👨🏻‍💻 این مجموعه دوره‌ها در سه سطح مختلف دسته‌بندی شده و از مهارت‌های پایه مثل اکسل، SQL و پایتون شروع می‌کنه و بعد سراغ مباحث تخصصی‌تر مثل ارزیابی مدل‌ها، NLP و MLOps میره، و در نهایت به پروژه‌های عملی می‌رسه.

⬅️ همه این دوره‌ها رایگان هستن و محدودیت زمانی دارن. هر دوره لینک ثبت‌نام مستقیم داره و موضوعاتش طوری چیده شده که مثل یک نقشه راه، از تحلیل داده شروع کنی، بعد وارد یادگیری ماشین بشی و در نهایت برسی به هوش مصنوعی کاربردی.

👨🏻‍💻 چطور میشه یادگیری ماشین رو بدون ساعت‌ها دوره‌های طولانی یا کتاب‌های پیچیده فهمید؟ این چیت‌شیت جوابشه.

✓ یه نقشه راه خلاصه‌شده‌ که شما رو از شلوغی مفاهیم و موضوعات مختلف نجات می‌ده و فقط مباحث و نکات مهم رو در اختیارتون می‌زاره؛ از الگوریتم‌ها تا کاربردها، همه تو یک فایل جامع.


لینک فایل صوتی
✓هم می‌تونین نسخه متنی رو دانلود و مرور کنین و هم می‌تونین نسخه صوتیش رو از لینک زیر گوش بدین.

ساختمان داده‌ها‌ و الگوریتم‌ها فقط یک درس دانشگاهی نیست؛ بلکه یک رویکرد فکری برای حل مسئله است.

وقتی اصول ساختمان داده و الگوریتم رو درست یاد بگیرین، ذهن تحلیلی‌تری پیدا می‌کنیم، رویکردتون به حل مسئله منظم‌تر می‌شه و راهکارهایی ارائه می‌دین که سریع، دقیق و مقیاس‌پذیر هستن.

کتاب پی دی اف دانشجویان کامپیوتر استفورد آمریکا

🔴اگه می‌خواین پایتون رو خوب یاد بگیرین، هیچ چیزی بهتر از این نیست که با پروژه‌های واقعی سروکله بزنین. وقتی که خودتون شروع به کدنویسی کنین، هم درکتون از مفاهیم بهتر میشه و هم تجربه‌ی عملی کسب می‌کنین که خیلی با ارزشه.

✅ من در این فایل بیش از 50+ پروژه پایتون رو جمع آوری کردم که که همشون همراه با سورس کد هستن که هم برای مبتدی‌ها مناسبه و هم می‌تونه سطح مهارتتون رو ارتقاء بده. پس یه پروژه انتخاب کنین، سورس کد رو بردارین و شروع کنین به برای برنامه نویسی

👨🏻‍💻 هدف این پروژه، پیش‌بینی نمرات دانش‌آموزان با استفاده از روش‌های مختلف یادگیری ماشین بود. مراحل اصلی شامل پیش‌پردازش داده‌ها، مهندسی ویژگی‌ها، مدل‌سازی و ارزیابی مدل‌ها بودن.

داده‌های این پروژه از سوالی توی پلتفرم کگل به دست اومدن و بعد از کلی کار روی تمیزکاری داده‌ها و مهندسی ویژگی‌ها، مدل‌هایی مختلف رو پیاده کردم تا به بهترین پیش‌بینی ممکن برسم.

از دیتاست و کد نویسی گرفته تا آنالیز و نتایج پروژه، همگی در لینک‌ زیر موجوده.👇

┌  Student Grades Prediction
├  Dataset
└  GitHub-Repos

1هزینه‌های آزمون‌های زبان:
   - آزمون آیلتس (IELTS): هزینه ثبت نام این آزمون حدود ۲۳۰ تا ۲۵۰ دلار است.
   - آزمون تافل (TOEFL): هزینه این آزمون حدود ۱۸۰ تا ۲۵۰ دلار می‌باشد.
   - آزمون GRE یا GMAT: این آزمون‌ها برای دوره‌های تحصیلات تکمیلی (کارشناسی ارشد و دکترا) مورد نیاز هستند و هزینه آن‌ها نیز حدود ۲۰۵ تا ۲۵۰ دلار برای GRE و حدود ۲۵۰ دلار برای GMAT است.

2. هزینه ترجمه مدارک:
   - شامل هزینه ترجمه رسمی مدارک تحصیلی، ریزنمرات و سایر مدارک مورد نیاز است. این هزینه‌ها بسته به تعداد و نوع مدارک متفاوت است ولی به طور متوسط می‌تواند بین ۵۰ تا ۱۵۰ دلار برای هر مدرک باشد.

