@DataPlusScience _ ChatGPT cheat sheet for Data Science.pdf
30.37M
ChatGPT cheat sheet for Data Science | datacamp
@Data➕Science
@DataPlusScience
Graphical Andrew NG Deep Learning @DataPlusScience.pdf
20.05M
👌 خلاصه گرافیکی کورس یادگیری عمیقی Andrew NG
@Data➕Science
@DataPlusScience
Deep Learning Cheat Sheet @DataPlusScience.pdf
15.17M
Deep Learning Cheat Sheet
خلاصه برگ یادگیری عمیق
@Data➕Science
@DataPlusScience
مجموعه ویدئوهای آموزش یادگیری عمیق دکتر حامد ملک در ترم جاری دانشگاه شهید بهشتی
youtube : http://zaya.io/ifknh
✅ @Data➕Science
@DataPlusScience
Comparing the scores of GPT3 and GPT4 in famous tests with the average score of the participants
مقایسه نمرات GPT3 و GPT4 در آزمون های معروف با میانگین نمره شرکتکنندگان
@Data➕Science
@DataPlusScience
فعلا قابلیت پخش رسانه در مرورگر فراهم نیست
مشاهده در پیام رسان ایتا
🔺مایکروسافت از پلتفرم تحلیل داده Fabric رونمایی کرد
🔺 مایکروسافت Fabric یک پلتفرم تحلیل داده است که احتمالاً بزرگترین محصول مایکروسافت در این حوزه از زمان SQL سرور محسوب میشود.
🔹 این پلتفرم دادهها را از مایکروسافت OneLake، آمازون S3 و حتی گوگل کلاود جمعآوری خواهد کرد. این پلتفرم همچنین از Copilot هم بهره میبرد.
#MSBuild
📱@Digiato 📡
@DataPlusScience
فعلا قابلیت پخش رسانه در مرورگر فراهم نیست
مشاهده در پیام رسان ایتا
یک نفر اومده دستگاهی ساخته که بدون لنز و به کمک AI عکاسی کنه. البته فک نمیکنم دیگه اسمش عکاسی باشه :)
در واقع کاری که داره میکنه اینه که میاد و از دادههای مکانی و توصیف اون موقعیت یک Prompt جنریت میکنه و به کمک AI تبدیل به عکسش میکنه! / Mostafa Alahyari
@Data➕Science
@DataPlusScience
@DataPlusScience_SQL Cheatsheet.pdf
458.2K
SQL Cheat Sheet
#خلاصه_برگ مفید و کاربری SQL
@Data➕Science
@DataPlusScience
فعلا قابلیت پخش رسانه در مرورگر فراهم نیست
مشاهده در پیام رسان ایتا
💡 مقایسه قابلیتهای پلتفرم تازه معرفی شده Fabric که به نوعی تجمیع قابلیتهای پلتفرمهای Power و Azure Analytics ماکروسافت هستش
📊 @DataPlusScience | @Data➕Science
@DataPlusScience
آموزش استفاده از ChatGPT-API
https://www.youtube.com/watch?v=TblkYHoPDdo
📊 @DataPlusScience | @Data➕Science
@DataPlusScience
👨🏻💻 گیلبرت استرنگ بعد از ۶۱ سال تدریس «جبر خطی» در دانشگاه MIT، بازنشسته شد. روز آخر تدریسش ۵۰۰ نفر سر کلاس بودند و ۴۰۰۰ نفر هم آنلاین کلاسش رو تماشا میکردند. از اهمیت جبرخطی تو مباحث علوم داده هر چی بگم کم گفتم.
☑️ گیلبرت استرنگ کسی بود که با کورس زیباش من رو به جبر خطی مسلط کرد، بدون این که حتی یه ذره حس نفهمیدن بکنم. بدون چشم داشت کورس عالیش رو رایگان در اینترنت قرار داده بود و تلاشش رو کرده بود که دست یافتنی باشه از هر لحاظ. شهودی که برای یاد گرفتن مفاهیم جبر خطی بهت میده انقدر عالیه که من سهم زیادی از این یادگیری رو مدیون ویدئوهای روان و کاربردی ایشون هستم. دیدن پیر شدنش همیشه برام غمناک بوده.
📌 من اینجا لینک آخرین کلاسش رو به همراه لینک دوره ویدیویی آموزش جبرخطی رو با کتابش قرار دادم.
┌ 🏷 Linear Algebra
├ 👨🏼🏫 Gil Strang's Final Linear Algebra
├ 🎬 lectures on Linear Algebra (MIT)
└ 📚 Introduction to Linear Algebra 5th
✍🏼 Hamed
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter
@DataPlusScience
الگوریتمی برای انتخاب مناسب ترین متد یادگیری ماشین
📊 @DataPlusScience | @Data➕Science
@DataPlusScience
آموزش رایگان صفر تا صد ChatGPT
http://zaya.io/i2jmd
📊 @DataPlusScience | @Data➕Science
@DataPlusScience
@DataPlusScience_pamela_baker_chatgpt_for_dummies_1st_edition_2023.pdf
12.1M
ChatGPT™ For Dummies®
کتاب چت جیپیتی به زبان ساده
این کتاب با زبان ساده به توضیح چیستی CahtGPT میپردازد و ضمن آموزش ساختار Prompts، نحوه استفاده از چت جیپیتی برای کاربردهای مختلف را آموزش میدهد
این کتاب شامل ده فصل بوده که شامل موارد زیر می شود:
┌ 🏷 ChatGPT™ For Dummies
├ ◼️ Introducing ChatGPT
├ ◻️ Discovering How ChatGPT Works
└ ◼️ Writing Prompts for ChatGPT
├ ◻️ Understanding GPT Models in ChatGPT
└ ◼️ Warnings, Ethics, and Responsible AI
├ ◻️ Probing Professional and Other Uses for ChatGPT
└ ◼️ Working with ChatGPT in Education
├ ◻️ Using ChatGPT in Daily Life
└ ◼️ Ten Other Generative AI Tools to Try
📊 @DataPlusScience | @Data➕Science
@DataPlusScience
لینکدین یک دوره آموزشی رایگان پنج بخشی پیرامون generative AI منتشر کرده است که شامل موضوعات زیر است:
1. Introduction to Artificial Intelligence
2. What Is Generative AI?
3. Generative AI: The Evolution of Thoughtful Online Search
4. Streamlining Your Work with Microsoft Bing Chat
5. Ethics in the Age of Generative AI
از طریق لینک زیر میتوانید به این دورهها دسترسی پیدا کنید:
http://zaya.io/sgw1q
📊 @DataPlusScience | @Data➕Science
@DataPlusScience
@DataPlusScience_Stanford_Super_VIP_Cheatsheet_Deep_Learning.pdf
4.74M
Stanford Super VIP Cheatsheet Deep Learning
📊 @DataPlusScience | @Data➕Science
@DataPlusScience
🏴 عاشورای حسینی تسلیت باد 🏴
📊 @DataPlusScience | @Data➕Science
@DataPlusScience
ویرایش سوم کتاب فوق العاده Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
انتشار سال 2023
مهمترین تغییرات نسبت به ویرایش دوم کتاب:
معرفی ویژگی های جدید Scikit-Learn
معرفی کتابخانه Transformers Hugging Face برای پردازش زبان طبیعی
اضافه شدن چندین مدل بینایی (ResNeXt، DenseNet، MobileNet، CSPNet و EfficientNet)
بعلاوه اینکه فصل های جدیدی در این ویرایش اضافه شده است که به موضوعاتی مانند مدل های بینایی، ترجمه زبان طبیعی و یادگیری generative می پردازند
📊 @DataPlusScience | @Data➕Science
دانلود در پست بعدی 👇👇
@DataPlusScience
@DataPlusScience_2023_Hands_On_Machine_Learning_with_Scikit_Learn.pdf
21.62M
ویرایش سوم کتاب فوق العاده Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
انتشار سال 2023
مهمترین تغییرات نسبت به ویرایش دوم کتاب:
معرفی ویژگی های جدید Scikit-Learn
معرفی کتابخانه Transformers Hugging Face برای پردازش زبان طبیعی
اضافه شدن چندین مدل بینایی (ResNeXt، DenseNet، MobileNet، CSPNet و EfficientNet)
بعلاوه اینکه فصل های جدیدی در این ویرایش اضافه شده است که به موضوعاتی مانند مدل های بینایی، ترجمه زبان طبیعی و یادگیری generative می پردازند
📊 @DataPlusScience | @Data➕Science
@DataPlusScience
🟢 امالآپس (MLOps) به زبان ساده همراه با معرفی کتاب
🔴 کسانی که با فرایندها و الگوریتمهای یادگیری ماشین در محیط واقعی کار کردند و آشنا هستند و یا اصلن برای دل خودشون مدلی آموزش دادند، حتمن با چالشهای زیر برخورد کردند؛
🔴 بعنوان مثال، هایپرپارامترهایی رو تغییر دادند و بعد یادشون رفته کدوم مدل با کدوم هایپرپارامتر چه درصدی از دقت رو بهشون داده یا اون هایپرپارامترها چی بودند؟
🔴 یا برای دیتاستهاشون ورژنی نداشتند و نمیدونستند دیتای جدید که اضافه کردند رو جدا کنند یا مجبور بودند چندین کپی از دیتاهای تکراری نگهدارند. یا وقتی با شخص دیگری کار میکردند، دادههاشون با هم سینک (هماهنگ) نبوده و هزاران مشکل دیگر.
🔵 درواقع اینجاست که
Machine Learning Operations (MLOps)
برای این مشکلات راه حل میده و میگه همونجوری که ما در گذشته مهندسی نرم افزار نداشتم و با اومدن مهندسی نرم افزار و راه حلهاش مثل
version control
کلی از مشکلات برنامه نویسها حل شد، امالآپس و داشتن یه چرخهی اتوماتیک از امورات مختلف ولی هماهنگ، باعث حل کلی از این قبیل مشکلات میشود.
🔵 بطور کلی امالآپس داشتن یک
Lifecycle
یا چرخهی حیات (تولید) منظم برای مراحل و مشکلات مختلف در فرایند لرنینگ یا همون آموزش هست. همچنین یکی دیگه از دغدغههای امالآپس رسوندن مدل یادگیری ماشین از چند خط کد ساده به یک محصول ملموس هست.
🟡 در پایان اینرو هم اضافه کنم. میتونیم بگیم که امالآپس از ترکیب سه حوزهی زیر ایجاد شده؛
- مهندسی داده (Data Engineering)
- توسعهی نرمافزار و عملیات آیتی (DevOps)
- یادگیری ماشین (Machine Learning)
🟤 کتاب
Introducing MLOps
که تنها در ۱۸۵ صفحه تنظیم شده، و در سال ۲۰۲۰ به چاپ رسیده است، یکی از کتابهای بسیار عالی برای ورود به دنیای امالآپس میباشد.
🆔 @data_science_python_and_r
@DataPlusScience
Mark_Treveil,_Nicolas_Omont,_Clément_Stenac,_Kenji_Lefevre,_Du_P.pdf
14.27M
Introducing MLOps
که تنها در ۱۸۵ صفحه تنظیم شده، و در سال ۲۰۲۰ به چاپ رسیده است، یکی از کتابهای بسیار عالی برای ورود به دنیای امالآپس میباشد.
🆔 @data_science_python_and_r
@DataPlusScience