مجموعه اشعار مختلف فارسی

🗃 نوع: #متن

📖 توضیحات:
شامل متن اشعار، ایست واژه ها و کد کرالر. این داده ها برای ایجاد مدل زبانی و nlg توصیه می شود.


📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://github.com/amnghd/Persian_Literature_DataBase

لطفا به اشتراک بگذارید👈🏻 @persian_data

Some datasets for ML and Datascience

🗃 نوع: #متن

📖 توضیحات:
یک ریپ از مجموعه دیتاست‌های فارسی که یکم بهم ریختس ولی میشه بین فایلها، دیتا خوب پیدا کرد کی دو تا تحلیل فارسی هم هست که دید خوبی به خواننده میده

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://github.com/skorani/persian-dataset

لطفا به اشتراک بگذارید👈🏻 @persian_data

یک دیتاست جالب برای استخراج کلمات کلیدی

🗃 نوع: #متن

📖 توضیحات:
This repository contains two proposed annotated datasets for automatic keyphrase extraction task. Every dataset contains a document (. txt) and its corresponding text body and text gold-standard keywords list

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://github.com/HamidHabibzadeh/KeyphraseExtractionDataset/blob/master/PersianNewsDataset.txt

لطفا به اشتراک بگذارید👈🏻 @persian_data

یک ابزار رایگان کاربردی

🗃 نوع: #سورس_کد

📖 توضیحات:
بارها شده دلمون بخواد فایل pdf فارسی تبدیل کنیم ولی امکانش نبوده . این ابزار رایگان یک کدی هست که به پایتون نوشته شده و هدفش تبدیل pdf هست(حتی pdfهایی که از نوع تصویر هستند)

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://github.com/mmahdibarghi/pdf2txt

لطفا به اشتراک بگذارید👈🏻 @persian_data

این اوج بی اخلاقیه(یک نوع دزدی)!
پست کانال خط به خط کپی کنند
و اسم ناشر حذف کنند.

پ.ن: چون قبلا هم این کار انجام داده بودند مجبور شدم الان تذکر بدم.

اگر هدفتون یادگیری پایتون هست و دنبال یک سری تمرین ساده تا پیچیده هستین توصیه می کنم این ریپ از دست ندین
توضیحات دوستمون در مورد ریپ خوبش:
این مخزن شامل تمرین های من در هنگام یادگیری زبان پایتون می شود . همچنین ترجمه فارسی مسائل سایت پروجکت اویلر هم قرار داده شده است.
https://github.com/siniorone/Project-Euler

@persian_data

من اين ديتاست رو با جمع اوري اطلاعت سايت شيپور ساختم. با كمك selenium و beautifulsoap . داده ها كاملا واقعي هستن ويژگي هاي مثل متراژ، ادرس به انگليسي، تعداد اتاق خواب، اسانسور، انباري، پاركينگ ودر نهايت قيمت به تومان و دلار رو شامل ميشه. اميدوارم براتون مفيد باشه. ميتونه تمرين خيلي خوبي براي regression باشه و حس خوبي بهتون بده چون داده ها اشنا به نظر ميان ( همگي مربوط به شهر تهران هستن)
https://www.kaggle.com/mokar2001/house-price-tehran-iran
لطفا به اشتراک بگذارید👈🏻 @persian_data

دیتاست PersainTelegramData شامل داده های حدودا 500 کانال تلگرامی هست که در یک بازه زمانی دو هفته ایی جمع آوری شده است و مناسب تسک هایی مثل تحلیل داده های یک کانال خاص و یا پیش بینی هشتگ ها و کلمات کلیدی یک متن و یا پیش بینی زمان بعدی ارسال پست توسط یک کانال (مسئله سری زمانی) می باشد

@persian_data

https://github.com/rominaoji/PersianTelegramData

اين ديتاست بومی و جالب در زمینه ریسک سکته قلبی هست و برای انجام کارهای بین رشته ای هوش مصنوعی و پزشکی مناسب هست.

https://www.kaggle.com/mokar2001/ascvd-heart-risk

لطفا به اشتراک بگذارید👈🏻 @persian_data

دیتاست جدید، دیتاست کافه بازار که شامل توضیحات و دسته بندی برنامه هست. به درد ایجاد سیستم توصیه گر یا خوشه بندی میخوره.
https://github.com/rastadayon/Persian-App-Denoscription-Classification-using-Transformers

