Forwarded from DLeX: AI Python (Farzad)
Pandas Visual Guide in 8 Pages.pdf
828 KB
آموزش پکیج pandas بصورت مصور
#آموزش #پایتون #فیلم #python
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
#آموزش #پایتون #فیلم #python
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
Forwarded from کانال اطلاعرسانی آزمایشگاه سپهر
New_hybrid_method_for_feature_selection.pdf
932.2 KB
#مقاله
عنوان:
New hybrid method for feature selection and classification using meta-heuristic algorithm in credit risk assessment
مجله:
Iran Journal of Computer Science
DOI: 10.1007/s42044-019-00038-x
@cominsys_channel
عنوان:
New hybrid method for feature selection and classification using meta-heuristic algorithm in credit risk assessment
مجله:
Iran Journal of Computer Science
DOI: 10.1007/s42044-019-00038-x
@cominsys_channel
25 استارتاپ یادگیری ماشین
https://www.forbes.com/sites/louiscolumbus/2019/05/27/25-machine-learning-startups-to-watch-in-2019/#71e6a4e13c0b
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
https://www.forbes.com/sites/louiscolumbus/2019/05/27/25-machine-learning-startups-to-watch-in-2019/#71e6a4e13c0b
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
Forbes
25 Machine Learning Startups To Watch In 2019
Artificial intelligence deals increased in Q1, 2019 to 116 deals, up from 104 deals in Q4, 2018 according to the latest PwC/CB Insights MoneyTree Report Q1 2019.
Forwarded from زانکو (Javad Amirian)
زمستان هوش مصنوعی
بخش چهارم - زمستان دوم
در دهه 80 و پس از فروکش کردن زمستان اول، عصر جدیدی از AI پا به عرصه ظهور گذاشت. اینبار پیدایش «سیستمهای خِبره» یا Expert Systems بود که هوش مصنوعی را بر سر زبانها میانداخت. شکلگیری این سیستمها، یک گام در مسیر درست بود. مسیری که AI را دوباره به حل مسائل و چالشهای واقعی نزدیک می کرد. نکته این بود که این بار برخلاف دوره قبل که جامعه هوش مصنوعی در تلاش بود تا با تقلید از مدل ذهن آدمها در فرایند حل مساله، به یک AI همهمنظوره و مافوق بشر دست پیدا کنند، سیستمهای خبره بر روی حل مسائل خاص منظوره تمرکز داشتند. این سیستمها در «برنامه ریزی مالی»، «تشخیص بیماریها»، «اکتشافات زمین شناسی» و «طراحی مدارهای میکروالکترونیک» پیاده سازی شدند و موفقیتهای چشمگیری نیز به دست آوردند.
یکی از نمونه های معروف این سیستمها Mycin نام داشت. سیستمی که برای «تشخیص باکتریهای عامل عفونت» طراحی شده بود و خروجیِ آن، تجویز آنتیبیوتیک با دُز مناسب با توجه به ویژگیهای بیمار (مانند وزن و...) بود. bit.ly/31R2gi3
(قبلا در مطلبی با عنوان «هوش مصنوعی به کجا می رود؟» هم به این سیستمها اشاره کرده بودیم)
t.me/zankoo_ai/83
خلاصه با سیستمهای خبره، نه تنها دوباره سازمانهای دولتی بلکه این بار شرکتهای خصوصی هم متقاعد شدند که در پروژههای تحقیقاتی هوش مصنوعی سرمایه گذاری کنند. اما طولی نکشید که همان عارضهی قبلی بروز کرد: وعدههای بزرگ و غیرواقع بینانهی پژوهشگران به مثابه حبابهایی دوباره رشد کردند. از سوی دیگر هم، ترس از رشد سریع شرکتهای فناوری و تسخیر بازار، جلوی توسعهی هوش را میگرفت.
در این میان، رسانهها هم در این حباب میدمیدند. تعدادی کنفرانس بزرگ مثل AAAI در این دوران شکل گرفت. آنقدر این کنفرانسها مخاطب و هوادار پیدا کرده بود که بلیتهایشان خیلی سریع به فروش میرفت. مجله بلومبرگ تیتر زده بود که «هوش مصنوعی همینجاست». تبلیغات شرکتهای هوش مصنوعی هم جالب بود، مثلا «ما یک ذهن برتر ساخته ایم»یا عبارات اغراق آمیزی که همگی از کمبود یک تصویر درست از تواناییها و محدودیتهای محصولات AI حکایت داشت.
