چطور می‌تونیم بفهمیم که یک مدل زبانی Fine-tune شده؟
۱- Response Consistency
۲- Hold-out Data
۳- Token Attribution
۴- Benchmarking
توی این هندبوک در مورد راه‌هایی که می‌شه تشخیص داد یک مدل Fine-tune شده صحبت شده.
#آموزش #مدل_زبانی #یادگیری_ماشین
#LLM #ML #DL
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

⭕️ منابع برتر دیتاست برای متخصصان داده
🏆جامعه داده‌کاوی (Kaggle)
بزرگترین پلتفرم جهانی با ۲۷۳ هزار دیتاست رایگان در حوزه‌های سلامت، مالی و یادگیری ماشین.
▪️ ویژگی‌ها: مسابقات هوش مصنوعی، ابزارهای تحلیل یکپارچه
🔗 kaggle.com/datasets
🔍  موتور جستجوی داده (Google Dataset Search)
ابزار قدرتمند گوگل برای کشف ۲۵ میلیون دیتاست آکادمیک، دولتی و سازمانی.
▪️ فرمت‌ها: CSV، JSON، PDF
🔗 toolbox.google.com/datasetsearch
📚 مخزن دانشگاهی (UCI ML Repository)
منبع کلاسیک دانشگاهی با ۶۵۰+ دیتاست برای توسعه مدل‌های ML.
▪️ نمونه‌ها: Iris، Adult، Wine
🔗 archive.ics.uci.edu
🌍 آمار جهانی (World Bank Data)
داده‌های توسعۀ ۲۰۰+ کشور در حوزه اقتصاد، جمعیت و سلامت.
▪️ ابزار: نمودارهای تعاملی و پیش‌بینی روندها
🔗 data.worldbank.org
📊 داده‌های تحلیلی (FiveThirtyEight)
منبع روزنامه‌نگاری داده‌محور با تمرکز بر ورزش، سیاست و اقتصاد.
▪️ نمونه: آمار NBA و انتخابات آمریکا
🔗 data.fivethirtyeight.com
☁️ مجموعه دیتاست AWS Open Data
پلتفرم کلان‌داده برای پروژه‌های یادگیری عمیق و تصاویر ماهواره‌ای.
▪️ دسترسی رایگان: داده‌های انرژی و محیط‌زیست
🔗 registry.opendata.aws
🧪 داده‌های پژوهشی (Academic Torrents)
منبع دیتاست‌های حجیم تا ۲ ترابایت برای تحقیقات دانشگاهی.
▪️ نمونه: داده‌های پزشکی MIMIC-III
🔗 academictorrents.com
🏥 داده‌های سلامت جهانی (WHO GHO)
آمار سازمان بهداشت جهانی از شیوع بیماری‌ها تا واکسیناسیون.
▪️ کاربرد: تحلیل اپیدمی‌ها و سیاست‌گذاری
🔗 who.int/data/gho
🤖 کتابخانه Hugging Face
پلتفرم تخصصی پردازش زبان با دیتاست‌های متن، صدا و تصویر.
▪️ نمونه: ترجمه ماشینی و تشخیص احساسات
🔗 huggingface.co/datasets
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

DeepClaude: LLM inference API and chat interface combining DeepSeek R1 and Claude models
🔗 https://github.com/getAsterisk/deepclaude
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

۱۱۵۰ سوال مصاحبه‌های ماشین لرنینگ
https://mkareshk.github.io/ml-interview
#یادگیری_ماشین #یادگیری_عمیق #مصاحبه
#Machine_Learning #interview #ML
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

🆕️ مدل o3-mini ، رتبه برتر در کدنویسی
✅ مدل o3-mini از OpenAI اخیراً در یک چالش کدنویسی، DeepSeek R1 را پشت سر گذاشت. موضوع چالش این بود:
"یک برنامه پایتون بنویسید که یک توپ را درون یک شش‌ضلعی چرخان نمایش دهد. توپ باید تحت تأثیر جاذبه و اصطکاک قرار گیرد و به صورت واقعی از دیواره‌های چرخان بجهد."
✅ مدل o3-mini، دومین مدل "استدلال‌گر" OpenAI است که برای تجزیه و تحلیل، تفکر و اصلاح پاسخ‌ها قبل از ارائه، زمان بیشتری صرف می‌کند. این ویژگی‌ها باعث می‌شود که o3-mini بتواند نتایج دقیق‌تر و بهتری ارائه دهد.
#programming #python #code #AI
#کد #کدنویسی #پایتون #هوش_مصنوعی
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

