دیتاهاب – Telegram
دیتاهاب
2.14K subscribers
184 photos
35 videos
127 files
327 links
موضوعات کانال:

Data Science
Machine Learning
Deep Learning
NLP

گروه تلگرامی ⬅️ @data_jobs
دیتاست ⬅️ @persian_data
ادمین ⬅️ @data_hub
Download Telegram
NumPy-Package3.pdf
331 KB
درود
❇️ در بخش سوم از معرفی یکی از پکیج های معروف در حوزه علم داده و یادگیری ماشین قرار داریم.
❇️نامپای یکی از کتابخانه های موجود در پایتون است که کاربرد اصلی آن برای مقاصد علمی و کار با اعداد است. این ماژول دارای توابع آرایه ای ریاضیات و آمار می باشد.
👈به همین منظور در این مقاله سعی شده است این پکیج در بخش های جداگانه مورد بررسی قرار بگیرد.
در بخش سوم از این آموزش به عملگرهای باینری، توابع مورد استفاده برای رشته ها، توابع ریاضی، عملگرهای منطقی و توابع آماری می پردازیم.

❇️@data_hub_ir
#یادگیری_ماشین
#تحلیل_داده #هوش_مصنوعی
#پایتون
درود

❇️تشخیص موجودیت نامدار یا همون ner یک مبحث مهم و پایه‌ای هستش که هر روزه روشهای جدیدتری براش معرفی میشه مثل این مقاله که تکنولوژی دوست داشتنی برت دخیل کرده.

لینک مقاله 👇🏻
https://towardsdatascience.com/unsupervised-ner-using-bert-2d7af5f90b8a

❇️@data_hub_ir

#مقاله
#مقاله_آموزشی
NumPy-Package4.pdf
264.2 KB
درود
❇️ در بخش چهارم از معرفی یکی از پکیج های معروف در حوزه علم داده و یادگیری ماشین قرار داریم.
❇️نامپای یکی از کتابخانه های موجود در پایتون است که کاربرد اصلی آن برای مقاصد علمی و کار با اعداد است. این ماژول دارای توابع آرایه ای ریاضیات و آمار می باشد.
👈به همین منظور در این مقاله سعی شده است این پکیج در بخش های جداگانه مورد بررسی قرار بگیرد.
در این بخش به بررسی ادامه توابع مورد استفاده در ماتریس ها، جبر خطی و رسم نمودارها با استفاده از matplotlib پرداخته شده است.

❇️@data_hub_ir
#یادگیری_ماشین
#تحلیل_داده #هوش_مصنوعی
#پایتون
درود

❇️یه مقاله جدید که بحث مهم ترنسفورمرها با کلی شکل و نمودار سعی کرده توضیح بده، فعلا قسمت اولشو بخونین تا قسمت دومشو براتون بزارم.

لینک مقاله 👇🏻
https://towardsdatascience.com/transformers-explained-visually-part-1-overview-of-functionality-95a6dd460452