در سال 1984، Marvin Minsky از پیشگامان AI و از بازماندگان زمستان اول، راجع به وقوع یک بحران دیگر هشدار داد. در جریان کنفرانس AAAI، میز گردی تشکیل شد با عنوان: «عصر تاریک AI. آیا میتوانیم از آن پیشگیری کنیم یا نجات پیدا کنیم؟»
در جریان میزگرد، پروفسور Drew McDermott به این اشاره کرد که "انتظارات از AI بالا رفته و ممکن است دوباره به یک فاجعه دیگر منجر شود."
"بیایید بدترین حالت ممکن را در نظر بگیریم، فرض کنیم در 5 سال آینده «جنبش ملی محاسبات استراتژیک» (سرمایه گذار تحقیقات در حوزه سخت افزار پیشرفته و هوش مصنوعی در آمریکا) بخاطر شکست پروژهی خودروهای هوشمند، تعطیل شود. پروژهی کامپیوترهای نسل 5 به جایی نرسد و دولت ژاپن دست از حمایت بردارد. استارت آپ ها یکییکی شکست بخورند. شرکت Texas Instruments و schlumberger و دیگر شرکتها از سرمایه گذاری در AI دست بردارند. و ناگهان متوجه شویم که بابت پروژههای AI نمیتوان بودجهای گرفت! در این بلبشو همه شروع خواهند کرد به دستکاری عنوان پروژههای تحقیقاتیشان تا خودشان را به حوزههای دیگر بچسبانند و از این گرداب نجات دهند. بله! این وضعیت AI Winter نام دارد. چیزی شبیه به «زمستان هستهای» (که در آن بودجهی سلاحهای هستهای قطع شد.)
البته این بدترین حالت ممکن است و به نظرم به هیچ وجه چنین شرایطی محتمل نیست!"
bit.ly/313MbVe
در همین سال John McCarthy از وجود نواقصی در سیستمهای خبره انتقاد کرد و معتقد بود این سیستمها منجر به تصمیمگیری های اشتباه می شوند و از محدودیتهایشان بیاطلاعاند. مثلا در سیستم Mycin، در شرایطی که باکتری ویبریوکلرا در رودهی بیمار باشد، سیستم برایش دو هفته تتراسیکلین تجویز میکند. این درمان، باعث از بین رفتن تمام باکتریهای بیمار میشود اما قبل از آن خود بیمار را هم راهی قبرستان میکند!
علاوه بر این بسیاری از مسائل آنقدر پیچیده بودند که مهندسها نمیتوانستند تمام قوانین را خودشان دستی طراحی کنند و بنویسند.
رکود در بازار سیستمهای خبرهی کامپیوتری، اولین نشانههای زمستان دوم بود. با کاهش موفقیت پروژهها و عدم تحقق وعدهها، Schwarz مدیر DARPA در اواخر دهه 80، تصمیم به کاهش بودجهی پروژهها گرفت. بسیاری از استارت آپ ها تعطیل شدند. کنفرانس AAAI با ریزش شدید بازدیدکنندهها مواجه شد، تا جاییکه در 1995 انتشار مقالات AI به پایین ترین حد خود رسید. نهایتا هم اصطلاح «سیستمهای خبره» شد همتراز «وعدههای عمل نشده و سرمایه های هدر رفته» (مانند اتفاقی که بر سر واژهی هوش مصنوعی در زمستان اول افتاد)
جواد امیریان
زانکو
@zankoo_ai
بخش چهارم - زمستان دوم
در دهه 80 و پس از فروکش کردن زمستان اول، عصر جدیدی از AI پا به عرصه ظهور گذاشت. اینبار پیدایش «سیستمهای خِبره» یا Expert Systems بود که هوش مصنوعی را بر سر زبانها میانداخت. شکلگیری این سیستمها، یک گام در مسیر درست بود. مسیری که AI را دوباره به حل مسائل و چالشهای واقعی نزدیک می کرد. نکته این بود که این بار برخلاف دوره قبل که جامعه هوش مصنوعی در تلاش بود تا با تقلید از مدل ذهن آدمها در فرایند حل مساله، به یک AI همهمنظوره و مافوق بشر دست پیدا کنند، سیستمهای خبره بر روی حل مسائل خاص منظوره تمرکز داشتند. این سیستمها در «برنامه ریزی مالی»، «تشخیص بیماریها»، «اکتشافات زمین شناسی» و «طراحی مدارهای میکروالکترونیک» پیاده سازی شدند و موفقیتهای چشمگیری نیز به دست آوردند.
یکی از نمونه های معروف این سیستمها Mycin نام داشت. سیستمی که برای «تشخیص باکتریهای عامل عفونت» طراحی شده بود و خروجیِ آن، تجویز آنتیبیوتیک با دُز مناسب با توجه به ویژگیهای بیمار (مانند وزن و...) بود. bit.ly/31R2gi3
(قبلا در مطلبی با عنوان «هوش مصنوعی به کجا می رود؟» هم به این سیستمها اشاره کرده بودیم)
t.me/zankoo_ai/83
خلاصه با سیستمهای خبره، نه تنها دوباره سازمانهای دولتی بلکه این بار شرکتهای خصوصی هم متقاعد شدند که در پروژههای تحقیقاتی هوش مصنوعی سرمایه گذاری کنند. اما طولی نکشید که همان عارضهی قبلی بروز کرد: وعدههای بزرگ و غیرواقع بینانهی پژوهشگران به مثابه حبابهایی دوباره رشد کردند. از سوی دیگر هم، ترس از رشد سریع شرکتهای فناوری و تسخیر بازار، جلوی توسعهی هوش را میگرفت.
در این میان، رسانهها هم در این حباب میدمیدند. تعدادی کنفرانس بزرگ مثل AAAI در این دوران شکل گرفت. آنقدر این کنفرانسها مخاطب و هوادار پیدا کرده بود که بلیتهایشان خیلی سریع به فروش میرفت. مجله بلومبرگ تیتر زده بود که «هوش مصنوعی همینجاست». تبلیغات شرکتهای هوش مصنوعی هم جالب بود، مثلا «ما یک ذهن برتر ساخته ایم»یا عبارات اغراق آمیزی که همگی از کمبود یک تصویر درست از تواناییها و محدودیتهای محصولات AI حکایت داشت.
در سال 1984، Marvin Minsky از پیشگامان AI و از بازماندگان زمستان اول، راجع به وقوع یک بحران دیگر هشدار داد. در جریان کنفرانس AAAI، میز گردی تشکیل شد با عنوان: «عصر تاریک AI. آیا میتوانیم از آن پیشگیری کنیم یا نجات پیدا کنیم؟»
در جریان میزگرد، پروفسور Drew McDermott به این اشاره کرد که "انتظارات از AI بالا رفته و ممکن است دوباره به یک فاجعه دیگر منجر شود."
"بیایید بدترین حالت ممکن را در نظر بگیریم، فرض کنیم در 5 سال آینده «جنبش ملی محاسبات استراتژیک» (سرمایه گذار تحقیقات در حوزه سخت افزار پیشرفته و هوش مصنوعی در آمریکا) بخاطر شکست پروژهی خودروهای هوشمند، تعطیل شود. پروژهی کامپیوترهای نسل 5 به جایی نرسد و دولت ژاپن دست از حمایت بردارد. استارت آپ ها یکییکی شکست بخورند. شرکت Texas Instruments و schlumberger و دیگر شرکتها از سرمایه گذاری در AI دست بردارند. و ناگهان متوجه شویم که بابت پروژههای AI نمیتوان بودجهای گرفت! در این بلبشو همه شروع خواهند کرد به دستکاری عنوان پروژههای تحقیقاتیشان تا خودشان را به حوزههای دیگر بچسبانند و از این گرداب نجات دهند. بله! این وضعیت AI Winter نام دارد. چیزی شبیه به «زمستان هستهای» (که در آن بودجهی سلاحهای هستهای قطع شد.)
البته این بدترین حالت ممکن است و به نظرم به هیچ وجه چنین شرایطی محتمل نیست!"
bit.ly/313MbVe
در همین سال John McCarthy از وجود نواقصی در سیستمهای خبره انتقاد کرد و معتقد بود این سیستمها منجر به تصمیمگیری های اشتباه می شوند و از محدودیتهایشان بیاطلاعاند. مثلا در سیستم Mycin، در شرایطی که باکتری ویبریوکلرا در رودهی بیمار باشد، سیستم برایش دو هفته تتراسیکلین تجویز میکند. این درمان، باعث از بین رفتن تمام باکتریهای بیمار میشود اما قبل از آن خود بیمار را هم راهی قبرستان میکند!
علاوه بر این بسیاری از مسائل آنقدر پیچیده بودند که مهندسها نمیتوانستند تمام قوانین را خودشان دستی طراحی کنند و بنویسند.
رکود در بازار سیستمهای خبرهی کامپیوتری، اولین نشانههای زمستان دوم بود. با کاهش موفقیت پروژهها و عدم تحقق وعدهها، Schwarz مدیر DARPA در اواخر دهه 80، تصمیم به کاهش بودجهی پروژهها گرفت. بسیاری از استارت آپ ها تعطیل شدند. کنفرانس AAAI با ریزش شدید بازدیدکنندهها مواجه شد، تا جاییکه در 1995 انتشار مقالات AI به پایین ترین حد خود رسید. نهایتا هم اصطلاح «سیستمهای خبره» شد همتراز «وعدههای عمل نشده و سرمایه های هدر رفته» (مانند اتفاقی که بر سر واژهی هوش مصنوعی در زمستان اول افتاد)
جواد امیریان
زانکو
@zankoo_ai
TechTalks
What is the AI winter?
In the past, unfulfilled promises in AI caused a decline in interest and funding, also known as AI winter. The question is, will it happen again?
🔥1
Forwarded from Deleted Account
#دعوت_به_همکاری
مرکز تحقیقات و فناوری فراهوش فعال در حوزههای تحقیقاتی هوش مصنوعی از واجدین شرایط برای همکاری در این مجموعه دعوت بهعمل میآورد.
#استخدام
@Job_neoai
Email:info@neoai.ir
مرکز تحقیقات و فناوری فراهوش فعال در حوزههای تحقیقاتی هوش مصنوعی از واجدین شرایط برای همکاری در این مجموعه دعوت بهعمل میآورد.
#استخدام
@Job_neoai
Email:info@neoai.ir
Gnome & kde
قرار شده باهم کارکنن و بالاخره دسکتاب لینوکس ارایه بدهند.
https://www.zdnet.com/article/gnome-and-kde-work-together-on-the-linux-desktop/
@ai_python
قرار شده باهم کارکنن و بالاخره دسکتاب لینوکس ارایه بدهند.
https://www.zdnet.com/article/gnome-and-kde-work-together-on-the-linux-desktop/
@ai_python
ZDNet
GNOME and KDE work together on the Linux desktop | ZDNet
Fragmentation has long been a problem for the Linux desktop, but now the two biggest open-source desktop foundations are joining forces.
