هفت منبع با ارزش برای علم داده

machine learning
https://www.geeksforgeeks.org/machine-learning/?ref=lbp



Python programming language
https://www.w3schools.com/python/


SQL programming language
https://www.w3schools.com/sql/default.asp


R programming language
https://www.w3schools.com/r/default.asp


Pandas library
https://www.w3schools.com/python/pandas/default.asp


NumPy library
https://www.geeksforgeeks.org/numpy-tutorial/?ref=shm


Matplotlib library
https://www.w3schools.com/python/matplotlib_intro.asp





🆔 @code_pedia

✔️معرفی چند ربات کاربردی تلگرام

🤖 @BitcoinVoucherBot
✅- ربات برای خرید بیت کوین.

🤖 @SkeddyBot
✅یک برنامه کاری با یادآوری.

🤖 @TheFeedReaderBot
✅یک RSS خوان در داخل تلگرام.
به کمک این بات میتونید اکانتهای توییتری ، اینستاگرام ، استوری ها و کانالهای مورد علاقه یوتیوبی رو در بات دنبال کنید

🤖 @newfileconverterbot
✅ فایل ها را در همه فرمت ها تبدیل می کند.

🤖 @filetobot
✅ به عنوان فصای ابر شما با استفاده از زیرساخت TG عمل می کند.




🆔 @code_pedia

نقشه راه یادگیری SQL


🆔 @code_pedia

Statistical Methods for Data Science



برای دانلود کتابهای بیشتر در کانال عضو شوید

🆔 @code_pedia

✅ غیرفعال کردن اینترنت آزاد موبایل (ایرانسل و همراه اول)



🆔 @code_pedia

✅6 تا سایت ک صداهای ضبط شده رو به متن تبدیل میکنه:

⏯️ VoiceNote.in

2️⃣ Sonix.ai

3️⃣ Dictation.io

4️⃣ Chorme Speech

5️⃣ Google Docs

6️⃣ SpeechTexter.com




🆔 @code_pedia

چالش پایتون :برنامه‌ای بنویسید که بدون استفاده از اپراتور ضرب با توان، توان دو عدد دلخواه را محاسبه کند.


@code_pedia
#codepedia
#codechalleng
پاسخ : برای این کار میتوان از دو عدد حلقه و اپراتور جمع استفاده کرد

x = int(input())
y = int(input())
# # x^y
if y == 0:
    res = 1
else :
    temp = x
    for j in range(1,y):

    res = 0
       for i in range(x):
          res += temp

       temp = res
print(temp)

انویدیا دوره های آموزشی رایگانی را برای کاربران با هر سطحی در مورد شبکه های عصبی و مدل های عصبی منتشر کرده است تا کار هوش مصنوعی را درک کنند

⏩ explanation of generative AI: a based 2-hour course that will explain in detail the structure of neurons, their applications and capabilities;

https://courses.nvidia.com/courses/course-v1:DLI+S-FX-07+V1/

⏩ create a “brain” in 10 minutes: he will explain how a neuron learns from data and show all the mathematics under its hood;

https://courses.nvidia.com/courses/course-v1:DLI+T-FX-01+V1/

⏩ introduction to AI in the data center: everything about machine learning and deep learning; what frameworks are there and how video cards drive AI;

https://www.coursera.org/learn/introduction-ai-data-center

⏩ strengthening our LLM with the help of RAG: it will explain the entire generation database with an augmented sample;

https://courses.nvidia.com/courses/course-v1:NVIDIA+S-FX-16+v1/

⏩ creating your own RAG agents: a powerful 8-hour course on scalable deployment strategies for LLM and vector databases;

https://courses.nvidia.com/courses/course-v1:DLI+S-FX-15+V1/

⏩ speeding up work with Data Science without changing code: everything about data processing and machine learning without rewriting code;

https://courses.nvidia.com/courses/course-v1:DLI+T-DS-03+V1/

⏩ strengthening recommendation systems using AI: collab course between NVIDIA and YouTube;

https://www.classcentral.com/course/youtube-grandmaster-series-mastering-recommender-systems-184298

⏩ network design: a base about the TCP/IP and Ethernet protocols - necessary for understanding data processing processes.

https://www.coursera.org/learn/introduction-to-networking-nvidia

#Free_course



🆔 @code_pedia

✔️چگونه یک مشکل از هر زمینه ای را در 10 ثانیه حل کنیم؟

⭐️برای کسانی که درس می خوانند: اگر با کار دشواری روبرو هستید یا می خواهید محاسبات خود را بررسی کنید، از سرویس "ولفرام آلفا" استفاده کنید.

🖥این پایگاه داده عظیمی است که دانشمندان و کارشناسان سال هاست آن را ایجاد کرده اند.

⏯️. به سایت بروید
2️⃣. عبارت یا سوال مورد نظر را به زبان انگلیسی در نوار جستجو وارد کنید تا پلتفرم به شما پاسخ دهد.
3️⃣. یا به پایین بروید و موردی را که نیاز دارید از لیست موضوعات انتخاب کنید.

🔥این سرویس نه تنها به سؤالات یا وظایف مربوط به علوم دقیق، بلکه از علوم انسانی نیز پاسخ می دهد.

🔗 wolframalpha.com



🆔 @code_pedia

🤍 پیج خودت و بقیه آنالیز کن

⚪️تو این سایت میتونید یک پیج رو به طور کامل آنالیز کنید حالا یا خودتون یا بقیه و متوجه بشید این پیج چیکار کرده که تونسته پیشرفت کنه شمام الگو برداری کنید

⚪️ رایگان یک آمار خیلی کامل از پیج میده پست های وایرال شده هشتگ هایی استفاده شده تا وایرال بشه و....

https://viralfindr.com/




🆔 @code_pedia

یکی از کارهایی که برای سال جدید توی لیستتون باید باشه یادگیری markdown هستش یک زبان نشانه گذاری که خیلی ساده و البته بسیار پر کاربرد

@code_pedia

• چطوری از سال جدید زبان رو شروع کنیم :

۱) برنامه ریزی کن و روزی ۳۰ تا ۴۵ دقیقه هر روز براش وقت بذار (نه بیشتر نه کمتر)

۲)تعیین سطح از خودت بگیر که بدونی بعد ی مدت چقدر پیشرفت کردی.


۳) این اپلیکیشن ها بهت کمک میکنن
• word reference dictionary دیکشنری کامل و جامع
• Speaky پارتنر زبان برای خودت پیدا کن و باهاش تمرین کن
• English Central سخنرانی های سلبریتی های خارجی و با زیر نویس گوش بده برای مهارت شنیداریت عالیه

۴) برای گرامرت از کتاب grammar in use استفاده کن

۵) برای لغات و اصطلاحاتت از کتاب vocabulary in use و oxford word skill





🆔 @code_pedia

♨️ آپدیت اندروید 15 برای کدام یک از گوشی های گلکسی عرضه میشود؟!

▪️کمتر از ۶ ماه دیگه سامسونگ اولین نسخه از اندروید 15 رو برای گوشی های خودش منتشر میکنه (یعنی اواخر تابستان) ؛ حالا اگر میخواید ببینید گوشی شماهم در این لیست حضور داره یا نه نگاهی به اسامی زیر بندازید ↓

🔹 سری گلکسی S

• سری گلکسی اس ۲۴
• سری گلکسی اس ۲۳ (شامل S23 FE)
• سری گلکسی اس ۲۲
• سری گلکسی اس ۲۱ (شامل S21 FE)

🔹 سری گلکسی A

• گلکسی A73
• گلکسی A53
• گلکسی A33
• گلکسی A54
• گلکسی A34
• گلکسی A24
• گلکسی A14
• گلکسی A25
• گلکسی A15
• سری گلکسی A05

🔹 سری گلکسی M

• گلکسی M54
• گلکسی M34
• گلکسی M53
• گلکسی M33
• گلکسی M15





🆔 @code_pedia

• چطوری با پادکست گوش دادن زبان انگلیسیم رو فول کنم ؟ :

معرفی بهترین پادکست ها :
-BBC 6 minutes English
-The English we speak
-BBC learning English drama
-what if world
۱)بار اول پادکست رو بدون متن و زیر نویس گوش بدین فقط سعی کنید پیام اصلی پادکست رو بگیرین

۲)بار دوم پادکست رو حتماهمراه  با متن گوش بدین و سعی کنید عبارات اصطلاحات و کلماتی رو که بلد نیستین یجا یاد داشت کنید

۳)در مرحله بعد همون عبارات و لغت هارو از دیکشنری پیدا کنید معنی هاشونو
و بعد باز دوباره با پادکست گوش بدین همراه با متن ولی اینبار معنی جملات رو میدونید

۴)و در آخر روز بعد دوباره پادکست رو بدون متن گوش بدین و به تک تک عبارات و جملات ش دقت کنید و ار بار تکرار کنید و این باعث میشه اون واژگان و عبارات به بخش فعال ذهنتون تبدیل بشه و توی زبان ازش استفاده کنید.