❇️@data_hub_ir

#مقاله
#مقاله_آموزشی
NumPy-LastPart.pdf
60.8 KB
درود
❇️ در بخش پایانی معرفی یکی از پکیج های معروف در حوزه علم داده و یادگیری ماشین قرار داریم.
❇️نامپای یکی از کتابخانه های موجود در پایتون است که کاربرد اصلی آن برای مقاصد علمی و کار با اعداد است. این ماژول دارای توابع آرایه ای ریاضیات و آمار می باشد.
👈به همین منظور در این مقاله سعی شده است این پکیج در بخش های جداگانه مورد بررسی قرار بگیرد.
در آخرین قسمت به رسم هیستوگرام با استفاده از Matplotlib و نحوه ذخیره کردن فایل ها پرداخته شده است.
❇️@data_hub_ir
#یادگیری_ماشین
#تحلیل_داده #هوش_مصنوعی
#پایتون
scikit-learn-Part1.pdf
129 KB
درود
❇️ پس از اتمام آموزش استفاده از کتابخانه نامپای، در بخش اول معرفی یکی دیگر از پکیج های معروف در حوزه علم داده و یادگیری ماشین قرار داریم.
❇️ سایکیت لِرن یکی از کتابخانه های بسیار مؤثر برای یادگیری ماشین در پایتون است که شامل ابزارهای بسیار کارآمد و مدلسازی های آماری از جمله طبقه بندی، رگرسیون، خوشه بندی و کاهش ابعاد می باشد.
👈به همین منظور در این مقاله سعی شده است این پکیج در بخش های جداگانه مورد بررسی قرار بگیرد.
در بخش اول نحوه نصب ، ویژگی ها و روند مدلسازی با استفاده از این کتابخانه بررسی می گردد.
❇️@data_hub_ir
#یادگیری_ماشین
#تحلیل_داده #هوش_مصنوعی
#پایتون
scikit-learn-Part2.pdf
88 KB
درود
❇️ در بخش دوم معرفی یکی از پکیج های معروف در حوزه علم داده و یادگیری ماشین قرار داریم.
❇️ سایکیت لِرن یکی از کتابخانه های بسیار مؤثر برای یادگیری ماشین در پایتون است که شامل ابزارهای بسیار کارآمد و مدلسازی های آماری از جمله طبقه بندی، رگرسیون، خوشه بندی و کاهش ابعاد می باشد.
👈به همین منظور در این مقاله سعی شده است این پکیج در بخش های جداگانه مورد بررسی قرار بگیرد.
در بخش دوم به بررسی روشهای نمایش داده، ای پی آی ها و برخی قراردادهای تعریف شده در این پکیج، پرداخته شده است.
❇️@data_hub_ir
#یادگیری_ماشین
#تحلیل_داده #هوش_مصنوعی
#پایتون
scikit-learn-Part3.pdf
65.5 KB
درود
❇️ در بخش سوم معرفی یکی از پکیج های معروف در حوزه علم داده و یادگیری ماشین قرار داریم.
❇️ سایکیت لِرن یکی از کتابخانه های بسیار مؤثر برای یادگیری ماشین در پایتون است که شامل ابزارهای بسیار کارآمد و مدلسازی های آماری از جمله طبقه بندی، رگرسیون، خوشه بندی و کاهش ابعاد می باشد.
👈به همین منظور در این مقاله سعی شده است این پکیج در بخش های جداگانه مورد بررسی قرار بگیرد.
در بخش سوم مدلسازی خطی، روش بهینه سازی گرادیان کاهشی و ماشین بردار پشتیبان با استفاده از این کتابخانه بررسی می شود.
❇️@data_hub_ir
#یادگیری_ماشین
#تحلیل_داده #هوش_مصنوعی
#پایتون
درود

❇️یه مقاله در مورد GPT-۳ که البته یکم سنگینه ولی می‌ارزه که براش وقت بزارین بعدا یک پست دیگه براتون میزارم که با شکل و مثال مطلبو بهتر جا بندازه.

لینک مقاله 👇🏻
https://radiant-brushlands-42789.herokuapp.com/towardsdatascience.com/gpt-3-the-first-artificial-general-intelligence-b8d9b38557a1

❇️ @data_hub_ir

#مقاله
#مقاله_آموزشی
کارگاه نیم روزه آنلاین بررسی مدل زبانی Google BERT برای NLP
#اسفند1399
#Workshop #Online #BERT #NLP #IPM
scs.ipm.ac.ir/workshop.jsp
https://news.1rj.ru/str/convent/4044
scikit-learn-Part4.pdf
33.2 KB
درود
❇️ در بخش چهارم معرفی یکی از پکیج های معروف در حوزه علم داده و یادگیری ماشین قرار داریم.
❇️ سایکیت لِرن یکی از کتابخانه های بسیار مؤثر برای یادگیری ماشین در پایتون است که شامل ابزارهای بسیار کارآمد و مدلسازی های آماری از جمله طبقه بندی، رگرسیون، خوشه بندی و کاهش ابعاد می باشد.
👈به همین منظور در این مقاله سعی شده است این پکیج در بخش های جداگانه مورد بررسی قرار بگیرد.
در بخش چهارم داده های پرت و برخی الگوریتم های مورد استفاده برای شناسایی این داده ها و همین طور الگوریتم KNN توضیح داده می شود.
❇️@data_hub_ir
#یادگیری_ماشین
#تحلیل_داده #هوش_مصنوعی
#پایتون
scikit-learn-Part5.pdf
74.8 KB
درود
❇️ در بخش پنجم معرفی یکی از پکیج های معروف در حوزه علم داده و یادگیری ماشین قرار داریم.
❇️ سایکیت لِرن یکی از کتابخانه های بسیار مؤثر برای یادگیری ماشین در پایتون است که شامل ابزارهای بسیار کارآمد و مدلسازی های آماری از جمله طبقه بندی، رگرسیون، خوشه بندی و کاهش ابعاد می باشد.
👈به همین منظور در این مقاله سعی شده است این پکیج در بخش های جداگانه مورد بررسی قرار بگیرد.
در این بخش به بررسی و استفاده از دو الگوریتم بسیار مفید Naive Bayes و ِDTree با استفاده از این کتابخانه پرداخته شده است.
❇️@data_hub_ir
#یادگیری_ماشین
#تحلیل_داده #هوش_مصنوعی
#پایتون
درود به همگی
بعضا دوستان لطف دارند و پروژه به بنده معرفی می‌کنند ولی متاسفانه به دلیل زمان محدود امکان انجام همه موارد ندارم الان سه تا پروژه هست که خوشحال میشم قبول زحمت کنید
موضوعات با محوریت تحلیل داده هست و شامل پردازش تصویر و متن و داده کاوی هست
دوستان علاقمند یک رزومه از خودشون ارسال کنند تا بشه یک همکاری خوبی شکل داد

