Machine Learning | یادگیری ماشین


Гео и язык канала: Иран, Фарси
Категория: Лингвистика


💡مهندس یادگیری ماشین شوید!
👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼‌
🆔 @DataScienceir_Adv

Связанные каналы  |  Похожие каналы

Гео и язык канала
Иран, Фарси
Категория
Лингвистика
Статистика
Фильтр публикаций


Репост из: Quera
شروع کردن سخته، ولی با یه تیم خوب خیلی فرق می‌کنه...

🚩 بوتکمپ تخصصی هوش‌مصنوعی

🟢دوره‌ فشرده‌ آماده‌سازی برای ورود به بازارکار

آموزش تخصصی، کاربردی و تجربه نزدیک به صنعت!

✔️ اساتید مجرب و فعال در حوزه هوش‌مصنوعی
✔️ کار گروهی و شبکه‌سازی‎
✔️ تمرین و پروژه هدفمند
✔️ منتورینگ اختصاصی

❗️ظرفیت محدود
💳 پرداخت قسطی

➡️ فرم ثبت‌نام:
🔗 https://quera.org/r/r7vb0


Репост из: FaraDars_Course
🔴 هر آموزش فقط ۸۹ هزار تومن، در طرح شگفتی آموختن
 
۵۵۰ + ۱۵۰ آموزش پرمخاطب در فرادرس،
 
فقط ۸۹,۰۰۰ تومن 🔴
 
👇 برخی از محبوب‌ترین دوره‌ها 👇
 
▪️ یادگیری ماشین – جامع و با مفاهیم کلیدی
 
▪️ شبکه‌های عصبی مصنوعی – طبقه بندی، پیش بینی و ترکیب با الگوریتم تکاملی
 
▪️ پردازش زبان طبیعی با ترنسفورمر در پایتون
 
▪️ ​هوش مصنوعی GPT برای برنامه نویسی R
 
▪️ مبانی انتخاب ویژگی Feature Selection در داده کاوی
 
🔗 لیست ۱۵۰ آموزش جدید [+]
 
🔗 لیست تمامی ۷۰۰ آموزش - [کلیک کنید]

🔄 FaraDars - فرادرس


Репост из: تبلیغات گسترده هشتگ
🔔 دیگه وقتشه از مرحله‌ی مقدماتی عبور کنی💥

💯 اگه دنبال درک عمیق‌تری از دیتابیس هستی، این دوره برای تو طراحی شده.
✔️ طراحی معماری دیتابیس در پروژه‌های واقعی
✔️ پیاده‌سازی امنیت و دسترسی‌های پیشرفته
✔️ بهینه‌سازی حرفه‌ای و Performance Tuning
✔️ استفاده از قابلیت‌های سطح Enterprise در SQL Server 2022

وقتشه حرفه‌ای بشی! ➡️

مشاوره تخصصی و رایگان دریافت کن:
👩‍💻@CANDOm_jani
👩‍💻@CANDOF_Ebrahimi
👩‍💻@Cando_gholiha

🌻 آموزشگاه مهندسی کندو برترین آموزشگاه IT ایران | We CanDo IT💪
@cando_ac
🟠🟠🟠🟠🟠🟠


📄 ۱۴ پروژه و مطالعه موردی واقعی
که هر مهندس ML باید بخونه!


🤔 هیچ‌وقت برات سوال شده پشت پرده سرویس‌های بزرگی مثل پی‌پال، واتس‌اپ یا اوبر چه اتفاق‌هایی می‌افته که این‌همه کاربر رو در لحظه مدیریت می‌کنن، بدون اینکه سیستمشون کم بیاره؟

👨🏻‍💻 من یه لیست طلایی برات آماده کردم از؛ ۱۴ مطالعه موردی واقعی که هرکدوم پر از راه‌حل، ترفند و تجربه‌های ناب تو طراحی سیستم‌های مقیاس‌پذیر و پایدارن.