🆔 @code_pedia

⭕️توضیحات👇👇👇👇👇⭕️

تجربه من بعد از چند ماه دنبال کار گشتن (برای پوزیشن های data scientist و MLE):

۱. الان دیگه سال ۲۰۱۹ نیست که همه در‌به‌در دنبال یه دیتا ساینتیست باشن که بیاد یه مدلی رو train کنه و data analysis انجام بده. این کارارو همه بلدن. مارکت الان data engineer و mlops engineer میخواد.
۲. مشکل اینکه همه میرن دیتا ساینس می‌خونن ولی دانشگاه اون چیزی که صنعت میخواد رو به شما یاد نمی‌ده. Train و test کردن مدل اونم تو نوت بوک برای پروژه‌های دانشگاس. صنعت از شما میخواد که بتونید مدل رو ببرید پروداکشن، scaling ،monitoring و orchestration بلد باشید. در واقع MLE باشید.
پس باید کار کردن با RestAPIs، Docker، Kubernetes رو یاد بگیرید. و از همه اینا مهم تر کار کردن با cloud مثلا AWS. اینکه چطور مدل رو دیپلوی کنید و پرفرومنسش رو مانیتور کنید خیلی مهمه. (لازم نیست همه اینارو فول باشید، ولی یادگیری هر کدوم ازینا یه قدم شمارو به آفر نزدیک تر می‌کنه)
۳. حتما MLOps یاد بگیرید. اینکه با CI/CD بتونید کل flow طراحی و دیپلوی مدل رو automate کنید. هرچی از اهمیت CI/CD بگم کمه. به نظرم GitHub Actions بهترین ابزار برای CI/CD عه.

کار کردن با ابزار experiment tracking و hyper parameter optimization رو یادبگیرد. مثل clearML یا MLFlow.
۴. تیر آخر: Data Engineering یاد بگیرید. هم خودش خیلی پوزیشن داره، هم data scientist ای که DE بلد باشه رو هوا میزن. شرکتها در به در دنبال DE هستن. یکی که بلد باشه دیتا رو از سورس ها مختلف جمع کنه، integrate کنه، clean کنه و preprocessing رو انجام بده.حالا کسی که بتونه کل کارای data pipeline رو automate کنه، مثلا با Airflow دیگه واقعاً خواهان داره.
به نظر من کسی Data Engineering و MLops بلد باشه واقعاً غیر ممکنه بیکار بمونه تو این مارکت. رقابت برای DS بالاس، چون همه بلدن دیتا تمیز آنالیز کنن، مدل رو دیتا تمیز train کنن. ولی هرکسی DE و Mlops و بردن مدل رو پروداکشن رو بلد نیست.
سعی کنید یک MLE خوب باشید، تا یه دیتا ساینتیست.

پ.ن: چیزایی که نیازه یک MLE  بدونه در عکس قابل بررسی هست.
پ.ن: نظر و پیشنهادات خودتون رو کامنت کنین.

#هوش_مصنوعی #منابع #پروژه



🆔 @code_pedia

کسب درآمد از هوش مصنوعی: از ChatGPT و Python برای تست استراتژی‌های معاملاتی و مدیریت داده ها کمک بگیرید

مراحل کار را در پست های بعد ببینید 👇



#درآمدزایی_با_هوش‌‌‌مصنوعی
#prompt

🆔 @code_pedia

1. Choice of Libraries

Begin with the required Libraries.

We can ask ChatGPT to get them for us.

Prompt → "Could you provide the Python code to import the necessary libraries for backtesting a trading strategy, focusing on data handling from Yahoo Finance and visualization?"




#درآمدزایی_با_هوش‌‌‌مصنوعی
#prompt

🆔 @code_pedia

2. Data Retrieval from Yahoo Finance

Now we need data for our backtest.

Let's use Yahoo Finance data for this.

Prompt → "How can I use Python to retrieve Bitcoin (BTC-USD) historical price data (daily OHLC and volume) from Yahoo Finance, starting from January 1, 2020?"




#درآمدزایی_با_هوش‌‌‌مصنوعی
#prompt

🆔 @code_pedia

3. Define the Strategy

We will build the simplest of strategies:

- A SMA crossover strategy.

Prompt → "With the Bitcoin data available, could you guide me through defining a Simple Moving Average (SMA) crossover trading strategy in Python using pandas?"




#درآمدزایی_با_هوش‌‌‌مصنوعی
#prompt

🆔 @code_pedia

4. Implement the Backtest

Now we want to analyze the performance of the strategy.

Prompt → "Now that the strategy is defined, how can I implement the backtest in Python using pandas, calculating the strategy's performance?"




#درآمدزایی_با_هوش‌‌‌مصنوعی
#prompt

🆔 @code_pedia