کد استخراج اطلاعات سایت ایران داک به تفکیک سال

📱 GitHub Repo

ی ابزار جامع و کامل برای هر کاری که بخواین روی تصویر یا متون فارسی انجام بدین، واقعا آچار فرانسه محسوب میشه


📱 GitHub Repo

رفقا سلام
🚀 یک هدیه باحال در انتظارتونه! 🎁

برای دریافت هدیه‌ای به ارزش 500 هزار تومان، فقط کافی‌ست 1.5 دقیقه وقت بذارید و پرسشنامه‌ی کوتاه ما رو تکمیل کنید!

📝 چطور؟

پرسشنامه خیلی آسونه، فقط چندتا گزینه انتخاب کنید و تمام.

در پایان، هدیه‌ی ما به شما تعلق می‌گیره! 🌹
پیشاپیش از همراهی و حمایت شما سپاسگزاریم! 🙏

🔗 لینک پرسش نامه

اگه نکته یا سوالی بود حتما پیام بدین @data_hub

سلام؛ اين مخزن كد، به همراه تعداد قابل توجهي ديكشنري انگليسي به فارسي در موضوعات مختلفه:
https://github.com/VahidN/EnglishToPersianDictionaries

یه مجموعه کد مفید برای خلا‌صه‌سازی متون فارسی هم استخراجی و هم انتزاعی! در این ریپازیتوری، ابزارهای لازم برای خلاصه‌سازی متون بلند فارسی با استفاده از تکنیک‌های پیشرفته یادگیری ماشین و پردازش زبان طبیعی فراهم شده. این کدها می‌تونن در پروژه‌های مختلف از جمله تولید محتوا، تحلیل داده‌های متنی، و بهبود کارایی سیستم‌های پشتیبانی مشتریان استفاده بشن. با استفاده از این ابزارها، می‌تونید متون طولانی رو به راحتی و با دقت بالا خلاصه‌سازی کنید.

📱 GitHub Repo

یک پروژه کاربردی برای پرسش و پاسخ مقالات فارسی. این پروژه با استفاده از پردازش زبان طبیعی و تکنیک‌های یادگیری ماشین، به شما این امکان را می‌دهد که به سوالات مختلف در مقالات فارسی به راحتی پاسخ دهید. این ابزار می‌تواند در تحقیقات دانشگاهی، جستجوی اطلاعات یا حتی تسهیل دسترسی به اطلاعات درون سازمانی بسیار مفید باشد. دیتاست و مدل‌های استفاده شده در این پروژه کاملاً مناسب برای زبان فارسی بهینه شده‌اند.

📱 GitHub Repo

این نوت‌بوک جالب در لینک ارائه‌شده، شامل کدها و توضیحات کاربردی برای یادگیری مبانی پایتون است. مجموعه‌ای از مثال‌های ساده و قابل فهم که به شما کمک می‌کند تا مهارت‌های برنامه‌نویسی خود را افزایش دهید. اگر در حال شروع یادگیری پایتون هستید یا نیاز به مرور مفاهیم پایه دارید، این نوت‌بوک می‌تواند بهترین مرجع برای شما باشد. ضمناً، از این نوت‌بوک می‌توانید در محیط‌های آموزشی و دوره‌های برنامه‌نویسی بهره ببرید.

📱 GitHub Repo

این ابزار وب‌کِرولِر فارسی برای جمع‌آوری اطلاعات از وبسایت‌های مختلف فارسی طراحی شده‌است. Persian Web Scraper با تمرکز بر زبان فارسی به شما کمک می‌کند تا داده‌های مورد نیاز خود را به صورت سریع و کارآمد استخراج کنید. این ابزار می‌تواند در پروژه‌های داده‌کاوی، تحلیل محتوا و سایر بررسی‌های مبتنی بر داده‌های اینترنتی مورد استفاده قرار گیرد.

📱 GitHub Repo

مجموعه ابزار قدرتمند برای پردازش و کار با متن‌های فارسی! با استفاده از این کتابخانه، شما می‌توانید به راحتی و به صورت کارآمد متن‌های فارسی را مورد پردازش قرار دهید. این ابزارک‌ها شامل قابلیت‌هایی نظیر توکنایز کردن، نرمال‌سازی، ریشه‌یابی و سایر عملیات مرتبط با زبان فارسی هستند که می‌تواند در پروژه‌های NLP و متن‌کاوی به شما کمک کند. با استفاده از این کتابخانه، فرآیند پردازش زبان فارسی در پروژه‌های خود را سریع‌تر و دقیق‌تر کنید.

📱 GitHub Repo

🔍 شناسایی اخبار جعلی فارسی:

این مخزن شامل مجموعه داده‌ای از اخبار جعلی به زبان فارسی است که به منظور شناسایی و تمایز اخبار واقعی از جعلی در رسانه‌ها و شبکه‌های اجتماعی ایجاد شده است. از طریق این مجموعه، پژوهشگران و توسعه‌دهندگان می‌توانند الگوریتم‌ها و مدل‌های یادگیری ماشین خود را برای تشخیص اخبار تقلبی بهبود بخشند.

📚 کاربردها:
- پروژه‌های یادگیری ماشین: آموزش مدل‌ها برای تشخیص و طبقه‌بندی اخبار جعلی.
- پردازش زبان طبیعی (NLP): تجزیه و تحلیل متون فارسی و بهبود دقت مدل‌های NLP.
- مطالعات رسانه‌ای: بررسی و تحلیل صحت اخبار منتشر شده در رسانه‌های فارسی‌زبان.

از این مجموعه داده می‌توان برای بهبود امنیت اطلاعات و جلوگیری از انتشار اطلاعات نادرست در جامعه استفاده کرد.

📱 GitHub Repo

به دنبال یادگیری Markdown به زبان فارسی هستید؟ این لینک یک آموزش جامع و کامل از مارک‌داون به زبان فارسی است. این مخزن شامل توضیحات مفصل و مثال‌های کاربردی برای تمامی سینتکس‌ها و ویژگی‌های مارک‌داون است. این مجموعه برای برنامه‌نویسان، بلاگرها و هر کسی که می‌خواهد متون خود را به صورت شکیل و تمیز فرمت کند، بسیار مفید و کاربردی است. یادگیری مارک‌داون به شما کمک می‌کند تا مستندات و متون خود را به راحتی و با کیفیت بالا ایجاد کنید.

📱 GitHub Repo

این دیتاست شامل اطلاعات ارزشمند از پتنت‌های ثبت شده در ایران است. مجموعه داده Persian-Patent-Dataset جمع‌آوری شده از منابع معتبر و کامل، توسط توسعه‌دهندگان برای استفاده پژوهشگران و علاقه‌مندان به تحلیل پتنت‌ها و نوآوری‌ها. این دیتاست شامل ویژگی‌هایی چون عنوان، خلاصه، شماره پتنت، سال ثبت و نام مخترع است. این مجموعه برای تحقیقات دانشگاهی، تحلیل‌های حقوقی و توسعه مدل‌های یادگیری ماشین در زمینه حقوق مالکیت فکری مناسب می‌باشد.

📱 GitHub Repo

دوستی اومدن و مدل T5 فاین تیون کردن ک بتونه متون رسمی به محاوره تبدیل کنه و برعکس.

📱 GitHub Repo

راهنمای کاربردی و ساده برای ساخت چت‌بات به زبان فارسی!

این پروژه شامل یک چت‌بات ساده به زبان فارسی است که با استفاده از الگوریتم‌های پردازش زبان طبیعی (NLP) و مدل‌های ترکیبی نوشته شده است. هدف این پروژه، فراهم آوردن یک مثال عملی و آموزشی جهت پیاده‌سازی چت‌بات‌های زبان فارسی می‌باشد.

این چت‌بات برای پاسخ به سوالات متداول و ارائه اطلاعات ساده در محیط‌های کاربردی مختلف مثل وبسایت‌ها و اپلیکیشن‌ها قابل استفاده است.

