❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

بله :)
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

⁣💻 استخدام برنامه نویس PHP

🕰 نوع همکاری:
#تمام_وقت | #حضوری

📍⁣⁣ شهر: مشهد

⚖️ شرایط پذیرش:
— حداقل 3 سال تجربه برنامه‌نویسی
— مسلط به یکی از فریمورک‌هایPHP ترجیحا لاراول
— مسلط به : Restful API
— مسلط به : MySQL
— آشنا به دیتابیس‌های noSQL
— دقت و استفاده از استانداردها در برنامه نویسی
— منظم و دارای روحیه ی کار تیمی

💵 مزایا و میزان حقوق:
بر اساس سطح کاری و رزومه شما متفاوت و قابل مذاکره می‌باشد و حقوق بالا نیز قابل توافق است. 🔅✅


📲 اطلاعات تماس:
رزومه ایمیل شود به:
Recruitmentinfo@yandex.com
و یا به آیدی: @akamali98

https://blog.plover.com/math/PM.html
جالبه بدونیم چیزهای ساده که گاها بدیهی حساب میکنیم هم نیاز به اثبات دارند. پس در باور هرچیزی که میشنویم ذره ای تردید حکم عقل است :)
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

یکی از بیشترین سوالاتی که پرسیده میشه اینه که از کجا و چطور باید شروع کنم (یادگیری عمیق) توی این پست می‌خوام به این سوال پاسخ بدم (تاریخ : ۱۴ آذر ۱۳۹۹)

افرادی که این سوال رو می‌کنند معمولاً دو دسته هستند اونهایی که آکادمیک بصورت خیلی جدی دنبال کردند و تئوری قضیه رو بلدند و اونهایی که هیچ دیدی از تئوری ندارند و بخاطر ترند بودن وارد میشوند.

چندتا فرض : ۱- لینوکس و پایتون رو بلد هستید (پایتون سطح متوسط و لینوکس همون LPIC 1 هم کفایت می‌کنه)
۲- با خوندن کتاب مشکلی ندارید
۳- قرار هست کلا بیخیال یادگیری به زبان فارسی بشید

این لیست کتابهایی هست که پیشنهاد می‌کنم :

1- The hundred-page machine learning (Andriy Burkov)

این کتاب برای کسایی هست که یادگیری ماشین رو خیلی خیلی کم میشناسند، قبل از این که بخواید وارد بشید لازمه اول مطمئن بشید همون چیزی هست که فکرشو می‌کردید.

2- Hands on ML with scikit-learn, keras, tensorflow (2nd edition) (Aurelien Geron)

نیازی به تعریف نداره بهترین کتاب برای شروع کد زدن بدون ریاضیات پیچیده، بهمراه تئوری کافی.

اینجا مرحله‌ای هست که دانشگاهی و آموزشگاهی و ... و خیلی از افرادی که دارند کار می‌کنند (حدود ۹۵٪) میزنن جاده خاکی یا درحال پیاده‌سازی ایده‌ها و روش‌های مختلف هستند یا درحال خوندن مقالات روز دنیا، اینکه شما چقدر تسلط دارید و چقدر عالی مدل‌هارو ایجاد می‌کنید ی بحث هست اما اینکه آیا واقعاً این مدل می‌تونه به تمام مشتریان شما در زمان مناسب پاسخ بده و .... بحث مهمتری هست.

3- Build Machine Learning Powered Application : Going from idea to product (Emmanuel Ameisen)

برای شروع کتاب خوبی هست، البته مطالبی که توی کتابهای قبلی خوندید رو می‌تونید فقط نگاهی بندازید.

4- Machine Learning Engineering (Andriy Burkov)

مباحث مربوط به سرویس دهی و ... از یک جایی به بعد نیاز به ML engineer داره اما لازمه شما با این مباحث آشنایی کامل داشته باشید مخصوصاً اگر قراره پروژه خودتون رو راه بندازید.

5- Building Machine Learning Pipelines : Automating Model Life Cycle with Tensorflow (Hannes Hapke)

این بخش خیلی خیلی مهمه، قرار نیست تا ابد هر چندوقت یکبار بشینید و بصورت دستی دیتا جدید رو ترین کنید و همه مراحل رو پیش بگیرید باید از data pipeline ها استفاده کنید (چیزی که خیلی خیلی کم دیده می‌شه)

6- TinyML : Machine Learning with Tensorflow Lite on Arduino and Ultra-Low-Power Microcontrollers (Pete Warden)

شاید هیچ وقت لازم نشه روی این سخت‌افزارها سرویس دهنده باشید، اما چیزهایی که توی این کتاب قرار هست یاد بگیرید واقعاً واجب هست.

