فایل python cheat sheet که حاوی بیشتر دستور های مورد نیاز و مهم پایتون هست.

@Python_AI_ML

فایل بسیار ارزشمند و جمع آوری شده شامل مفاهیم هوش مصنوعی، انواع شبکه های عصبی، کتابخانه های مختلف، زبان پایتون و ...
@Python_AI_ML

✅"وبینار نقشه راه هوش مصنوعی"

ارائه مفاهیم و انتخاب مسیر درست جهت ورود و فعالیت در دنیای هوش مصنوعی

بزودی....

🌐@Python_AI_ML

فیلم‌های ضبط شده سمینارها، کنفرانس‌ها و ورک‌شاپ‌های علم داده و یادگیری ماشین در سراسر دنیا به‌ تفکیک سال‌ تقدیم به شما عزیزان.
yun.ir/nraze2

🌐@Python_AI_ML

📣 انجمن علمی دانشجویی برق دانشگاه شهید بهشتی با همکاری شاخه برنامه نویسی پایتون برگزار می کند:

⏪ وبینار نقشه راه هوش مصنوعی

⏪مخاطبین: همه علاقه مندان حوزه تکنولوژی، برنامه نویسی و هوش مصنوعی

📅 پنج شنبه ۱۳ آبان ماه
⏰ ساعت ۱۴ الی ۱۵:۳۰
🕰مدت وبینار: ۱.۵ ساعت (به همراه پرسش و پاسخ)
⚠️ظرفیت محدود
💰هزینه ثبت نام: ۱۰ هزار تومان
🔹تخفیف ۲۰ درصدی برای ۲۰ نفر اول
🔖اعطای گواهی حضور و آشنایی با هوش مصنوعی جهت فعالیت در این حوزه

سرفصل ها:
چرا هوش مصنوعی؟
کاربردهای هوش مصنوعی
علم داده
یادگیری ماشین
یادگیری عمیق
پایتون
نقشه راه ورود پر قدرت به حوزه هوش مصنوعی
از کجا باید شروع کرد؟
معرفی منابع و پیش نیازها

جهت ثبت نام و شرکت در وبینار، وارد لینک زیر شوید:
https://eseminar.tv/wb40680

✅بعد از برگزاری وبینار فایل های پیوست وبینار بصورت رایگان در اختیار شرکت کنندگان قرار خواهد گرفت.

✅ویدیو ضبط شده پس از شرکت در وبینار به طور رایگان در پنل ایسمینار قابل دانلود هست.

✅هزینه جزئی ثبت نام به دلیل برنامه ریزی حضور شما عزیزان، تهیه و گردآوری فایل های پیوست وبینار و صدور گواهی حضور است.

پشتیبانی: ۰۹۳۷۵۲۷۴۲۲۹
🌐@Python_AI_ML

کانال آموزش برنامه نویسی پایتون با محوریت هوش مصنوعی و علم داده
🌐@Python_AI_ML

کدام یک از الگوریتم های یادگیری ماشین را استفاده کنیم؟!

#یادگیری_ماشین #منابع #آموزش

❇️ @Python_AI_ML

لیست بهترین مقالات ۲۰۲۱ هوش مصنوعی
https://github.com/louisfb01/best_AI_papers_2021

#مقاله #الگوریتمها #منابع #آموزش #هوش_مصنوعی

❇️ @Python_AI_ML

تقسیم بندی شاخه های یادگیری ماشین

@Python_AI_ML

فایل ارزشمند و جامع شامل مفاهیم و جمع بندی چکیده ای شبکه های عصبی، یادگیری ماشین،‌ یادگیری عمیق، کلان داده

❇️ @Python_AI_ML

🔴فایل ارائه شده در وبینار نقشه راه هوش مصنوعی

🔖گواهی ها به ایمیل شرکت کنندگان گرامی ارسال گردیدند.

🔵دریافت ویدئو وبینار در صورت عدم ثبت نام در وبینار:
https://eseminar.tv/wb40680

❇️@Python_AI_ML

یکی از بیشترین سوالاتی که پرسیده میشه اینه که از کجا و چطور باید شروع کنم (یادگیری عمیق) توی این پست می‌خوام به این سوال پاسخ بدم (تاریخ : ۱۰ آذر ۱۴۰۰)

افرادی که این سوال رو می‌کنند معمولاً دو دسته هستند اونهایی که آکادمیک بصورت خیلی جدی دنبال کردند و تئوری قضیه رو بلدند و اونهایی که هیچ دیدی از تئوری ندارند و بخاطر ترند بودن وارد میشوند.

