🌐 کارگاه آنلاین بایدها و نبایدهای فرزندپروری 👨‍👩‍👧‍👦

✅✅✅ سرفصل‌های کارگاه:
🔷 آشنایی با سبک های فرزندپروری مدرن
🔷 اصول مدیریت رفتاری کودکان
🔷 تکنیک های تغییر و اصلاح رفتار کودکان
🔷 شناخت احساسات و مدیریت هیجانی کودکان بر اساس اصول همدلی
🔷 تکنیک‌های قانونگذاری موثر

مدرس: لیلا جعفری 👩‍⚕️
روانشناس و رواندرمانگر، با بیش از ده سال تجربه عملی در زمینه کودک و نوجوان

برای ثبت نام به وب سایت گروه شمیم اندیشه بیدار مراجعه فرمایید:
⭕️ www.onpsycho.com

🔸Instagram: onpsycho2019

🆔 @onpsycho

دوره یادگیری سایت Coursera

Sequence Models for Time Series and Natural Language Processing

16 How RNNs represent the past

#فیلم #منابع #پردازش_زبان_طبیعی #کلاس_آموزشی #تنسرفلو #پایتون #کورسرا #آمار
#coursera

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

دوره یادگیری سایت Coursera

Sequence Models for Time Series and Natural Language Processing

17 The limits of what RNNs can represent

#فیلم #منابع #پردازش_زبان_طبیعی #کلاس_آموزشی #تنسرفلو #پایتون #کورسرا #آمار
#coursera

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

آموزش یادگیری ماشین
شما در این کتاب یادخواهید گرفت که :
یادگیری ماشین چیست؟ و چطور یادگیری ماشین را شروع کنیم؟
نقش داده کاوی و آمار با یادگیری ماشین چیست؟
چگونه از قدرت یادگیری ماشین استفاده کنیم؟
ده پیشبینی از آینده یادگیری ماشین ؟؟!
#یادگیری_ماشین #کتاب #منابع #آموزش
#MachineLearning

❇️ @AI_Python
✴️ @AI_Python_EN

#fun
❇️ @ai_python

#fun
❇️ @ai_python

دوره یادگیری سایت Coursera

Sequence Models for Time Series and Natural Language Processing

18 The vanishing gradient problem

#فیلم #منابع #پردازش_زبان_طبیعی #کلاس_آموزشی #تنسرفلو #پایتون #کورسرا #آمار
#coursera

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

دوره یادگیری سایت Coursera

Sequence Models for Time Series and Natural Language Processing

19 LSTMs,GRUs and RNNs in TensorFlow Introduction

#فیلم #منابع #پردازش_زبان_طبیعی #کلاس_آموزشی #تنسرفلو #پایتون #کورسرا #آمار
#coursera

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

دوره یادگیری سایت Coursera

Sequence Models for Time Series and Natural Language Processing

20 LSTMs and GRUs

#فیلم #منابع #پردازش_زبان_طبیعی #کلاس_آموزشی #تنسرفلو #پایتون #کورسرا #آمار
#coursera

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

#fun
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

#هوش_مصنوعی و بازی بدمینتون

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

دوره یادگیری سایت Coursera

Sequence Models for Time Series and Natural Language Processing

21 RNNs in TensorFlow

#فیلم #منابع #پردازش_زبان_طبیعی #کلاس_آموزشی #تنسرفلو #پایتون #کورسرا #آمار
#coursera

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

🌙 ضیافت آموزشی فرادرس؛ بزرگ‌ترین ضیافت آموزشی در کشور

✴️ ۳۰ + ۴۰ آموزش رایگان

در این طرح سراسری، ۳۰ عنوان آموزش از آموزش‌های غیر رایگان فرادرس جهت استفاده دانشجویان به صورت رایگان ارائه شده‌اند. ۴۰ آموزش منتخب طرح آموزش تعطیل نمی‌شود، همچنان در ضیافت آموزشی به صورت رایگان قابل دریافت هستند.
🔗 دسترسی به لینک: fdrs.ir/4pex

✅ ۷۰ آموزش رایگان شده — [کلیک کنید]

@FaraDars — فرادرس

دوره یادگیری سایت Coursera

Sequence Models for Time Series and Natural Language Processing

22 Lab Intro Time series prediction end-to-end (rnn)

#فیلم #منابع #پردازش_زبان_طبیعی #کلاس_آموزشی #تنسرفلو #پایتون #کورسرا #آمار
#coursera

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

دوره یادگیری سایت Coursera

Sequence Models for Time Series and Natural Language Processing

23 Lab Solution Time series prediction end-to-end (rnn)

#فیلم #منابع #پردازش_زبان_طبیعی #کلاس_آموزشی #تنسرفلو #پایتون #کورسرا #آمار
#coursera

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

دوره یادگیری سایت Coursera

Sequence Models for Time Series and Natural Language Processing

24 Deep RNNs

#فیلم #منابع #پردازش_زبان_طبیعی #کلاس_آموزشی #تنسرفلو #پایتون #کورسرا #آمار
#coursera

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

LSTM is dead. Long Live Transformers!

