📣 کتابخانه جدید برای Llama 3
پایتورچ با انتشار Torchchat، کتابخانهای جدید برای اجرای بدون مشکل Llama 3, 3.1 و سایر LLMها روی لپتاپ، دسکتاپ و دستگاههای موبایل معرفی کرده.
با Torchchat، پایتورچ قابلیتهای PyTorch 2 رو به طرز چشمگیری گسترش داده. حالا با استفاده از CUDA، عملکرد بسیار بهتری ارائه میده و از محیطها، مدلها و حالتهای اجرایی بیشتری پشتیبانی میکنه.
🔜 https://github.com/pytorch/torchchat
@Technical_Python 💻
پایتورچ با انتشار Torchchat، کتابخانهای جدید برای اجرای بدون مشکل Llama 3, 3.1 و سایر LLMها روی لپتاپ، دسکتاپ و دستگاههای موبایل معرفی کرده.
با Torchchat، پایتورچ قابلیتهای PyTorch 2 رو به طرز چشمگیری گسترش داده. حالا با استفاده از CUDA، عملکرد بسیار بهتری ارائه میده و از محیطها، مدلها و حالتهای اجرایی بیشتری پشتیبانی میکنه.
🔜 https://github.com/pytorch/torchchat
@Technical_Python 💻
cheet sheet 2 (smartech).pdf
933 KB
📚 چیت شیت پایتون اسمارتک(قسمت دوم)
در این چیت شیت نکات مهم و اصولی پایتون به صورت خلاصه جمع آوری شده و میتونید در هر زمانی که نیاز داشتید با مرور این چیت شیت نکات پایتون رو مرور کنید.
@Technical_Python 💻
در این چیت شیت نکات مهم و اصولی پایتون به صورت خلاصه جمع آوری شده و میتونید در هر زمانی که نیاز داشتید با مرور این چیت شیت نکات پایتون رو مرور کنید.
@Technical_Python 💻
cheetsheet3 (smartech).pdf
973.3 KB
📚 چیت شیت پایتون اسمارتک(قسمت سوم)
در این چیت شیت نکات مهم و اصولی پایتون به صورت خلاصه جمع آوری شده و میتونید در هر زمانی که نیاز داشتید با مرور این چیت شیت نکات پایتون رو مرور کنید.
@Technical_Python 💻
در این چیت شیت نکات مهم و اصولی پایتون به صورت خلاصه جمع آوری شده و میتونید در هر زمانی که نیاز داشتید با مرور این چیت شیت نکات پایتون رو مرور کنید.
@Technical_Python 💻
cheetsheet 4(smartech).pdf
1.7 MB
📚 چیت شیت پایتون اسمارتک (قسمت چهارم)
در این چیت شیت نکات مهم و اصولی پایتون به صورت خلاصه جمع آوری شده و میتونید در هر زمانی که نیاز داشتید با مرور این چیت شیت نکات پایتون رو مرور کنید.
@Technical_Python 💻
در این چیت شیت نکات مهم و اصولی پایتون به صورت خلاصه جمع آوری شده و میتونید در هر زمانی که نیاز داشتید با مرور این چیت شیت نکات پایتون رو مرور کنید.
@Technical_Python 💻
لیست ۵۰ چیتشیت کاربردی هوش مصنوعی و علوم داده
◼️ 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
@Technical_Python 💻
◼️ 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
@Technical_Python 💻
#هوش_مصنوعی خلاصهنویسی محتوای فایل در چند ثانیه
humata.ai
▪️به کمک این هوش مصنوعی میتونید در مورد محتوای یک فایل pdf سوال بپرسید و اطلاعات مهمی دربارش استخراج کنید،
▪️حتی میتونید خلاصهای از کل محتوای فایل رو تحویل بگیرید یا ازش بخواید تا بخشهای مختلف فایل رو تحلیل و بررسی کنه.
🔑 برای استفاده نیاز به فیلترشکن دارید!
humata.ai
▪️به کمک این هوش مصنوعی میتونید در مورد محتوای یک فایل pdf سوال بپرسید و اطلاعات مهمی دربارش استخراج کنید،
▪️حتی میتونید خلاصهای از کل محتوای فایل رو تحویل بگیرید یا ازش بخواید تا بخشهای مختلف فایل رو تحلیل و بررسی کنه.
🔑 برای استفاده نیاز به فیلترشکن دارید!
https://www.kaggle.com/
https://lnkd.in/gYBjkBe6
⚫️یادگیری هوش مصنوعی پیشرفته: تو این مرحله میتونی سراغ موضوعات پیشرفته مثل شبکه های عصبی، یادگیری عمیق و پردازش زبان طبیعی (NLP) بری!
https://lnkd.in/g5vp3eYw
https://lnkd.in/dnTQwj5d
⚫️تمرین و همکاری: به جامعه علم داده بپیوند، در مسابقات شرکت کن و به پروژه های متن باز کمک کن تا مهارت هات رو تقویت کنی!
https://lnkd.in/gi2Ej_k5
https://lnkd.in/gPEvq9h7
⚫️این یه نقشه راهه که میتونه مسیر یادگیری پایتون و هوش مصنوعی رو براتون آسون کنه. فراموش نکنین که تمرین و پشتکار حرف اول رو میزنه!
