CR Rao
آماردان برجسته درگذشت.

یکی از برجسته‌ترین آماردانان هند در تمام دوران، کار او شامل نظریه تخمین، هندسه دیفرانسیل و تحلیل چند متغیره بود.

رائو در طول هفت دهه فعالیت حرفه ای خود، حدود 51 دانشجوی دکترا را تربیت کرد.

┏━━━━━
🌐  @Amar_kadeh 📖✍️
┗━━━━━━━━━━

یک کتاب خیلی خوب و راهنما برای استفاده از Chatgpt(پرفروش ترینای آمازون شده)
#1 Best Seller 2023 January
1- چطوری کار میکنه
۲-استفاده از Chatgpt برای برین استورم و ایده پردازی
۳-کمک برای نوشتن مطلب
۴-برای ریوایز و ادیت کاراتون
۵-خلاصه نویسی
۶-نوشتن کتاب
و کلی چیزای دیگه
با مثال و ریسپانس برای بهینه کردن نوشتن و سوالاتتون.
#Chatgpt
┏━━━━━
🌐  @Amar_kadeh 📖✍️
┗━━━━━━━━━━

📍معرفی ۱۰ کتابخانه پایتون برای علاقمندان به "علم داده"

علم داده ها در چند سال گذشته بسیار محبوب شده است و بیشتر کمپانی ها نیز هم اکنون از این علم و ابزار آن برای پیشبرد اهدافشان استفاده می کنند. پایتون به همراه زبان R، یکی از مهم ترین ابزارهایی هستند که به درد دانشمندان داده می خورند. این زبان برنامه نویسی همچنین یکی از ساده ترین و بهترین زبان های نزدیک به زبان انسان می باشد که میتوانید برای اهداف ذکر شده آن را در چند روز فرا بگیرید.
به خاطر اهمیت بالای این زبان و کارایی ان برآن شدیم تا کمی شما را با کتابخانه های کارامد آن آشنا کنیم.  این زبان برنامه نویسی دارای کتابخانه های خاصی می باشد که بسیار برای دیتاساینس کارهای جهانی محبوب هستند. در زیر برخی از ان ها را که بیشتر مورد استفاده قرار می گیرند معرفی کرده ایم:

NumPy

🔹 یک ماژول توسعه یافته و متن باز می باشد که برای پایتون موجود است. این ماژول به شما عملکرد های از پیش تعیین شده ای از روال ها و روتین های عددی ارائه می کند. کار کردن با آن بسیار ساده است و میتواند به خوبی از پس ارایه های چند بعدی بسیار بزرگ و ماتریکس ها بر بیاید. یکی دیگر از مزیت های نامپی این است که شما میتوانید عملیات های ریاضی استاندارد مورد نظر خودتان را بر روی همه داده هایتان بدون نیاز به ایجاد حلفه اعمال کنید. با این ماژول همچنین می توانید از اطلاعاتتان برای استفاده در کتابخانه های سطح پایین تری مثل (کتابخانه هایی که به زبان سی یا سی پلاس پلاس نوشته شده اند ) خروجی بگیرید.
نامپی به شما کمک می کند که به خوبی با محاسبات ارایه گرا و مفهوم ارائه ها اشنا شده و با آن ها کار کنید.


Scipy

🔹 یک ماژول پایتون می باشد که امکان دستکاری در ارایه های n بعدی را به آسانی و با سرعت فراهم می سازد. همچنین روتین ها و روال های عددی نیز همچون روتین هایی برای انتگرال گیری عددی و بهینه سازی در این ماژول بصورت یک امکان موثر و بسیار کاربرپسند اضافه شده اند. SciPy ماژول هایی برای بهینه سازی، جبر خطی، ادغام و دیگر وظایف مشترک در علم داده ها را به عهده دارد.

Matplotlib

🔹 ماژولی برای تصویر سازی و ویژوالیزیشن می باشد. Matplotlib این امکان را به شما می دهد که به سرعت یافته های خود را به صورت گراف و نمودار در آورده و فیگورهای حرفه ای بسازید. با استفاده از این ماژول می توانید از هر جنبه ای که بخواهید اشکال خود را بسازید و سفارشی سازی کنید.

Scikit-Learn

🔹 یک ماژول پایتون برای یادگیری ماشینی می باشد که بر روی SciPy سوار می شود. این ماژول مجموعه ای از الگوریتم های معروف یادگیری ماشینی می باشد که که از طریق یک رابط کاربری سازگار به کاربران ارائه شده است. در اینجا میتوانید نیم نگاهی به سری الگوریتم های موجود در این ماژول بپردازید.

Pandas

🔹 ماژولی برای پایتون می باشد که دارای ساختارهای اطلاعاتی سطح بالا و ابزارهای طراحی برای عملیات های ساده و سریع انالیزی می باشد. این ماژول بر روی NumPy سوار می بشود و استفاده از NumPy را آسان تر می سازد.
 

Theano

🔹 این کتابخانه، همچون Numpy  بسیار برای محاسبات عددی مناسب می باشد. بعضی کتابخانه ها همچون کتابخانه Pylearn2 از Theano به عنوان کامپوننت مرکزی برای عملیات های محاسباتی استفاده می کنند. Theano به شما اجازه می دهد تا عبارات ریاضی را ارزیابی، بهینه سازی و تعریف کنید تا بتوانید بر روی ارایه های چند بعدی آنها را اعمال کنید.

NLTK

🔹 پلتفورمی پیشرو در زمینه ساخت برنامه های پایتون برای کار با داده های به زبان انسان می باشد. این کتابخانه رابطی با استفاده آسان از بیش از ۵۰ پیکره و منابع واژگانی همچون WordNet، به همراه مجموعه ای از کتابخانه های پردازش متن برای طبقه بندی، توکنیزیشن، ریشه یابی، برچسب زدن، تجزیه کردن و استدلال معنایی و wrappers  برای کتابخانه های NLP صنعتی ارائه می کند. NLTK به عنوان موفق ترین پلت فورم پروتوتایپ سازی و ساخت سیستم های تحقیقاتی شناخته می شود.

Statsmodels

🔹 ماژول و مدلی برای پایتون می باشد که به کاربران خود اجازه میدهد در اطلاعات خود به اکتشاف بپردازند، مدل های آماری را ارزیابی کنند و تست های آماری بگیرند.

PyBrain

🔹 مخفف یادگیری تقویتی، هوش مصنوعی و شبکه عصبی مبتنی بر پایتون می باشد (Python-Based Reinforcement Learning, Artificial Intelligence, and Neural Network). این کتابخانه، کتابخانه ای متن باز می باشد که مخصوصا برای شبکه های عصبی و آموزش بدون نظارت مورد استفاده قرار می گیرد.

Gensim

🔹 یک کتابخانه برای مدل سازی موضوعی می باشد و بر روی Numpy و Scipy سوار می شود

#Beaty_statictics❤️

┏━━━━━
🌐  @Amar_kadeh 📖✍
 ┗━━━━━━━━━━

🟠 ١٠ چت‌بات هوش مصنوعی برتر

این روزها چت‌بات‌های مبتنی بر هوش مصنوعی به یکی از جذاب‌ترین فناوری‌ها تبدیل شده‌اند و کاربران زیادی را جذب کرده‌اند. شرکت‌ها هم که از این موضوع اطلاع دارند، با سرمایه‌گذاری‌های ریز و درشت محصولات خودشان را توسعه داده‌اند با این امید که بتوانند در مرکز توجه قرار بگیرند.


┏━━━━━
🌐  @Amar_kadeh 📖✍️
┗━━━━━━━━━━

🟠 اعلام نتایج کارشناسی ارشد وزارت بهداشت ۱۴۰۲ تا نیمه‌ شهریورماه

رئیس مرکز سنجش آموزش پزشکی از اعلام نتایج نهایی آزمون کارشناسی ارشد رشته‌های علوم‌پزشکی ۱۴۰۲ در نیمه شهریور خبر داد.


┏━━━━━
🌐  @Amar_kadeh 📖✍️
┗━━━━━━━━━━

دوره صفر تا صد مقاله نویسی
دوره مقاله نویسی رایگان که در حال تکمیل شدن هست
https://youtube.com/playlist?list=PLkiBJw9C-wjGU-VBXIq7TgrSVHBlazjQ8&si=LRP9q8UrqLxvfKVG
#مقاله_نویسی
┏━━━━━
🌐  @Amar_kadeh 📖✍️
┗━━━━━━━━━━

💯💯جهت هماهنگی برای انجام پروژه لطفا فقط با آیدی تلگرامی در تماس باشید مچکرم 🙏🏻
تماس پاسخ داده نمی شود

❓اما چرا پایتون؟
Why python?
Click here to find out more

پایتون نیز به دلایل مختلفی برای تحلیلگران فوق‌العاده است. مثلا از کتابخانه OpenCV - که برای Computer Vision استفاده می‌شود، می‌توانیم کارهای مانند Object Detection را انجام دهیم.

اما مشکلی که پایتون دارد این است که همه چیز object است که این کار را برای کارهای wrangling operations اندکی دشوار می‌کند. در مقابل R در این زمینه قوی‌تر است.

✳️ نقاط قوت پایتون در محصول‌سازی ML قرار دارد:

➖ خودکارسازی یا automation - کتابخانه یا بسته‌های airflow ، luigi
➖ بخش Cloud - کیت های توسعه نرم افزار AWS ، Google Cloud و Azure
➖ یادگیری ماشین - ScikitLearn
➖ یادگیری عمیق و computer vision - بسته‌های PyTorch ، TensorFlow، MXNet ، OpenCV
➖ پردازش زبان طبیعی یا NLP - بسته‌های spaCy ، NLTK

این ابزارهای محصول محور کار با تیم‌های بزرگ IT که با عملیات ابری سرو‌کار دارند را آسان‌تر می‌کند زیرا آنها از قبل در پایتون هستند.

بطور کلی اگر بر Pandas خوب مسلط شوید، پایتون به ابزاری عالی تبدیل می شود. اکثر تیم های فناوری اطلاعات Python را می‌شناسند، بنابراین کد شما دقیقاً در جریان کار آنها قرار می گیرد.

❇️ بنابراین انتخاب R یا Python بستگی به نیاز شما دارد. برای کارهای تحقیقاتی R ابزاری بهتر است و در مقابل python برای محصول سازی و تبدیل نتایج ML به محصول است.

#R #Python #پایتون               
┏━━━━━
🌐  @Amar_kadeh 📖✍️
┗━━━━━━━━━━━