7- Practical Deep Learning for Cloud, Mobile, and Edge : .... (Anirudh Koul)

تا اینجا بصورتی بود که خسته کننده نباشه و کدینگ و ... هم پیش بره اما کم کم باید وارد مباحث تئوری و ریاضیات هم شد.

8- d2l.ai

بخش تئوری این کتاب شامل کلی tips and tricks می‌شه که جالب هستند.

9- deeplearningbook.org

همه‌ی تئوری‌ها و ریاضیاتی که پیچوندید رو باید بالاخره یاد بگیرید :)

امیدوارم این لیست مفید باشه، سعی کردم کتابهایی که خوب هستند یا خودم خوندم و نتیجه گرفتم رو فقط معرفی کنم وگرنه این لیست ادامه دار بود.

امیدوارم مفید باشه 🌹
#چطور_شروع_کنیم

لینک کتابهایی که توی لایو صحبتش شد

Learning Python

Automating boring stuff with python

Introduction python

Head first python

لینکدین محمد عباسی
linkedin.com/in/aipythoner

لینکدین آیدین زهتاب
https://www.linkedin.com/in/aidin-zehtab

Machine Learning From Scratch In Python - Full Course With 12 Algorithms

https://www.youtube.com/watch?v=rLOyrWV8gmA&ab_channel=PythonEngineer

Code:
https://github.com/python-engineer/MLfromscratch/tree/master/mlfromscratch

بالاخره موفق شدم با هوش مصنوعی و زبان برنامه نویسی پایتون با مدد تکنولوژی پیشرفته لیست و مرتب سازی مسیله مرغ و تخم مرغ رو حل کنم.
:))))))

جان من پست هایی با مضمون مشابه اینور اونور به اشتراک نگذارید. :)

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

کلاس آموزش شبکه های عصبی مصنوعی - دکتر رضوی استاد دانشگاه تبریز

🔸 شبکه‌های عصبی -۴-- تابع هزینه سافت‌مکس

#کلاس_آموزشی #دکترـرضوی #منابع #فیلم #شبکه_عصبی_مصنوعی

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

وضعیت پایان نامه و تزها :)

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

در آستانه رسیدن روز مادر مرکز نیکوکاری نسیم مهربانی در نظر دارد تعدادی سبد کالا برای مادران سرپرست و بدسرپرست تهیه کند...
از شما خیرین عزیز خواهشمندیم که مثل همیشه یاریگر ما باشید تا دستان بیشتری را به مهر بفشاریم.

شماره حساب جهت واریز:
6037997950135955

@nasimemehrabaniii

چند مورد از آموزش های مفید و گام به گام کانال
#یادگیری_ماشین #هوش_مصنوعی #یادگیری_عمیق #پردازش_زبان_طبیعی #شبکه_عصبی #منابع #دکترـرضوی #فیلم #مقاله
جستجوی مورد نظر خودرا باهشتگ های معرفی شده به مطلب موردنظر برسید

📣 مروری کلی بر مفاهیم علم داده و یادگیری عمیق و یادگیری ماشین

📣 آموزش گام به گام یادگیری ماشین

📣 آموزش گام به گام پردازش زبان طبیعی

📣 آموزش گام به گام یادگیری عمیق

📣 گام به گام آموزش یادگیری هوش مصنوعی

📣 فیلم آموزشی « شبکه های عصبی برای یادگیری ماشین » از پروفسور جفری هینتون

📣 آموزش گام به گام یادگیری هوش مصنوعی با کلاس های آموزشی دکتر رضوی

📣 فیلم آموزشی
«چطور از بین همه مدلهای یادگیری ماشین مدل مناسبی انتخاب کنیم؟»

📣 فیلم آموزش گام به گام یادگیری ماشین با کلاس های آموزشی دکتر رضوی

📣 فیلم های آموزشی یادگیری ماشین از کنفرانس ها و سخنرانیهای مطرح

📣 منابع و کتاب های معرفی شده برای هوش مصنوعی یادگیری ماشین و...

📣 آموزش گام به گام یادگیری عمیق با کلاس های آموزشی دکتر رضوی

و بسیاری از مطالب کاربردی دیگر که فقط با یک نگاه کافی نیست...
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

کلاس آموزشی Classification دانشگاه Waterloo

🔸 Lecture 1 Machine Learning, Introduction

🔸 Lecture 2 Machine learning. classification, Linear and quadrtic discriminant analysis

🔸 Lecture 3 QDA, PCA

🔸 Lecture 4 PCA,FDA

🔸 Lecture 5 Logistic Regression

🔻 Lecture 6 Logistic Regression, Perceptron

🔻 Lecture 7 Backpropagation

🔻 Lecture 8 Radial basis function network

🔻 Lecture 9 Stein’s unbiased risk estimator (sure)

