Stanford University released yesterday a new course - 𝐃𝐞𝐞𝐩 𝐌𝐮𝐥𝐭𝐢-𝐓𝐚𝐬𝐤 𝐚𝐧𝐝 𝐌𝐞𝐭𝐚 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠 🚀 (CS330 Fall 2022). 𝐏𝐫𝐨𝐟. 𝐂𝐡𝐞𝐥𝐬𝐞𝐚 𝐅𝐢𝐧𝐧 teaches the course, and it focuses on the following:
✅ The foundations of modern deep learning methods for learning across tasks
✅ How to implement and work with practical multi-task & transfer learning systems (in PyTorch)
✅ A glimpse into the scientific and engineering process of building and understanding new algorithms

All the course materials are open and available below 👇

𝐑𝐞𝐬𝐨𝐮𝐫𝐜𝐞𝐬 📚
➡️ Course website: https://cs330.stanford.edu/
➡️ Slides: https://cs330.stanford.edu/lecture_slides/
➡️Video lectures: https://www.youtube.com/watch?v=bkVCAk9Nsss&list=PLoROMvodv4rNjRoawgt72BBNwL2V7doGI&ab_channel=StanfordOnline

Thanks to Prof. Chelsea Finn and Stanford University for making this resource open and available for free!

#datascience #machinelearning #deeplearning #reinforcementlearning #python #pytorch #course

وبسایت آمریکایی Corise دوره دوهفته ای R for Data science رو برگزار میکنه که مدرس بسیار قوی داره و تفاوتش با بقیه کورس ها لایو بودن ( برگزاری در زوم) ، تمرین و تصحیح و کامیونیتیه .ظرفیت محدودی داره و سرتیفیکیشن هم داره میتونید اپلای کنید اگر پذیرفته بشید میتونید رایگان شرکت کنید .
لینک دوره

دوستانی که علاقه مند به یادگیری Airflow وساخت پایپ لاین با Airflow هستند یکی از منابع خوب برای یادگیری رو از لینک زیر میتونید استفاده کنید
https://theaisummer.com/apache-airflow-tutorial/

دوستانی که در این دوره اپلای کرده بودن حتما میل خودتون رو چک کنید اگر اکسپت شده باشه میل رو باید تایید کنید تا بتونید در کلاس ها شرکت کنید

💻وبینار رایگان «بهبود عملکرد شخصی و حرفه‌ای با روش OKR »

👤سخنران: مهندس امیر ایمن‌پور
مدیر کسب‌وکار و مربی OKR

📌 سرفصل‌ها:
🔹خیلی کوتاه بدانیم OKR چیست
🔸مثال اول (شرکتی): ایجاد OKR در یک شرکت فعال درحوزه نرم افزار
🔹مثال دوم (شخصی): ایجاد OKR برای پدر یک خانواده

📆 تاریخ: چهارشنبه ۶ اردیبهشت | ساعت ۱۹

🔗 ثبت‌نام رایگان وبینار:
https://eseminar.tv/wb101036
➖➖➖➖➖➖➖➖➖➖ 
📱 @tiheac 
🌐 https://tihe.ac.ir 
☎️ 02186741

DeepLearning.AI announced today a new short course - ChatGPT Prompt Engineering for Developers by Andrew NG and Isa Fulford. The one-hour course covers the following topics:

✅ Prompt engineering best practices for application development
✅ Approaches for using LLMs to build your own custom chatbot
✅ Hands-on practice with the OpenAI API

The course is free for a limited time.
https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/

Free AI Course from Google: https://ai.google/education/

Free Python IBM course with Certificate: https://cognitiveclass.ai/courses/python-for-data-science

