👨🏻‍💻 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

چند روز پیش یه کتابچه ۵۰ صفحه‌ای پیدا کردم که Git رو از پایه و اصولی توضیح می‌ده، از دستورات ساده تا حرفه‌ای. کمکم کرد که بفهمم پشت هر دستور Git چه اتفاقی می‌افته.

✓ کار با دستورات مهمی مثل stash ،rebase و checkout

✓ مدیریت پیشرفته ریپو‌های لوکال

✓ مدیریت Branch‌ها و فرآیند Merge

👨🏻‍💻 تا حالا با بیش از ۱۰۰ مهندس ML/AI مصاحبه کردم. با ۹+ سال تجربه باید بگم که بزرگ‌ترین دلیلی که ۹۰٪ این افراد توی مصاحبه رد میشن، بخاطر ضعف توی بخش طراحی سیستمه!

دلیل شکست ۳۰٪ از پروژه‌های ML هم بد بودن مدل نیست، طراحی سیستم افتضاحه! از سال ۲۰۲۵ به بعد، طراحی سیستم‌های AI/ML یکی از مهم‌ترین و پول‌سازترین مهارت‌ها تو حوزه تکنولوژی شده.


اگه واقعا می‌خواین تو مسیر مهندس AI/ML شدن پیشرفت کنین، این ۴ کتاب رو به ترتیب بخونین (من همه‌شون رو خوندم):


کتاب Designing ML Systems

بهترین شروع برای درک توسعه سیستم‌های ML واقعی.


کتاب ML System Design Interview

ساختاردهی به تفکر سیستمی و معماری برای مصاحبه‌های ML.


کتاب AI Engineering

جزئیات طراحی و ساخت LLM، پیاده‌سازی RAG و انتخاب بهینه زیرساخت.


کتاب Designing Data-Intensive Apps

فهم اصول سیستم‌های داده‌محور پایدار و مقیاس‌پذیر.

پذیرفته شدگان آزمون ورودی دوره کارشناسی ارشد سال ١٤٠٤ هر دانشگاه در بازه زمانی ۵ تا ۸ مهر ماه انجام می گیرد./

فرقی نداره دیتابیست چقدر بزرگ باشه، دلیلی نداره جستجوت با Typesense کندتر از این باشه.

این ابزار یه موتور جستجوی اُپن‌سورسه، شبیه ElasticSearch ولی خیلی راحت‌تر برای راه‌اندازی، تنظیم و استفاده.


قابلیت‌هایی که این ابزار رو خاص می‌کنه:

جستجوی فازی: حتی اگه کاربر غلط تایپی هم داشته باشه یا همون موقع تایپ کنه، نتیجه درست می‌ده.

جستجوی برداری: می‌تونه رکوردهای مشابه رو برگردونه.

جستجوی معنایی: رکوردهایی که از نظر مفهومی به هم ربط دارن رو پیدا می‌کنه.

جستجوی مبتنی بر داده‌های جغرافیایی: می‌تونی نزدیک‌ترین رکوردها رو به یه موقعیت مکانی مشخص (طول و عرض جغرافیایی) پیدا کنی.

تقریباً برای هر زبون برنامه‌نویسی هم کتابخونه‌ی آماده داره (Python، JavaScript، PHP، Java، و …).

شروع کار باهاش هم خیلی آسونه:

داکر ایمیج Typesense رو اجرا کن.
دیتا‌ت رو وارد کن.
شروع کن به سرچ کردن!


┌ typesense
├ Website
└ GitHub-Repos

پروژه‌های مدل‌های زبان بزرگ ~~لینک

┌  Guided LLMs Projects
├  Chatbot with Langchain
├  Document Chat with OpenAI
├  Falcon 4 0BChat App
├  GPT Banker with LLaMA 2
├  Finetune Llama 2
├  Lex Fridman Podcast Summary
└  Veterinary Chatbot with Llama 2


پروژه‌های Fine-Tune مدل‌های زبان بزرگ  لینک

┌  Guided LLM Fine-tuning Projects
├  LLMs with LoRA & Hugging Face
├ Finetune Llama 2 in Colab
├  Guanaco Chatbot with LLaMA-7B
├  PEFT Bloom-560m
├  Finetune Meta OPT-6.1B
├  Finetune Falcon-7B with BNB
├  LLaMa2 with QLoRa
├ Stable Vicuna 1.3B in Colab
├  GPT-Neo-X 20B Training
├  MPT-Instruct-30B Training
├  RLHF Custom Dataset
├  Fine-Tune Microsoft Phi 15B
├  Finetuning GPT-3.5 Turbo
└  Mistral-7B with Autotrain


پروژه‌های تحلیل سری زمانی ~~ لینک

┌ 3-1) Forecasting Projects
├  Stock Prediction with LSTM
├  Forecasting with Prophet
├  Sales Forecasting with ARIMA
├  Weather Forecasting
├  Forecasting with XGBoost
├  Stock Prediction App
└  Forecasting with PyCaret

┌  3-2) Time Series Analysis Projects
├  Hourly Energy Analysis
├  Stock Market Analysis
└  Time Series EDA with PyCaret

┌  3-3) Anomaly Detection Projects
├  Anomaly Detection with PyCaret
├  Unsupervised Detection
└  Time Series Detection


پروژه‌های بینایی کامپیوتر ~~لینک

┌  Guided Computer Vision Projects
├  Deep Facial Recognition
├  Sign Language Detection
├  Enterprise Image Classifier
├  CV Mobile Apps
├  Image Search Engine
├  Vehicle Detection with Pi
├  MaskFormer Segmentation
├  Age Detection
├  Horse to Zebra CycleGAN
├  CV App with Azure
├  Object Detection with Sagemaker
├  Potato Disease Classification
└  Sports Celebrity Classification


پروژه‌های پردازش زبان طبیعی

┌  Guided NLP Projects
├  Speech Recognition
└  Embedding-Based Search


پروژه‌های علم داده ~~ لینک

┌  Guided Data Science Projects
├  Data Science Salary App
├  Real Estate Price App
├  Real-Time Data Analysis
├  ML Monitoring with Airflow
└  AI Recommender System

1️⃣ دانشگاه دولتی → شناخته‌شده‌تره و معمولاً اعتبار بیشتری داره. اسامی مثل تهران، شریف، امیرکبیر برای استادهای خارجی آشناتر هستن.

2️⃣ دانشگاه آزاد → در خارج هم شناخته می‌شه، اما اعتبارش کمی کمتر از سراسریه. با این حال، معدل خوب، مقاله و زبان قوی می‌تونه کاملاً ضعف اسم دانشگاه رو جبران کنه.

3️⃣ دانشگاه پیام نور → کمتر شناخته‌شده‌ست، اما اگر رزومه‌ قوی داشته باشی (مقاله، پروژه، تحقیق)، می‌تونی به‌راحتی شانس پذیرش بگیری.

✨ جمع‌بندی: اسم دانشگاه تأثیر داره، اما اصل کار روی معدل، مقالات، مهارت زبان، SOP و تجربه پژوهشیه. حتی با آزاد یا پیام نور هم می‌شه پذیرش و فاند گرفت، اگر رزومه‌ت قوی باشه.