🔹 Lecture 10 Weight decay

🔹 Lecture 11 Hard margin SVM

🔹 Lecture 12 Soft margin SVM

🔹 Lecture 13 Dual PCA, Supervised PCA

🔹 Lecture 14 Supervised PCA, Decision tree

🔹 Lecture 15 Decision Tree, KNN

🔹 Lecture 16 Boosting

🔘 Lecture Lec 17 Bagging,Convolutional Networks (part 1)

🔘 Lecture 18 Convolutional neural network (Part 2)

🔘 Lecture 19 PAC Learning final

#فیلم #منابع #یادگیری_ماشین #هوش_مصنوعی #کلاس_آموزشی #الگوریتمها #دانشگاه_واترلو #دانشگاه

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

آموزش دوره سایت کورسرا

Introduction to Deep Learning and Neural Networks with Keras

♦️ 1- Introduction to Deep Learning

♦️ 2 Neurons and Neural Networks

♦️ 3 Artificial Neural Networks

♦️ 4 Gradient Descent

♦️ 5 Backpropagation

♦️ 6 Vanishing Gradient

🔉 7 Activation Functions

🔉 8 Deep Learning Libraries

🔉 9 Regression Models with Keras

🔉 10 Classification Models with Keras

🔉 11 Shallow Versus Deep Neural Networks

🔸 12 Convolutional Neural Networks

🔸 13 Recurrent Neural Networks

🔸 14 Autoencoders

🔸 15 Summary

#فیلم #یادگیری_عمیق #منابع #شبکه_عصبی #کلاس_آموزشی #پایتون #کورسرا

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

📌عنوان تخصص: کارشناس شبکه و IT
📌شرکت: هولدینگ مالی بانکی
📌محل کار: تهران

📗توانايي‌های عمومی مورد نياز:
🔺توانايی کار گروهی
🔺دارای پشتکار، پیگیر و توانایی پیشبرد اهداف سازمانی
🔺آشنایی کلی با مفاهیم مالی و سرمایه‌گذاری
🔺3حداقل سال سابقه کار مفید مرتبط همراه با رزومه مناسب
🔺امکان پاسخگویی تلفنی در ساعات غیر اداری در صورت لزوم
📚توانايي‌های تخصصي مورد نياز:
🔺تسلط به سخت افزار كامپیوتر, پرینتر و ویندوز کلاینت
🔺تسلط به سرور های Microsoft
🔺تسلط به نرم افزارهای بكاپ گیری
🔺تسلط به آنتی ویروس تحت شبکه
🔺تسلط با مجازی سازی VMware 🔺تسلط بر محصولات NGFW و UTMها و راه کارهای Endpoint Protection
🔺آشنایی با سوئیچ های سیسکو در حد CCNA
🔺آشنایی با راهبری فایروال

📣توضیحات مهم:

🟢قرارداد همکاری به صورت پاره وقت تنظیم خواهد شد. 🟢حضور در شرکت، یک روز در هفته الزامیست.
لطفاً رزومه شغلی خود را با عنوان «کارشناس شبکه و IT» به آدرس پست الکترونیکی زیر ارسال نمایید:
quant.job.recruitment@gmail.com

I have received 7 free tickets for the RASA summits and the workshops (Chatbot, NLP)

In case you are interested to join , please share your name, surname and email.

جهت اطلاعات بیشتر با این ایدی تماس بگیرید.
@Bellman281
https://rasa.com/summit/


@AI_python

16 منبع آموزشی الگوریتمهای هوش مصنوعی〰️〰️〰️

♾ 1. Speech and Language Processing by Dan Jurafsky and James Martin

🔊 2. Deep Learning for Natural Language Processing by Richard Socher (Stanford University)

🔔 3. Natural Language Processing (NLP) by Microsoft

🔸 4. Andrew Ng’s course on Machine Learning

🔸 5. The video lectures and resources for Stanford’s Natural Language Processing with Deep Learning

🔰 Part 2

🔹6. Sequence Models for Time Series and Natural Language Processing

🔺 7. Deep Natural Language Processing course offered in Hilary Term 2017 at the University of Oxford.

🔺 8. Natural Language Processing Fundamentals in Python by Datacamp

🔺 9 Natural Language Processing by Higher School of Economics

🔸 10 How to Build a Chatbot Without Coding by IBM

🔸 11. CS 388: Natural Language Processing by University of Texas

🔸 12. Natural Language Processing with Python

⚡️ 13. CSEP 517: Natural Language Processing by University of Washington

🔰 14. Dan Jurafsky & Chris Manning: Natural Language Processing

📘 15. NATURAL LANGUAGE PROCESSING by Carnegie Mellon University

📘 16. CS224n: Natural Language Processing with Deep Learning by Stanford University

#منابع #یادگیری_ماشین #فیلم #کلاس_آموزشی #الگوریتمها #پردازش_زبان_طبیعی #هوش_مصنوعی #یادگیری_عمیق

join👇👇👇

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN