فراتر از الگوریتم pinned «درود دوستان عزیز انشالله از پنجشنبه اول تیرماه کانال رو به طور رسمی شروع میکنم و هر طور طبق برنامه پست منتشر میکنم. برای امروز، اگه با پادکست آدمهای معمولی که من میزبانش هستم آشنا باشید، چند تا اپیزودش که با دوستان فعال در حوزه دیتا (دیتایاسنتیست، مهندس…»
این هم اولین رادیوی لایو مبتنی بر هوش مصنوعی ...
با توجه به لوکیشنتون اخبار و هواشناسی، ترافیک و غیره رو آپدیت میکنه.
https://futurimedia.com/radiogpt/
صداها و گویندههای رادیو هم صداهای تولید شده با هوش مصنوعی هستند. یکیشون Fay هست :).
و تصور کنید اسپانسرشیپ رادیو و اینکه آگهیها از دریافتشون تا ادیت و انتشار همه میتونه توسط هوش مصنوعی و دیتاساینس انجام بشه.
رادیو جیپیتی بر پایه جیپیتی۴ و TopicPulse محصول شرکت Futuri توسعه داده شده ... میتونید با رادیوجیپیتی ایستگاه رادیویی اینترنتی راهبندازید بدون این که حتی یه کارمند استخدام کنید ... اینطوریه که به این لعنتی میگن disruptive technologies ...
Join @beyondalgorithms
با توجه به لوکیشنتون اخبار و هواشناسی، ترافیک و غیره رو آپدیت میکنه.
https://futurimedia.com/radiogpt/
صداها و گویندههای رادیو هم صداهای تولید شده با هوش مصنوعی هستند. یکیشون Fay هست :).
و تصور کنید اسپانسرشیپ رادیو و اینکه آگهیها از دریافتشون تا ادیت و انتشار همه میتونه توسط هوش مصنوعی و دیتاساینس انجام بشه.
رادیو جیپیتی بر پایه جیپیتی۴ و TopicPulse محصول شرکت Futuri توسعه داده شده ... میتونید با رادیوجیپیتی ایستگاه رادیویی اینترنتی راهبندازید بدون این که حتی یه کارمند استخدام کنید ... اینطوریه که به این لعنتی میگن disruptive technologies ...
Join @beyondalgorithms
👏2
درود ملت
اپیزود ۳۹ با شایان امیری طراح و توسعه دهنده بازی رو امروز جمعه ساعت ۱۸:۳۰ به وقت ایران از دست ندید که کلی حرف داریم بزنیم.
شایان فارغالتحصیل مهندسی کامپیوتر و ارشد هوش مصنوعی از دانشگاه خواجه نصیر هست که بیش از ده ساله در صنعت طراحی و توسعه بازی هست و سمتهای مختلف رو در این صنعت تجربه کرده. الان هم در لندن در همین حوزه مدیر محصول هست ...
این اپیزود میتونه بهتون کمک کنه ببینید مسیر شغلی طراحی و توسعه بازی به عنوان یک شاغل در حوزه دیتا میتونه براتون خوب باشه یا نه. اگه دوست دارید ساعت ۱۸:۳۰ به وقت ایران امروز جمعه روی لینک زیر به ما بپیوندید
https://www.youtube.com/watch?v=3Udnaj-sKo0
Join @beyondalgorithms
اپیزود ۳۹ با شایان امیری طراح و توسعه دهنده بازی رو امروز جمعه ساعت ۱۸:۳۰ به وقت ایران از دست ندید که کلی حرف داریم بزنیم.
شایان فارغالتحصیل مهندسی کامپیوتر و ارشد هوش مصنوعی از دانشگاه خواجه نصیر هست که بیش از ده ساله در صنعت طراحی و توسعه بازی هست و سمتهای مختلف رو در این صنعت تجربه کرده. الان هم در لندن در همین حوزه مدیر محصول هست ...
این اپیزود میتونه بهتون کمک کنه ببینید مسیر شغلی طراحی و توسعه بازی به عنوان یک شاغل در حوزه دیتا میتونه براتون خوب باشه یا نه. اگه دوست دارید ساعت ۱۸:۳۰ به وقت ایران امروز جمعه روی لینک زیر به ما بپیوندید
https://www.youtube.com/watch?v=3Udnaj-sKo0
Join @beyondalgorithms
❤1
فراتر از الگوریتم
خوب یه خبر خوب داریم و یه خبر ناخوب (برای دوستان عاشق تلگرام و ضد ایمیل) ... خبر خوب اینه که برای امروز مقاله ورود به مسیر شغلی دیتاساینس رو نوشتم که کاربردی و مفیده (خصوصا برای تازهکارها و کسانی که دارن شیفت شغلی میدن) ... اما خبر ناخوب اینه که، همونطوری…
در ایمیل (مقاله) توسعه مسیر شغلی حوزه دیتا برای تازهواردها اشاره کردیم یکی از مراحل پروژه انجام پروژههای شخصی (یا اصطلاحا self-project) هست. اما برای این که کار رو به بهترین شکل انجام بدید خوبه این مراحل رو طی کنید:
۱- پروژه مناسب و مرتبطی رو انتخاب کنید: پروژه باید با مسیر شغلی شما، صنعتی که میخواید واردش بشید، و اهداف شما همراه باشه. پروژه باید به اندازه کافی چالشی هم باشه تا به یادگیری شما کمک کنه.
۲- اهداف پروژه رو قبل از شروع مشخص کنید: قبل از شروع باید به وضوح بدونید این پروژه به چی میخواد برسه و چه مسئلهای رو حل کنه. این به تمرکز شما روی پروژه کمک میکنه.
۳- از دادههای واقعی استفاده کنید: استفاده از دادههای واقعی به شما چالشهای پیشپردازش دادهها رو براتون بوجود میاره و دانش بهتری میده.
۴- مسیر استاندارد دیتاساینس رو در پروژه دنبال کنید: اگه پروژهای که انجام میدید از مراحل اول جمعاوری داده و تمیز کردنشون و غیره تا ساختن مدل و ارزیابیاش و غیره رو شامل بشه این فرآیند به یادگیری شما کمک زیادی میکنه.
۵- کارتون رو داکیومنت کنید: از اونجاییکه ارائه و داکیومنت کردن یکی از کارهای مهم دیتاساینتیستها هست و خروجی کارشون رو اندازهگیری میکنه بسیار مهم و خوبه که این فرآیند رو در این پروژهها تجربه کنید و یاد بگیرید.
۶- خروجی پروژه رو ارايه بدید: این هم یکی از مهمترین مراحل کار یک دیتاساینتیست هست. در نتیجه در پروژههای شخصیتون حتما این کار رو بکنید تا یاد بگیرید ابزارهای این کار چیا هستن ...
۷- از ملت بخواید روی کارتون فیدبک بدهند: وقتی کار رو به فرمت مناسب ارائه کنید (مثلا به شکل ویدیو و بعد شیر کردنش در کامیونیتیهای مناسب و غیره) اینطوری میتونید از افراد در سطوح مختلف (نه صرفا افراد حرفهای ... چون فیدبک افراد تازهکار مثل خودتون هم مفید هستند و کمک زیادی میکنند) فیدبک بگیرید ...
۸- پروژه و همه متعلقاتش رو به پورتفولیوتون وارد کنید: اینجا همون جایی هست که همه (از شرکتها یا مشارکت در سخنرانیها و مشاوره و هر فرم دیگه همکاری که فکر کنید) میتونن شما و کارهاتون رو پیدا کنند. پس یادتون نره که به خوبی پروژه رو به پورتفولیوتون اضافه کنید.
یادتون نره که این سلف-پروژهها برای تولید محصول نیستند ... بلکه برای یادگیری هستند تا به شما کمک کنند و رشد کنید. همچنین یادتون نره که سلف-پروژهها صرفا برای تازهکارها نیست و شما در هر جایی از مسیر شغلی میتونید این کار رو در سطوح مختلف انجام بدید و ازش استفاده ببرید. خوبه که این کار رو به یه عادت تبدیل کنید و در بازههای زمانی مختلف (مثلا ماهی یک بار) انجامشون بدید.
روی هر مورد که سوال دارید در کامنت این پست بنویسید تا بحث کنیم.
Join @beyondalgorithms
۱- پروژه مناسب و مرتبطی رو انتخاب کنید: پروژه باید با مسیر شغلی شما، صنعتی که میخواید واردش بشید، و اهداف شما همراه باشه. پروژه باید به اندازه کافی چالشی هم باشه تا به یادگیری شما کمک کنه.
۲- اهداف پروژه رو قبل از شروع مشخص کنید: قبل از شروع باید به وضوح بدونید این پروژه به چی میخواد برسه و چه مسئلهای رو حل کنه. این به تمرکز شما روی پروژه کمک میکنه.
۳- از دادههای واقعی استفاده کنید: استفاده از دادههای واقعی به شما چالشهای پیشپردازش دادهها رو براتون بوجود میاره و دانش بهتری میده.
۴- مسیر استاندارد دیتاساینس رو در پروژه دنبال کنید: اگه پروژهای که انجام میدید از مراحل اول جمعاوری داده و تمیز کردنشون و غیره تا ساختن مدل و ارزیابیاش و غیره رو شامل بشه این فرآیند به یادگیری شما کمک زیادی میکنه.
۵- کارتون رو داکیومنت کنید: از اونجاییکه ارائه و داکیومنت کردن یکی از کارهای مهم دیتاساینتیستها هست و خروجی کارشون رو اندازهگیری میکنه بسیار مهم و خوبه که این فرآیند رو در این پروژهها تجربه کنید و یاد بگیرید.
۶- خروجی پروژه رو ارايه بدید: این هم یکی از مهمترین مراحل کار یک دیتاساینتیست هست. در نتیجه در پروژههای شخصیتون حتما این کار رو بکنید تا یاد بگیرید ابزارهای این کار چیا هستن ...
۷- از ملت بخواید روی کارتون فیدبک بدهند: وقتی کار رو به فرمت مناسب ارائه کنید (مثلا به شکل ویدیو و بعد شیر کردنش در کامیونیتیهای مناسب و غیره) اینطوری میتونید از افراد در سطوح مختلف (نه صرفا افراد حرفهای ... چون فیدبک افراد تازهکار مثل خودتون هم مفید هستند و کمک زیادی میکنند) فیدبک بگیرید ...
۸- پروژه و همه متعلقاتش رو به پورتفولیوتون وارد کنید: اینجا همون جایی هست که همه (از شرکتها یا مشارکت در سخنرانیها و مشاوره و هر فرم دیگه همکاری که فکر کنید) میتونن شما و کارهاتون رو پیدا کنند. پس یادتون نره که به خوبی پروژه رو به پورتفولیوتون اضافه کنید.
یادتون نره که این سلف-پروژهها برای تولید محصول نیستند ... بلکه برای یادگیری هستند تا به شما کمک کنند و رشد کنید. همچنین یادتون نره که سلف-پروژهها صرفا برای تازهکارها نیست و شما در هر جایی از مسیر شغلی میتونید این کار رو در سطوح مختلف انجام بدید و ازش استفاده ببرید. خوبه که این کار رو به یه عادت تبدیل کنید و در بازههای زمانی مختلف (مثلا ماهی یک بار) انجامشون بدید.
روی هر مورد که سوال دارید در کامنت این پست بنویسید تا بحث کنیم.
Join @beyondalgorithms
Beyond Algorithms
نقشه راه مسیر شغلی دیتاساینس برای تازهکارها
برای تازهکارها و کسانی که دنبال تغییر مسیر شغلی از رشتههای دیگر به حوزه دیتاساینس هستند
❤1
پلتفرمی برای یادگیری و توسعه مسیر شغلی دیتاساینس - کگل
کگل یکی از بهترین ابزارها و پلتفرمها برای یادگیری و ورود به مسیر شغلی دیتاساینس و حتی فراتر از اون رشد و پیدا کردن موقعیتهای شغلی و کسب و کاری در این حوزه است. بایید ببینیم چرا و از چه جهاتی کگل مهم هست:
۱- منابعی برای یادگیری: در کگل منابع رایگان زیادی برای یادگیری دیتاساینس شامل یادگیری پایتون، ماشین لرنینگ، دیتا ویژایزیشن، و اسکیوال میشه پیدا کرد. جالبیه این پلتفرم اینه که این منابع آموزشی عملی و پروژه محور همراه با دیتاستهای واقعی هستند که خیلی فرآیند یادگیری رو برای افراد تازه وارد به این حوزه بهتر و پربازدهتر میکنه.
۲- امکان شرکت در رقابتها: یکی از خوبیهای کگل اینه که در اون رقابتهای زیادی در حوزه ماشین لرنینگ وجود داره که شرکت در اونها برای همه آزاده. خوبی این رقابتها اینه که میشه چیزایی که در طول مسیر ورود به حوزه دیتاساینس یاد میگیریم رو روی دادههای عملی و یه مسئله واقعی پیاده کنیم تا آموختههامون رو به چالش بکشیم و نقاط ضعفمون رو پیدا کنیم.
۳- دسترسی به کامیونیتی: یکی از چیزهایی که به فرآیند یادگیری مهارتهای جدید کمک میکنه بودن در یه کامیونیتی و در جمع آدمهای مشابه خودت بودن هست. کامیونیتی کگل جاییه که میتونید سوال بپرسید، ایدههاتون با دیگران به اشتراک بزارید (و از ایدههای دیگران روی پروژهها آگاه بشید)، و روی پروژههایی که انجام میدید فیدبک بگیرید. دیدن پروژههای دیگران، خوندن کامنتها روی اونها، و مرور بحثهای فنی و غیرفنی که بین نفرات حاضر در کامیونیتی اتفاق میافته میتونه خیلی به مفیدتر بودن فرایند یادگیری و رشدمون کمک کنه.