3. هزینه ارسال مدارک:
   - برخی از دانشگاه‌ها نیاز به ارسال فیزیکی مدارک دارند که شامل هزینه‌های پست بین‌المللی است. هزینه ارسال هر بسته ممکن است بین ۳۰ تا ۵۰ دلار باشد.

4. هزینه درخواست پذیرش (اپلیکیشن فی):
   - بیشتر دانشگاه‌ها برای بررسی درخواست پذیرش یک هزینه دریافت می‌کنند که معمولاً بین ۵۰ تا ۱۵۰ دلار برای هر دانشگاه است.

5. هزینه‌های ویزا:
   - هزینه درخواست ویزای دانشجویی نیز متفاوت است ولی به طور معمول بین ۱۰۰ تا ۳۰۰ دلار است.

6. هزینه آزادسازی مدارک تحصیلی:
دانشجویانی که تحصیل خود را در ایران به صورت روزانه و رایگان انجام دادن، باید هزینه تحصیل خود را بپردازند که چیزی در حدود 50 تا 60 میلیون تومن برای هر مقطع می باشد.

7. هزینه وثیقه سربازی:
متقاضیان مهاجرت تحصیلی مشمول خدمت سربازی جهت خروج از کشور باید 70 تا 80 میلیون تومان وثیقه سربازی به نظام وظیفه بسپارند

👨🏻‍💻 این جزوه در دو بخش به بررسی نکات و تکنیک‌های مقدماتی و پیشرفته پایتون می پردازه.

بخش اول بیش از 100 نکته مهم پایتون رو پوشش میده که برای دانشمندان داده و دولوپر‌های پایتون در هر سطحی فوق العادست و بدون شک مهارت پایتون شما رو ارتقا میده.👌🏼

🔹 بخش دوم به تکنیک‌های پیشرفته پایتون می‌پردازه که برای پیشرفت و تسلط به پایتون و انجام پروژه‌های واقعی و با دیتاست‌‌ بزرگتر بسیار کاربردیه.💯

🇪🇺 اروپا
⏳ مدت: ۳–۴ سال
📌 بیشتر شبیه شغل پژوهشی هست، روی پروژه مشخص استخدام می‌شی.
💰 معمولاً حقوق (Salary) می‌دن.
📝 اپلای به پوزیشن‌های اعلام‌شده (مثلاً EURAXESS).

🇺🇸 آمریکا
⏳ مدت: ۵–۷ سال
📌 اول واحد درسی و امتحان جامع داری، بعد وارد پژوهش می‌شی.
💰 فاند از طریق TA/RA یا Fellowship.
📝 اپلای به برنامه دپارتمان، نه پوزیشن خاص.

🇨🇦 کانادا
⏳ مدت: ۴–۵ سال
📌 شبیه آمریکا، اما کوتاه‌تر.
💰 فاند ترکیبی از استاد + اسکالرشیپ.
📝 باید قبل اپلای با استاد مکاتبه کنی.

🇦🇺 استرالیا
⏳ مدت: ۳–۴ سال
📌 پژوهش‌محوره، واحد درسی کمی داره.
💰 فاند از طریق بورسیه‌های دولتی (مثل RTP) یا گرنت استاد.
📝 نیاز به پروپوزال دقیق + تایید استاد.

👨🏻‍💻 دیگه الان اکثر بچه‌های علوم کامپیوتر و علوم داده با پایگاه علمی arXiv آشنایی دارن. پایگاهی که شامل خیلی از مقالات علمی و حتی جزوه‌ها و یادداشت‌های درسی میشه و تا آوریل ۲۰۲۵، ۲.۸ میلیون مقاله و جزوه تو این پلتفرم منتشر شده!
تازگیا یه قابلیت جدیدی به این پلتفرم اضافه شده که می‌تونید لینک مقاله مورد نظرتون رو بردارین و توی آدرسش “arxiv” رو با “soarxiv” جابجا کنین و تو یه چشم به هم زدن، جایگاه و تأثیر اون مقاله رو، تو شبکه مقالات علمی ببینین.


┌ soarXiv
└ Website

از مفاهیم پایه تا مباحث حرفه‌ای، این جزوه تو بیش از ۱۱۰ صفحه‌یِ پر از جزئیات، با ۱۲ پروژه‌یِ واقعی، مرجعی یکپارچه برای یادگیری، طراحی و پیاده‌سازی عملی AI Agentهاست.


✓ اصول پایه ایجنت‌ها
✓ تفاوت LLM با RAG و Agentها
✓ الگوهای طراحی ایجنت‌ها
✓ ساخت ابزار اختصاصی با MCP
✓ و ۱۲ پروژه عملی و کاربردی