لطفا به اشتراک بگذارید👈🏻 @persian_data

یک پروژه جالب از تشیخص جنسیت بر اساس متن هستش. این مدل کارها خلاقانه و ترکیبی هستند و خیلی مناسب برای کارهای پژوهشی هست. در ضمن کد و دیتاست این کار
موجود است

https://github.com/mirzanahal/Persian-Gender-Recognition


لطفا به اشتراک بگذارید👈🏻 @persian_data

یک کد و دیتاست فارسی باحال در زمینه تشخیص شایعه
از هر نظر کامل بود و هم روش های مختلف تست شدند و هم دیتاست موجوده و هم شیوه نامه تگ زنی معرفی شده.
https://github.com/Zarharan/PersianStanceDetection

لطفا به اشتراک بگذارید👈🏻 @persian_data

یک کار ساده و سرگرم کننده
تشخیص موضوع آهنگ های فارسی به کمک lda و topic modeling
کد و دیتاست و توضیحات وجود داره
https://github.com/mohammadaminabbasi/Darkflow-NLP-Persian-Music-Recommendation-on-Lyrics

لطفا به اشتراک بگذارید👈🏻 @persian_data

یک پروژه تکست کلسیفیکیشن که پروژه ارشد بوده
دیتاست از توییتر فارسی جمع اوری شده و به صورت خودکار و براساس هشتگ برچسب خورده
هم دیتاست وجود داره و هم کل پیاده سازی‌ها

https://github.com/elirn98/classification-of-persian-tweets-using-neural-networks

لطفا به اشتراک بگذارید👈🏻 @persian_data

یک دیتابیس از حدود 700 هزار کلمه فارسی
یکی از مهم ترین کاربردهاش توی مدل‌های زبانی هست. و البته یک کار خوبی که میشه باهاش کرد حذف کلمات بی معنی که توسط توکنایزر تشخیص داده میشه...
https://github.com/shahind/Persian-Words-Database
لطفا به اشتراک بگذارید👈🏻 @persian_data

پروژه باحال
تشخیص پلاک خودروهای ایرانی
خوشبختانه دیتاستش هم موجوده
https://github.com/Ali-Fartout/Persian-Vehicle-License-Plate-Recognition

لطفا به اشتراک بگذارید👈🏻 @persian_data

سلام دوستان روزتون بخیر.
من روی تسک کلاسیفیکیشن بر روی یک دیتاستی کار می کنم و احساس کردم کار به نقطه ای رسیده که نواقص کار به لطف شما برطرف بشه و اگر جای بهبود داره، بهبودش بدین.
https://github.com/mohsenMahmoodzadeh/Image-Caption-classification-with-tensorflow-Keras
لینک دیتاست در بخش readme ریپازیتوری قرار داده شده.
ممنون میشم اگر احساس کردین محتوای ریپازیتوری براتون مفید بوده، با star دادن ازش حمایت کنید و یا با ایجاد issue یا fork کردن، به تکمیل کار کنید تا بنده هم از تجربه و تخصص تون استفاده کنم.
پیشاپیش خیلی ممنونم.🙏

@persian_data

Sentiment analysis on telegram channels news for predicting bearish or bullish stocks
داستان از این قراره که خیلی وقته برای تشخیص و تحلیل قیمت دلار و طلا و ارز سعی می کنن از nlp استفاده کنند. این یک نمونه دست به نقدش روی زبان فارسیه
دیتاست هم موجود است

https://github.com/mirzanahal/Persian-Stock-Prediction

لطفا به اشتراک بگذارید👈🏻 @persian_data

دیتاست فارسی 30 هزارتایی توییتر برای تحلیل احساسات
برخلاف دیتاست های رایج 6 کلاسه هست و مناسب برای تست مدل های شما

لطفا به اشتراک بگذارید👈🏻 @persian_data

https://github.com/nazaninsbr/Persian-Emotion-Detection

یادتون هست بچگی ازمون می خواستم فعل های فارسی صرف کنیم
این ریپ برامون این کار خودکار انجام میده
در پیش پردازش متن ها به خصوص خیلی به درد میخوره و باعث میشه pos بهتری داشته باشیم
https://github.com/asdoost/CPVI

لطفا به اشتراک بگذارید👈🏻 @persian_data

دانشگاه شریف یک کورس آمار و احتمالات گذاشته که کدهای مربوط به جلسات هم موجوده.
یک بخشی به به زبان r و بخشی با پایتون
ترکیب مفاهیم اماری و کدنویسی باعث یادگیری سریع تر و ماندگارتر میشه پس از دستش ندین.

https://github.com/asharifiz/Probability_Statistics
لطفا به اشتراک بگذارید👈🏻 @persian_data