۴- دسترسی به دیتاست: دیتاست خوب و دیتاست در صنایع مختلف (دادههای بانکی یا پزشکی یا صنعتی …) یکی از المانهای رشد در فضای دیتاساینس هست … کگل جاییه که در اون دیتاستهای مختلف به وفور وجود داره. این نه تنها به شما در انجام پروژهها کمک میکنه بلکه به آشناییتون با صنایع مختلف که دیتاساینسها در اون کار میکنن کمک میکنه تا بفهمید در مسیر شغلیتون در چه صنعتی و روی چه دادههایی بیشتر دوست دارید کار کنید.
۵- ساختن پورتفولیو: در پستهای قبلی به اهمیت داشتن یک پورتفولیو برای دیتاساینتیستها در هر سطحی که باشن زیاد اشاره کردیم. برای این کار انتخابهای زیادی دارید … از وبسایت خودتون گرفته تا گیتهابتون و غیره … یکی از پورتفولیوهای خوب برای شما پروفایلتون در وبسایت کگل میتونه باشه … (مثل جاهای مثل دریبل برای گرافیستها) بنابراین حضورتون در کگل و یه پروفایل که همه فعالیتهاتون، از پروژههایی که کار کردید تا کامنتهاتون و همه چیز رو میتونن ببین.
۶- امکان کدنویسی آنلاین: کگل یک پلتفرم کدنویسی نوتبوک آنلاین به نام کرنل داره که زبانهای آر و پایتون رو ساپورت میکنه و اونجا میتونید لایو کد بنویسید. خوبی این کار اینه که دیگران میتونن کدهاتون رو ببینن، نظر بدن، به عنوان پورتفولیو هم دیده بشه.
۷- دسترسی به آگهیهای شغلی: وقتی علاقهمندان به مسیر شغلی دیتاساینس روی پلتفرم کگل هستند و این همه کارهای جالب میکنن طبیعی خواهد بود که شرکتها هم اونجا رو جایی خوبی برای انتشار آگهیهای شغلیشون بدونند. در نتیجه با بودن در این پلتفرم این شانس رو دارید که در جریان موقعیتهای شغلی مختلف از کارآموزی و ریموت گرفته تا مهاجرت شغلی قرار بگیرید.
یک مزیت بزرگ دیگه بودن در کگل برای ما ایرانیها اینه که زبان انگلیسی در کار رو هم رشد میدیم. بنابراین حتی اگه زبانتون خوب نیست باز هم بودن در کگل رو حتما جدی بگیرید تا کمک کنه آهسته آهسته زبانتون رو رشد بدید.
🔸 لطفا پست رو شیر کنید تا دیگران هم استفاده کنند.
Join @beyondalgorithms
کگل یکی از بهترین ابزارها و پلتفرمها برای یادگیری و ورود به مسیر شغلی دیتاساینس و حتی فراتر از اون رشد و پیدا کردن موقعیتهای شغلی و کسب و کاری در این حوزه است. بایید ببینیم چرا و از چه جهاتی کگل مهم هست:
۱- منابعی برای یادگیری: در کگل منابع رایگان زیادی برای یادگیری دیتاساینس شامل یادگیری پایتون، ماشین لرنینگ، دیتا ویژایزیشن، و اسکیوال میشه پیدا کرد. جالبیه این پلتفرم اینه که این منابع آموزشی عملی و پروژه محور همراه با دیتاستهای واقعی هستند که خیلی فرآیند یادگیری رو برای افراد تازه وارد به این حوزه بهتر و پربازدهتر میکنه.
۲- امکان شرکت در رقابتها: یکی از خوبیهای کگل اینه که در اون رقابتهای زیادی در حوزه ماشین لرنینگ وجود داره که شرکت در اونها برای همه آزاده. خوبی این رقابتها اینه که میشه چیزایی که در طول مسیر ورود به حوزه دیتاساینس یاد میگیریم رو روی دادههای عملی و یه مسئله واقعی پیاده کنیم تا آموختههامون رو به چالش بکشیم و نقاط ضعفمون رو پیدا کنیم.
۳- دسترسی به کامیونیتی: یکی از چیزهایی که به فرآیند یادگیری مهارتهای جدید کمک میکنه بودن در یه کامیونیتی و در جمع آدمهای مشابه خودت بودن هست. کامیونیتی کگل جاییه که میتونید سوال بپرسید، ایدههاتون با دیگران به اشتراک بزارید (و از ایدههای دیگران روی پروژهها آگاه بشید)، و روی پروژههایی که انجام میدید فیدبک بگیرید. دیدن پروژههای دیگران، خوندن کامنتها روی اونها، و مرور بحثهای فنی و غیرفنی که بین نفرات حاضر در کامیونیتی اتفاق میافته میتونه خیلی به مفیدتر بودن فرایند یادگیری و رشدمون کمک کنه.
