همینطور که پروژه بزرگتر میشه و مخصوصا اگر چند Contributor داشته باشه، اینکه بفهمیم چه کسی و در چه زمانی چه تغییراتی رو به وجود آورده، تقریبا غیرممکن خواهد بود.

چطور تغییراتتون رو بررسی میکنید؟ چگونه به کدهایی که قبلا نوشتید برمی‌گردید و از کدهای قدیمی که مشکلی نداشتند، استفاده میکنید؟

پاسخ به مشکلات و سوالات بالا، versioning هست.

در سلسله مقالات "چطور و چگونه از گیت نترسیم" از سایت سون لرن با این سیستم و نحوه کار باهاش اشنا میشید.

لینک قسمت ۱
لینک قسمت ۲
.

@pythonicAI

از این کتابها و آموزشها نه بخونید و نه استفاده کنید چون هیچ قرصی برای یادگیری کوتاه در یک روز یا یک هفته وجود نداره!
بدترین کتابی که میشه برای یک زبان برنامه نویسی یا یک تکنولوژی نوشت: یادگیری فلان چیز در یک روز!
#اینوـنخونید
❇️ @AI_Python
🗣 @AI_Python_Arxiv
✴️ @AI_Python_EN‍

بررسی و پیاده سازی تعداد زیادی از ساختمان های داده و الگوریتمها (در زبان c) شامل:

- ساختمان های آرایه، لینک لیست، پشته، صف، درخت، گراف

- الگوریتم های جستجو خطی و باینری و انواع مرتب سازی ها

در سایت javatpoint

لینک
@pythonicAI

اين ربات جارو برقي وظيفش جارو كردن چيز هاي ريزه. ببينيد تو دل طبيعت چقدر خوشحال به نظر مياد😄!

@pythonicAI

دیپلماسی توییتری!

شاید در اولین قدم از دیدن این عبارت تعجب کرده باشید. زیرا یک موضوع بسیار مهم مانند دیپلماسی در کنار نام یک شبکه اجتماعی دیده می‌شود. دلیل این موضوع استفاده گسترده از شبکه اجتماعی توییتر برای مقاصد دیپلماتیک است.
امروزه شبکه‌های اجتماعی در موارد بسیار مهمی مانند دیپلماسی نیز حضور دارد.
این عبارت برای اولین بار توسط آن کری خبرنگار آمریکایی استفاده شد. در آن زمان مذاکرات هسته‌ای بین ایران و کشورهای پنج به‌اضافه یک در جریان بود. آقای ظریف و آقای کری از طریق توییتر سعی می‌کردند پیام‌های خود را به جهان مخابره کنند.

لینک

@pythonicAI

فرایند یادگیری ماشین در یک نگاه

@pythonicAI

چرا بلاک‌چین گزینه‌ مناسبی برای رای‌گیری‌های رسمی نیست

https://jadi.net/2019/01/blockchain-voting/

کانال @jadinet

۳ کتابی که یادگیری ماشینی را به شما آموزش میدهند:

1. Learning Python

2. Python Machine Learning

3. Advanced Python Machine Learning


@pythonicAI

تجربه شخصی در استفاده از auto encoder ها:

اتو انکودر در دیپ لرنینگ تقریبا کاری مشابه pca توی ماشین لرنینگ داره: کاهش ابعاد و denoising

درواقع یه اتوانکودر تک لایه خطی دقیقا معادل pca کار میکنه.

اما تفاوتشون در اینه که pca فقط یک تبدیل خطی میتونه انجام بده درحالی که اتوانکودر میتونه تبدیل غیرخطی هم انجام بده. تفاوت دیگه شون در اینه که وقتی از pca استفاده میکنی تنها چیزی که باهاش طرفی یه پارامتره که باید بگی به چند بعد کاهش بده. در حالی که وقتی از اتوانکودر استفاده میکنی با کلی هایپر پارامتر طرفی که باید تیون بشن!

و البته یکی از کاربردای اتوانکودر در دنیای واقعی، تشخیص کلاهبرداری هست(میتونین این مورد رو در مقاله های پایین پیدا کنین)

اگه علاقمند به فهمیدن جزییات اتوانکودرها و پیاده سازیشون در کتابخانه کراس(زبان پایتون) بودین به مقاله های پایین مراجعه کنین:.

لینک
لینک
لینک

#یادگیری_ماشینی #machineLearning #pca #autoencoder #denoise

@pythonicAI

به نظر شما، در پروژه‌های جاوایی از کدام سطح دسترسی بیش از سایرین استفاده می‌شود؟ public یا protected یا private و یا default؟ جالبه بدونین که public بیشترین استفاده رو داره. تو مقاله ای از سایت جاواکاپ دلیلش رو بخونین :)

https://goo.gl/QgfTHU

#public #private #class #جاوا #java

@pythonicAI

حتما نام #Lombok به گوشتان خورده است. Lombok ابزاری است که اخیرا توسط توسعه‌دهندگان جاوا به میزان زیادی استفاده می‌شود و کسانی که از این ابزار استفاده می‌کنند، پس از مدتی، کد زدن بدون Lombok را نمی‌توانند تصور کنند.

جاوا زبان فوق‌العاده‌ای است، اما گاهی اوقات مجبور می‌شوید برای کارهای معمول خود یا سازگاری با برخی چارچوب‌ها، مجموعه‌کدهایی تکراری را به کدهای خود اضافه کنید.
این مجموعه‌کدها، معمولا ارزشی برای منطق برنامه شما ایجاد نمی‌کنند اما به هر حال ناگزیر به ایجاد آن‌ها هستید و این‌جا، جایی است که Lombok کار شما را راحت‌ می‌کند.

از جمله مجموعه‌کدهای تکراری، می‌توان به setterها و getterها، constructorهای متعدد، متدهای equals و hashCode، تولید خودکار کدهای برخی الگوهای طراحی و … اشاره کرد.
ممکن است تصور کنید همه این کارها امروزه توسط IDEهای مدرن انجام می‌شوند، اما عجله نکنید! Lombok فراتر از این حرف‌هاست.

برای آشنایی با Lombok، مطالعه این مقاله را به شما توصیه می‌کنیم:

لینک


@pythonicAI

مقدمه ای بر اینکه برنامه هایی با رابط گرافیکی، چطور نوشته می شن: کیوت + پایتون


https://jadi.net/2019/01/digikala-analyze-qt-videos/


خیلی زیاد از من می پرسن که چطوری توی لینوکس یا توی پایتون باید برنامه ای نوشت که گویی (پنجره و دگمه و کلیک و ..) داشته باشه. جواب در دنیای آزاد تقریبا همیشه همینه: هر طوری که دوست دارین (: در واقع راه های زیادی هست برای تولید یک برنامه با رابط گرافیکی و انتخاب با شماست. یکی از این انتخاب ها فریم ورک Qt است که کیوت تلفظ می شه. مزایای کیوت که باعث می شه من در صورت لزوم سراغش برم اینها است:

- در تمام سیستم عامل های مرسوم کار میکنه
- با اکثر زبان های مرسوم می شه درستش کرد
- قشنگه و کارا
- سر راست است و راحت
- منابع منظم و زیادی داره و خوب هم آپدیت می شه

البته شکی نیست که اگر شما گزینه های دیگه (مثلا تی کی اینتر) رو ترجیح می دین می تونین برین سراغ اونها و خبر خوب اینه که کلیت ماجرا هم تقریبا ثابت خواهد بود.

توی این سه تا ویدئو، من که اصولا نه رابط گرافیکی می نویسم نه دوست ندارم نه کیوت بلدم نه حتی بهترین شیوه های استفاده ازش رو می دونم، یک رابط گرافیکی (گویی) به یک برنامه بامزه که برای استفاده شخصی در کامند لاین نوشته بودم اضافه می‌کنم. اصل برنامه رو تو این ویدئوها نمی نویسیم ولی اگر ویدئوهای قبلی منو دنبال کرده باشین، چیز عجیبی نیست. این برنامه می ره و توی دیجیکالا لاگین می کنه و درمیاره که من تا حالا چقدر پول توی دیجیکالا چیز خریده ام! عدد من اعجاب آوره ولی خب به اینم مربوطه که گاهی اطرافیان هم خریدهاشون رو می دن من بکنم (:

ویدئو در سه قسمت کوتاه ضبط شده ولی خیلی چیزها ناگفته مونده. مهمترین مبحث که باید بریم سراغش (شاید در ویدئوی چهارم)، مالتی ترد کردن سیستم است ولی راستش یه چیز جالب به ذهنم رسید که بعضی کارها رو نکردم: سورس رو بذارم روی گیت هاب که اگر کسی خواست چیزی بهش اضافه کنه و پول ریکوئست بفرسته (: در ایشوها نوشته ام که چه تغییراتی می تونین بدین و یک هشتگ «باگ_اولی» هم معرفی کردم که انتظار می ره باگ های بسیار آسون باشه برای کسانی که می خوان اولین باگشون رو اصلاح کنن. رپوزیتوری خواندن و پروسس تاریخچه دیجی کالا به شکل اپ دسکتاپ با کیوت و پاینون اینجاست. کسی چه می دونه.. شاید یه زمانی دست و پای باحالتری درآورد و مثلا نمودار داشت و تاریخه و …


و دو نکته آخر:

1. این رو گذاشته ام در درک برنامه نویسی. دلیلش اینه که می تونین نگاه کنین ببینین مفهوم کلی نوشتن یک برنامه در محیط گرافیکی چیه. لازم نیست کل جزییات قابل درک باشن
2. یادم رفته بود ویدئوی اول رو ادیت کنم و اطلاعاتی مثل شماره ملی و تلفنم توش بود. یکی از دوستان تذکر داد و ادیت کردم و دوباره آپلود.
کانال @jadinet

Elements of statistical learning

یکی از کتابهای خوب در زمینه یادگیری آماری و یادگیری ماشینی
نویسندگان:
Trevor Hastie 
Robert Tibshirani
Jerome H. Friedman

@pythonicAI

https://gitexplorer.com/
سایت خوبیه برای اینکه بدون سرچ در وب، اکثر کارهای گیتی تون راه بیافته. حتی برای یک مرور و یادآوری هم جالب بود که ببینین فلان کار چطوری تو #گیت قابل انجامه
#کوتاه

اغلب ما اگر یک راه حل خوب برای یک مشکل پیدا کنیم، متوقف خواهیم شد. اگر چه کمی بیشتر فکر می کردیم، بهترین ها را پیدا میکردیم! و این یک مانع واقعی برای خلاقیت است. شما باید ایده های زیادی تولید کنید، نه اینکه آنها را به خوب و بد، مفید یا عجیب و غریب تقسیم کنید. برای مدتی بدون سانسور فکر کنید.

تمرین تولید یک مقدار مشخصی از ایده ها در یک مقدار مشخصی از زمان. به عنوان مثال، در 10 دقیقه 100 راه برای استفاده از یک بیل بنویسید. اولین ایده استاندارد و منطقی خواهند بود، همین که به نصف ایده ها برسید به راه حل های جالبی خواهید رسید.( کاملا ابتکاری خواهید بود). و با نزدیک شدن به شماره 100 شما جایگزین فوق العاده جالب و اختراعات غیر منتظره خواهید یافت.

شروع کلاسهای آموزشی یادگیری عمیق دانشگاه برکلی (Berkeley) که به صورت هفتگی منتشر میشود در اختیار عموم قرار گرفت.

Lecture videos for the first week, by Alex Smola:
https://lnkd.in/eW6MfzM

#artificialneuralnetworks #deeplearning

@pythonicAI

اگه قصد دارین توی کلاس درس، کدی رو برای دانشجوها اجرا کنین و در کنارش نیاز به اسلایدهاتونم دارین میتونین ارائه تون و کد رو
باهم ترکیب کنین و همه رو در یه محیط یکپارچه به اسم ژوپیتر نوت بوک قرار بدین.

یکی از مزیت های این کار اینه که میتونین کامپوننت های کد رو جدا جدا اجرا کنین و برنامه رو مرحله به مرحله جلو ببرین.

علاوه بر این اگه کارتون با یادگیری ماشینی و دیپ لرنینگ هست یکی از نیازهای کارتون این نرم افزار هستش. چون فرآیند اماده کردن الگوریتم، iterative هست و مجبورین مدام کد رو اجرا کنین، با کمک این ابزار میتونین فقط قسمتی از کد رو اجرا کنین که تغییر کرده :)

این ابزار درحال حاضر برای بیش از ۴۰ زبان قابل استفاده ست.

لینک وبسایت ژوپیتر:
https://jupyter.org

نحوه استفاده از ژوپیتر نوت بوک:
https://www.guru99.com/jupyter-notebook-tutorial.html

@pythonicAI

#دانلود_کتاب
سایت برای دانلود رایگان کتاب
gen.lib.rus.ec

@pythonicAI

دوره های آنلاین درسی امروزه یک پدیده ی جدید در زمینه ی آموزش و یادگیری محسوب می شود. این دوره ها که در رشته های گوناگون ارائه می گردد علاوه بر افزایش دانش افراد در رشته ی تحقیقاتی خود، بعضا با ارائه ی مدارک علمی معتبر برای آینده ی علمی و شغلی افراد یک امتیاز مثبت به حساب می آیند. از آغاز این ایده پایگاه های اینترنتی متعددی برای ارائه ی دانش بصورت کاملا مجانی روی شبکه ی جهانی اینترنت شروع به کار کردند که امروز می توان آنان را جزو معروف ترین و معتبرترین پایگاه های اینترنتی ارائه ی خدمات آموزشی آنلاین محسوب کرد. این پایگاه ها بعضا در دروس گوناگون با ارائه ی فیلم های کلاس ها، تمارین اساتید، میان ترم و پایان ترم و پروژه های درسی خود یک کلاس درس واقعی را شبیه سازی کرده اند.
شما میتوانید با مراجعه به پایگاه های زیر ازین کلاس های درسی آنلاین و مجانی بهره ببرید و آن را به دوستان خود نیز معرفی نمایید:

✅ پایگاه Coursera یکی از معروفترین این پایگاه ها با بیشترین مخاطب علمی است. در این پایگاه دروس مختلفی از مهندسی برق و کامپیوتر تا علوم زیستی و انسانی از بهترین دانشگاه های جهان به همراه ارائه ای از بهترین اساتید وجود دارد. در این پایگاه علمی شما می توانید با ثبت نام در کلاس های متعدد و شرکت در کلاس ها و انجام تمارین آن، در پایان دوره بصورت مجانی یا غیر مجانی از گواهی رسمی کورسرا بهره مند گردید.
https://www.coursera.org/

✅ پایگاه علمی Udacity از دانشگاه ها و شرکت های مختلف و معتبر جهان ویدئوهایی در حوزه های کامپیوتر و برنامه نویسی ارائه می کند:
https://www.udacity.com/

✅ پایگاه علمی edx که یکی دیگر از پایگاه های بسیار معروف است که کار خود را از دانشگاه استنفورد آغاز کرد. این پایگاه علمی، اکنون نه تنها با دانشگاه استنفورد بلکه با دانشگاه های بسیار معتبر دیگر چون MIT، هاروارد، برکلی و تکزاس همکاری مداومی دارد. این پایگاه با حرف x در کنار نام دانشگاه ها دامین مجزایی برای هر دانشگاه یا انستیتو ایجاد کرده است.
https://www.edx.org/

✅ پایگاه علمی دانشگاه استنفورد که همکاری کاملی با پایگاه Edx دارد.
https://class.stanford.edu/

✅ پایگاه علمی خان آکادمی که شامل دورس علوم پایه است که توسط شخص آقای خان تدریس می گردد.
http://www.khanacademy.org/

✅ پایگاه علمی education TED، یک پایگاه عمومی علمی است که هدف آن توسعه ی ایده های نوین است.
http://ed.ted.com/

✅ پایگاه علمی دانشگاه MIT، که به دیدئوهای مربوط به کلاس های مختلف دانشگاه MIT از سال های گذشته را در خود گنجانده است.
http://ocw.mit.edu/

@pythonicAI

وبسایت arXiv.org متعلق به کتابخانه دانشگاه کرنل (Cornell University) که از قدیمی‌ترین و معتبرین دانشگاه‌های خصوصی آمریکا و جهان به حساب می‌آید، به نویسندگان مقالات علمی در رشته های ریاضی، فیزیک، علوم کامپیوتر و …، این فرصت را می دهد که مقالاتشان را در این وبسایت قرار داده تا در اختیار عموم قرار گیرد و همه افراد در سرتاسر جهان قادر به دانلود کردن و خواندن این مقالات باشند.
اما این کار مزایای بسیار زیادی برای نویسندگان دارد که متاسفانه پژوهشگران کشور ما یا معمولا از آنها بی خبرند و یا تمایل به استفاده و به اشتراک گذاشتن مقالاتشان در این وبسایت را ندارند.

- فرض کنید شما یک مقاله، روی یک موضوع روز نوشته اید و هنوز آن را برای یک مجله معتبر برای چاپ شدن نفرستاده اید و از این موضوع نگرانید که کسی زودتر از شما به نتایجی مشابه با کار شما برسد و از شما زودتر این مطالب را چاپ نماید. ArXiv این فرصت را به تمامی نویسندگان می دهد که بعد از اتمام نوشتن مقاله شان، فایل آن را در وبسایت مذکور قرار دهند. وقتی که شما مقاله تان را برای ArXiv ارسال می کنید معمولا بعد از ۲۴ ساعت مقاله شما در سطح دنیا منتشر خواهد شما و از همان لحظه انتشار تمامی نتایج مقاله شما در دنیا، برای شما و به اسم شما خواهد بود.

- حسن گذاشتن مقاله در ArXiv مخصوصا قبل از چاپ شدن مقاله این است که نتایج تان را در دنیا به اسم خود ثبت می‌کنید. البته بسیاری از مولفین بعد از چاپ شدن مقاله شان در مجلات مقاله را در ArXiv می گذارند. چون دسترسی به مقالات در آرکایو به صورت رایگان می باشد اما اکثر مجلات ISI خوب این امکان را ندارند و این باعث می شود که سطح دسترسی دیگران به
مقالات شما زیاد شود که این کار باعث می شود که تعداد استنادات به مقاله بالا رود.

- با توجه به اینکه این نسخه قبل از چاپ است و کار شما در دسترس عموم قرار می‌گیرد معمولا دیگران آن را خوانده و نظرات خودشان را برایتان ارسال می‌نمایند که درصورت وجود ضعف در مقاله یا نحوه نگارش، این اصلاحات را اعمال کنید.

@pythonicAI