6-Month Roadmap to Becoming a Machine Learning Engineer for Free 19 free lessons to get you interview-ready and move ahead of 90% of people. Follow these steps in the specified order to ensure success: 𝗠𝗼𝗻𝘁𝗵 𝟭: 𝗠𝗮𝘁𝗵𝗲𝗺𝗮𝘁𝗶𝗰𝘀 & 𝗦𝘁𝗮𝘁𝗶𝘀𝘁𝗶𝗰𝘀 Weeks 1-2: Study Linear Algebra concepts - https://lnkd.in/eabKGp_p Weeks 3-4: Continue with Calculus and Probability & Statistics. Practice problems to solidify your understanding - https://lnkd.in/ea2DmZ2d 𝗠𝗼𝗻𝘁𝗵 𝟮: 𝗦𝗤𝗟 & 𝗗𝗮𝘁𝗮𝗯𝗮𝘀𝗲𝘀 𝗮𝗻𝗱 𝗠𝗼𝗿𝗲 𝗦𝘁𝗮𝘁𝗶𝘀𝘁𝗶𝗰𝘀 Weeks 1-2: Learn SQL basics - https://lnkd.in/ea2DmZ2d Weeks 3-4: Continue studying Probability & Statistics. Apply statistical concepts in SQL where possible. 𝗠𝗼𝗻𝘁𝗵 𝟯: 𝗖𝗼𝗿𝗲 𝗖𝗼𝗻𝗰𝗲𝗽𝘁𝘀 𝗼𝗳 𝗠𝗮𝗰𝗵𝗶𝗻𝗲 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 Weeks 1-2: Go through Google's ML Crash Course - https://lnkd.in/eT7NiGp6 Weeks 3-4: Go through Andrew Ng's ML Course - https://lnkd.in/e964AiC7 𝗠𝗼𝗻𝘁𝗵 𝟰: 𝗣𝗿𝗼𝗴𝗿𝗮𝗺𝗺𝗶𝗻𝗴 𝗦𝗸𝗶𝗹𝗹𝘀 (𝗣𝘆𝘁𝗵𝗼𝗻 & 𝗟𝗶𝗯𝗿𝗮𝗿𝗶𝗲𝘀) Weeks 1-2: Learn Python basics. https://lnkd.in/euyfHHxa Weeks 3-4: Start with Python libraries for Machine Learning. • Scikit-learn - https://lnkd.in/eqFhCwXt • TensorFlow - https://lnkd.in/e6RWbe9h • PyTorch - https://lnkd.in/efhPxZPM 𝗠𝗼𝗻𝘁𝗵 𝟱: 𝗠𝗼𝗱𝗲𝗹 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴 & 𝗧𝘂𝗻𝗶𝗻𝗴 𝗧𝗲𝗰𝗵𝗻𝗶𝗾𝘂𝗲𝘀, 𝗔𝗱𝘃𝗮𝗻𝗰𝗲𝗱 𝗗𝗲𝗲𝗽 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 𝗠𝗼𝗱𝗲𝗹𝘀 Weeks 1-2: Learn about model training and tuning techniques. • Intermediate ML - https://lnkd.in/e89AmkzE • Hyperparameter Tuning - https://lnkd.in/ezEnqeG2    Weeks 3-4: Start with Advanced Deep Learning Models. • Stanford's CS231n (CNNs) - http://cs231n.github.io/ • Deep Learning Book - https://lnkd.in/e_utEgZM 𝗠𝗼𝗻𝘁𝗵 𝟲: 𝗗𝗲𝗽𝗹𝗼𝘆𝗺𝗲𝗻𝘁, 𝗠𝗼𝗻𝗶𝘁𝗼𝗿𝗶𝗻𝗴, & 𝗠𝗮𝗶𝗻𝘁𝗲𝗻𝗮𝗻𝗰𝗲 𝗮𝗻𝗱 𝗥𝗲𝘀𝘂𝗺𝗲 𝗣𝗿𝗲𝗽𝗮𝗿𝗮𝘁𝗶𝗼𝗻, 𝗦𝗼𝗳𝘁 𝗦𝗸𝗶𝗹𝗹𝘀 & 𝗧𝗶𝗽𝘀 Weeks 1-2: Learn about deployment, monitoring, and maintenance. • Docker - https://lnkd.in/esXHzx9k • Git - https://lnkd.in/esQ8FMxS • AWS ML - https://lnkd.in/eZcdQPee • Azure ML - https://lnkd.in/e5fvmvtk    Weeks 3-4: Prepare your resume and improve your soft skills Resume and Soft Skills & Tips, and work on projects. • 217 Machine Learning Projects - https://lnkd.in/e5kyv3Tv