۴- دسترسی به دیتاست: دیتاست خوب و دیتاست در صنایع مختلف (دادههای بانکی یا پزشکی یا صنعتی …) یکی از المانهای رشد در فضای دیتاساینس هست … کگل جاییه که در اون دیتاستهای مختلف به وفور وجود داره. این نه تنها به شما در انجام پروژهها کمک میکنه بلکه به آشناییتون با صنایع مختلف که دیتاساینسها در اون کار میکنن کمک میکنه تا بفهمید در مسیر شغلیتون در چه صنعتی و روی چه دادههایی بیشتر دوست دارید کار کنید.
۵- ساختن پورتفولیو: در پستهای قبلی به اهمیت داشتن یک پورتفولیو برای دیتاساینتیستها در هر سطحی که باشن زیاد اشاره کردیم. برای این کار انتخابهای زیادی دارید … از وبسایت خودتون گرفته تا گیتهابتون و غیره … یکی از پورتفولیوهای خوب برای شما پروفایلتون در وبسایت کگل میتونه باشه … (مثل جاهای مثل دریبل برای گرافیستها) بنابراین حضورتون در کگل و یه پروفایل که همه فعالیتهاتون، از پروژههایی که کار کردید تا کامنتهاتون و همه چیز رو میتونن ببین.
۶- امکان کدنویسی آنلاین: کگل یک پلتفرم کدنویسی نوتبوک آنلاین به نام کرنل داره که زبانهای آر و پایتون رو ساپورت میکنه و اونجا میتونید لایو کد بنویسید. خوبی این کار اینه که دیگران میتونن کدهاتون رو ببینن، نظر بدن، به عنوان پورتفولیو هم دیده بشه.
۷- دسترسی به آگهیهای شغلی: وقتی علاقهمندان به مسیر شغلی دیتاساینس روی پلتفرم کگل هستند و این همه کارهای جالب میکنن طبیعی خواهد بود که شرکتها هم اونجا رو جایی خوبی برای انتشار آگهیهای شغلیشون بدونند. در نتیجه با بودن در این پلتفرم این شانس رو دارید که در جریان موقعیتهای شغلی مختلف از کارآموزی و ریموت گرفته تا مهاجرت شغلی قرار بگیرید.
یک مزیت بزرگ دیگه بودن در کگل برای ما ایرانیها اینه که زبان انگلیسی در کار رو هم رشد میدیم. بنابراین حتی اگه زبانتون خوب نیست باز هم بودن در کگل رو حتما جدی بگیرید تا کمک کنه آهسته آهسته زبانتون رو رشد بدید.
🔸 لطفا پست رو شیر کنید تا دیگران هم استفاده کنند.
Join @beyondalgorithms
Kaggle
Learn Python, Data Viz, Pandas & More | Tutorials | Kaggle
Practical data skills you can apply immediately: that's what you'll learn in these no-cost courses. They're the fastest (and most fun) way to become a data scientist or improve your current skills.
❤1👍1👏1
چند روز گذشته به واسطه یک پروژه اروپایی در مجارستان و در دانشگاه BME شهر بوداپست بودم. پروژه پیرامون راهاندازی یک دوره فوقلیسانس در زمینه مسائل اخلاقی حوزه هوش مصنوعی و با مشارکت چند کشور اروپایی مجارستان، ایتالیا، هلند و ایرلند هست.
چند روزی که در دانشگاه BME بودم دانشگاه حسابی توجه و نظر من رو جلب کرد. از باب تاسیسات و زیرساخت با کمپس و ساختمانهای زیادی که داشت بسیار جذاب بود. در نتیجه جستجویی در شهریه دانشگاه کردم و دیدم هر ترم حدوداً ۳۰۰۰ یورو نسبت به خیلی از کشورها هزینه کمتری هست.
زندگی در خود بوداپست هم نسبت به کشورهای دیگه اروپایی خیلی مناسبتر هست. در نتیجه همین موارد به نظرم رسید که تحصیل در مجارستان میتونه گزینه خوبی برای کسانی باشه که دنبال تحصیل در خارج هستند. به همین دلیل هم دانشجوی ایرانی نسبتا زیادی اونجا هست.