چندتا فرض : ۱- لینوکس و پایتون رو بلد هستید (پایتون سطح متوسط و لینوکس همون LPIC 1 هم کفایت می‌کنه)
۲- با خوندن کتاب مشکلی ندارید
۳- قرار هست کلا بیخیال یادگیری به زبان فارسی بشید

این لیست کتابهایی هست که پیشنهاد میشه:

1- The hundred-page machine learning (Andriy Burkov)

این کتاب برای کسایی هست که یادگیری ماشین رو خیلی خیلی کم میشناسند، قبل از این که بخواید وارد بشید لازمه اول مطمئن بشید همون چیزی هست که فکرشو می‌کردید.

2- Hands on ML with scikit-learn, keras, tensorflow (2nd edition) (Aurelien Geron)

نیازی به تعریف نداره بهترین کتاب برای شروع کد زدن بدون ریاضیات پیچیده، بهمراه تئوری کافی.

اینجا مرحله‌ای هست که دانشگاهی و آموزشگاهی و ... و خیلی از افرادی که دارند کار می‌کنند (حدود ۹۵٪) میزنن جاده خاکی یا درحال پیاده‌سازی ایده‌ها و روش‌های مختلف هستند یا درحال خوندن مقالات روز دنیا، اینکه شما چقدر تسلط دارید و چقدر عالی مدل‌هارو ایجاد می‌کنید ی بحث هست اما اینکه آیا واقعاً این مدل می‌تونه به تمام مشتریان شما در زمان مناسب پاسخ بده و .... بحث مهمتری هست.

3- Build Machine Learning Powered Application : Going from idea to product (Emmanuel Ameisen)

برای شروع کتاب خوبی هست، البته مطالبی که توی کتابهای قبلی خوندید رو می‌تونید فقط نگاهی بندازید.

4- Machine Learning Engineering (Andriy Burkov)

مباحث مربوط به سرویس دهی و ... از یک جایی به بعد نیاز به ML engineer داره اما لازمه شما با این مباحث آشنایی کامل داشته باشید مخصوصاً اگر قراره پروژه خودتون رو راه بندازید.

5- Building Machine Learning Pipelines : Automating Model Life Cycle with Tensorflow (Hannes Hapke)

این بخش خیلی خیلی مهمه، قرار نیست تا ابد هر چندوقت یکبار بشینید و بصورت دستی دیتا جدید رو ترین کنید و همه مراحل رو پیش بگیرید باید از data pipeline ها استفاده کنید (چیزی که خیلی خیلی کم دیده می‌شه)

6- TinyML : Machine Learning with Tensorflow Lite on Arduino and Ultra-Low-Power Microcontrollers (Pete Warden)

شاید هیچ وقت لازم نشه روی این سخت‌افزارها سرویس دهنده باشید، اما چیزهایی که توی این کتاب قرار هست یاد بگیرید واقعاً واجب هست.

7- Practical Deep Learning for Cloud, Mobile, and Edge : .... (Anirudh Koul)

تا اینجا بصورتی بود که خسته کننده نباشه و کدینگ و ... هم پیش بره اما کم کم باید وارد مباحث تئوری و ریاضیات هم شد.

8- d2l.ai

بخش تئوری این کتاب شامل کلی tips and tricks می‌شه که جالب هستند.

9- deeplearningbook.org

همه‌ی تئوری‌ها و ریاضیاتی که پیچوندید رو باید بالاخره یاد بگیرید :)

امیدوارم این لیست مفید باشه، سعی کردم کتابهایی که خوب هستند یا خودم خوندم و نتیجه گرفتم رو فقط معرفی کنم وگرنه این لیست ادامه دار بود.
یه خبر خوب هم اینکه بزودی فیلم های متنوع و گلچین شده آموزش برنامه نویسی پایتون در کانال قرار می گیره...

امیدوارم مفید باشه 🌹
#چطور_شروع_کنیم

❇️@Python_AI_ML

#درک_مفهوم #بیش_برازش
#underfitting #overfitting

فرض کنید شما برای یک امتحانِ آخرِ ترم در حال درس خواندن هستید. استاد هم به شما ۱۰۰ عدد نمونه سوال داده است تا با استفاده از آن‌ها بتوانید خود را برای امتحان آماده کنید. اگر شما طوری مطالعه کنید که فقط این ۱۰۰ نمونه سوال را کامل بلد باشید و هر سوالِ دیگری که کمی از این ۱۰۰ سوال فاصله داشته باشد، اشتباه جواب دهید، یعنی ذهنِ شما بر روی سوالاتِ آموزشی که استاد برای یادگیری داده است Overfit یا بیش‌برازش شده است. حال اگر تمامی سوالات را به صورت مفهومی بلد باشید ولی هیچ کدام از سوالات را به صورتِ دقیق بلد نباشید، حتی اگر دقیقاً همان سوال‌ها هم در جلسه امتحان به شما داده شود، باز هم نمی‌توانید به درستی و با دقت پاسخ آن ها را بدهید، البته شاید بتوانید یک پاسخ نصفه و نیمه از سوالات بنویسید. اینجا ذهن شما Underfit شده است. این در حالی است که سوالات دیگری که نزدیک به این سوالات هستند را هم شاید بتوانید نصفه و نیمه پاسخ دهید (ولی دقیق نمی‌توانید).