چه موقع از الگوریتمهای یادگیری ماشین استفاده کنیم ؟
#منابع #آموزش #یادگیری_ماشین
#machinelearning
❇️ @AI_Python
✴️ @AI_Python_EN
#منابع #آموزش #یادگیری_ماشین
#machinelearning
❇️ @AI_Python
✴️ @AI_Python_EN
Forwarded from آکادمی فن آسا | FanasaAcademy
🔴 دوره جامع آموزشی #Deep_NLP
کاربردهای #یادگیری_عمیق در #پردازش_متن
در دو سطح #مقدماتی و #پیشرفته
🎁 تا #۳۰درصد_تخفیف
📅 شروع کارگاه مقدماتی: ۳۱ مرداد
🎁 ثبت نام زودتر ➕ ثبت نام گروهی⬅️ تخفیف ویژه همراهان آکادمی در شبکه های اجتماعی
🔰 دریافت #کد_تخفیف:
🆔 @FanasaAcademy_admin
🔚 ثبت نام و اطلاعات بیشتر در:
🌐 evnd.co/HkSpY
➕Teleg & Insta :@FanasaAcademy
کاربردهای #یادگیری_عمیق در #پردازش_متن
در دو سطح #مقدماتی و #پیشرفته
🎁 تا #۳۰درصد_تخفیف
📅 شروع کارگاه مقدماتی: ۳۱ مرداد
🎁 ثبت نام زودتر ➕ ثبت نام گروهی⬅️ تخفیف ویژه همراهان آکادمی در شبکه های اجتماعی
🔰 دریافت #کد_تخفیف:
🆔 @FanasaAcademy_admin
🔚 ثبت نام و اطلاعات بیشتر در:
🌐 evnd.co/HkSpY
➕Teleg & Insta :@FanasaAcademy
Forwarded from DLeX: AI Python (Farzad)
example of how to use Deep Learning to solve a problem.pdf
3 MB
چطوری از یادگیری عمیق برای حل مسایل استفاده کنیم ؟
#آموزش #منابع #یادگیری_عمیق #کلاس_آموزشی #کتاب
#deeplearning #book
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
#آموزش #منابع #یادگیری_عمیق #کلاس_آموزشی #کتاب
#deeplearning #book
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
آموزش لیست ها در پایتون (جلسه اول)
مشاهده ویدئو آموزش
#آموزش #پایتون #درس
با تشکر از @SMKH1985
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
مشاهده ویدئو آموزش
#آموزش #پایتون #درس
با تشکر از @SMKH1985
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
آموزش لیست ها در پایتون (جلسه دوم)
مشاهده ویدئو آموزش
#آموزش #پایتون #درس
با تشکر از @SMKH1985
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
مشاهده ویدئو آموزش
#آموزش #پایتون #درس
با تشکر از @SMKH1985
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
آموزش لیست ها در پایتون (جلسه سوم)
📢در این ویدئو با مفهوم کپی سطحی و کپی عمیق در پایتون آشنا میشید.
مشاهده ویدئو آموزش
#آموزش #پایتون #درس
با تشکر از @SMKH1985
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
📢در این ویدئو با مفهوم کپی سطحی و کپی عمیق در پایتون آشنا میشید.
مشاهده ویدئو آموزش
#آموزش #پایتون #درس
با تشکر از @SMKH1985
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
آموزش لیست ها در پایتون (جلسه چهارم)
📢در این ویدئو با متدهای مربوط به کلاس لیست آشنا میشید.
اضافه کردن اطلاعات به لیست،
حذف از لیست
مرتب سازی لیست بر حسب کلید دلخواه
از جمله موارد آموزش داده شده در این ویدئو است.
مشاهده ویدئو آموزش
#آموزش #پایتون #درس
با تشکر از @SMKH1985
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
📢در این ویدئو با متدهای مربوط به کلاس لیست آشنا میشید.
اضافه کردن اطلاعات به لیست،
حذف از لیست
مرتب سازی لیست بر حسب کلید دلخواه
از جمله موارد آموزش داده شده در این ویدئو است.
مشاهده ویدئو آموزش
#آموزش #پایتون #درس
با تشکر از @SMKH1985
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
آموزش لیست ها در پایتون (جلسه پنجم)
📢در این ویدئو با نحوه پیمایش لیست آشنا میشید.
آشنایی با کار کردن با حلقه for با لیست
آشنایی با تابع zip
آشنایی با تابع enumerate
از جمله موارد آموزش داده شده در این ویدئو است.
مشاهده ویدئو آموزش
#آموزش #پایتون #درس
با تشکر از @SMKH1985
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
📢در این ویدئو با نحوه پیمایش لیست آشنا میشید.
آشنایی با کار کردن با حلقه for با لیست
آشنایی با تابع zip
آشنایی با تابع enumerate
از جمله موارد آموزش داده شده در این ویدئو است.
مشاهده ویدئو آموزش
#آموزش #پایتون #درس
با تشکر از @SMKH1985
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
آموزش لیست ها در پایتون (جلسه ششم)
📢در این ویدئو با نحوه ساخت لیست با حلقه Forآشنا میشید.
آشنایی با مفهوم List Comprehension
از جمله موارد آموزش داده شده در این ویدئو است.