Join @beyondalgorithms
چند روزی که در دانشگاه BME بودم دانشگاه حسابی توجه و نظر من رو جلب کرد. از باب تاسیسات و زیرساخت با کمپس و ساختمانهای زیادی که داشت بسیار جذاب بود. در نتیجه جستجویی در شهریه دانشگاه کردم و دیدم هر ترم حدوداً ۳۰۰۰ یورو نسبت به خیلی از کشورها هزینه کمتری هست.
زندگی در خود بوداپست هم نسبت به کشورهای دیگه اروپایی خیلی مناسبتر هست. در نتیجه همین موارد به نظرم رسید که تحصیل در مجارستان میتونه گزینه خوبی برای کسانی باشه که دنبال تحصیل در خارج هستند. به همین دلیل هم دانشجوی ایرانی نسبتا زیادی اونجا هست.
Join @beyondalgorithms
👍2
Forwarded from دکتر علیرضا دهقانی
در یه مقاطعی از زندگی یه چیزایی که خیلی نزدیک بوده بهشون برسید در یه چشم به هم زدن خراب میشن و از دستشون میدید ... شاید همون زمانی که خیلی به بدست آوردن اون چیز نیاز داشتید ... یه شغل، یه پول، یه رابطه، یه پذیرش دانشگاهی، یه سفر ...
این لحظه، دردناکه و علاوه بر شوک، یه ناامیدی و استیصال زیادی رو با خودش روی سرتون خراب میکنه ... فکر میکنید در یه لحظه که همه چیز داشت درست میشد یه دفعه کل بازی به هم خورد و مثل اون بچه خرسی که با مادرش داره میره بالای کوه برفی و سر میخوره میره تهتهته ... شما هم همینطور شدید ...
اما اگه به تجربه یا خرد به این لحظه نگاه کنید ... دنیا با این کارش داره به شما میگه این نقطه عطفه ... درسته ناراحتی از نرسیدن به چیزی که خیلی نزدیک بود ... اما اگه آروم باشی ... اگه به کل صحنه دوباره نگاه کنی ... بسته شدن راه پیش رو شاید داره به راه دیگری در پشت سرت یا سمت راست یا چپ سوقت میده ...
این نقاط عطف زندگی رو به شدت به شکل بهتری تغییر میدن ... اگه قدرشون رو بدونیم و درست ازشون استفاده کنیم ... برای من چندین بار اتفاق افتاده و نتیجهاش رو دیدم ... اگه در چنین شرایط سختی قرار گرفتید آروم باقی بمونید و سعی کنید اون راه دیگری که قراره شما رو به جای بهتری ببره پیدا کنید
Join @ard24ir
این لحظه، دردناکه و علاوه بر شوک، یه ناامیدی و استیصال زیادی رو با خودش روی سرتون خراب میکنه ... فکر میکنید در یه لحظه که همه چیز داشت درست میشد یه دفعه کل بازی به هم خورد و مثل اون بچه خرسی که با مادرش داره میره بالای کوه برفی و سر میخوره میره تهتهته ... شما هم همینطور شدید ...
اما اگه به تجربه یا خرد به این لحظه نگاه کنید ... دنیا با این کارش داره به شما میگه این نقطه عطفه ... درسته ناراحتی از نرسیدن به چیزی که خیلی نزدیک بود ... اما اگه آروم باشی ... اگه به کل صحنه دوباره نگاه کنی ... بسته شدن راه پیش رو شاید داره به راه دیگری در پشت سرت یا سمت راست یا چپ سوقت میده ...
این نقاط عطف زندگی رو به شدت به شکل بهتری تغییر میدن ... اگه قدرشون رو بدونیم و درست ازشون استفاده کنیم ... برای من چندین بار اتفاق افتاده و نتیجهاش رو دیدم ... اگه در چنین شرایط سختی قرار گرفتید آروم باقی بمونید و سعی کنید اون راه دیگری که قراره شما رو به جای بهتری ببره پیدا کنید
Join @ard24ir
👏2❤1
دکتر علیرضا دهقانی
در یه مقاطعی از زندگی یه چیزایی که خیلی نزدیک بوده بهشون برسید در یه چشم به هم زدن خراب میشن و از دستشون میدید ... شاید همون زمانی که خیلی به بدست آوردن اون چیز نیاز داشتید ... یه شغل، یه پول، یه رابطه، یه پذیرش دانشگاهی، یه سفر ... این لحظه، دردناکه…
اینجا هم تجربهها رو مینویسم ... اگه دوست داشتید ملحق بشید.
❤1👏1
یکی از مراحل در دنبال کردن مسیر استاندارد دیتاساینس در پروژهها مرحله ارايه نتایج هست.
