🕊 توئیت Yann LeCun مقاله بسیار جالب: استفاده از هوش مصنوعی مولد برای تولید متن یا تصاویر، 3 تا 4 مرتبه CO2 کمتری نسبت به انجام دستی یا با کمک کامپیوتر منتشر می‌کنه. #Artificial_Intelligence | مدرسه هوش مصنوعی

🟡به روزرسانی چت‌بات Google Bard چت‌بات Google Bard می‌تونه جواب‌هایی دقیقا مطابق نیاز شما بده. به عنوان مثال، می‌تونین از Bard بخواهید یه Doc برنامه‌ریزی سفر برای شما و دوستاتون بنویسه، لیست خرید آماده کنه یا یه موضوع علمی رو برای فرزندتون توضیح بده. حالا درصورت دادن دسترسی، Bard می‌تونه اطلاعات سرویس‌های جیمیل، داکز، درایو و... شما رو اسکن کنه و در نتیجه جواب‌هایی بهتر از قبل بده. علاوه بر این ویژگی‌های Google it بهتر شدن تا پاسخ‌های Bard دوباره بررسی شن. تصور کنین برای یه شغل جدید می‌خواین درخواست بدین و توی این فرآیند قراره Bard کمک‌تون کنه. Bard می‌تونه رزومه‌ رو از گوگل درایو پیدا کنه و تغییرات لازم رو اعمال کنه. گوگل متعهد شده که در صورت دادن دسترسی، اطلاعات شخصی ما توسط نیرو انسانی دیده نمیشه و فقط در راستای آموزش مدل‌های Bard و نمایش تبلیغات استفاده میشه. البته نحوه استفاده از اطلاعات‌ رو میشه تنظیم و شخصی‌سازی کرد و درصورت نیاز دسترسی‌ها رو قطع کرد. به‌روزرسانی‌های مدل PalM 2 دلیل این ویژگی‌های جدیده که اساس این مدل تکنیک‌های یادگیری تقویتی پیشرفته است. #Artificial_Intelligence

🟡پیش بینی اتفاقات ایونت مایکروسافت اواخر این هفته مایکروسافت یه رویداد برگزار می‌کنه و قراره سه دستگاه جدید سرفیس و ویژگی‌های مبتنی بر هوش مصنوعی رو برای ویندوز، آفیس، بینگ و سرفیس معرفی کنه. مایکروسافت روی آپدیتی از ویندوز 11 کار می‌کنه که شامل Windows Copilot، دستیار شخصی هوش مصنوعیه. Copilot در برنامه‌های آفیس به کسب‌وکارها اجازه می‌ده اسناد رو خلاصه کنن، ایمیل‌ بنویسن و تجزیه و تحلیل اکسل رو سرعت ببخشن. بنظر می‌رسه قراره از هوش مصنوعی مولد در Paint استفاده شه. در نتیجه با تایپ متن، تصویر دلخواه‌مون کشیده می‌شه. علاوه براین گفته شده که Photos یه ویژگی جدید برای شناسایی افراد یا اشیاء در عکس‌ها دریافت می‌کنه. #Artificial_Intelligence @