مشاهده ویدئو آموزش
#آموزش #پایتون #درس
با تشکر از @SMKH1985
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
📢در این ویدئو با نحوه ساخت لیست با حلقه Forآشنا میشید.
آشنایی با مفهوم List Comprehension
از جمله موارد آموزش داده شده در این ویدئو است.
مشاهده ویدئو آموزش
#آموزش #پایتون #درس
با تشکر از @SMKH1985
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
Forwarded from کانال اطلاعرسانی آزمایشگاه سپهر
#مقاله
عنوان:
A hybrid algorithm using a genetic algorithm and multiagent reinforcement learning heuristic to solve the traveling salesman problem
مجله:
Neural Computing and Applications
DOI: 10.1007/s00521-017-2880-4
@cominsys_channel
عنوان:
A hybrid algorithm using a genetic algorithm and multiagent reinforcement learning heuristic to solve the traveling salesman problem
مجله:
Neural Computing and Applications
DOI: 10.1007/s00521-017-2880-4
@cominsys_channel
Forwarded from DLeX: AI Python (Farzad)
0.jpeg
131.9 KB
نقشه راه یادگیری هوش مصنوعی
#منابع #هوش_مصنوعی #فیلم #دکترـرضوی #کلاس_آموزشی
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
#منابع #هوش_مصنوعی #فیلم #دکترـرضوی #کلاس_آموزشی
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
Forwarded from کانال اطلاعرسانی آزمایشگاه سپهر
#پسادکتری
فراخوان جذب پژوهشگر پسادکتری
آزمایشگاه سامانههای پردازش هوشمند رایانهای با توجه به شرایط و ضوابط دانشگاه تبریز درصدد جذب پژوهشگر پسادکتری برای سال ۱۳۹۸ است.
استاد میزبان: دکتر محمدرضا فیضی درخشی
دانشگاه میزبان: دانشگاه تبریز
شرایط و ضوابط جذب بر اساس آییننامه پسادکتری دانشگاه تبریز خواهد بود.
لازم به ذکر است که آخرین مهلت درخواست و اقدام برای سال ۱۳۹۸، ۱۰ شهریور ماه سال ۱۳۹۸ میباشد.
جهت کسب اطلاعات بیشتر میتوانید به آیدیهای زیر پیام دهید.
@cominsys @AR_FD
@cominsys_channel
فراخوان جذب پژوهشگر پسادکتری
آزمایشگاه سامانههای پردازش هوشمند رایانهای با توجه به شرایط و ضوابط دانشگاه تبریز درصدد جذب پژوهشگر پسادکتری برای سال ۱۳۹۸ است.
استاد میزبان: دکتر محمدرضا فیضی درخشی
دانشگاه میزبان: دانشگاه تبریز
شرایط و ضوابط جذب بر اساس آییننامه پسادکتری دانشگاه تبریز خواهد بود.
لازم به ذکر است که آخرین مهلت درخواست و اقدام برای سال ۱۳۹۸، ۱۰ شهریور ماه سال ۱۳۹۸ میباشد.
جهت کسب اطلاعات بیشتر میتوانید به آیدیهای زیر پیام دهید.
@cominsys @AR_FD
@cominsys_channel
Forwarded from DLeX: AI Python (Farzad)
Complete Python Basics in 26 Pages.pdf
1.7 MB
آموزشی مقدماتی کاملی از پایتون
#پایتون #آموزش #کتاب #منابع #python
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
#پایتون #آموزش #کتاب #منابع #python
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
به یک نفر دات نت کار حرفه ای با سابقه کار بیش از ۸ سال جهت کار در کشور ترکیه نیازمندیم.
لطفا رزومه خود را به زبان انگلیسی به آی دی زیر بفرستید:
@MeysamAsgariC
نکات مهم:
اگر سربازی دارید یا در حال تحصیل هستید خواهشا رزومه نفرستید.
با تشکر
@ai_python
لطفا رزومه خود را به زبان انگلیسی به آی دی زیر بفرستید:
@MeysamAsgariC
نکات مهم:
اگر سربازی دارید یا در حال تحصیل هستید خواهشا رزومه نفرستید.
با تشکر
@ai_python