DLeX: AI Python
22.6K subscribers
4.99K photos
1.23K videos
764 files
4.36K links
هوش‌مصنوعی و برنامه‌نویسی

توییتر :

https://twitter.com/NaviDDariya

هماهنگی و تعرفه تبلیغات : @navidviola
Download Telegram
با درود. با توجه به پیگیری دوستان گرامی و عدم قرار ندادن کدها در گیت‌هاب، لینک دسترسی به تمامی مطالب ارائه شده در دوره #یادگیریـعمیقـباـپایتون، شامل کدها، اسلایدها و ویدیوها و پرسش و پاسخ‌های مطرح شده در طول دوره در اختیار دوستان قرار داده می‌شود. با آرزوی بهروزی.
https://piazza.com/demo_login?nid=jecqbpbidn8tq&auth=b300eb1
https://piazza.com/university_of_tabriz/spring2018/dl201/home
🔹دهمین دوره مسابقات برنامه‌نویسی Quera Connect

🔹این قسمت: front-end

🔹برترین‌هابرای استخدام به شرکت های بزرگ IT معرفی می‌شوند

🔹جمعه ۲۶ مرداد ساعت ۱۴:۳۰

🔹ثبت نام :
quera.ir/FRAI
دوره جامع آموزشی-استخدامی #DataScience
کارگاه چهارم

آموزش جامع از ما
تلاش و پشتکار از شما
استخدام از ما

تخفیف ویژه دانشجویی

اطلاعات تکمیلی و ثبت نام در :
Evand
&
Exalab

@FanasaAcademy
Forwarded from arXiv
Elsevier_Computer_Science_Journals_List.pdf
51.3 KB
Elsevier Computer Science Journals List + full information (acceptance rate, Review Speed, etc)
🗣 @ai_python_arxiv
Forwarded from arXiv
Springer_Computer_Science_Journals_List.pdf
65.4 KB
Springer Computer Science Journals List + full information (acceptance rate, Review Speed, etc)
🗣 @ai_python_arxiv
Forwarded from arXiv
Forwarded from عکس نگار
برگزاری دوره خصوصی آموزش Machine Learning با بهره‌گیری از Python و کتابخانه‌های scikit-learn و TensorFlow.

این دوره در صورت تقاضا به صورت گروهی تا سقف سه نفر و با هزینه ثابت برگزار می‌شود.

سطح این دوره متناسب با دانش شما از برنامه‌نویسی خواهد بود و برای افرادی که با برنامه‌نویسی یا "یادگیری ماشین" ناآشنا هستند هم قابل اجرا است.

برای هماهنگی و کسب اطلاعات بیشتر به user id زیر پیام دهید:
@PythonMLSC
Forwarded from arXiv
Cargill,_O'Connor_Writing_Scientific.pdf
2.3 MB
Writing Scientific Research Articles: Strategy and Steps
#book
book cover: https://t.me/ai_python_arxiv/1740
🗣 @ai_python_arxiv
Forwarded from Code Community ☕️ (🎈 Amir Arman 🎈)
🎗دوره اموزش یادگیری ماشین
#Machine_Learning

🔗 http://bit.ly/2KRws3c


© @AI_Python
© @Code_Community
دریافت بیتکوین رایگان از طریق عضویت در ربات زیر 👇👇

http://t.me/CryptoFarmerBot
Forwarded from 谷歌投放 谷歌竞价 百度投放 谷歌排名 (Deleted Account)
جی پی لاکر یه ادمین ماهر

💫 فروش ربات مدیریت گروه آغاز شد

🌟 برای خرید به ربات زیر مراجعه کنید:

@GpLockerBot
谷歌投放 谷歌竞价 百度投放 谷歌排名
جی پی لاکر یه ادمین ماهر 💫 فروش ربات مدیریت گروه آغاز شد 🌟 برای خرید به ربات زیر مراجعه کنید: @GpLockerBot
همه گروههای ما با ظرفیت بیش از ۶ هزار نفر از طریق این بزرگوار محافظت میشند. اگر گروه و کانال دارید حتما استفاده کنید.
Forwarded from Data Experts (Farzad)
This media is not supported in your browser
VIEW IN TELEGRAM
یادگیری ماشین چیست؟

#یادگیری_ماشین
#تعریف

«با ما همراه باشید»

❇️ @Data_Experts
آینده...!!

❇️ @AI_Python
🔴 آمارهایی تامل برانگیز درارتباط با نتایج کنکور سراسری ۹۷:

حتما مطالعه کنید

🔸️ گروه علوم انسانی:

-تعداد شرکت کنندگان در آزمون ۲۰۴۹۳۶نفر
-کل ظرفیت پذیرش ۳۰۸۱۵۴
نفر
-تعدادصندلی خالی ۱۰۳۲۱۸


🔸️ گروه علوم تجربی:

-تعدادشرکت کنندگان درآزمون ۶۴۲۲۲۸نفر
-کل ظرفیت پذیرش ۱۷۴۹۵۸نفر
-تعداد افرادی که رد خواهندشد ۴۶۷۲۷۰نفر

🔸️ گروه ریاضی فیزیک:

-تعداد شرکت کنندگان در آزمون ۱۴۴۴۳۷نفر
-کل ظرفیت پذیرش ۲۳۶۲۲۳نفر
-تعدادصندلی خالی ۹۱۷۸۶