@Technical_Python 💻
https://lnkd.in/gYBjkBe6
⚫️یادگیری هوش مصنوعی پیشرفته: تو این مرحله میتونی سراغ موضوعات پیشرفته مثل شبکه های عصبی، یادگیری عمیق و پردازش زبان طبیعی (NLP) بری!
https://lnkd.in/g5vp3eYw
https://lnkd.in/dnTQwj5d
⚫️تمرین و همکاری: به جامعه علم داده بپیوند، در مسابقات شرکت کن و به پروژه های متن باز کمک کن تا مهارت هات رو تقویت کنی!
https://lnkd.in/gi2Ej_k5
https://lnkd.in/gPEvq9h7
⚫️این یه نقشه راهه که میتونه مسیر یادگیری پایتون و هوش مصنوعی رو براتون آسون کنه. فراموش نکنین که تمرین و پشتکار حرف اول رو میزنه!
@Technical_Python 💻
📚 6 کتاب برای تبدیل شدن به مهندس یادگیری ماشین
1️⃣ کتاب طراحی سیستمهای یادگیری ماشین
این کتاب به زبان ساده همه چیز رو از مهندسی داده تا استقرار سیستمهای یادگیری ماشین توضیح میده.
📎 لینک: Designing ML Systems
2️⃣ کتاب یادگیری ماشین با پایتون
این کتاب یه راهنمای عالی برای یادگیری پایتون در یادگیری ماشینه.
📎 لینک: Python ML
3️⃣ کتاب چطور اشتباه نکنیم: قدرت تفکر ریاضی
این کتاب بهت یاد میده چطور به صورت ریاضی فکر کنی، تا از اشتباهات رایج توی تحلیل دادهها و یادگیری ماشین جلوگیری کنی.
📎 لینک: How Not to Be Wrong
4️⃣ کتاب مقدمهای بر احتمالات
این کتاب یه مقدمه عالی برای یادگیری اصول احتمالاته.
📎 لینک: First Course in Probability
5️⃣ کتاب راهنمای 100 صفحهای یادگیری ماشین
یه خلاصه جامع و سریع از مفاهیم اصلی یادگیری ماشین
📎 لینک: Hundred-Page ML Book
6️⃣ کتاب طراحی برنامههای دادهمحور
این کتاب اصول طراحی سیستمهای مقیاسپذیر رو توضیح میده و برای مهندسهای یادگیری ماشین خیلی مهمه.
📎 لینک: Designing Data-Intensive Apps
@Technical_Python 💻
1️⃣ کتاب طراحی سیستمهای یادگیری ماشین
این کتاب به زبان ساده همه چیز رو از مهندسی داده تا استقرار سیستمهای یادگیری ماشین توضیح میده.
📎 لینک: Designing ML Systems
2️⃣ کتاب یادگیری ماشین با پایتون
این کتاب یه راهنمای عالی برای یادگیری پایتون در یادگیری ماشینه.
📎 لینک: Python ML
3️⃣ کتاب چطور اشتباه نکنیم: قدرت تفکر ریاضی
این کتاب بهت یاد میده چطور به صورت ریاضی فکر کنی، تا از اشتباهات رایج توی تحلیل دادهها و یادگیری ماشین جلوگیری کنی.
📎 لینک: How Not to Be Wrong
4️⃣ کتاب مقدمهای بر احتمالات
این کتاب یه مقدمه عالی برای یادگیری اصول احتمالاته.
📎 لینک: First Course in Probability
5️⃣ کتاب راهنمای 100 صفحهای یادگیری ماشین
یه خلاصه جامع و سریع از مفاهیم اصلی یادگیری ماشین
📎 لینک: Hundred-Page ML Book
6️⃣ کتاب طراحی برنامههای دادهمحور
این کتاب اصول طراحی سیستمهای مقیاسپذیر رو توضیح میده و برای مهندسهای یادگیری ماشین خیلی مهمه.
📎 لینک: Designing Data-Intensive Apps
@Technical_Python 💻
📌 دنیای برنامهنویسی فریلنسری با وجود تمام جذابیتهاش، بالا و پایینهای خاص خودش رو هم داره. فقط کافیه راه رو بلد باشی و به ابزارهای لازم، خودت رو مجهز کنی. بعد از اون همه چیز همونطوری پیش میره که انتظارش رو داری.
@Technical_Python 💻
@Technical_Python 💻