🤔 معرفی الگوریتم‌های معروف یادگیری عمیق شبکه‌های عصبی کانولوشنی (CNN): برای تحلیل تصاویر استفاده می‌شود. به طور خودکار ویژگی‌های تصویر را یاد می‌گیرد و وظایفی مانند دسته‌بندی تصاویر و شناسایی اشیاء را انجام می‌دهد. شبکه عصبی بازگشتی (RNN): برای داده‌های متوالی مناسب هستند. ورودی‌ها را به‌یاد نگه می‌دارند، درنتیجه برای وظایفی مانند پردازش زبان و شناسایی گفتار مناسب می‌شوند. شبکه‌های حافظه کوتاه-مدت بلند :(LSTM) نوع ویژه‌ای از RNN که برای وظایف داده‌های متوالی طولانی مانند ترجمه ماشینی و speech synthesis (تولید گفتار انسان توسط کامپیوتر به وسیله‌ی محاسبه‌ تلفظ هر کلمه) استفاده می‌شود. شبکه عصبی واحد بازگشتی گیتی(GRU) : شبیه به LSTMها هستند ولی با بهره‌وری محاسباتی بیشتر در مدل‌های متوالی. شبکه عصبی Autoencoder: برای یادگیری بدون نظارت و کاهش ابعاد داده‌ها استفاده می‌شوند و در وظایفی مانند حذف نویز تصویر و شناسایی نقص‌ها کارآمد هستند. شبکه عصبی GAN: از ترکیب دو مدل به نام‌های Generator و Discriminator تشکیل شده‌. این شبکه‌ به طور خودکار، الگوهای موجود در داده‌های ورودی را کشف و یاد می‌گیرد و در تولید تصاویر، انتقال سبک و افزایش حجم داده، مفید است. معماری Transformer: باعث انقلاب در پردازش زبان طبیعی شده و در مدل‌هایی مانند BERT و GPT برای وظایفی از قبیل ترجمه ماشینی و تحلیل احساسات کارآمد هستند. یادگیری تقویتی عمیق: این الگوریتم، یادگیری عمیق را با یادگیری تقویتی ترکیب می‌کند و برای آموزش عامل‌ها در وظایف تصمیم‌گیری مانند بازی‌ها 🔺این پست رو ChatGPT نوشته #هوش_مصنوعی

🎯 یادگیری و تسلط به کتابخانه Pandas ✅ با 74 معمای فوق العاده!👌🏼 📑 به همراه برگه تقلب پایتون 👨🏻‍💻 این کتاب یه کتاب متفاوت برای یادگیری کتابخانه Pandas هست. این کتاب شامل یه برنامه آموزشی ۲۰ تا ۲۵ ساعته Pandas برای علوم داده، با استفاده از یکی از کارآمدترین تکنیک های یادگیری است: تست و تمرین. 💬 در واقع شما در این کتاب کدهایی رو در قالب معما حل می‌کنین و نقش مفسر پایتون رو ایفا می‌کنین و خروجی هر کد رو در ذهن خودتون محاسبه می کنین. سپس بررسی می‌کنین که آیا حق با شماست یا خیر. #️⃣ #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📎

🎯 یادگیری و تسلط به کتابخانه Pandas ✅ با 74 معمای فوق العاده!👌🏼 📑 به همراه برگه تقلب پایتون 👨🏻‍💻 این کتاب یه کتاب متفاوت برای یادگیری کتابخانه Pandas هست. این کتاب شامل یه برنامه آموزشی ۲۰ تا ۲۵ ساعته Pandas برای علوم داده، با استفاده از یکی از کارآمدترین تکنیک های یادگیری است: تست و تمرین. 💬 در واقع شما در این کتاب کدهایی رو در قالب معما حل می‌کنین و نقش مفسر پایتون رو ایفا می‌کنین و خروجی هر کد رو در ذهن خودتون محاسبه می کنین. سپس بررسی می‌کنین که آیا حق با شماست یا خیر. #️⃣ #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📎 #هوش_مصنوعی

⭕️ ابزار PyForest | فراخوانی 40 کتابخانه پرکاربرد پایتون در علوم داده تنها با یک خط کد ! 👨🏻‍💻 در پروژه‌های علم داده، ما اغلب از چندتا کتابخونه‌یِ پایتون به صورت روتین استفاده می‌کنیم. کتابخونه‌های Seaborn, Matplotlib, NumPy, Pandas, ... این استفاده مکرر و دائمی از کتابخونه‌ها می‌تونه هم خسته کننده باشه و هم روی بهره‌وری‌تون تاثیر بذاره. ✅ با ابزار PyForest شما می‌تونین تمام کتابخونه‌های پایتون مورد علاقه‌تون رو تنها با یه خط کد و بدون وارد کردن خود کتابخونه‌ها استفاده کنین. اینطوری به جای وقت گذاشتن روی کارهای جزئی و روزمره پروژه‌تون، روی آنالیز داده‌هاتون تمرکز می‌کنین.🚀 ☑️ یکی دیگه از مزایای استفاده از PyForest اینه که تنها کتابخونه های مورد استفاده در کد شما رو وارد می‌کنه و این کار باعث کند شدن نوت بوک شما نمیشه!👌🏼 🔖 راهنمای استفاده از PyForest: ┌ 🏷 PyForest ├ 📂 pyforest 1.1.0 ├ 🗃 Pyforest GitHub ├ 📑 Pyforest: Lazy-import python libraries └ 🎬 Pyforest - Importing All Python Libraries #️⃣ #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖

👨🏻‍💻 اگر مطالعه و یادگیری مبانی علم داده رو تموم کردین و شروع به انجام پروژه‌ها و درخواست برای موقعیت‌های دورکاری و کارآموزی کردین، این مخزن GitHub برای آمادگی جهت مصاحبه‌های علم داده بسیار عالیه.👌🏼 ✅ در این مخزن می‌تونین از نحوه نوشتن رزومه و آماده کردن نمونه‌ کارهاتون آموزش پیدا کنین تا آماده شدن برای مصاحبه‌های رفتاری و فنی. در واقع این ریپازیتوری شامل همه چیزهایی هست که برای آماده شدن برای بازار کار علوم داده نیاز دارین.💯 🔖 راهنمای آمادگی برای مصاحبه‌های علوم داده: ┌ 🏷 Data Science Interview Resources └ 📝 Data Science Interview GitHub #️⃣ #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊

👨🏻‍💻 یکی از مفیدترین منابع برای یادگیری علم داده از صفر. ✅ حدود 15 گیگ آموزش در تمام زمینه‌های علم داده💯 📂 این منبع ماژول‌های زیادی مثل ریاضیات علم داده، آمار و احتمال، مباحث پایه، یادگیری عمیق، مطالعات موردی و پروژه های واقعی و... رو شامل میشه.👌🏼 ┌ 🏷 Complete Data Science Bootcamp └ 📝 Resources to Learn Data Science #️⃣ #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📎

👨🏻‍💻 مونا حاتمی از دانشمندان و محققین داده یک دوره رایگان "دیتا ساینس کاربردی" رو به صورت هفتگی و به زبان فارسی در یوتیوب منتشر می‌کنه. تابحال 12 ویدیو از این دوره در یوتیوب منتشر شده است. 🔷 طی این دوره، یک پروژه ساده دیتاساینس از ابتدا تا مرحله آموزش مدل‌های ماشین لرنینگ و مقایسه آن‌ها به زبان ساده آموزش داده میشه. 🔶 دیتاست استفاده شده در این دوره، دیتاست شرکت اسپیس ایکسه که با دوره Applied Data science Capstone IBM در پلتفرم کورسرا مطابقت داره. ✅ تمام نوت‌بوک‌های این ۱۰ هفته هم در گیت هاب قابل دسترسه. 🔖 راهنمای استفاده از دوره دیتا ساینس کاربردی: ┌ 🏷 Applied Data Science ├ 🎬 Applied Data Science YouTube └ 🗃 Applied Data Science GitHub #️⃣ #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📎

📕کتاب "درک یادگیری عمیق" 📂 از تئوری تا عمل + تمرین 👨🏻‍💻 یکی از مشکلاتی که در فهم مباحث یادگیری عمیق وجود داره، عدم فهم درست مفاهیم به دلیل پیچیدگی مباحثه. این کتاب میاد تعادلی بین مباحث تئوری و عملی ایجاد می‌کنه و به روز ترین مفاهیم و تکنولوژی‌های یادگیری عمیق رو در فصول کوتاه و متمرکز به شما ارائه میده تا فهم مطالب آسون‌تر بشه. ✅ از طرفی این کتاب مفاهیم یادگیری عمیق رو در قالب تصاویر و اشکال ریاضی و با رویکردی عملی تشریح می‌کنه و این امکان رو به شما میده تا این مفاهیم رو به بهترین شکل ممکن یاد بگیرین.💯 ┌ 🏷 Understanding DL ├ 🌐 Homepage └ 🗃 GitHub #️⃣ #یادگیری_ماشین #ML ➖➖➖➖➖➖➖➖➖➖➖➖ 💡

👨🏻‍💻 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 : 📎