1️⃣ پی‌پال: پشتیبانی روزانه ‌۱ میلیارد تراکنش با تنها ۸ ماشین مجازی: لینک


2️⃣ واتساپ: مدیریت ‌۵۰ میلیارد پیام در روز با ۳۲ مهندس: لینک


3️⃣ معماری لیدربورد در بازی‌ها: لینک


4️⃣ گوگل ادز: سرویس‌دهی به ۴٫۷۷ میلیارد کاربر با یک پایگاه داده SQL: لینک


5️⃣ آمازون S3: راز دوام ۹۹٫۹۹۹۹۹۹۹۹۹٪ داده: لینک


6️⃣ اوبر: اتصال هم‌زمان ۱ میلیون درخواست در هر ثانیه به نزدیک‌ترین راننده: لینک


7️⃣ سازوکار Slack: لینک


8️⃣ مقیاس‌دهی یک اپ تا ۱۰ میلیون کاربر روی AWS: لینک


9️⃣ تعریف و پیاده‌سازی Distributed Counter: لینک


1️⃣ یوتیوب: ارائهٔ خدمت به ۲٫۴۹ میلیارد کاربر با MySQL: لینک


1️⃣ سازوکار Apple Pay: لینک


1️⃣ فرایند ساخت یک سرویس URL Shortener: لینک


1️⃣ کاربردهای کلیدی Redis: لینک


1️⃣ استرایپ: جلوگیری از پرداخت تکراری با API ایندمپوتنت: لینک



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


یه لحظه تصور کن:
لپ‌تاپ جلوته با یه نوشیدنی خنک، داری روی یه داشبورد مهم کار می‌کنی🍹💻
چون باید برای یه شرکت بزرگ گزارش دقیق آماده کنی!

درسته، همون طور که همیشه آرزوشو داشتی تو یه دیتاآنالیستی ⭐️

تابستون امسال، وقتشه ورق رو برگردونی.
دوره‌ی دیتا آنالیز دانشکار فقط یه آموزش نیست.
تمرینه، پروژست، شبیه‌ساز دنیای حرفه‌ایه!

🎯 این تابستون، صحنه‌ی بعدی زندگیت رو خودت بساز:
🔗https://dnkr.ir/2bJjL


Видео недоступно для предпросмотра
Смотреть в Telegram
📀 یادگیری ماشین خودکار با Auto-sklearn!


👩🏻‍💻 تو پروژه آخرم، از Auto-sklearn استفاده کردم و با چند خط کد یه مدل بهینه شده بهم تحویل داد!

✏️ دیگه نیازی نبود که خودم دستی هایپرپارامترها رو تنظیم کنم، کلی مدل مختلف رو تست کنم یا با Grid Search کلنجار برم! همه اینا رو خودش خودکار برام انجام داد.


🔥 چندتا ویژگی بی‌نظیر Auto-sklearn:

🔢 خودش چندین الگوریتم مختلف مثل MLP, Random Forest, AdaBoost رو برات امتحان می‌کنه، هایپرپارامترهای مختلف رو تست می‌کنه و بدون این‌که دستی کد بزن، بهترین مدل رو برات پیدا می‌کنه.


🔢 دیگه لازم نبود خودم دستی داده‌ها رو توی K-Fold Cross Validation تقسیم کنم. خودش این کارو انجام داد و من فقط روی ارزیابی مدل نهایی تمرکز کردم.

🔢 من دیتاستم نامتوازن بود (یعنی تعداد نمونه‌های بعضی کلاس‌ها خیلی کمتر از بقیه بود). ولی Auto-sklearn خودش اینو تشخیص داد و با تکنیک‌هایی مثل Weighting این مشکل رو حل کرد. دیگه نیازی نبود خودم دستی Oversampling یا Undersampling انجام بدم!


🔢 و نکته جالب اینکه فقط یه مدل انتخاب نکرد! اومد از چند تا از بهترین مدل‌ها استفاده کرد و یه Ensemble ساخت که دقت نهایی رو بیشتر کرد.