کاربرد مدلهای بنیادی و نمایش تعمیم پذیری مدلهای RL در این مقاله رو بسیار خوب توضیح دادند
▪️ SFT Memorizes, RL Generalizes: A Comparative Study of Foundation Model Post-training
#مقاله #ایده_جذاب
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

اگر از RL استفاده میکنید و قصد دارید تعمیم پذیری و کارایی مدل رو بهبود بدین مدل MR.Q رو در نظر داشته باشید.
▪️ Towards General-Purpose Model-Free Reinforcement Learning
#مقاله #ایده_جذاب
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

این مقاله به مشکل سوء استفاده بالقوه از LLM برای کمپین های اطلاعات نادرست در مقیاس بزرگ به دلیل افزایش متقاعدسازی و قابلیت شخصی سازی آنها می پردازد.
این بررسی می کند که چگونه LLM ها می توانند برای متقاعد کردن مؤثر افراد و پیامدهای دستکاری آنلاین استفاده شوند.
این مقاله استراتژی‌های متقاعدسازی مبتنی بر LLM را در بحث‌های تعاملی پیشنهاد و آزمایش می‌کند تا روش‌هایی را شناسایی کند که تغییر عقیده را در انسان به حداکثر می‌رساند.
📌 رویکرد مختلط از یک سیستم چند عاملی ساده برای ترغیب LLM بهبود یافته استفاده می کند. از عوامل تخصصی برای شخصی سازی و ساخت آماری استفاده می کند. این طراحی مدولار امکان استراتژی هدفمند را فراهم می‌کند و متقاعدسازی را نسبت به مدل‌های یکپارچه افزایش می‌دهد.
آمارهای ساختگی، وقتی با شخصی سازی ترکیب شوند، به طرز شگفت انگیزی موثر می شوند. این مقاله نشان می‌دهد که LLM می‌تواند داده‌های قانع‌کننده، هرچند نادرست، تولید کند. این نگرانی‌ها را در مورد اطلاعات نادرست خودکار، حتی با روش‌های پیچیده، افزایش می‌دهد.
موفقیت محدود شخصی‌سازی مستقیم نشان می‌دهد که LLM‌های فعلی با نمایه‌سازی ظریف کاربر مبارزه می‌کنند. پد خراش سیستم چند عاملی احتمالاً به تمرکز بر شخصی سازی کمک می کند. این نشان می دهد که شخصی سازی موثر LLM به تقطیر زمینه بهبود یافته نیاز دارد.
روش های بررسی شده در این مقاله
محققان پلتفرمی را برای آزمایش های بحث انسان-LLM طراحی کردند.
آنها آرگومان های ایستا نوشته شده توسط انسان، استدلال های ایستا تولید شده توسط LLM و چهار نوع بحث LLM را مقایسه کردند: ساده، آمار، شخصی سازی شده و مختلط.
بحث ساده از یک دستور اساسی برای LLM برای متقاعد کردن استفاده کرد.
بحث آمار به LLM دستور داد که از آمارهای ساختگی اما واقعی استفاده کند.
بحث شخصی سازی شده LLM را با ویژگی های جمعیت شناختی و شخصیتی کاربر برای تنظیم استدلال ها ارائه کرد.
نظرات شرکت کنندگان با استفاده از یک مقیاس لیکرت هفت درجه ای قبل و بعد از هر تعامل اندازه گیری شد تا تغییر نظر کمی شود.
استدلال های ایستا از انسان ها و LLM های اساسی قدرت متقاعدسازی مشابهی دارند.
استراتژی مختلط، ترکیبی از شخصی سازی و آمار ساختگی در بحث های تعاملی، به طور قابل توجهی متقاعد کننده تر از استدلال های ثابت انسانی است.
شخصی سازی #استدلال ها با ارائه داده های جمعیت شناختی و شخصیتی به یک LLM، متقاعدسازی را بهبود نمی بخشد و حتی می تواند آن را در مقایسه با رویکردهای ساده تر کاهش دهد.
ستفاده از آمارهای ساختگی به تنهایی اقناع پذیری قابل مقایسه با استدلال های اساسی LLM را نشان می دهد.
▪️ Tailored Truths: Optimizing LLM Persuasion with Personalization and Fabricated Statistics
#هوش_مصنوعی #ایده_جذاب #مقاله
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