حالا که یه مدل ماشین لرنینگ توپ درست کردید وقتشه که نتایج کارتون رو با دیگران به اشتراک بزارید … این دیگران ممکنه پابلیک باشن، یا افراد درگیر در پروژه، مدیران پروژه، و یا حتی محافل علمی. برای همین خیلی مهمه روشهای درست ریپورت کردن کار فنیتون رو یاد بگیرید …
اگه قراره مقاله برای محافل علمی آماده کنید باید یاد بگیرید که چطور مقاله بنویسید … اگه قراره برای افراد سهیم در پروژه گزارش بنویسید باید بدونید مخاطبتون فنی هست یا کسب و کاری …
یکی از ارايههای مهم برای پابلیک در کانالهای درست هست که اصطلاحا این روزها بهش Sience communication میگن و در بین خیلی از افراد علمی و فنی دست کم گرفته میشه … در اینجا باید بتونید مثل یه محصول کارتون رو ارايه بدید … از ساختن ویدیو دربارهاش گرفته تا پست و مقاله نوشتن و حتی کارهای عمیقتری مثل درست کردن ایلاستریشن و گرافیک و موشن گرافیک و این چیزها …
Join @beyondalgorithms
حالا که یه مدل ماشین لرنینگ توپ درست کردید وقتشه که نتایج کارتون رو با دیگران به اشتراک بزارید … این دیگران ممکنه پابلیک باشن، یا افراد درگیر در پروژه، مدیران پروژه، و یا حتی محافل علمی. برای همین خیلی مهمه روشهای درست ریپورت کردن کار فنیتون رو یاد بگیرید …
اگه قراره مقاله برای محافل علمی آماده کنید باید یاد بگیرید که چطور مقاله بنویسید … اگه قراره برای افراد سهیم در پروژه گزارش بنویسید باید بدونید مخاطبتون فنی هست یا کسب و کاری …
یکی از ارايههای مهم برای پابلیک در کانالهای درست هست که اصطلاحا این روزها بهش Sience communication میگن و در بین خیلی از افراد علمی و فنی دست کم گرفته میشه … در اینجا باید بتونید مثل یه محصول کارتون رو ارايه بدید … از ساختن ویدیو دربارهاش گرفته تا پست و مقاله نوشتن و حتی کارهای عمیقتری مثل درست کردن ایلاستریشن و گرافیک و موشن گرافیک و این چیزها …
Join @beyondalgorithms
👍2
به جای این که به برنامهریزیتون اولویت بدید، اولویتهاتون رو برنامهریزی کنید ...
این بسیار نکته مهمیه، چرا؟
چون با این که بیشتر ما دوست داریم مسیری رو برای خودمون مشخص کنیم تا به جایی برسیم ... اما یه چیزای دست و پا گیر جلوی خودمون میزاریم و بر اساس اون یه برنامه سنگین درست میکنیم و بعد سعی میکنیم به اون چیزهایی که براشون برنامه ریختیم اولویت بدیم ...
اما اگه اولویتهامون مشخص باشه و بر اساس اون برنامه روزمون رو درست کنیم کار خیلی یادهتر میشه ...
آخر سر شما قراره یه دیتاساینتیست بشید ... پس باید حواستون باشه برنامهتون و اولویتتون در این جهت باشه ... نه اینکه یه دفعه یه برنامه پر از کارهای حاشیهای درست کنید و مثل کسی که صرفا بار میکشه دارید اونا رو تیک میزنید ...
Join @beyondalgorithms
این بسیار نکته مهمیه، چرا؟
چون با این که بیشتر ما دوست داریم مسیری رو برای خودمون مشخص کنیم تا به جایی برسیم ... اما یه چیزای دست و پا گیر جلوی خودمون میزاریم و بر اساس اون یه برنامه سنگین درست میکنیم و بعد سعی میکنیم به اون چیزهایی که براشون برنامه ریختیم اولویت بدیم ...
اما اگه اولویتهامون مشخص باشه و بر اساس اون برنامه روزمون رو درست کنیم کار خیلی یادهتر میشه ...
آخر سر شما قراره یه دیتاساینتیست بشید ... پس باید حواستون باشه برنامهتون و اولویتتون در این جهت باشه ... نه اینکه یه دفعه یه برنامه پر از کارهای حاشیهای درست کنید و مثل کسی که صرفا بار میکشه دارید اونا رو تیک میزنید ...
Join @beyondalgorithms
👍3
احتمالا با Stakoverflow آشنا هستید ... جاییکه برای دولوپرها محلی بود که سوالهاشون رو میپرسیدند و جواب سوالهای از قبل پرسیده شده رو چک میکردند و البته کلی بیزینس مدل و کاربردهای دیگه هم کنارش بود ...