نتیجه؟ یه مدل بهینه‌شده، دقیق و بدون دردسر! باورم نمی‌شد که کل این فرایند رو با چند خط کد انجام دادم! 😍


🏳️‍🌈 Auto-sklearn
📄 Document
🐱 GitHub-Repos



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


🖥 10 کانال یوتیوب که مهندسین یادگیری ماشین نباید از دست بدن!


👩🏻‍💻 تو مسیر آموزش یادگیری ماشین و هوش مصنوعی، چند تا کانال یوتیوب بودن که حسابی کمکم کردن تا مفاهیم پیچیده این حوزه رو بهتر درک کنم.

✅ این چنل‌ها با «توضیحات واضح، پروژه‌های عملی و تصویری‌سازی‌های جذاب» یادگیری ML رو برام خیلی راحت‌تر کردن.

💸 اینم لیست بهتریناشون:👇


0⃣ کانال 3Blue1Brown

✏️ اگه تا الان با ریاضیات مشکل داشتین، ساندرسون با انیمیشن‌های فوق‌العاده‌ش، همه چیزو براتون راحت می‌کنه! مخصوصاً تو جبر خطی، حساب دیفرانسیل و یادگیری عمیق، توضیحاتش خیلی کمکتون می‌کنه. ویدیوش درباره شبکه‌های عصبی واقعا یه شاهکاره!

➖ ➖ ➖ ➖ ➖

1⃣ کانال Krish Naik

✏️ اگه دنبال یه کانال کاربردی برای یادگیری ماشین و علم داده هستین، این کانال واقعا یه گنجینه‌س! آموزش پروژه‌های واقعی و صنعتی، کدنویسی پایتون و مثال‌های دنیای واقعی باعث می‌شه راحت مفاهیم پیچیده رو درک کنین.

➖ ➖ ➖ ➖ ➖

🔢 کانال freeCodeCamp

✏️ اینجا دیگه یه دانشگاه رایگان برای یادگیری پایتون، علم داده، یادگیری عمیق و هوش مصنوعی محسوب می‌شه! دوره‌هاش کامل، ساختارمند و مناسب برای یادگیری خودآموزه.

➖ ➖ ➖ ➖ ➖

🔢 کانال Murtaza Hassan

✏️ اگه به بینایی کامپیوتر علاقه دارین، این کانال به شدت به دردتون می‌خوره! آموزش OpenCV، یادگیری عمیق و حتی پروژه‌های مربوط به ربات‌های خودران رو به صورت عملی توضیح می‌ده.

➖ ➖ ➖ ➖ ➖

🔢 کانال Alexander Amini

✏️ یکی از بهترین مدرس‌های MIT که تو دوره Deep Learning (MIT 6.S191) مفاهیم رو هم تئوری و هم عملی توضیح می‌ده. اگه می‌خواین شبکه‌های عصبی و یادگیری تقویتی رو بهتر درک کنین، حتماً این کانال رو داشته باشین!

➖ ➖ ➖ ➖ ➖

🔢 کانال Artem Kirsanov

✏️ یه الماس پنهان برای علاقه‌مندان به هوش مصنوعی! این کانال به شکل عمیق وارد مباحث ریاضیاتی، مقالات علمی و پیاده‌سازی الگوریتم‌ها می‌شه. یه منبع عالی برای درک عمیق‌تر هوش مصنوعی.

➖ ➖ ➖ ➖ ➖

🔢 کانال CS50

✏️ دوره معروف CS50 دانشگاه هاروارد که با تدریس David J. Malan برای هر کسی که می‌خواد پایه‌ برنامه‌نویسی، پایتون، C و هوش مصنوعیش رو قوی کنه، یه گزینه عالیه!

➖ ➖ ➖ ➖ ➖

🔢 کانال Felix Koehler

✏️ اینجا روی شبیه‌سازی مدل‌های یادگیری ماشین، تجزیه و تحلیل الگوریتم‌ها و ورک‌فلوی علم داده تمرکز داره. این کانال ترکیبی از مفاهیم تئوری و پیاده‌سازی کدها رو ارائه می‌ده.