🎞 Machine Learning with Graphs: design space of graph neural networks
💥Free recorded course by Prof. Jure Leskovec
📢 بررسی جامع طراحی معماری GNN با GraphGym 🧠📊
در این مقاله، یک بررسی سیستماتیک از طراحی معماری GNN ارائه شده است که شامل سه جنبه کلیدی می‌شود:
✅ فضای طراحی GNN: شامل طراحی درون‌لایه‌ای، بین‌لایه‌ای و تنظیمات یادگیری.
✅ فضای وظایف GNN: همراه با معیارهای شباهت برای انتقال بهترین مدل‌ها بین وظایف مختلف.
✅ روش ارزیابی مؤثر GNN: برای پاسخ به سؤالات مهم طراحی، مانند تأثیر BatchNorm در GNNها.
💡 همچنین، GraphGym به‌عنوان یک پلتفرم کدنویسی معرفی شده است که طراحی معماری GNN را ساده‌تر می‌کند.
Design Space for Graph Neural Networks
📽 Watch
#هوش_مصنوعی
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧‌ ▼꯭‌‌ ⃤

@Technical_coding 💻

روش Streaming DiLoCo با همگام‌سازی متوالی زیرمجموعه‌هایی از پارامترها، امکان ادامه‌ی آموزش در حین همگام‌سازی و استفاده از کوانتایز کردن داده‌ها، بهبودهایی را معرفی می‌کند. این تکنیک‌ها به‌طور جمعی باعث کاهش پهنای باند ارتباطی مورد نیاز به میزان دو مرتبه بزرگی می‌شوند، در حالی که کیفیت آموزش مدل‌های زبانی بزرگ (LLM) با میلیاردها پارامتر حفظ می‌شود.
▪️ Streaming DiLoCo with overlapping communication: Towards a Distributed Free Lunch
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

مدل TTS با صدای خدیجه و موسی در سایت هاگینگ فیس منتشر شد. این یکی از بهترین مدلهای تبدیل متن به گفتار فارسی/انگلیسی
است که با استفاده از تکنولوژی متچا(matcha) سرعت و کیفیت بهتری از مدلهای vits دارد. ان شاالله این مدل به عنوان سومین مدل متچا بعد از انگلیسی و چینی به زودی در شرپا منتشر خواهد شد.
https://huggingface.co/mah92/Khadijah-FA_EN-Matcha-TTS-Model
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

MIT's "Machine Learning" lecture notes
PDF: https://introml.mit.edu/_static/spring24/LectureNotes/6_390_lecture_notes_spring24.pdf
#یادگیری_ماشین  #Machine_Learning
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

۱۰ کتاب از انتشارات O'Reilly Media، با موضوع پایتون و علم داده
Python Data Science Handbook
https://jakevdp.github.io/PythonDataScienceHandbook/
PDF
Python for Data Analysis book
https://wesmckinney.com/book/
PDF
Fundamentals of Data Visualization book
https://clauswilke.com/dataviz/
PDF
R for Data Science book
https://r4ds.hadley.nz/
PDF
Deep Learning for Coders book
https://course.fast.ai/Resources/book.html
PDF
DS at the Command Line book
https://jeroenjanssens.com/dsatcl/
PDF
Hands-On Data Visualization Book
https://handsondataviz.org/
PDF
Think Stats book
https://allendowney.github.io/ThinkStats/
PDF
Think Bayes book
https://allendowney.github.io/ThinkBayes2/
PDF
Kafka, The Definitive Guide
https://www.oreilly.com/library/view/kafka-the-definitive/9781491936153/
PDF
#علم_داده
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

