Forwarded from Jahad Sharif
⭕️ کاوش در داده ها برای پیشرفت با متدولوژی خاص برای شرکت کنندگان در عصر داده ها
✅ داده کاوی چیزی فرا تر از کار با ابزار های داده کاوی است ...
🔹اطلاعات تکمیلی↙️
http://bit.ly/2XWSPj2
☎️مشاوره وثبت نام
۶۶۰۷۵۶۴۱-۶۶۰۷۵۶۲۶
https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow
✅ داده کاوی چیزی فرا تر از کار با ابزار های داده کاوی است ...
🔹اطلاعات تکمیلی↙️
http://bit.ly/2XWSPj2
☎️مشاوره وثبت نام
۶۶۰۷۵۶۴۱-۶۶۰۷۵۶۲۶
https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow
موضوع : آموزش برنامه نویسی شیء گرا در پایتون(سری شیرجه عمیق)
برنامهنویسی شیءگرا (به انگلیسی: Object-Oriented Programming) (بهاختصار: OOP) یک شیوه برنامهنویسی است، که ساختار یا بلوک اصلی اجزای آن، شیءها میباشند. در این شیوه برنامهنویسی، برنامه به شیء گرایش پیدا میکند، به این معنا که دادهها و توابعی که بر روی این دادهها عمل میکنند، تا حد امکان در قالبی به نام شیء و در کنار یکدیگر قرار گرفته، جمعبندی شده و یک واحد (یا یک شیء) را تشکیل میدهند و نسبت به محیط بیرونِ خود، کپسوله میشوند.
⬇️لینک ویدئو جلسه اول
⬇️لینک ویدئو جلسه دوم
⬇️لینک ویدئو جلسه سوم
⬇️لینک ویدئو جلسه چهارم
⬇️لینک ویدئو جلسه پنجم
⬇️لینک ویدئو جلسه ششم
⬇️لینک ویدئو جلسه هفتم
📢📢ضبط جلسات ادامه دارد...
مدزس : @smkh1985
#پایتون #شیء_گرا #oop
برنامهنویسی شیءگرا (به انگلیسی: Object-Oriented Programming) (بهاختصار: OOP) یک شیوه برنامهنویسی است، که ساختار یا بلوک اصلی اجزای آن، شیءها میباشند. در این شیوه برنامهنویسی، برنامه به شیء گرایش پیدا میکند، به این معنا که دادهها و توابعی که بر روی این دادهها عمل میکنند، تا حد امکان در قالبی به نام شیء و در کنار یکدیگر قرار گرفته، جمعبندی شده و یک واحد (یا یک شیء) را تشکیل میدهند و نسبت به محیط بیرونِ خود، کپسوله میشوند.
⬇️لینک ویدئو جلسه اول
⬇️لینک ویدئو جلسه دوم
⬇️لینک ویدئو جلسه سوم
⬇️لینک ویدئو جلسه چهارم
⬇️لینک ویدئو جلسه پنجم
⬇️لینک ویدئو جلسه ششم
⬇️لینک ویدئو جلسه هفتم
📢📢ضبط جلسات ادامه دارد...
مدزس : @smkh1985
#پایتون #شیء_گرا #oop
DLeX: AI Python
Video
فیلم جلسه وبینار دکتر یاشوا بنجیو در دانشکده برق و کامپیوتر دانشگاه تهران
#فیلم #منابع #یادگیری_عمیق #هوش_مصنوعی
#فیلم #منابع #یادگیری_عمیق #هوش_مصنوعی
Forwarded from بایگانی تبلیغات ۹۸,۹۹
⭕️ کاوش در داده ها برای پیشرفت با متدولوژی خاص برای شرکت کنندگان در عصر داده ها
✅ داده کاوی چیزی فرا تر از کار با ابزار های داده کاوی است ...
🔹اطلاعات تکمیلی↙️
http://bit.ly/2XWSPj2
☎️مشاوره وثبت نام
۶۶۰۷۵۶۴۱-۶۶۰۷۵۶۲۶
https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow
✅ داده کاوی چیزی فرا تر از کار با ابزار های داده کاوی است ...
🔹اطلاعات تکمیلی↙️
http://bit.ly/2XWSPj2
☎️مشاوره وثبت نام
۶۶۰۷۵۶۴۱-۶۶۰۷۵۶۲۶
https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow
Forwarded from Sadra Codes (Alireza Yahyapour)
Artboard 5.png
111 KB
💠 I'm a supporter of animals rights.