➖ ➖ ➖ ➖ ➖

🔢 کانال Greg Martin

✏️ اگه با زبان R کار می‌کنین و دنبال یه کانال برای یادگیری تحلیل آماری، مصورسازی داده و مدل‌سازی یادگیری ماشین در R هستین، این کانال مخصوص شماست!

➖ ➖ ➖ ➖ ➖

🔢 کانال CodeWithHarry

✏️ یه کانال فوق‌العاده برای آموزش پایتون از سطح مبتدی تا پیشرفته. درساش ساختارمند و سادن و برای کسایی که می‌خوان پایتون رو برای وب، اتوماسیون یا یادگیری ماشین یاد بگیرن، عالیه.



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


@MachineLearning_ir - Linear Algebra.pdf
164.1Кб
📖 جزوه خلاصه و کاربردی «جبر خطی» من


👨🏻‍💻 یه وقتایی موقع پروژه یا تست یه الگوریتم، باید هی برمی‌گشتم سراغ همون ویدیوها و جزوه‌های قدیمی جبر خطی—فقط واسه یه فرمول یا مفهوم ریز! دیگه خسته شده بودم از این پراکندگی و تکرار.

✏️ واسه همین تصمیم گرفتم همه منابع، جزوه‌ها و نکته‌هایی که جمع کردم رو یه‌جا و مرتب تو LaTeX بنویسم، که هم دم‌دستم باشه و هم یه جمع‌بندی مرتب از جبر خطی داشته باشم. نتیجه‌اش شد همین جزوه 20 صفحه‌ای!


اینم ویدیوهای رفرنس جزوه‌ام:👇

🖥 Essence of linear algebra
🖥 MIT 18.06SC Linear Algebra



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


🚨 ۳ روش اصلی Ensemble در یادگیری ماشین


1️⃣ روش بگینگ (Bagging)

✏️ چی میگه؟ خطای مدل رو، با ترکیب پیش‌بینی چند مدل کم می‌کنه.

چه جوری؟ چند مدل رو روی بخش‌های متفاوتی از داده آموزش می‌دی، نتیجه‌ها رو میانگین می‌گیری یا رای‌گیری می‌کنی.

⬅️ مثالش؟ جنگل تصادفی خودمون!

کِی به درد می‌خوره؟ وقتی مدل خطی جواب نمی‌ده و یه مدل پایه غیرخطی و بدون دردسر می‌خوای.

➖➖➖➖➖➖

2️⃣ روش بوستینگ (Boosting)

✏️ چی میگه؟ اشتباهاتو یکی‌یکی کاهش بده تا مدل هر بار بهتر بشه.

چه جوری؟ هر مدل، سعی می‌کنه اشتباه قبلیا رو جبران کنه؛ مدل‌ها پشت‌سر هم ساخته می‌شن.

⬅️ مثالش؟ Gradient Boosting (یا XGBoost که خیلیا عاشقشن!)

کِی به درد می‌خوره؟ برای مدل‌سازی الگوهای پیچیده‌تر و زمانی که می‌خوای تا می‌تونی خطا رو کم کنی.

➖➖➖➖➖➖

3️⃣ روش استکینگ (Stacking)

✏️ چی میگه؟ ترکیب چند مدل مختلف و ساخت یه مدل نهایی (Meta-Model) برای نتیجه‌گیری بهتر.

چه جوری؟ نتایج مدل‌های پایه رو به مدل نهایی می‌دی تا از ترکیبشون استفاده کنه.

⬅️ مثالش؟ مثلاً یه مدل خطی، خروجی چند مدل قوی‌تر رو تجمیع کنه.

کِی به درد می‌خوره؟ وقتی هیچ مدلی به تنهایی جوابگو نیست یا می‌خوای از نقطه‌قوت هر مدل به نفع خودت استفاده کنی.