❇️@Python_AI_ML

#underfitting #overfitting
مثال گفته شده در هنگام آموزش داده ها جهت پیش بینی در آینده نیز میتواند صادق باشد.
❇️@Python_AI_ML

روش های جلوگیری از بیش برازش (over fitting) :

1-استفاده از K-fold cross validation
2-استفاده از تکنیک های data augmentation
3-استفاده از feature selection
4-استفاده از regularization
5-توقف زود هنگام آموزش یا همان early stop
6-استفاده از تکنیکهای Ensemble learning
7-تقسیم درست داده های ترین و تست (hold out data)
8-استفاده از dropout
9-حذف لایه ها در مدل

#overfitting

❇️@Python_AI_ML

مروری بر الگوریتم های یادگیری عمیق و معماری آنها

#یادگیری_عمیق #منابع #الگوریتمها

@Python_AI_ML

📣 انجمن علمی دانشجویی برق دانشگاه شهید بهشتی با همکاری شاخه برنامه نویسی پایتون برگزار می کند:

⏪ وبینار بلاک چین، مفاهیم و کسب درآمد

⏪مخاطبین: افراد با زمینه‌های تحصیلاتی و علاقمندی گوناگون

📅 پنج شنبه ۱۴ بهمن ماه
⏰ ساعت ۱۴ الی ۱۵:۳۰
🕰مدت وبینار: ۱.۵ ساعت (به همراه پرسش و پاسخ)
⚠️ظرفیت محدود
💰هزینه ثبت نام: ۱۵ هزار تومان
🔹تخفیف ۲۰ درصدی برای ۲۰ نفر اول
🔖اعطای گواهی حضور و آشنایی با بلاکچین جهت فعالیت در این حوزه

سرفصل ها:
- مفاهیم بلاکچین
- جایگاه مهم بلاکچین در بین فناوری های دیگر
- بررسی ارزهای دیجیتال
- شرکت‌های بزرگ حوزه بلاکچین و رمزارزها
- مهارت‌ها و دانش مورد نظر برای کسب درآمد از بلاکچین
- استارتاپ‌های بلاکچینی

جهت ثبت نام و شرکت در وبینار، وارد لینک زیر شوید:
https://eseminar.tv/wb50646

✅ویدیو ضبط شده پس از شرکت در وبینار به طور رایگان در پنل ایسمینار قابل دانلود هست.

✅هزینه جزئی ثبت نام به دلیل برنامه ریزی حضور شما عزیزان، تهیه و گردآوری فایل های پیوست وبینار و صدور گواهی حضور است.
@aesa_pwut | وب‌سايت | اینستاگرام

📣 انجمن علمی دانشجویی برق دانشگاه شهید بهشتی با همکاری شاخه برنامه نویسی پایتون برگزار می کند:

💻 اولین دوره تعاملی آموزش برنامه نویسی پایتون مقدماتی
پل ورود به دنیای علم داده و هوش مصنوعی

⏪مخاطبین: افراد با زمینه‌های تحصیلاتی و علاقمندی گوناگون
‌
‌😍صفر تا صد بدون هیچ پیشنیاز قبلی
💵هزینه دوره: رایگان
🔖اعطای گواهی دارای نمره انجمن علمی برق دانشگاه شهید بهشتی
⏰زمان یادگیری انعطاف پذیر و انتخابی (بستر یوتیوب)
🔹ارتباط تعاملی با مدرس دوره پس از هر جلسه
💰جوایز ویژه برای دانشجویان برتر دوره:
نفر اول: ۱۲۸ هزار تومان
نفر دوم: ۶۴ هزار تومان
نفر سوم: ۳۲ هزار تومان

📅 شروع از ۲۳ بهمن ماه

👩‍💻مدرس دوره:
سید محمد شبیری
دانشجوی دکتری مهندسی برق
مدرس و توسعه دهنده حوزه هوش مصنوعی

نظر مدرس در مورد دوره: مشکلی که اکثر دوره های آموزشی مجازی دارند ملزم نمودن مخاطبان به شرکت در دوره در زمان های خاص است اما این دوره تعاملی و انعطاف پذیر یکی از بهترین دوره ها برای شروع یادگیری بهترین زبان برنامه نویسی جهان است.

🌐 جهت ثبت نام و شرکت در دوره، فقط کافیست وارد کانال زیر شوید:
❇️@TechVid_TV


@aesa_pwut | وب‌سايت | اینستاگرام

🔔یادآوری ورود به وبینار
شروع وبینار ساعت ۱۴