𝗬𝗼𝘂𝗿 𝟰-𝗠𝗼𝗻𝘁𝗵𝘀 𝗕𝗮𝗰𝗸𝗲𝗻𝗱 𝗗𝗲𝘃𝗲𝗹𝗼𝗽𝗲𝗿 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 𝗣𝗹𝗮𝗻 🚀 1️⃣ 𝗠𝗼𝗻𝘁𝗵 𝟭: 𝗚𝗲𝘁 𝘆𝗼𝘂𝗿 𝗯𝗮𝘀𝗶𝗰𝘀 𝗿𝗶𝗴𝗵𝘁 1. Learn Python: https://lnkd.in/eb4ke-9P 2. Python Projects: https://lnkd.in/eNWBfNzk 3. DSA with Python: http://bit.ly/3G3Dh0V     2️⃣ 𝗠𝗼𝗻𝘁𝗵 𝟮: 𝗗𝗶𝘃𝗲 𝗶𝗻𝘁𝗼 𝗙𝗹𝗮𝘀𝗸 𝗮𝗻𝗱 𝗔𝗣𝗜 Learn Flask: https://lnkd.in/eqAg3jZP Flask Projects: https://lnkd.in/eqnf7h-W Learn REST API with Flask: https://lnkd.in/e-TTahQf 3️⃣ 𝗠𝗼𝗻𝘁𝗵 𝟯: 𝗠𝗮𝘀𝘁𝗲𝗿 𝗮𝗱𝘃𝗮𝗻𝗰𝗲𝗱 𝗰𝗼𝗻𝗰𝗲𝗽𝘁𝘀 𝗮𝗻𝗱 𝗱𝗮𝘁𝗮𝗯𝗮𝘀𝗲𝘀 1. Learn Multithreading, Multiprocessing, Asyncio: https://lnkd.in/e_99Jiwp 2. Gunicorn & Nginx with Flask: https://lnkd.in/eWxgTNdB 3. TDD with Python & Flask: https://lnkd.in/eMjweHuZ 4. Basic RDBMS: https://lnkd.in/ebkPd8-q 5. Learn SQL: https://sqlbolt.com/ & W3Schools.com 6. PostgreSQL with Python: https://lnkd.in/esKUqNdt 7. Flask App with PostgreSQL: https://lnkd.in/eTzpcwNc     4️⃣ 𝗠𝗼𝗻𝘁𝗵 𝟰: 𝗣𝗼𝗹𝗶𝘀𝗵 𝘆𝗼𝘂𝗿 𝘀𝗸𝗶𝗹𝗹𝘀 𝗮𝗻𝗱 𝗽𝗿𝗲𝗽𝗮𝗿𝗲 𝗳𝗼𝗿 𝘁𝗵𝗲 𝗷𝗼𝗯 𝗺𝗮𝗿𝗸𝗲𝘁 1. Basics of Bash: https://lnkd.in/eZnG8cP6 2. Basics of Docker: https://lnkd.in/eFEK_aXW 3. Deploy Flask App with Docker: https://lnkd.in/eTjnFW8Y 4. GIT & GitHub: https://lnkd.in/ejshTxFw 5. Python Portfolio on Github: https://lnkd.in/eB2AanXj 6. Python Resume Ideas: https://lnkd.in/e_Fb7uNi

دوره رایگان ماشین لرنینگ با SciKit-Learn
توسط دولوپر های کتابخانه SciKit-Learn
به مدت ۳۶ ساعت به همراه آزمون و سرتیفیکیشن
شروع دوره از ۸ نوامبر
لینک ثبت نام
https://www.fun-mooc.fr/en/courses/machine-learning-python-scikit-learn/

دوره احتمال برای کامپیوتر ساینس از دانشگاه استنفورد (بروز) به تازگی منتشر شد
Probability for Computer Scientists (CS109).

Video lecture: https://www.youtube.com/watch?v=2MuDZIAzBMY&list=PLoROMvodv4rOpr_A7B9SriE_iZmkanvUg
Course website: https://web.stanford.edu/class/archive/cs/cs109/cs109.1232/

👀تمامی دوره های وبسایت data science 365 به مدت دوهفته رایگان قابل دسترسی هستند از ۶ الی ۲۰ نوامبر
این دوره ها دارای سرتیفیکیشن شرکت در دوره هستند و از تنوع خوبی برخوردارند و سطح علمی قابل قبولی برای استفاده کاربردی دارند .

لینک ثبت نام