حالا یه عده ادعا کردند با اومدن LLMها ترافیکش ۵۰ درصد افت کرده 🤯 ... میدونید دیگه چتجیپیتی رو چیپیتی۴ روی دادههای زیادی ترین شدن ... احتمالا دادههای Stackoverflow هم در ترینینگ استفاده شده بودند ...
خودشون مقاله دادن بیرون که اینطوریها هم نیست و اطلاعات غلط دارید میدید ... اون کاهش ترافیک به خاطر تغییراتی بود که ایجاد کردیم ... اینجا میتونید بخونید دربارهاش
Join @BeyondAlgorithms
حالا یه عده ادعا کردند با اومدن LLMها ترافیکش ۵۰ درصد افت کرده 🤯 ... میدونید دیگه چتجیپیتی رو چیپیتی۴ روی دادههای زیادی ترین شدن ... احتمالا دادههای Stackoverflow هم در ترینینگ استفاده شده بودند ...
خودشون مقاله دادن بیرون که اینطوریها هم نیست و اطلاعات غلط دارید میدید ... اون کاهش ترافیک به خاطر تغییراتی بود که ایجاد کردیم ... اینجا میتونید بخونید دربارهاش
Join @BeyondAlgorithms
❤2👍1
🤯 This library has 163k stars on GitHub and it contains an implementation in Python of every single algorithm you can think of. From machine learning to blockchain and data structures.
https://github.com/TheAlgorithms/Python
Join @BeyondAlgorithms
https://github.com/TheAlgorithms/Python
Join @BeyondAlgorithms
❤1👍1
Forwarded from پادکست آدمهای معمولی (Fateme)
🔴 پادکست انگلیسی TABA - اپیزود اول
موضوع اپیزود: Building End-to-End AI Careers Outside the Box
مهمان: دکتر Manfredi Miraula
میزبان: دکتر علیرضا دهقانی
📅 پنجشنبه ۱۷ جولای
⏰ ساعت ۱۷:۰۰ به وقت ایرلند | ۱۹:٣٠ به وقت ایران
📺 لایو در یوتیوب
🎙 چطور میشه بدون مدرک علوم کامپیوتر، یه مسیر موفق در Data Science و AI ساخت؟
در اولین قسمت، با Manfredi Miraula گفتگو میکنیم — مهندس هوش مصنوعی که از دکترای شیمی رسیده به ساخت سیستمهای پیشرفته با LangChain، OpenAI و سرویسهای ابری مثل Azure و GCP.
ولی این اپیزود فقط دربارهی تکنولوژی نیست؛ بیشتر دربارهی مهارتهای پنهان پشت این مسیر شغلیه:
🧠 استقلال در تصمیمگیریهای استراتژیک
🎯 رهبری فردی در پروژههای مبهم
🌀 تغییر مسیر حرفهای به صورت مستقل
💬 اثرگذاری بدون جایگاه مدیریتی
💡 بازتعریف هویت شغلی خارج از مسیرهای کلیشهای DSAI
اگه به دنبال رشد فراتر از الگوریتمها هستید، این اپیزود برای شماست:
https://www.youtube.com/watch?v=YlF7gKHZaTg
🎙 @OrdmenPodcast
موضوع اپیزود: Building End-to-End AI Careers Outside the Box
مهمان: دکتر Manfredi Miraula
میزبان: دکتر علیرضا دهقانی
📅 پنجشنبه ۱۷ جولای
⏰ ساعت ۱۷:۰۰ به وقت ایرلند | ۱۹:٣٠ به وقت ایران
📺 لایو در یوتیوب
🎙 چطور میشه بدون مدرک علوم کامپیوتر، یه مسیر موفق در Data Science و AI ساخت؟
در اولین قسمت، با Manfredi Miraula گفتگو میکنیم — مهندس هوش مصنوعی که از دکترای شیمی رسیده به ساخت سیستمهای پیشرفته با LangChain، OpenAI و سرویسهای ابری مثل Azure و GCP.
ولی این اپیزود فقط دربارهی تکنولوژی نیست؛ بیشتر دربارهی مهارتهای پنهان پشت این مسیر شغلیه:
🧠 استقلال در تصمیمگیریهای استراتژیک
🎯 رهبری فردی در پروژههای مبهم
🌀 تغییر مسیر حرفهای به صورت مستقل
💬 اثرگذاری بدون جایگاه مدیریتی
💡 بازتعریف هویت شغلی خارج از مسیرهای کلیشهای DSAI
اگه به دنبال رشد فراتر از الگوریتمها هستید، این اپیزود برای شماست:
https://www.youtube.com/watch?v=YlF7gKHZaTg
Please open Telegram to view this post
VIEW IN TELEGRAM