بررسی نقش #هوش_مصنوعی را در تشخیص و درمان سرطان‌های مختلف از جمله سرطان‌های ریه، پستان، کولورکتال، کبد، معده، مری، دهانه رحم، تیروئید، پروستات و سرطان‌های پوست بررسی می‌کند.
▪️ AI in Oncology: Transforming Cancer Detection through Machine Learning and Deep Learning Applications
#علوم_پزشکی #مقاله #ایده_جذاب
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

جزوه داده کاوی به همراه توضیحات
#هوش_مصنوعی #کتاب #داده_کاوی #توضیحات #‌کتاب
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

✏️ جدیدترین جزوه «یادگیری ماشین»
🖥 دانشگاه جانز هاپکینز / ترم پاییز
✅ هدف اصلی این جزوه پوشش مفاهیم آماری یادگیری ماشین؛ شامل جبرخطی و آمار و احتمال، بهینه‌سازی با ML و الگوریتم‌های یادگیری ماشینه.
🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

Artificial Intelligence and Data Scientist Books:
https://github.com/khurrameycon/Data-Science-Books/tree/main
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

جزوه درس یادگیری ماشین، استاد منصوری زاده
#هوش_مصنوعی #کتاب #جزوه #یادگیری_ماشین
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

دانشمندان موسسه مطالعات #زیست_شناسی Salk ، توانستن در آزمایشگاه به صورت مصنوعی یه مولکول حیات آر ان ای رو بسازن و کپی‌های دقیقی ازش بگیرن که در نتیجه یه آنزیم اصلی ساخته شد.
این تحقیق به نظریه "دنیای RNA" (RNA World) مرتبط است که پیشنهاد می‌کند در اوایل تاریخ زمین، RNA به‌عنوان مولکولی کلیدی در پیدایش حیات نقش داشته است. مطالعه اخیر نشان می‌دهد که تکامل داروینی ممکن است در سطح مولکول‌های RNA آغاز شده باشد و این مولکول‌ها با بهبود توانایی‌های خود، به سمت پیچیدگی و تنوع بیشتر حرکت کرده‌اند.
این یافته‌ها در مجله Proceedings of the National Academy of Sciences منتشر شده و به درک بهتر ما از منشأ حیات و چگونگی تکامل مولکول‌های ساده به سیستم‌های زیستی پیچیده کمک می‌کند.
این نظریه میگه که در اوایل تشکیل زمین، آر ان ای (خواهر تک رشته‌ای دی ان ای ) به دلیل واکنش های شیمیایی و تغییرات شدید طی میلیون ها سال به وجود میومده و برای ساخت حیات اولیه در زمین ضروری بوده.
جرالد جویس، نویسنده ارشد این مطالعه و رئیس موسسه Salk گفته: "این آزمایش نشون میده چطور می‌تونه حیات در آزمایشگاه یا در اصل هر جای دیگه‌ای از جهان به صورت خود به خودی پدید بیاد."
در این آزمایش دانشمندان تونستن شرایط مشابه با اون چیزی که در ابتدای تشکیل زمین وجود داشته رو در آزمایشگاه بسازن و بدین ترتیب لحظات اولیه شکل‌گیری حیات رو شبیه‌سازی کنن.
این کار به ما کمک می‌کنه تا بهتر درک کنیم که چطور می‌تونست از ترکیبات شیمیایی ساده اولین سیستم‌های زنده شکل بگیرن.
https://www.uniladtech.com/science/scientists-make-breakthrough-creating-artificial-life-in-lab-467165-20240313
https://news.yahoo.com/scientists-just-got-closer-creating-131105816.html
#علم #تکنولوژی #علوم_پزشکی #مقاله #ایده_جذاب
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

⏰🔐 چقدر زمان برای رمزگشایی رمز های عبور لازم است؟؟
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

Stanford’s CS230 - Deep Learning
All the lecture notes, exam questions are now available free.
https://cs230.stanford.edu/files/
#هوش_مصنوعی
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