پروژه اول پیش پردازش یک دیتای جدولی
پروژه دوم یک پروژه حرفه‌ای متن‌کاوی
و پروژه سوم سیستم توصیه‌گر( پروژه سوم حالت استخدام هم داره و یکی از شرکت‌های خوشنام تهرانه که دنبال نیروی ارشد داده هستش که طبیعتا اطلاعات دقیق‌تر خصوصی بهتون میگم)

@mohammad_dehghani

لطفا در حد امکان به اشتراک بگذارین
@data_hub_ir
scikit learn-Part6.pdf
91.4 KB
درود
❇️ در بخش ششم معرفی یکی از پکیج های معروف در حوزه علم داده و یادگیری ماشین قرار داریم.
❇️ سایکیت لِرن یکی از کتابخانه های بسیار مؤثر برای یادگیری ماشین در پایتون است که شامل ابزارهای بسیار کارآمد و مدلسازی های آماری از جمله طبقه بندی، رگرسیون، خوشه بندی و کاهش ابعاد می باشد.
👈به همین منظور در این مقاله سعی شده است این پکیج در بخش های جداگانه مورد بررسی قرار بگیرد.
در بخش ششم روشهای Boosting, Clustering بررسی و همین طور روشهای خوشه بندی مقایسه شده اند.
❇️@data_hub_ir
#یادگیری_ماشین
#تحلیل_داده #هوش_مصنوعی
#پایتون
scikit-learn-LastPart.pdf
76.7 KB
درود
❇️ در بخش آخر از معرفی یکی از پکیج های معروف در حوزه علم داده و یادگیری ماشین قرار داریم.
❇️ سایکیت لِرن یکی از کتابخانه های بسیار مؤثر برای یادگیری ماشین در پایتون است که شامل ابزارهای بسیار کارآمد و مدلسازی های آماری از جمله طبقه بندی، رگرسیون، خوشه بندی و کاهش ابعاد می باشد.
👈به همین منظور در این مقاله سعی شده است این پکیج در بخش های جداگانه مورد بررسی قرار بگیرد.
در بخش پایانی روشهای ارزیابی Clustering و کاهش ابعاد با استفاده از PCA توضیح داده می شود.
❇️@data_hub_ir
#یادگیری_ماشین
#تحلیل_داده #هوش_مصنوعی
#پایتون
Data Cleaning Project.pdf
471.4 KB
درود
❇️ شواهد نشان می دهد تحلیلگران داده بیشتر از ۷۰ درصد از زمان خود را صرف فرآیند پاکسازی داده می کنند.
❇️ پاکسازی داده ها جزو اصلی ترین و اولین مراحل در هر پروژه هوش مصنوعی و داده کاوی می باشد.
👈به همین منظور در این مقاله برخی از متدهای روش Data Cleaning با استفاده از زبان برنامه نویسی پایتون آورده شده است .
❇️@data_hub_ir
#یادگیری_ماشین
#تحلیل_داده #هوش_مصنوعی
#پایتون
درود
قصد دارم به صورت کاملا رایگان به دونفر (یک نفر اصفهانی و یک نفر غیراصفهانی) به صورت فردی،
آموزش هایی در زمینه هوش مصنوعی و خصوصا علم داده ارائه بدم
شرایط اولیه:

❇️علاقه‌مندی به یادگیری علوم داده
❇️اشنایی اولیه و مقدماتی با علم داده
❇️دانشجوی مقطع لیسانس( از همه زیررشته‌های مهندسی کامیپوتر یا علوم کامیپوتر)

دوستان لطفا رزومه خودشون(حداکثر تا 16 فروردین) به ای دی زیر توی تلگرام بفرستن.
@datajm

لطفا در صورت امکان این پست را به اشتراک بگذارید.
@data_hub_ir