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


🗺 نقشه راه یادگیری MLOps در سال ۲۰۲۵


1⃣ دوره‌ها


📃دوره MLOps Zoomcamp:

🔃یه دوره‌یِ فوق‌العاده عمیق ۹ هفته‌ای که کل مراحل MLOps رو با پروژه‌های واقعی می‌بره جلو.


📃دوره Made With ML:

🔃 از MLflow ،FastAPI و Kubernetes تا ترفندهای دیپلوی کردن مدل تو محیط واقعی.


📃دوره MLOps Fundamentals:

🔃کلی ویدئوی کوتاه و سرراست برای شروع، با تمرین و کد، مخصوص تازه‌کارها.

MLOps

☑️ What is MLOps?

✔️ End-to-end MLOps

☑️ MLOps workflows


📃دوره MLOps Specialization:

🔃می‌خوای هم مباحث تئوری رو یاد بگیری، هم یه سری تمرین انجام بدی؟ این دوره رو شروع کن.

➖➖➖➖➖➖

🔢 ریپو‌های گیت‌هاب:


🖥 ریپوی Made With ML: قالب‌ها و پروژه‌های واقعی.

🖥 ریپوی Awesome MLOps: مجموعه‌ای از ابزارها و مقاله‌ها.

🖥 ریپوی MLOps Coding Course: یه راهنمای عملی برای ساخت سیستم‌های ML.

➖➖➖➖➖➖

🔢 وبلاگ‌ها و نقشه راه:


🖥 وبسایت MLOps guide:

🔃جمع‌بندی همه مسائل کاربردی، مثال‌های واقعی، و کلی کتاب و لینک رایگان.


🖥 وبلاگ MLOps Community:

🔃وبلاگی با تجربه‌ها و آموزش‌های متنوع، حاصل کار چندین نفر متخصص این حوزه.



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


@MachineLearning_ir - Financial ML.pdf
4.7Мб
📈 «کاربرد یادگیری ماشین در بازارهای مالی»


👨🏻‍💻 پیدا کردن یه مرجع درست و حسابی که بتونه کاربرد یادگیری ماشین تو بازارهای مالی و معاملات الگوریتمی رو کامل نشون بده، واقعاً برام کار ساده‌ای نبود.

✏️ تا اینکه به یه جزوه ۱۵۹ صفحه‌ای رسیدم که دست‌چینِ بهترین نمونه‌های استفاده از یادگیری ماشین تو بازارهای مالی و تریده. همه چیز با مثال‌های واقعی، کاربردی و به‌دردبخور توضیح داده شده، نه فقط حرفای تئوری!



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


🔴 دوره فشرده MLflow


👨🏻‍💻 با این پلی‌لیست فقط با ۵ تا ویدیوی کوتاه، قلق MLflow رو یاد می‌گیری؛ یعنی دیگه دغدغه ردیابی آزمایشات و ورژن‌بندی مدل رو نداری! همه نکات رو خیلی ساده و شسته‌رفته گفته، بی‌حاشیه و وقت‌ تلف کردن.


1️⃣ چطور همه آزمایش‌هات رو با MLflow ردیابی و منظم کنی.

2️⃣ چطور هایپرپارامترها رو با HyperOpt و MLflow به راحتی تیون کنی.

3️⃣ مدیریت نسخه‌های مدل و ثبتشون تو Model Registry.

4️⃣ و در نهایت، چطور یه MLflow Server راه بندازی تا همه چی حرفه‌ای جلو بره.


💯 نکته خوبش اینه که همه‌ش قدم‌به‌قدم و از تجربه واقعی اومده — نه فقط تئوری!


🧪 Mastering MLFlow
😉 Youtube Playlist



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


📚 ۱۰ کتاب برتر یادگیری ماشین
که درک شما رو از ML، سه برابر می‌کنه!


1️⃣ کتاب Mathematics for ML

⬅️ ریاضیات پایه و ضروری برای درک مفاهیم یادگیری ماشین.

➖ ➖ ➖ ➖ ➖

2️⃣ کتاب An Intro to Statistical Learning

⬅️ یه توضیح ساده ولی کامل از الگوریتم‌های ML. هم از دیدگاه نظری و هم کاربردی.

