✅ معرفی پانداس و نامپای دو کتابخانه مهم و کاربردی در دیتاساینس🔥🔥 ✅ کوتاه، به زبان ساده و بسیار کاربردی 🦦🦦 #pandas #numpy #datascience #artificialinteligence #machinelearning #ml #statisticallearning AIwithParissan | AI Tutorials

📌 Explore over 8000+ datasets for machine learning research. بیش‌از ۸ هزار دیتاست یادگیری ماشین همراه با مقالات در حوزه‌های مختلف یادگیری ‌ماشین/ پردازش زبان، تسک‌ها، مدل‌ها و زبان‌های مختلف. 🔗 paperswithcode.com/datasets #MachineLearning #DataSets #ML #NLP #هوش_مصنوعی #مدرسه_هوش_مصنوعی 🏆

👨🏻‍💻 یه سایت فوق العاده برای آموزش یادگیری ماشین به صورت کاربردی! الان دوره‌های زیادی برای یادگیری ML وجود داره که بیشترشون روی مباحث تئوری تمرکز دارند و کمتر پیش میاد چندتا پروژه عملی یا مطالعه موردی واقعی رو در پایان دوره پیاده سازی کنن. ✅ سایت ApplyingML تمرکزش روی آموزش یادگیری ماشین به صورت کاربردی و پروژه محوره. تو این سایت می‌تونید مقالات، منابع، راهنما‌های آموزشی و مصاحبه‌ها و داستان های واقعی از بهترین مهندسان یادگیری ماشین رو پیدا کنین و از تجربیات اون ها در پروژه های خودتون استفاده کنین.💯 ┌ 🏷 Applying Machine Learning └ 🚀 ApplyingML #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 #هوش_مصنوعی

👨🏻‍💻 وقتی شروع به یادگیری ماشین لرنینگ کردم، فهرست شخصی از منابعی که در روند یادگیریم بسیار تاثیر گذار بودن رو آماده کردم. اما الان تصمیم گرفتم که همه اون منابع آموزشی رو در یک Gitbook به عنوان یه ابزار آموزشی با همه علاقه مندان به یادگیری ماشین به اشتراک بگذارم، تا همه از این منابع استفاده کنن. 🔴 این مجموعه شامل حدود 500 موضوع مختلف در حوزه یادگیری ماشین میشه که شامل درسنامه‌ها، خلاصه‌ها، پیوندها و مقالاتیه که من در مورد موضوعات مختلفی که جذاب بودن یا در روند یادگیریم تاثیرگذار بودن، میشه. اکثر الگوریتم‌های یادگیری ماشین مدرن، آمار، تکنیک‌های علوم داده، یادگیری عمیق، NLP، سری‌های زمانی، گراف‌ها، و... . ┌ 🏷 ML & Deep Learning Compendium └ 🚀 ML & DL Compendium 📝 Ori Cohen #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡

⭕️ چیت شیت تعاملی پایتون ✅ جامع‌ترین برگه تقلب آنلاین پایتون 👨🏻‍💻 من همیشه برای کد نویسی تو پایتون بیشتر وقتم صرف جستجوی پاسخ میشه تا کدنویسی، از طرفی هم چیت شیت‌های با فرمت PDF، برای پاسخ به همه سوال ها و مرور دستورات اصلی، جامع و کافی نیس. ☑️ به همین خاطر تصمیم گرفتم این چیت شیت تعاملی رو آماده کنم. فقط کافیه در نوار جستجو چیزی که میخواین رو بنویسین تا جواب براتون نمایش داده بشه. قطعاً کامل نیست و هنوز برخی ویژگی‌ها رو نداره، اما من فکر می‌کنم وقتی ازش استفاده کنین شگفت زده بشین.😙 ┌ 🏷 Python Cheat Sheet ├ ◼️ Python SpeedSheet ├ ◻️ Code Faster Python SpeedSheet └ ◼️ 9 Tips and Tricks Python SpeedSheet #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖

👨🏻‍💻 الویس ساراویا محقق حوزه یادگیری ماشین و مدیر محصول هوش مصنوعی فیس‌بوک، جدیدترین و برترین دوره‌های یادگیری ماشین، NLP و یادگیری عمیق رو در یک پست جمع آوری کرده. الویس برای انتخاب این دوره‌ها، خودش تموم دوره ها رو گذرونده تا بتونه انتخاب درست و دقیقی داشته باشه. ✅ لیست کامل این دوره ها در لینک زیر موجوده: ┌ 🏷 ML & DL Courses └ 🚀 Theoretical & Practical Courses #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡

👨🏻‍💻 یکی از ابزارهای مفید برای بهینه سازی پارامترهای مدل‌های یادگیری ماشین و یادگیری عمیق کتابخانه Scikit-Optimize یا به اختصار skopt هست. با استفاده از skopt، می‌تونید به صورت خودکار و بهینه، پارامترهای مدل‌های یادگیری ماشین‌ رو تنظیم کنین. ✅ از ویژگی‌های مهم skopt : 1) انعطاف‌پذیری: skopt با انواع مختلفی از مدل‌های یادگیری ماشین سازگاره. 2) استفاده آسان: این کتابخانه از رابط ساده‌ای برای ایجاد فضای جستجوی پارامترها و تعریف تابع هدف بهره می‌بره. 3) سازگاری با مدل‌های مختلف: این کتابخانه با مدل‌هایی مانند scikit-learn, XGBoost, LightGBM و... سازگاره. 4) امکان ایجاد گزارش‌ها و نمودارها: skopt به شما امکان نمودارهایی از نتایج بهینه‌سازی و پیشرفتش ایجاد کنین تا بتونین بهترین مقادیر پارامترها رو پیدا کنین. 🔖 راهنمای استفاده از skopt: ┌ 🏷 Scikit-Optimize Python Toolkit ├ 🧩 skopt Documentation └ 🗃 skopt GitHub #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡

👨🏻‍💻 گوراو بات، فارغ‌التحصیل دکترای دانشگاه بریتیش کلمبیا، یه مخزن DeepLearn درست کرده که تحقیقات مختلف در زمینه‌های (NLP)، (CV)، یادگیری ماشین (ML)، و یادگیری عمیق (Deep Learning) رو‌ معرفی و بررسی می‌کنه. ✅ در این مخزن، شما می‌تونین تجربه اجرای مقالات تحقیقاتی معروف در زمینه‌های مختلف رو با استفاده از زبان برنامه‌نویسی پایتون و کتابخانه‌های معتبری مثل Keras، Tensorflow و Scikit Learn پیدا کنین. این مخزن می‌تونه به شما در درک عمیق‌تر از مباحث مختلف مرتبط با یادگیری عمیق، پردازش زبان طبیعی و دید کامپیوتری کمک کنه و امکان اجرای عملی مقالات تحقیقاتی رو فراهم کنه. ┌ 🏷 DeepLearn Implementation └ 📚 DL Research Papers #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖

👨🏻‍💻 این ریپازیتوری یکی از بهترین منابع رایگانی هست که تابحال برای آموزش جامع پایتون دیدم. این مخزن توسط جمع بزرگی از برنامه‌نویسان Python تهیه شده و منابع مختلفی رو برای توسعه و یادگیری Python ارائه میده. بنظرم این همه‌یِ اون چیزی هست که به عنوان یک مهندس یادگیری ماشین برای یادگیری پایتون نیاز دارین!💯 ✅ در این منبع فوق العاده شما می‌تونین کتابخانه‌ها، فریم‌ورک‌ها و دوره‌های آموزشی زیادی رو همراه با توضیحات جامع و مثال‌های عملی برای یادگیری ماشین با استفاده از پایتون پیدا کنین. به علاوه، این مخزن به شما در انتخاب ابزارها و کتابخانه‌های مناسب برای پروژه‌های یادگیری ماشین نیز کمک می‌کنه.👌🏼 ┌ 🏷 Awesome Python ├ 💣 Awesome Python Documentation └ 🗃 Awesome Python GitHub #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎

👨🏻‍💻 کتابخانه "جبر خطی ترکیبی" یا "CoLA"، یک ابزار چند پلتفرمیه که عملیات جبرخطی رو به سرعت براتون انجام میده. این ابزار با ترکیب اصول جبر خطی و شبکه‌های عصبی، به شما کمک می‌کنه تا داده‌های پیچیده رو بهتر درک کنین و باهاشون کار کنین. ☑️ این روش توسط محققان معتبر در زمینه یادگیری ماشین و پردازش زبان طراحی شده و از مفاهیم جبر خطی به عنوان ابزار اصلی برای مدل‌سازی و تحلیل داده‌ها استفاده می‌کنه. این روش به شما این امکان رو میده که داده‌های پیچیده و چند بعدی رو به صورت مفهومی توصیف کنین و از روش‌های جبر خطی برای تحلیل و پردازش اون‌ها استفاده کنین. 🔖 راهنمای استفاده از CoLA: ┌ 🏷 CoLA Framework ├ 📕 CoLA Documentation ├ 📗 CoLA Paper └ 📙 CoLA GitHub #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡

👨🏻‍💻 دوره رایگان "آمار و احتمال" Khan Academy، یه منبع عالی برای یادگیری مفاهیم آمار و احتمال برای ماشین لرنینگ هست. این دوره 16 جلسه آموزشی فوق‌العاده جامع رو شامل میشه که مباحث مقدماتی تا پیشرفته آمار و احتمال رو پوشش میده. 🔷 با این دوره، شما مهارت‌های ضروری و لازم برای آنالیز داده‌ها، استفاده از الگوریتم‌های ماشین و ایجاد مدل‌های پیش‌بینی بر اساس داده‌ها رو بدست میارین. ✅ اینم لینک‌ دوره + درسنامه‌ها: 👇🏼 ┌ 🏷 Statistics & Probability Course ├ 🚀 Statistics & Probability Homepage └ 🗃 Statistics & Probability Notes #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎

⭕️ 15 کتابخانه‌یِ پایتون که زندگی مهندسان یادگیری ماشین را ساده‌تر می‌کند! 👌🏼 ┌ 🏷 Machine learning, Modelling & Evaluation ├ 🔴 scikit-learn ├ 🟠 scipy ├ 🟡 statsmodels ├ 🟢 Yellowbrick ├ 🔵 imbalanced-learn └ 🟣 mlxtend ┌ 🏷 Feature Engineering ├ 🔴 pandas ├ 🟠 Feature-engine ├ 🟡 Category Encoders ├ 🟢 Featuretools └ 🔵 tsfresh ┌ 🏷 Hyperparameter Optimization ├ 🔴 scikit-optimize ├ 🟠 Hyperopt └ 🟡 Optuna ┌ 🏷 Forecasting └ 🔴 sktime ┌ 🏷 Other Python Libraries for ML ├ 🔴 Polars ├ 🟠 Nixtla ├ 🟡 skforecast └ 🟢 Transformers #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎

👨🏻‍💻 یه روش فوق العاده برای افزایش سرعت زمان عرضه برنامه‌های علم داده و هوش مصنوعی استفاده از کتابخونه اُپن سورس Taipy هست. این کتابخونه Python به دانشمندان داده‌، مهندسان یادگیری ماشین و برنامه‌نویسان Python این امکان رو میده تا داده‌ها و مدل‌هاشون رو در مدت زمان کوتاهی به یه برنامه وب کاملاً عملی تبدیل کنن. ✅ از ویژگی‌های مهم Taipy : 1) سادگی در استفاده به همراه قابلیت‌های قدرتمند برای توسعه‌دهندگان بدون پیش زمینه کدنویسی. 2) پشتیبانی از اسکریپت‌های Python و دفترچه‌های Jupyter. 3) افزونه Taipy studio برای Visual Studio Code به منظور توسعه سریع‌تر برنامه‌ها. 4) قابلیت توسعه و سفارشی‌سازی زیاد با توجه به نیازهای پروژه‌های صنعتی. 🔖 راهنمای استفاده از Taipy: ┌ 🏷 Taipy Python Library ├ 🧩 Taipy ├ 🎬 Taipy Youtube Channel └ 🗃 Taipy GitHub #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎

👨🏻‍💻 با تجربه ای که الان دارم بهتون پیشنهاد میکنم اگه برای پروژه های یادگیری ماشین‌ به داده نیاز دارین از روش Seafaring استفاده کنین. ✅ با روش Seafaring به طور خودکار داده‌های مفیدتون رو از بین مجموعه‌یِ عظیمی از داده ها در وب پیدا می‌کنین و در پروژه های ML به کار می‌برین. ┌ 🏷 Seafaring ├ 📃 Seafaring Paper └ 🗃 Seafaring GitHub #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡

⭕️ کتاب‌ رایگان «یادگیری ماشین و علم داده» ✅ به همراه دو کتاب رایگان «یادگیری عمیق» 🔷 میلاد وزان، نویسنده کتاب «یادگیری ماشین و علم داده» و دو کتاب «یادگیری عمیق» اومده نسخه PDF هر سه کتابش رو، به رایگان در اختیار علاقه ‌مندان این حوزه قرار داده. ☑️ برای دانلود این سه کتاب می‌تونید از لینک‌های زیر استفاده کنید:👇🏼 📚 یادگیری ماشین + یادگیری عمیق ┤ 📓 یادگیری ماشین و علم داده: مبانی و مفاهیم ┤ 📕 کتاب یادگیری عمیق ┘ 📘 یادگیری عمیق: اصول، مفاهیم و رویکردها #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡

👨🏻‍💻 هیچ چیز به اندازه داده‌های بی کیفیت برای مدل‌های یادگیری ماشین مضر نیست. بدون ابزارهای مناسب هم بهبود یه مدل می‌تونه وقت‌گیر و ناکارآمد باشه. تو این شرایط باید چیکار کرد؟ 🔷 ابزار FiftyOne فرآیندهای یادگیری ماشین شما رو با کمک تجسم و تفسیر سریع‌تر و موثرتر دیتاست‌ها و مدل‌ها، تقویت می‌کنه. 🧩 ابزار FiftyOne یه ابزار اُپن سورس برای ساخت دیتاست و توسعه مدل‌های CV هست که اکثر تیم‌های علوم داده برای بهبود کیفیت داده و عملکرد بهتر مدل‌ها ازش استفاده می‌کنن. 🎯 از ویژگی‌های کلیدی FiftyOne: مدیریت دیتاست‌های با کیفیت بالا، ارزیابی مدل‌ها، یافتن اشتباهات و سرعت بخشیدن به تولید مدله. 🔖 راهنمای نصب، آموزش‌ها و استفاده از FiftyOne : ┌ 🏷 FiftyOne ├ 📂 FiftyOne Docs ├ 🎓 FiftyOne Tutorials ├ 📋 FiftyOne Examples ├ 🎲 FiftyOne GitHub └ 🌐 FiftyOne Website #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡

👨🏻‍💻 اگه می‌خواید آموزش یادگیری عمیق رو شروع کنین، این کامل‌ترین کتابیه که در این زمینه می‌شناسم! کتاب 1150 صفحه‌ای Dive into Deep Learning با هزاران مثال در Pytorch، به شما اصول و تکنیک‌های یادگیری عمیق رو با دقت آموزش میده و بهتون این امکان رو میده تا مهارت‌های عملی مورد نیاز برای استفاده از یادگیری عمیق رو به دست بیارین. ✅ این کتاب به صورت آنلاین و رایگان در دسترسه و می‌تونین به صورت خودآموز مفاهیم و مهارت‌های یادگیری عمیق رو یاد بگیرین. 🔖 راهنمای دسترسی به منابع کتاب: ┌ 🏷 Dive into Deep Learning ├ 🌐 Dive into DL Website ├ 📘 Dive into DL PDF └ 🎲 Dive into DL GitHub #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 #هوش_مصنوعی

⭕️ 12 دوره رایگان یادگیری ماشین و AI به فارسی 👨🏻‍💻 دکتر سید ناصر رضوی عضو هیئت علمی گروه مهندسی کامپیوتر دانشگاه تبریز، دوره‌های "یادگیری ماشین"، "یادگیری عمیق"، "یادگیری تقویتی" و... رو به زبان فارسی و رایگان در وبسایت و کانال یوتیوبشون منتشر کردن.🔥 ✅ اینم لینک دوره‌ها + کدها و پروژه‌ها:👇🏼 🏷 لیست دوره‌ها ┤ ◾️یادگیری ماشین ┤ ◽️ابزار‌های یادگیری ماشین ┤ ◾️کارگاه یادگیری ماشین با پایتون ┤ ◽️یادگیری عمیق ┤ ◾️کارگاه یادگیری عمیق با پایتون ┤ ◽️یادگیری تقویتی ┤ ◾️هوش مصنوعی ┤ ◽️شبکه های عصبی مصنوعی ┤ ◾️برنامه‌نویسی پایتون ┤ ◽️برنامه‌نویسی شی‌گرا در پایتون ┤ ◾️تحلیل و طراحی الگوریتم‌ها ┤ ◽️سخنرانی‌ها و سمینار‌ها ┤ ◾️دسترسی به کد‌ها و پروژه‌های دوره‌ها ┘ ◽️وبسایت دکتر سید ناصر رضوی #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 📎@aql_masnouei

📚 جزوه «مقدمه‌ای بر یادگیری ماشین» 🖥 دانشگاه خوارزمی و در 526 صفحه! 👨🏻‍💻 این روزها دارم جزوه یادگیری ماشین دکتر پدرام، دانشیار گروه برق و کامپیوتر دانشگاه خوارزمی رو می‌خونم. باید بگم انقدر منظم و مرحله‌به‌مرحله اصول یادگیری ماشین رو توضیح داده که واقعاً لذت بردم! ✏️ از مباحث پایه شروع میشه و اصول اولیه یادگیری ماشین رو توضیح میده، و کم‌کم وارد موضوعات پیشرفته‌تر می‌شه. متنش روونه و با کلی مثال‌های کاربردی، یادگیری رو ساده‌تر و کاربردی‌تر کرده.👌🏼 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡@aql_masnouei