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.

این دوره مخصوص افراد مبتدی طراحی شده و به شما اصول ساخت برنامه‌های هوش مصنوعی مولد رو با درس‌های ساده و کاربردی آموزش می‌ده. هر درس شامل ویدیوهای کوتاه، نمونه کد پایتون و سایر منابع برای یادگیریه.

#GitHub
#Prompt_Engineering

جزوه دست نویس معادلات دیفرانسیل دانشگاه صنعتی اصفهان
✓جزوه دست نویس آمار و احتمال مهندسی دانشگاه صنعتی اصفهان
✓جزوه دست نویس جبرخطی دانشگاه صنعتی اصفهان
✓جزوه دست نویس برنامه نویسی پیشرفته دانشگاه صنعتی امیرکبیر
✓نمونه سوالات پایان ترم ریاضی ۲ از سال ۸۸ تا ۱۴۰۳ - دانشگاه صنعتی امیرکبیر
✓نمونه سوالات پایان ترم ریاضی مهندسی از سال ۹۵ دانشگاه صنعتی شریف
✓نمونه سوالات پایان ترم و میان ترم ترفند المپیادی از دانشجویان دانشکده ریاضی دانشگاه شریف
✓نمونه سوالات میان ترم و پایان ترم از سال ۹۰ تا ۰۳ درس برنامه نویسی به زبان پایتون
✓نمونه سوالات پایان ترم معادلات دیفرانسیل از سال ۸۹ تا ۰۳ دانشگاه صنعتی شریف
✓نمونه سوالات پایان ترم درس آنالیز عددی ۱ از سال ۸۹ تا ۰۳ دانشکده ریاضی دانشگاه صنعتی شریف
✓نمونه سوالات پایان ترم ریاضیات مهندسی از سال ۸۶ تا ۰۳ دانشگاه صنعتی امیرکبیر