✔️ Computer Vision roadmap

#computer_vision #roadmap

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_en

#Roadmap 2022

این رو برای یک دوستی که تازه داره سعی می‌کنه وارد، ماشین‌لرنینگ بشه نوشتم ؛
اول اینکه توجه کنید,
۱- ایشون تازه برای کارشناسی بورسیه گرفته و قراره شروع کنه درسش رو
۲- پایتون رو در سطح متوسطی بلد هست و چندسالی هست که کد میزنه (Data structure, Algorithm رو متوجه‌ هست)
۳- علاقه شدیدی به هوش مصنوعی داره و برخلاف خیلی‌ها که می‌خوان سریعتر کد بزنن ترجیح میده وقت بیشتری توی مقدمات بذاره تا حرفه‌ای تر جلو بره


RoadMap :

1- Numpy (and scipy):

. Python Numpy Beginners (AI publishing)
. Scientific Computing with Python .... 2nd edition (Claus Fuhrer - packt pub)
* High performance python ... 2nd edition (O'Reilly)

2- Pandas:

Effective Pandas (Matt Harrison)
Pandas in Action (Manning Pub)
Pandas 1.x cookbook ... 2nd edition (Packt pub)

3- Matplotlib (or other visualization libs)

Hands on matplotlib (Ashwin - Apress pub)
Data visualization with python for beginners ... ( AI publishing)

چیزی که خیلی مهمه اینه کار با OOP، api رو توی این کتابخونه یاد بگیرید.

3- Data Engineering
نه کامل اما بعضی مباحث واقعاً لازم هست :
Sql / NoSql / PySpark
اینها مباحثی هست که خیلی بدرد میخوره معمولاً

4- Scikit-learn :

Hands on machine learning with scikit-learn, ... (O'Reilly) - Part 1 only

Machine learning with pytorch and scikit-learn (Packt pub) - Part 1 only

5- Story telling
کتاب‌های زیادی برای این مورد وجود داره که بسته به علاقه و نوع نوشتاری که می‌پسندید می‌تونید انتخاب کنید

اما این بخش رو اصلا دستکم نگیرید (۹۹.۹٪ آموزش‌ها این موضوع رو منتقل نمی‌کنند و ۱۰۰٪ توی کار این موضوع واجب و حیاتی هست)

6-
آمار و احتمالات / ریاضیات / جبر

بستگی به خودتون داره؛ اگر فکر می‌کنید لازم هست کمی ریاضیات پایه رو مرور کنید
آمار و احتمال رو شاید بهتره حتی قبل از scikit-learn مرور کنید

کتابهای با عنوان statistical learning وجود داره برای پایتون که به سلیقه خودتون می‌تونید بخونید.
7- Deep learning (practical)

۲ تا کتابی که برای Machine learning معرفی کردم بخش دوم هر ۲ کتاب رو می‌تونید اینجا شروع کنید
Deep learning with python 2nd edition (Manning pub)
هم حتماً برای اونایی که Tensorflow هم می‌خوان کار کنند باید خونده بشه

اگر قرار هست کارهای deploy , ... هم انجام بدید اون خودش ی roadmap اساسی میخواد اما بطور ساده :

ML engineering / MLOps / Linux / Docker / Api development (FastApi) / Edge deployment (Tiny ML)

حداقل چیزهایی هست که لازم دارید.
بعد با توجه به بیزینس و علاقه به بخش‌های مختلفش شاخ و برگ میدید.

پ.ن : برای بخش‌های مختلف چندکتاب معرفی شد، چون نوع نوشتار بعضی از کتابها ممکن مورد پسند شما نباشه
لازم نیست همه‌ی چند مورد رو بخونید.

کتاب :
High performance python
جزو واجبات هست که بنظرم همه باید بخونند.

✔️ The Career Development Platform That Caters to Your Needs
رودمپ و منابع آموزشی مهندسی، امورمالی و مدیریت برای بهتر کردن مهارت هاتون از پایه توی این سایت جمع شده.
#roadmap

https://careerhub.cloud/

#منابع

@ai_python

📽 start with kaggle | دوره های رایگان هوش مصنوعی

شروع یادگیری هوش‌مصنوعی، مهندسی‌ یا علوم داده باتوجه به شرایط اقتصادی خیلی می‌تونه پر هزینه باشه همینطور وقتی مطمئن نیستید که می‌خواید توی این حوزه کار کنید یا نه! سایت کگل برای رفع این دغدغه‌ها خیلی مفیده می‌تونید توی دوره‌های رایگان اون شرکت کنید، مدرک بگیرید و اگه خواستید ادامه بدید دوره‌های بیشتری رو هم بگذرونید!

با استفاده از لینک‌ زیر می‌تونید به آموزش‌ها دسترسی پیدا کنید 👇

🔗 kaggle all courses

#roadmap #introduction_to_ai
#python #Course

@ai_python

📌 رودمپ ۳۰ روزه یادگیری پایتون
30 days of Python programming challenge is a step-by-step guide to learn the Python programming language in 30 days.

🔗 https://github.com/Asabeneh/30-Days-Of-Python

📽 https://www.youtube.com/playlist?list=PLbvhRHYrmshQFrhnOfs9qQAVt32ljGmz5

#Python #RoadMap
#BeginnersGuide

@ai_python

📌 MlOps guide: A collection of materials from introductory to advanced.
یکسری منابع مفید درباره عملیات ماشین لرنینگ! حاوی کتاب، ویدیو و کیس‌استادی که یخورده حالت نقشه‌راه داره.

🔗 https://huyenchip.com/mlops/

#MlOps #MachineLearning
#ML #Operation #RoadMap

@ai_python