوریتم‌ها می‌شه. یه منبع عالی برای درک عمیق‌تر هوش مصنوعی.

➖ ➖ ➖ ➖ ➖

🔢 کانال CS50

✏️ دوره معروف CS50 دانشگاه هاروارد که با تدریس David J. Malan برای هر کسی که می‌خواد پایه‌ برنامه‌نویسی، پایتون، C و هوش مصنوعیش رو قوی کنه، یه گزینه عالیه!

➖ ➖ ➖ ➖ ➖

🔢 کانال Felix Koehler

✏️ اینجا روی شبیه‌سازی مدل‌های یادگیری ماشین، تجزیه و تحلیل الگوریتم‌ها و ورک‌فلوی علم داده تمرکز داره. این کانال ترکیبی از مفاهیم تئوری و پیاده‌سازی کدها رو ارائه می‌ده.

➖ ➖ ➖ ➖ ➖

🔢 کانال Greg Martin

✏️ اگه با زبان R کار می‌کنین و دنبال یه کانال برای یادگیری تحلیل آماری، مصورسازی داده و مدل‌سازی یادگیری ماشین در R هستین، این کانال مخصوص شماست!

➖ ➖ ➖ ➖ ➖

🔢 کانال CodeWithHarry

✏️ یه کانال فوق‌العاده برای آموزش پایتون از سطح مبتدی تا پیشرفته. درساش ساختارمند و سادن و برای کسایی که می‌خوان پایتون رو برای وب، اتوماسیون یا یادگیری ماشین یاد بگیرن، عالیه.



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

🥇 ساخت و آموزش مدل‌های یادگیری ماشین
✅ به صورت خودکار — از صفر تا صد!


👨🏻‍💻 واقعا شگفت انگیزه! به هیچ‌وجه تصور نمی‌کردم که همچین پلتفرم بی‌نظیری برای ساخت مدل‌های یادگیری ماشین وجود داشته باشه. Oumi یک پلتفرم اُپن‌سورس فوق‌العاده برای ساخت و آموزش مدل‌های یادگیری ماشین از صفر تا صد!


🔥 انقدر ویژگی داره نمی‌دونم کدومش رو بگم!

🔢 توی این پلتفرم همه چیز آماده است. از آماده‌سازی داده‌ها گرفته تا آموزش و استقرار مدل‌ها. می‌تونید مدل‌ها رو با داده‌های جدید هم به بهترین شکل تنظیم کنید.(همون فاینتیونینگ معروف!).

🔢 می‌تونید به راحتی مدل‌هایی با ۱۰ میلیون تا ۴۰۵ میلیارد پارامتر رو آموزش بدید!

🔢 از مدل‌های متنی و چندحالته (هم متن و هم تصویر و صوت) پشتیبانی می‌کنه.

🔢 می‌تونید مدل‌ها رو خیلی سریع و در عرض چند دقیقه پیاده‌سازی کنید!

🔢 می‌تونید از مدل‌ها و APIهای تجاری مثل OpenAI و Anthropic هم استفاده کنید. مدل‌های خودتون رو با مدل‌های آماده ترکیب کنید و نتیجه‌های فوق‌العاده‌تری بگیرید.

🔢 می‌تونید مدل‌ها رو هم روی لپ‌تاپ خودتون، هم روی کلاسترهای بزرگ و حتی روی فضای ابری مثل AWS یا Azure اجرا کنید!


🔔 به نظرم اگه کسی توی حوزه یادگیری ماشین کار می‌کنه، این پلتفرم باید اولین انتخابش باشه! برای کسایی که دنبال ساخت مدل‌های پایه یا پیچیده و پیشرفته‌ان، Oumi همه‌چیز رو یک‌جا ارائه می‌ده!


┌ 🧠 Oumi
└ 🐱 GitHub-Repos



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