➖ ➖ ➖ ➖ ➖

3️⃣ کتاب ML: A Probabilistic Perspective

⬅️ کتابی که ML رو از دیدگاه احتمالاتی نگاه می‌کنه. سنگینه ولی اگه بخونی، خیلی از مفاهیم واست روشن می‌شه.

➖ ➖ ➖ ➖ ➖

4️⃣ کتاب Pattern Recognition & ML

⬅️ اگه می‌خوای بری سراغ مدل‌های گرافیکی و مباحث بیزی، این کتاب آکادمیک حکم مرجع رو داره.

➖ ➖ ➖ ➖ ➖

5️⃣ کتاب Deep Learning

⬅️ اصلاً معروفه به "کتاب مقدس یادگیری عمیق"! هرچی راجع به دیپ لرنینگ بخوای، اینجا هست.

➖ ➖ ➖ ➖ ➖

6️⃣ کتاب Interpretable ML

⬅️ مدل ساختن یه طرف، قابل فهم کردنش واسه بقیه یه طرف دیگه‌ست! این کتاب دقیقاً به اون قسمت دوم می‌پردازه.

➖ ➖ ➖ ➖ ➖

7️⃣ کتاب Designing ML Systems

⬅️ اینجا دیگه بحث تئوری نیست، میگه چجوری یه سیستم ML رو، توی دنیای واقعی طراحی و پیاده‌سازی کنی.

➖ ➖ ➖ ➖ ➖

8️⃣ کتاب RL: An Introduction

⬅️ مرجع اصلی یادگیری تقویتی؛ از مفاهیم ابتدایی تا روش‌های پیشرفته.

➖ ➖ ➖ ➖ ➖

9️⃣ کتاب DL for Coders

⬅️ رویکرد این کتاب عملی و کاربردیه. همه مفاهیم رو با کد نشون می‌ده.

➖ ➖ ➖ ➖ ➖

1️⃣ کتاب Deep Learning with Python

⬅️ نوشته‌ی خالق Kerasئه و با یه لحن روون و ملموس مفاهیم یادگیری عمیق رو توضیح می‌ده.



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


@MachineLearning_ir - ML Notebook.pdf
5.2Мб
✍️ «دفترچه نکات یادگیری ماشین»


👨🏻‍💻 تا حالا برات پیش اومده که داری مباحث یادگیری ماشین رو می‌خونی، بعد یه عالمه نکته و مفهوم می‌ریزن سرت و نمی‌دونی واقعاً باید به کدومشون اهمیت بدی و کدومو بذاری کنار؟

⬅️ برای همین یه دفترچه جمع‌وجور نوشتم که مفاهیم پایه و نکات کلیدی یادگیری ماشین رو شامل میشه.

✅ از مباحث تئوری، تا تجربیاتی که سر پروژه‌ها به دادم رسیدن — همه رو خلاصه نوشتم تا نه وقتت هدر بره، نه از اصل مطلب دور بشی.😌



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


👨‍💻 یادگیری پروژه‌ محور ماشین لرنینگ


👨🏻‍💻 با تجربه الانم، بهترین راه برای یادگیری ماشین لرنینگ و دیتا ساینس اینه که واقعاً یه پروژه رو از اول تا آخر انجام بدی. نه فقط تئوری، واقعا عملی! هیچ چیزی مثل کار عملی باعث نمی‌شه مفاهیم برات کامل جا بیوفته و واقعا آماده بازار کار بشی!


اینم یه لیست از پروژه‌های واقعی ML:

🖥 خلاصه‌ساز ویدیوی یوتیوب با LLM: لینک

🖥 اپلیکیشن پیش‌بینی قیمت خونه: لینک

🖥 مدل کپشن‌گذاری تصویر: لینک

🖥 ساخت چت‌بات شخصی با ML: لینک

🖥 پیاده‌سازی رگرسیون از صفر: لینک

🖥 فاین‌تیون مدل llama: لینک

🖥 پروژه MCP و توضیح مفصل: لینک

🖥 پروژه RAG با توضیحات کامل: لینک



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


📂 15 ریپوی برتر گیت‌هاب
برای یادگیری «ماشین لرنینگ»


🖥 ریپوی Made With ML

✏️ چطور یه اپلیکیشن ML رو طراحی، توسعه، دیپلوی و بعدش ارتقا بدی.

➖ ➖ ➖

🖥 ریپوی Dive into Deep Learning

✏️ با هزاران مثال در Pytorch، به شما اصول و تکنیک‌های یادگیری عمیق رو با دقت آموزش میده.

➖ ➖ ➖

🖥 ریپوی Interpretable ML

✏️ چطور مدل‌های پیچیده رو راحت‌تر بفهمی و تحلیل‌شون کنی.

➖ ➖ ➖

🖥 ریپوی ML System Design Pattern

✏️ پترن‌های تست‌شده برای ساخت سیستم‌های ML مقیاس‌پذیر.

➖ ➖ ➖

🖥 ریپوی Awesome ML

✏️ یه لیست از همه کتابخونه‌ها و فریم‌ورک‌های ML تو همه حوزه‌ها.

➖ ➖ ➖

🖥 ریپوی ML Interviews

✏️ نه تنها شامل سوالات مصاحبه شرکت‌های بزرگ فناوری میشه، بلکه تجربیات متخصصان این حوزه رو هم در اختیارت می‌ذاره.

➖ ➖ ➖

🖥 ریپوی Practical DL

✏️ یادگیری عمیق با پروژه‌های واقعی، بدون ریاضیات پیچیده.

➖ ➖ ➖

🖥 ریپوی Applied ML

✏️ تجربه واقعی کار با یادگیری ماشین؛ از تست مدل تا اجرا و زیرنظر گرفتنش.

➖ ➖ ➖

🖥 ریپوی Awesome MLOps

✏️ ابزار و راهنماهای لازم برای اینکه مدل‌هات رو بیاری تو دنیای واقعی و همیشه پایدار بمونه.

➖ ➖ ➖

🖥 ریپوی Awesome Data Science

✏️ یه لیست منتخب از منابع عالی علم داده مثل کتاب‌ها، نرم‌افزارها و ابزارهاست که توسط جامعه متن باز نگهداری می‌شه.

➖ ➖ ➖

🖥 ریپوی Transformer Recipe

✏️ راهنمای خلاصه واسه آموزش و تنظیم مدل‌های ترنسفورمر با مثال و کد عملی.

➖ ➖ ➖

🖥 ریپوی Mathematics for ML

✏️ هرچی ریاضی برای یادگیری ماشین لازمه (مثل جبر خطی، مشتق، احتمال...) رو ساده و مرتب آموزش می‌ده.

➖ ➖ ➖

🖥 ریپوی Best of ML with Python

✏️ 390 پروژه اُپن سورس پایتون که در 28 دسته بر اساس کیفیت هر پروژه رتبه بندی شدن.

➖ ➖ ➖

🖥 ریپوی Awesome LLM

✏️ فهرستی فوق‌العاده از دوره‌ها، فریم ورک‌ها و ابزار‌ها برای آموزش و استقرار LLM.

➖ ➖ ➖

🖥 ریپوی ML Notebooks

✏️ نوت‌بوک‌های یکی از پرفروش‌ترین کتاب‌های ML که برای پروژه‌های عملی معرکه‌س!



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


@MachineLearning_ir - Data Visualization in ML.pdf
10.6Мб
📊 جزوه «بصری‌سازی داده‌ها در ML»


👨🏻‍💻 وقتی برای اولین بار با حجم زیادی از داده‌ها کار می‌کردم، نمی‌دونستم از کجا باید شروع کنم! کلی عدد و جدول داشتم، ولی هیچ دید واضحی ازشون نداشتم. همون موقع فهمیدم که دیدن داده‌ها، بهتر از فقط تحلیل کردنشونه!


✔️ این جزوه، یه نقشه راه کامل برای درک و اجرای بصری‌سازی داده در یادگیری ماشین با مثال‌های واقعی، روش‌های تحلیل و ابزارهای کاربردیه!



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


Видео недоступно для предпросмотра
Смотреть в Telegram
🟣 دوره «یادگیری داکر برای مهندس‌های ML»


👨🏻‍💻 هر کسی تو حوزه یادگیری ماشین، حداقل یه بار گیر این مشکل افتاده: اسکریپت یا مدل رو روی لپ‌تاپ خودت اجرا می‌کنی، همه چی اوکیه! ولی موقع اجرا تو سرور یا محیط جدید، ارور پشت ارور!


اینجاست که Docker به دادت می‌رسه:

✏️ با این ابزار محیط کاری مدل یا اسکریپتت تو هر سیستمی دقیقاً عین هم میشه؛ یعنی که کل پروژه‌تو با همه وابستگی‌هاش (کتابخونه‌ها، نسخه‌ها، پایتون و غیره) تو یه بسته جمع می‌کنه. هر جا این بسته رو اجرا کنی، دقیقا همون نتیجه رو می‌گیری — نه بیشتر، نه کمتر! دیگه خبری از “روی سیستم من جواب می‌ده!” نیست.


⬅️ تو این دوره یاد می‌گیری که چطور پروژه‌های یادگیری ماشینت رو کانتینری کنی که بدون دردسر، روی هر سیستمی اجرا بشن.👇


🐳 Docker for ML Engineers
📖 Article
😉 Course
😉 Tutorial Video



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


📚 با این دو کتاب، آمار رو کاربردی با پایتون یاد بگیر!


👨🏻‍💻 تجربه بهم نشون داده نمیشه مباحث آمار برای یادگیری ماشین رو فقط با فرمول و تئوری یادگرفت! باید آمار رو تو دل یه پروژه یا با مثال‌های واقعی فهمید!

◀️بین این‌ همه منبع بالاخره دوتا کتاب پیدا کردم که دقیقاً همین راه رو میرن:


1️⃣ کتاب Statistics Every Prog. Needs

✏️ تو این کتاب اومده قدم به قدم آمار رو از سطح پایه تا مباحث عملی مثل رگرسیون، یادگیری ماشین، سری‌های زمانی و شبیه‌سازی مونت‌کارلو آموزش داده. تازه هر کدوم رو با مثال و کد پایتون توضیح داده.

➖➖➖➖➖➖

2️⃣ کتاب Forecasting

✏️ اصل داستان اینجاست! نسخه‌ی پایتونی شده‌ی یه کتاب مرجع! اگه پیش‌بینی و سری زمانی برات مهمه، بدون این کتاب حسابی کمکت می‌کنه تا با مثال و تمرین‌ جدی بری سراغ پروژه‌های کاربردی.



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa


@MachineLearning_ir - Fake News Report.pdf
1.2Мб
پروژه یادگیری ماشین من
1️⃣ تشخیص اخبار جعلی با NLP


👨🏻‍💻 تو این پروژه رفتیم سراغ تشخیص اخبار واقعی و جعلی بین تقریباً یه میلیون مقاله! از الگوریتم‌های یادگیری ماشین استفاده کردیم، اول یه مدل ساده با رگرسیون لجستیک ساختیم، بعدش یه مدل پیشرفته‌تر با TF-IDF و SGDClassifier.


🤔 نتیجه‌اش برام جالب بود:

✅ وقتی مدل رو روی دیتاست دیگه‌ای (مثل LIAR) تست کردیم که متن‌هاش کوتاه‌تر بودن، دقت مدل افت شدیدی کرد (F1 شد 0.34!).

☑️ تو NLP کیفیت و نوع داده خیلی وقتا از مدل مهم‌تره. یه مدل خوب اگه داده درست نداشته باشه، کاری از پیش نمی‌بره!


┌ 🗞 Fake News Report
🐱 GitHub-Repos



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

Показано 20 последних публикаций.