How LSTM models for Natural Language Processing (NLP) have been practically replaced by transformer-based models. Basic background on NLP, and a brief history of supervised learning techniques on documents, from bag of words, through vanilla RNNs and LSTM. Then there's a technical deep dive into how Transformers work with multi-headed self-attention, and positional encoding. Includes sample code for applying these ideas to real-world projects.

#کنفرانس #فیلم #منابع #پردازش_زبان_طبیعی #الگوریتمها #یادگیری_عمیق

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

دوره یادگیری سایت Coursera

Sequence Models for Time Series and Natural Language Processing

25 Lab Intro Time series prediction end-to-end (rnn2)

#فیلم #منابع #پردازش_زبان_طبیعی #کلاس_آموزشی #تنسرفلو #پایتون #کورسرا #آمار
#coursera

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

انواع پارتیشن بندی در موقعیت‌های مختلف

اول از همه باید متوجه شوید در چه حالتی سیستم بوت شده‌است. گاهی اوقات سیستم شما معمولا اگر قدیمی باشد، از فرمویر UEFI پشتیبانی نمی‌کند.
هنگامی که live سیستم را بالا آوردید، دستور زیر را برای بررسی این مورد داخل ترمینال اجرا کنید:
$ ls /sys/firmware/efi
در صورت وجود این دایرکتوری یعنی شما UEFI بوت کرده‌اید.

در مرحله دوم، شما نیاز دارید که Partition table خودتان را متوجه شوید. دستورات زیادی هستند که این اطلاعات را به شما می‌دهند.
1)Fdisk
$ sudo fdisk -l /dev/sdXY
در خروجی، جلوی Disklable type اگر dos نوشته شده بود، یعنی شما پارتیشن تیبلی که دارید mbr است. در غیر این صورت، gpt نوشته شده.
2)Parted
$ sudo parted -l /dev/sdXY
در خروجی، جلوی Partition table می‌توانید پارتیشن تیبل خود را متوجه شوید.

۱.پارتیشن تیبل MBR و بوت BIOS (legacy)

در این حالت، شما تنها می‌توانید ۴ پارتیشن primary ایجاد کنید و همچنین‌ نهایت اندازه پارتیشن شما ۲ ترابایت خواهد بود. در صورتی که بیش از ۴ پارتیشن نیاز داشتید، می‌توانید یک پارتیشن extended بسازید و زیر مجموعه‌های آن را logical درست کنید. شما در این حالت، محدودیت تعداد (در حد نیاز حداقل) ندارید.
اگر می خواهید علت محدودیت ۴ پارتیشن پرایمری و ۲ ترابایت فضا را بدانید به اینجا مراجعه کنید.
ساختار پارتیشن‌های شما به صورت پیشنهادی می تواند به شکل زیر باشد:

/boot: 500-800 MB
/ : 45 - 50 GB
swap: (اگر نیاز دارید)
/home: OTHER

شما حتماً باید پارتیشن boot را bootable نمایید.
اگر پارتیشن boot ایجاد نمی‌کنید، باید / را bootable کنید.

دستور برای نصب/کانفیگ گراب در این حالت داخل آرچ/فدورا:
$ grub-install --target=i386-pc /dev/sdX

$ sudo grub-mkconfig -o /boot/grub/grub.cfg

۲.پارتیشن تیبل gpt و بوت UEFI
در این صورت، شما محدودیت تعداد پارتیشن نخواهید داشت. بنابراین به صورت دلخواه پارتیشن‌های خود را ایجاد کنید. اما الزاما باید دایرکتوری efi را ایجاد نمایید‌.

پارتیشن بندی پیشنهادی برای این حالت:

/boot/efi : 300 MB
/boot : 500-800 MB
/ : 45 - 50 GB
swap : (اگر نیاز دارید)
/home : OTHER

در این حالت شما نیاز به bootable کردن پارتیشنی نخواهید داشت.
تنها نیاز است که به پارتیشن efi فلگ esp زده شود.
شاید زیاد ببینید که به جای
/boot/efi
مسیر
/efi
در سمپل ها است.اما فرقی ندارد، هر توزیعی طبق سیاست خود پیشنهاداتی می دهد.

در این حالت شما برای نصب/کانفیگ۳ گراب نیاز به دستور زیر دارید :
$ grub-install --target=x86_64-efi --efi-directory=esp --bootloader-id=GRUB

$ grub-mkconfig -o /boot/grub/grub.cfg

۳.پارتیشن تیبل GPT و بوت BIOS

این حالت دقیقا همانند حالت ۱ است با این تفاوت که شما نیازمند پارتیشن BIOS boot partition هستید. تنها کافیست این پارتیشن را با حجم 1MB ایجاد نمایید و سایر موارد را مشابه مرحله اول ایجاد کنید. شما در این حالت به علت GPT بودن پارتیشن تیبل با محدودیت های MBR روبرو نخواهید بود.
#لینوکس
#grub #partitioning #installation #uefi #legacy

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

دوره یادگیری سایت Coursera

Sequence Models for Time Series and Natural Language Processing

26 Lab Solution Time series prediction end-to-end (rnn2)

#فیلم #منابع #پردازش_زبان_طبیعی #کلاس_آموزشی #تنسرفلو #پایتون #کورسرا #آمار
#coursera

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN