مجموعه کاربردی برای شروع یادگیری هوش مصنوعی، علوم داده و یادگیری ماشین:

بخش اول: مفاهیم پایه علم داده
🖥 رمزگذاری متغیرهای دسته‌ای: LINK
🖥 ریاضیات یادگیری ماشین: LINK
🖥 مروری بر مفاهیم کلی علوم داده: LINK
🖥 روندهای مصاحبه: LINK
🖥 رگرسیون خطی: LINK
🖥 رگرسیون لجستیک: LINK
🖥 معیارهای ارزیابی مدل: LINK
🖥 الگوریتم بیز ساده: LINK
🖥 انواع متغیرها: LINK
🖥 کاهش ابعاد: LINK
🖥 واگرایی کولبک لیبلر: LINK
🖥 قیمت‌گذاری پویا: LINK


بخش دوم: سیستم‌های توصیه‌گر
💬 سیستم توصیه‌گر نتفلیکس: LINK
💬 مدل یکپارچه LINK: ML
💬 تحولات سیستم توصیه‌گر: LINK
💬 استفاده از تعبیه‌ها در سیستم توصیه‌گر: LINK
💬 جستجوی تقریبی نزدیک‌ترین همسایه‌ها: LINK
💬 کوانتیزاسیون محصولات: LINK
💬 سیستم توصیه‌گر حساب‌ها: LINK
💬 کنترل‌کننده LINK :PID
💬 سیستم توصیه‌گر اینستاگرام: LINK
💬 پیش‌بینی نرخ کلیک در لینکدین: LINK
💬 مدل دوبرجی: LINK
💬 جستجوی مقیاس‌پذیر پرس‌وجو-آیتم: LINK
💬 سیستم توصیه‌گر توییتر: LINK
💬 سیستم توصیه‌گر LINK :eBay
💬 غلبه بر تعصب در سیستم‌های توصیه‌گر: LINK
💬 مدل‌سازی اثرگذاری: LINK
💬 سیستم توصیه‌گر LINK :Spotify

بخش سوم: تکنیک‌ها و کاربردهای پیشرفته
🏷 کالیبراسیون مدل: LINK
🏷 تشخیص LINK :Drift
🏷 تقریب تابع‌های عمومی: LINK
🏷 تبلیغات LINK: Pinterest
🏷 تعبیه موجودیت‌ها با LINK :BERT
🏷 تقطیر دانش: LINK
🏷 بخش LINK :Multi-Armed Bandit
🏷 مدل‌های مولد و انتشار: LINK
🏷 اصول پایه LINK :PySpark
🏷 مدیریت بودجه لینکدین: LINK
🏷 تشخیص تقلب بازگشت کالا: LINK
🏷 تشخیص کالاهای تقلبی: LINK

بخش چهارم: مدل‌های زبان بزرگ (LLMs)
◀️ یادگیری ماشین با LINK :GenAI
◀️ فناوری LINK: ChatGPT
◀️ هوش مصنوعی محاوره‌ای: LINK
◀️ ارتقای مدل‌های زبان بزرگ: LINK
◀️ تنظیم دقیق مدل‌های زبانی: LINK1, LINK2
◀️ مدل LINK :LLama V2
#هوش_مصنوعی
ai.mazums.ac.ir
@Mazums_AI