@lnxpy
@lnxpy
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 Pythonic AI (Soroush Hashemi Far)
📚 10 Essential Books on Machine Learning & AI
✅ Hands on Machine learning with scikit-learn and tensorflow, Aurélien Géron
✅ Machine Learning For Absolute Beginners: A Plain English Introduction, Oliver Theobald
✅ Understanding Machine Learning: From Theory to Algorithms, Shai Shalev-Shwartz
✅ Machine Learning with R, Brett Lantz
✅ The Singularity is Near, Ray Kurzweil
✅ Applied Artificial Intelligence: A Handbook For Business Leaders, Mariya Yao, Adelyn Zhou, Marlene Jia
✅ Deep Learning with Python, Francois Chollet
✅ The Elements of Statistical Learning,
Trevor Hastie, Robert Tibshirani, Jerome Friedman
✅ Pattern Recognition and Machine Learning, Christopher M. Bishop
✅ Machine Learning: A Probabilistic Perspective, Kevin Murphy
#book #machinelearning #artificialintelligence
@pythonicAI
✅ Hands on Machine learning with scikit-learn and tensorflow, Aurélien Géron
✅ Machine Learning For Absolute Beginners: A Plain English Introduction, Oliver Theobald
✅ Understanding Machine Learning: From Theory to Algorithms, Shai Shalev-Shwartz
✅ Machine Learning with R, Brett Lantz
✅ The Singularity is Near, Ray Kurzweil
✅ Applied Artificial Intelligence: A Handbook For Business Leaders, Mariya Yao, Adelyn Zhou, Marlene Jia
✅ Deep Learning with Python, Francois Chollet
✅ The Elements of Statistical Learning,
Trevor Hastie, Robert Tibshirani, Jerome Friedman
✅ Pattern Recognition and Machine Learning, Christopher M. Bishop
✅ Machine Learning: A Probabilistic Perspective, Kevin Murphy
#book #machinelearning #artificialintelligence
@pythonicAI
🔹نمیدونم چقدر با مفهموم Bayesian Optimization for Hyperparameters آشنا هستید اما اگر حتی یکبار هم تلاش کرده باشید یک network روی یک دیتاست جدید train کنید حتما با این موضوع مواجه شدید که مقدار زیادی از وقتتون صرف پیدا کردن یک ترکیب خوبی از فراپارامترهای مربوط به شبکه و اپتیمایزر و دیگر بخش ها میشه.
علاوه بر روش های مرسوم مثل Grid Search و Random Search که دستی و تصادفی هستند که عموما زمانبر هستند چند وقتی هست که گرایش در کامیونیتی بسمت روشهای نسبتا خودکار و آماری رفته که Bayesian Optimization یکی از این روش ها هست.
با معرفی سه کتابخانه مبتنی بر PyTorch این کار برای عموم محقق ها و پژوهشگرها بسیار ساده و با کمترین زمان ممکن قابل استفاده شده.
🔹 من در یک پیاده سازی ساده در این صفحه در گیتاب نشون میدم که چطوری میتونید این کار بسادگی انجام بدید. این روش کاملا قابل تعمیم به task های دیگه هست:
https://github.com/mbiparva/ax-bo-image-classification
🔹جهت مطالعه بیشتر میتونید به کتابخانه های زیر که به هم وابسته بوده و هر سه مبتنی بر PyTorch هستند مراجعه کنید:
Adaptive Experimentation Platform (Ax):
https://ax.dev/
Bayesian Optimization in PyTorch (BOTorch):
https://botorch.org/
Gaussian processes for modern machine learning systems (GPyTorch):
https://gpytorch.ai/
باتشکر از: MahD
❇️ @AI_Python
علاوه بر روش های مرسوم مثل Grid Search و Random Search که دستی و تصادفی هستند که عموما زمانبر هستند چند وقتی هست که گرایش در کامیونیتی بسمت روشهای نسبتا خودکار و آماری رفته که Bayesian Optimization یکی از این روش ها هست.
با معرفی سه کتابخانه مبتنی بر PyTorch این کار برای عموم محقق ها و پژوهشگرها بسیار ساده و با کمترین زمان ممکن قابل استفاده شده.
🔹 من در یک پیاده سازی ساده در این صفحه در گیتاب نشون میدم که چطوری میتونید این کار بسادگی انجام بدید. این روش کاملا قابل تعمیم به task های دیگه هست:
https://github.com/mbiparva/ax-bo-image-classification
🔹جهت مطالعه بیشتر میتونید به کتابخانه های زیر که به هم وابسته بوده و هر سه مبتنی بر PyTorch هستند مراجعه کنید:
Adaptive Experimentation Platform (Ax):
https://ax.dev/
Bayesian Optimization in PyTorch (BOTorch):
https://botorch.org/
Gaussian processes for modern machine learning systems (GPyTorch):
https://gpytorch.ai/
باتشکر از: MahD
❇️ @AI_Python
موضوع : آموزش برنامه نویسی شیء گرا در پایتون (سری شیرجه عمیق)
برنامهنویسی شیءگرا (به انگلیسی: Object-Oriented Programming) (بهاختصار: OOP) یک شیوه برنامهنویسی است، که ساختار یا بلوک اصلی اجزای آن، شیءها میباشند. در این شیوه برنامهنویسی، برنامه به شیء گرایش پیدا میکند، به این معنا که دادهها و توابعی که بر روی این دادهها عمل میکنند، تا حد امکان در قالبی به نام شیء و در کنار یکدیگر قرار گرفته، جمعبندی شده و یک واحد (یا یک شیء) را تشکیل میدهند و نسبت به محیط بیرونِ خود، کپسوله میشوند.
⬇️لینک ویدئو جلسه اول
⬇️لینک ویدئو جلسه دوم
⬇️لینک ویدئو جلسه سوم
⬇️لینک ویدئو جلسه چهارم
⬇️لینک ویدئو جلسه پنجم
⬇️لینک ویدئو جلسه ششم
⬇️لینک ویدئو جلسه هفتم
♨️لینک ویدئو جلسه هشتم♨️ NEW!
📢📢ضبط جلسات ادامه دارد...
مدزس : @smkh1985
#پایتون #فیلم #منابع #کلاس_آموزشی
برنامهنویسی شیءگرا (به انگلیسی: Object-Oriented Programming) (بهاختصار: OOP) یک شیوه برنامهنویسی است، که ساختار یا بلوک اصلی اجزای آن، شیءها میباشند. در این شیوه برنامهنویسی، برنامه به شیء گرایش پیدا میکند، به این معنا که دادهها و توابعی که بر روی این دادهها عمل میکنند، تا حد امکان در قالبی به نام شیء و در کنار یکدیگر قرار گرفته، جمعبندی شده و یک واحد (یا یک شیء) را تشکیل میدهند و نسبت به محیط بیرونِ خود، کپسوله میشوند.
⬇️لینک ویدئو جلسه اول
⬇️لینک ویدئو جلسه دوم
⬇️لینک ویدئو جلسه سوم
⬇️لینک ویدئو جلسه چهارم
⬇️لینک ویدئو جلسه پنجم
⬇️لینک ویدئو جلسه ششم
⬇️لینک ویدئو جلسه هفتم
♨️لینک ویدئو جلسه هشتم♨️ NEW!
📢📢ضبط جلسات ادامه دارد...
مدزس : @smkh1985
#پایتون #فیلم #منابع #کلاس_آموزشی
مدل ocr هست با js نوشته شده و دقت مدلش روی انگلیسی بسیار خوبه و عربی رو هم داره که من فارسی بهش دادم تقریبا خوب پیشبینی کرد
https://github.com/naptha/tesseract.js#tesseractjs
تشکر از :@LawofAttraction05
❇️ @AI_Python
https://github.com/naptha/tesseract.js#tesseractjs
تشکر از :@LawofAttraction05
❇️ @AI_Python
GitHub
GitHub - naptha/tesseract.js: Pure Javascript OCR for more than 100 Languages 📖🎉🖥
Pure Javascript OCR for more than 100 Languages 📖🎉🖥 - naptha/tesseract.js
مثالهایی از پردازش زبان طبیعی
https://github.com/microsoft/nlp
#منابع #پردازش_زبان_طبیعی #آموزش
#nlp
❇️ @AI_Python
https://github.com/microsoft/nlp
#منابع #پردازش_زبان_طبیعی #آموزش
#nlp
❇️ @AI_Python
📣 انجمن علمی آمار با همکاری گروه آمار و کامپیوتر دانشگاه لرستان برگزار میکند.
دوره آموزشی داده کاوی با پایتون و نرم افزار R
سرفصلهای این دوره آموزشی:
داده کاوی چیست؟
کاربرد و آینده داده کاوی چیست ؟ جایگاه داده کاوی در شرکتهای بزرگ و کوچک کجاست ؟
– استخراج خصیصه و روشهای انتخاب آن
–دسته بندی و درختهای تصمیم،ماشینهای بردار پشتیبانی ,مدلهای خطی رگرسیون خطی و لجستیک و knn و شبکه های عصبی
- کاهش ابعاد وخوشه بندی،PCA ، طبقه بندی ، الگوریتم بیز، الگوریتم های سری زمانی، مقایسه انواع الگوریتمهای خوشه بندی
Cross-Validation
Grid search
Evaluation Metrics and scoring
مدرس دوره: فرزاد حسنوند
جهت ثبت نام به این ایدی پیام بدین
@FarzadHeYdarYY
دوره آموزشی داده کاوی با پایتون و نرم افزار R
سرفصلهای این دوره آموزشی:
داده کاوی چیست؟
کاربرد و آینده داده کاوی چیست ؟ جایگاه داده کاوی در شرکتهای بزرگ و کوچک کجاست ؟
– استخراج خصیصه و روشهای انتخاب آن
–دسته بندی و درختهای تصمیم،ماشینهای بردار پشتیبانی ,مدلهای خطی رگرسیون خطی و لجستیک و knn و شبکه های عصبی
- کاهش ابعاد وخوشه بندی،PCA ، طبقه بندی ، الگوریتم بیز، الگوریتم های سری زمانی، مقایسه انواع الگوریتمهای خوشه بندی
Cross-Validation
Grid search
Evaluation Metrics and scoring
مدرس دوره: فرزاد حسنوند
جهت ثبت نام به این ایدی پیام بدین
@FarzadHeYdarYY
Forwarded from جهاد دانشگاهی صنعتی شریف (معاونت آموزش)
🧠🧠 دوره های آموزشی علم داده و هوش تجاری:
مسیرهای جامع آموزشی
🥅🥅آشنایی با حوزه علوم داده و تصمیم گیری در خصوص انتخاب مسیر
۱) دوره مسیریابی و تصمیم گیری
۲) دوره جامع تربیت دانشمند داده
۳) دوره جامع تربیت مهندس داده
۴) دوره جامع تربیت تحلیل گر داده
کدام مسیر مناسب شماست؟
مشاوره و ثبت نام :
۶۶۰۷۵۶۲۶-۶۶۰۷۵۶۴۱
@jsharif
مسیرهای جامع آموزشی
🥅🥅آشنایی با حوزه علوم داده و تصمیم گیری در خصوص انتخاب مسیر
۱) دوره مسیریابی و تصمیم گیری
۲) دوره جامع تربیت دانشمند داده
۳) دوره جامع تربیت مهندس داده
۴) دوره جامع تربیت تحلیل گر داده
کدام مسیر مناسب شماست؟
مشاوره و ثبت نام :
۶۶۰۷۵۶۲۶-۶۶۰۷۵۶۴۱
@jsharif
بهترین منبع برای یادگیری کاربردی "reinforcement learning"
📌 https://github.com/yandexdataschool/Practical_RL
📌 https://medium.com/@jonathan_hui/rl-deep-reinforcement-learning-series-833319a95530
📌 https://spinningup.openai.com/en/latest/
❇️ @AI_Python
📌 https://github.com/yandexdataschool/Practical_RL
📌 https://medium.com/@jonathan_hui/rl-deep-reinforcement-learning-series-833319a95530
📌 https://spinningup.openai.com/en/latest/
❇️ @AI_Python
GitHub
GitHub - yandexdataschool/Practical_RL: A course in reinforcement learning in the wild
A course in reinforcement learning in the wild. Contribute to yandexdataschool/Practical_RL development by creating an account on GitHub.
https://github.com/twintproject/twint
برای کسایی که دنبال دیتاست از توئیتر میگردن, بدون محدودیت میتونید توئیت استخراج کنید.
#علم_داده #دیتاست #دیتا #منابع #دیتاست
#datascience #dataset
❇️ @AI_Python
برای کسایی که دنبال دیتاست از توئیتر میگردن, بدون محدودیت میتونید توئیت استخراج کنید.
#علم_داده #دیتاست #دیتا #منابع #دیتاست
#datascience #dataset
❇️ @AI_Python