با مراجعه به این لینک، می‌توانید به کدمنبع و مستندات پروژه دسترسی پیدا کنید و با استفاده از راهنماهای موجود، چت‌بات خود را بسازید.


📱 GitHub Repo

من دوتا دیتاست فارسی ساختم اخیرا که جزو بزرگترین‌ها توی نوع خودشونن

دیتاست اسامی و جنسیت‌شون که شامل نگارش انگلیسی اسامی هم هست
لینک هاگینگ‌فیس و گیتهاب
https://huggingface.co/datasets/farbodbij/persian-gender-by-name
https://github.com/farbodbj/persian-gender-by-name

دیتاست فامیلی‌ها و درصد تکرارشون:
https://huggingface.co/datasets/farbodbij/iranian-surname-frequencies
https://github.com/farbodbj/iranian-surname-frequencies

یک چت‌بات پزشکی کاربردی که می‌تواند به سوالات مختلف کاربران در زمینه سلامت و پزشکی پاسخ دهد. این پروژه با هدف ایجاد یک ابزار مفید برای دسترسی آسان و سریع به اطلاعات پزشکی و مشاوره اولیه طراحی شده است. این چت‌بات می‌تواند در کلینیک‌ها، بیمارستان‌ها، سایت‌های سلامت و حتی اپلیکیشن‌های موبایل مورد استفاده قرار گیرد (التبه نیاز به بهبود دارد). همچنین قابل استفاده در پروژه‌های هوش مصنوعی و پردازش زبان طبیعی است.

📱 GitHub Repo

از عجایب روزگار
یک کانالی هست که به صورت مستمر سعی می‌کنه جدیدترین مطالبی که به چشمش میاد، منتشر کنه که لازم نباشه هر روز توی گیتهاب سرچ کنید و صرفه جویی زمانی براتون بشه

و تا جای ممکن تبلیغ قبول نکنه
یعنی با وجود پیشنهادهای تبلیغاتی زیاد
ترجیح بده که با پست تبلیغاتی کانال شلوغ نشه

حالا بعضی منت میزارند و لطف می کنند و دیسلاک می‌کنند
شاید عجیب باشه ولی این حرکات، آدم را دلسرد می‌کنه از ایده‌های بزرگتری که واسه کانال داره

https://huggingface.co/datasets/dadashzadeh/Persian_abbreviations

لیست مخفف ها همراه با دسته بندی

https://huggingface.co/datasets/dadashzadeh/Manufacturers-Persian

برند های سایت دیجی کالا

https://huggingface.co/datasets/dadashzadeh/Persian_Cooking
دستور پخت و آشپزی

https://huggingface.co/datasets/dadashzadeh/Collection-of-drug-names-in-Persian
نام های دارو همراه با دسته بندی

یک پروژه فوق‌العاده برای علاقمندان به پردازش زبان طبیعی! هدف این پروژه تشخیص نیت کاربران از جملات بلند و پیچیده است. این ابزار قدرتمند می‌تواند در انواع برنامه‌های چت‌بوت، تحلیل گفتگو و حتی دستیارهای هوشمند مورد استفاده قرار گیرد. اگر به حوزه NLP علاقه دارید، این پروژه می‌تواند مرجع خوبی برای شما باشد!

📱 GitHub Repo

برای علاقه‌مندان به علم داده و کسانی که می‌خواهند به صورت خودآموز به این حوزه ورود کنند، این مخزن گیتهاب یک منبع بسیار کارآمد و کامل است. این مخزن شامل مجموعه‌ای از منابع آموزشی، دوره‌ها، کتاب‌ها و تمرین‌های عملی است که می‌تواند شما را از سطح مبتدی به حرفه‌ای در علم داده هدایت کند. این منابع بصورت جامع و مرحله‌به‌مرحله تنظیم شده‌اند و می‌توانید آن‌ها را برای یادگیری مهارت‌های مورد نیاز در حوزه علم داده، تحلیل داده‌ها و یادگیری ماشین استفاده کنید. همین حالا شروع کنید و سفری جذاب به دنیای علم داده را آغاز نمایید.

📱 GitHub Repo