🔸️ گروه زبان خارجه:

-کل شرکت کنندگان ۱۴۵۵۴۱نفر
-تعدادافرادی که فقط گروه زبان را انتخاب کرده اند ۷۵۳۴نفر

🔸️ گروه هنر:
-کل شرکت کنندگان ۷۸۸۱۵نفر
-تعداد افرادی که فقط گروه هنر را انتخاب کرده اند ۱۲۲۴۹ نفر


تعدادکل شرکت کنندگان درپنج گروه:۱۰۱۱۳۸۴نفر

🔸️️ نسبت شرکت کنندگان گروه انسانی به کل۲۰/۲۶درصد

🔸️ ️نسبت شرکت کنندگان گروه تجربی به کل۶۳/۵۰درصد

🔸️️ نسبت شرکت کنند‌گان گروه ریاضی به کل۱۴/۲۸درصد

🔸️️ افرادی که فقط در گروه زبان خارجه شرکت کرده اند ۰/۷۴درصد

🔸️️ افرادی که فقط در گروه هنرشرکت کرده اند ۱/۲۱درصد

🔸️ شانس قبولی گروه انسانی ۱۵۰/۳۶درصد
🔸️ شانس قبولی گروه تجربی۲۷/۲۴
🔸️ شانس قبولی گروه ریاضی۱۶۳/۵۴

🔸️ نتیجه تحلیل،بدین معناست در گروههای انسانی و ریاضی کلیه شرکت کنندگان در دانشگاهها و موسسات آموزش عالی پذیرفته خواهند شد.ضمن اینکه ظرفیت خالی وجودخواهند داشت.

اما در گروه علوم تجربی بدلیل آمار بسیار بالای شرکت کنندگان و رقابت فوق العاده سنگین ونفس گیر، فقط۲۷/۲۴ درصدِ شرکت کنندگان پذیرفته خواهند شد. و ۷۲/۷۶ درصدآنان رد و خداحافظی خواهندکرد.
🔸️ واین نتایج نشان از بلایی است که در دوره های گذشته برسر گروه ریاضی وعلوم مهندسی کشور آمد وآنچه سالهاست برعلوم انسانی میرود وقطعا درآینده ای نزدیک برعلوم تجربی خواهد رفت.
✔️ موارد استفاده از هوش مصنوعی

#هوش_مصنوعی
👈 لینک
❇️ @AI_Python
Forwarded from DLeX: AI Python (Farzad)
معرفی #منابع پیشنهادی برای #یادگیری_ماشین
«قدم اول یادگیری زبانهای برنامه نویسی R و Python و Weka که در بیشتر موارد نرم افزار پایتون بهترین گزینه جهت انجام همه این کار ها است»
#یادگیری_عمیق
#پردازش_زبان_طبیعی
❇️
@AI_Python
🌐 آموزشهای یادگیری علم داده دانشگاه هاروارد
👈 لینک 👈 لینک آموزش فایلهایی ویدیویی
👈 تمرینات
🌐 آموزش های ویدیویی یادگیری ماشین دانشگاه استنفورد
👈 لینک
🌐 کتابهای آموزشی یادگیری آماری جهت فراگیری یادگیری ماشین
👈 فایل pdf
👈 فایل pdf 2
🌐 فراگیری آموزش احتمال که توسط سایت Edx برگزار شده است
👈 لینک
یادگیری کلان داده با استفاده آپاچی اسپارک
👈 لینک
یادگیری مباحث ریاضیاتی نظیر جبرخطی و معادلات دیفرانسیل
👈 لینک
یادگیری آموزشهای تقویتی یادگیری ماشین و یادگیری عمیق دانشگاه برکلی
👈 لینک
مطالعه مقالات و یادگیری آموزش الگوریتم های پیشنیاز یادگیری ماشین
👈 لینک
معرفی کتاب
✔️ Bishop's Pattern Recognition and Machine Learning
✔️ Introduction to Probability by John N. Tsitsiklis
✔️ Larry Wasserman's All of Statistics: A Concise Course in Statistical Inference
✔️ Joel Grus' Data Science from Scratch: First Principles with Python
✔️ Brett Lantz's Machine Learning with R
✔️ Willi Richert & Luis Pedro Coelho's Building Machine Learning Systems with Python
✔️ Nick Pentreath's Machine Learning with Spark
✔️ Learning From Data by Yaser S. Abu-Mostafa
❇️
@AI_Python
📎 استنتاج بیزی و یادگیری ماشین دانشگاه کمبریج
👈 لینک
📎 یادگیری ماشین و دیدگاه احتمالی دانشگاه بریتیش کلمبیا
👈 لینک
📎 چگونه از دیتا یاد بگیریم دسترسی به کتابها و مطالب دانشگاه Caltech
👈 لینک
🌐 معرفی الگوریتم های خطی و غیر خطی یادگیری ماشین
Linear Algorithm
Gradient Descent
Linear Regression
Logistic Regression
Linear Discriminant Analysis
Nonlinear Algorithms
Classification And Regression Trees, Naive Bayes, KNN,Learning Vector Quantization, Support Vector Machines, Bagging and Random Forest,Boosting and AdaBoost

❇️
@AI_Python
jupyter-notebook.pdf
29 KB
🔥کلیدهای میانبر در ژوپیتر نوت بوک


❇️ @AI_Python