➖ نقشه راه یادگیری هوش مصنوعی | AI

🔘 هوش مصنوعی برای هوشمندسازی ماشین‌ها استفاده میشه و مزایا و فایده‌ها زیادی برای جامعه و انسان داره.

👈 گام اول- ریاضیات
🔘 همون‌طور که اکثر دانشجویان رشته کامپیوتر می‌دانند ریاضیات و به خصوص مباحث جبرخطی، دیفرانسیل، حسابان، ساختمان گسسته و آمار و احتمال توی این رشته و گرایش نقش بزرگی رو ایفا می‌کنند؛ چرا که ماشین‌ها و کامپیوترها تنها راهی که می‌فهمند اعمال منطقی و ریاضیات است و برای این که ما برنامه‌ها و اهداف خودمون رو به اون‌ منتقل کنیم باید بهشون فعالیت منطقی و ریاضیات بدیم.

🔘 در نتیجه شما برای شروع در گرایش هوش مصنوعی و زیرشاخه آن که بخواین فعالیت کنید، ناچارید این دروس رو یاد بگیرید.

👈 گام دوم - برنامه نویسی
🔘 برنامه نویسی رکن اصلی تو زمینه هوش مصنوعی داره و شما قبل از تسلط به زبان برنامه نویسی، باید به ساختمان داده و طراحی الگوریتم که از دروس تخصصی کامپیوتر هستند مسلط شوید چرا که شرط لازم برای نوشتن یک برنامه درست و بهینه و با خطا کم، باید الگوریتم رو به درستی دانست تا بتواند باعث صرفه‌جویی و کارآمد بودن بیشتر یک کد رو داشته باشد.

🔘 از بین زبان‌های برنامه نویسی که با هوش مصنوعی تعامل خوبی دارند، می‌تو‌نیم به پایتون اشاره کنیم:
پایتون: به دلیل سادگی و داشتن پکیج‌هایی مثه sci-kit learn کار با این کتابخونه به طور عمده در زمینه‌های data mining و data analys است که طیف وسیعی از الگوریتم‌ها یادگیری ماشین در اون تعبیه شده، که از محبوب‌ترین زبان‌ها برنامه نویسی است.

🔘 بعد از یادگیری مقدماتی زبان برنامه نویسی، باید شیوه کار کردن با کتابخانه‌ها مختلف و مرتبط با هوش مصنوعی مثه numpy (کتابخونه‌ای که به کمکش می‌تونیم روی داده‌های عددی‌ایی که در حافظه موجوده، عملیات مختلفی رو انجام بدیم) رو یاد بگیرید و بارها و بارها تمرین کنید که در استفاده از اون متخصص شوید.

👈 گام سوم - مباحث و فیلدهای هوش مصنوعی
🔘 بعد از این که از مباحث اولیه عبور کردید، باید یه دانش عمومی از هوش مصنوعی رو آموزش ببینید.

🔘 بعد از پیشرفت هوش مصنوعی، این رشته به زیر رشته‌های مختلفی تقسیم شد که در عین ارتباطی که بین این زیرشاخه‌ها وجود داره، در موارد تخصصی و هدف‌های هر کدوم، تفاوت‌های چشم‌گیری رو شاهد هستیم.

🔘 بسته به علاقه و استعداد خودتون می‌تونید هر کدوم از این زیرشاخه‌ها رو انتخاب کنید که نقشه راه هر زیرشاخه با زیرشاخه دیگری تفاوت داره.

🔘 البته لازم به ذکر است که یکی دیگر از مهارت‌هایی که به پیشرفت شما در زمینه هوش مصنوعی کمک می‌کنه آشنایی کامل و تخصصی با زبان انگلیسی است چرا که به روز بودن و مطالعه‌ی مقالات روز دنیا در این رشته اهمیت بالایی داره اکثر این مقالات به زبان انگلیسی است و از آن‌جا که یه فیلد در رشته کامپیوتر است دانستن زبان انگلیسی لازم است.

📌 ریاضیات و برنامه نویسی برای همه زیرشاخه‌ها هوش مصنوعی موردنیازه و در واقع جز قدم‌های اولیه به عنوان پیش‌نیاز به حساب میاد.

#نقشه_راه #RoadMap #هوش_مصنوعی #AI

💻 یه لپ تاپ مخصوص برنامه نویسی باید چه چیزایی داشته باشه؟؟

🖥✅

📌بهترین زبان های برنامه نویسی برای یادگیری در سال ۲۰۲۳


🌟

🔴فواید برنامه نویسی

1:تفکر خلاقانه در لحظه های بحرانی
2:تکنیک حل مسئله و مشکلات
3: درک بهتر از تکنولوژی
4:افزایش گیرایی و هوش
5:افزایش خلاقیت


🖥

💢 آشنایی با برخی از مفاهیم برنامه نویسی

🔸 زبان برنامه نویسی سطح پایین :

زبان ماشین یا همون کامپیوتر 0 و 1 هست معمایی که ماشین متوجه آن می شود و از زبان انسان دور است و قابل درک برای انسان نمی باشد ، یک زبان برنامه نویسی سطح پایین محسوب می شود.

🔸 زبان برنامه نویسی سطح بالا :

1⃣ مهم ترین ویژگی زبان برنامه نویسی سطح بالا اینه که به زبان انسان نزدیک هست و قابل درک برای انسان می باشد، یعنی میتونید با نوشتن یک سری عبارت، به ماشین دستور بدید
و رمز گشاییش برای انسان به شدت ساده تر می باشد
متغییر ها، حلقه ها، کلاس ها و... از مفاهیم مهم در برنامه نویسی سطح بالا هست

2⃣ و اما ویژگی دوم کاری به مدیریت حافظه نداره


🟩 خب حالا زمانی که ما از زبان برنامه نویسی سطح بالا استفاده میکنیم، این زبان باید به زبان ماشین که همون 0 و 1 هست، ترجمه بشه تا ماشین خروجی که ازش خواسته شده رو تحویل بده

🟪 اما یک نکته...
اینکه همه زبان های برنامه نویسی که تا حالا شنیدید زبان سطح بالا هستن مثل شبکه جهانی پایتون، سی شارپ، جاوا، جاوا اسکریپت و...
⍤⃝

امروز وارد دهه چهارم زندگیم شدم و می‌خوام به عنوان یه برنامه‌نویس ۳۰ ساله، یه سری چیزهایی که یاد گرفتم رو به بقیه بگم.
قاعدتا همه‌اش ربطی به برنامه‌نویسی نداره.


۱- موقع خداحافظی با عزیزانتون حتما بغلشون کنید.
آخرین باری که مامانم رو دیدم میخواست بغلم کنه ولی گفتم مامان دیرم شده باید برم پادگان.

امروز همزمان با من، تولد مامانم هم هست و همیشه باعث میشه روز تولدم یه غم کوچولو داشته باشم.

۲- خانواده بزرگترین دارایی شماست. حتی اگه یه مقداری سمی باشه و شما رو درک نکنن.

وقتی کرونا گرفتم، تنها خانواده‌ام بالای سرم بال بال میزدن و جرات داشتن که ازم پرستاری کنن.

۳- موقع رانندگی به کمربند بستن عادت کنید و بقیه سرنشین‌ها رو هم مجبور به اینکار کنید. اگه کسی اینکارو نکرد، از ماشین پیاده بشید، مجبور میشن ببندن :)

من یه تصادف شدید کردم و اگه کمربند نمیبستم قطعا الان اینجا نبودم.

۴- با بالا رفتن سنتون رفیق‌بازی رو کنار نذارید. با کسی رفاقت کنید که اگه بهش زنگ زدید و گفتید یه نفر رو کشتم، فقط دنبال بیل باشه. قاعدتا شما هم باید توی رفاقت اینجوری باشید.

۵- برای یادگیری یه تخصص هیچوقت دیر نیست. به نظرم حتی با بالا رفتن سن، قدرت یادگیریتون بیشتر میشه. چون یه سری درگیری‌های ذهنی مثل (عشق و ...) رو دیگه ندارید.

۶- توی استخدام شدن به عنوان برنامه‌نویس، شما نیازی به مدرک دانشگاهی ندارید. اما رشته مهندسی نرم‌افزار، بهتون دید خوبی میده. به شرط اینکه همزمان برنامه‌نویس خوبی باشید.

۷- اگه دوست دارید سربازی رو عقب بندازید، اشکالی نداره. ولی به هیچ وجه نذارید سربازیتون غیبت بخوره. چون زندگیتون از نظر شغلی و اجتماعی قفل میشه.

۸- از تغییر فیلد شغلی نترسید. شاید توی یه حوزه‌ای سنیور باشید، ولی دوست داشته باشید فیلد شغلیتون رو عوض کنید.

میدونم که توی حوزه جدیدتون جونیور میشید، ولی مطمئن باشید مهارت‌های نرمی که از شغل قبلیتون دارید، بهتون کلی کمک میکنه تا خیلی سریعتر از بقیه رشد کنید.

۹- توی سازمان سعی کنید رابطه نسبتا صمیمی با مدیرتون داشته باشید.
توی یه شرکت اگه با مدیرتون رابطه خوبی داشته باشید، اگه کل شرکت هم بر علیه‌تون باشن، هیچ غلطی نمیکنن. چون اون مدیر به شما اعتماد داره.

۱۰- توی کامیونیتی فعال باشید و بدون چشم‌داشت به بقیه کمک کنید. هم حس خوب میگیرید و هم کلی نتورک می‌کنید.

یادتون باشه اگه جنس مخالف از شما کمک خواست، قیمه‌ها رو نریزید رو ماستا و فقط کمک کنید.

۱۱- اشکالی نداره برای شروع با حقوق کم کار کنید. ولی همیشه رنج حقوقی هم سطح‌هاتون رو بدونید و اگه از اونا پایینتر میگیرید، دنبال یه شرکتی باشید که پرداختی بهتری داشته باشه.

۱۲- توی مصاحبه وقتی حقوقتون رو میپرسن، اعتماد به نفس داشته باشید. اگه واقعا فکر میکنید حقتون اینه، کوتاه نیایید.
اگه صبر داشته باشید، بالاخره یه شرکت پیدا میشه که با اون حقوق شما رو استخدام کنه.

حقوق کم گفتن هم باعث میشه قضاوت درستی ازتون نشه.

۱۳- توی برنامه‌نویسی سلف‌استادی (خودآموزی) کردن خوبه. ولی تا یه جایی جواب میده. الان با توجه به اینکه کلی تکنولوژی باید یاد بگیرید تا وارد بازار کار بشید، پیشنهادم اینه که توی بوت‌کمپ‌ها شرکت کنید تا با پروژه‌ها و چالش‌های واقعی آشنا بشید.

۱۴- فعالیت توی اوپن‌سورس رو فراموش نکنید. من از روزای اولی که یادگیری برنامه‌نویسی رو شروع کردم، اکانت گیت‌هابم رو هم ساختم.
حتی اگه سابقه کار دارید، پروژه اوپن‌سورس بزنید. توی مصاحبه کلی بهتون کمک میکنه و شما رو مشتاق نشون میده.

۱۵- بابت قرارداد به هیچ شرکتی سفته ندید. به جاش قرارداد NDA امضا کنید.

قرارداد کاریتون همیشه ۲ نسخه‌ای باشه. اگه بهتون نسخه دوم رو تحویل ندادن حتما به مدیر شرکت اعتراض کنید و نسخه دوم امضا شده رو تحویل بگیرید.

۱۶- از لینکدین غافل نشید. خیلیا میگن لینکدین به درد نمیخوره.
قاعدتا وقتی هیچ محتوایی تولید نکنی که به درد نمیخوره.
لینکدین یه ابزاره. اگه ازش درست استفاده کنید، کلی توی آفر گرفتن بهتون کمک می‌کنه.

۱۷- خونگرم باشید. بلند سلام کنید و محکم دست بدید.

۱۸- تعارفات کلامی فرهنگ ایرانی رو یاد بگیرید. وقتی یه نفر داره حرف میزنه، نگید عرض میکردید :)))


_PEMDI_


✅

دونستن اینکه چه زمانی کدوم ابزار رو از توی جعبه ابزار در بیاری، خودش یک مهارت کلیدیه.
کلا فضای ریسرچ افورت زیادی می‌بره، برای همین انتخاب متد درست با توجه به PLC محصول یا Maing Research Goal و ... مهمه چون در واقعیت دنیای محصول و فضای UX شما همیشه با محدودیت‌های زمانی، مالی و ... مواجهی که باید نهایتا یک یا دو ابزار رو انتخاب کنی و این داکیومنت خیلی به انتخاب ابزار مناسب برای ریسرچ کمک می‌کنه.


#User_Experience

🤔معرفی کتابخونه‌های محبوب پایتون برای دیتاساینس و ماشین‌لرنینگ

پایتون به دلیل تطبیق پذیری، سهولت استفاده و اکوسیستم غنی از کتابخانه ها که به جنبه های مختلف این حوزه‌ها پاسخ می دهد، به زبان برنامه نویسی محبوب مورد استفاده برای علم داده و یادگیری ماشین تبدیل شده است. در این‌جا تعدادی از محبوب ترین و ضروری ترین کتابخانه های پایتون برای علم داده و یادگیری ماشین را معرفی می‌کنیم:

کتابخانه NumPy:‌ پایه محاسبات عددی در پایتون است. پشتیبانی از آرایه‌ها و ماتریس‌های چندبعدی بزرگ، همراه با انواع توابع ریاضی برای عملکرد مؤثر بر روی این آرایه‌ها را فراهم می‌کند. یک کتابخانه اساسی برای انجام محاسبات علمی است.

کتابخانه: Pandas: یک کتابخانه قدرتمند دستکاری و تجزیه و تحلیل داده هاست. این کتابخانه ساختارهای داده مانند DataFrames و Series را ارائه می دهد که تمیز کردن، تبدیل و تجزیه و تحلیل داده های جدولی را آسان می کند. Pandas برای پیش پردازش داده ها و تجزیه و تحلیل داده های اکتشافی بسیار مهم است.

کتابخانه Matplotlib: یک کتابخانه پرکاربرد برای ایجاد تجسم و نمودار در پایتون است. انواع نمودارهای قابل تنظیم را ارائه می دهد تا به شما کمک کند داده های خود را نمایش دهید و یافته های خود را به طور موثر ارائه دهید.

کتابخانه Seaborn: مبتنی بر Matplotlib ساخته شده است و یک رابط سطح بالاتر برای ایجاد تصاویر آماری جذاب ارائه می دهد. این کتابخانه فرآیند ایجاد تجسم های پیچیده را ساده می کند و تم های پیش فرض شیک را ارائه می دهد.

کتابخانه Scikit-learn: یک کتابخانه یادگیری ماشین است که ابزارهایی را برای طبقه بندی، رگرسیون، خوشه بندی، کاهش ابعاد و موارد دیگر ارائه می دهد. یک کتابخانه کاربرپسند برای پیاده سازی و آزمایش الگوریتم های یادگیری ماشین است.

فریم ورک TensorFlow: یک چارچوب یادگیری ماشین منبع باز است که توسط گوگل توسعه یافته است. در درجه اول برای ساخت و آموزش شبکه های عصبی عمیق برای کارهایی مانند تشخیص تصویر، پردازش زبان طبیعی و موارد دیگر استفاده می شود.

کتابخانه Keras: یک کتابخانه منبع باز است که یک رابط کاربر پسند برای طراحی سریع و آموزش مدل های یادگیری عمیق ارائه می دهد.

کتابخانه PyTorch: یکی دیگر از فریم‌ورک‌های یادگیری عمیق محبوب مبتنی بر کتابخانه Torch است که برای کاربردهایی مانند بینایی کامپیوتر و پردازش زبان طبیعی استفاده می‌شود و توسط Meta AI توسعه یافته است.

کتابخانه NLTK: کتابخانه ای برای پردازش زبان طبیعی و تجزیه و تحلیل متن است. ابزارها و منابعی را برای توکن‌سازی، stemming، برچسب‌گذاری و موارد دیگر ارائه می‌کند که آن را برای کار با داده‌های متنی ضروری می‌کند.

🔺این پست رو ChatGPT نوشته!

#AI

🐰

📁توی این فایل به ۱۷۰ مینی پروژه پایتون دسترسی دارین که می‌تونه به افزایش مهارت برنامه‌نویسی پایتون‌تون کمک کنه.

#Books

🏎