‍ 📙 #کتاب_فارسی یادگیری عمیق: از اصول اولیه تا ساخت شبکه‌های عصبی عمیق با پایتون 📝 نگارنده: میلاد وزان 📖 سرفصل‌ها: - مقدمه‌ای بر یادگیری عمیق - شبکه‌های عصبی پیش‌خور - شبکه‌های عصبی کانولوشنی - شبکه‌های عصبی بازگشتی - شبکه متخاصم مولد 🆓 این کتاب به رایگان و توسط نگارنده منتشر شده است. 📊 @DataPlusScience | @Data➕Science @DataPlusScience

‍ 📘📈 Effective Pandas | Matt Harrison کتاب Effective Pandas بدون شک یکی از بهترین منابع برای یادگیری کتابخانه Pandas است. 🙌 مطالعه و تمرین این کتاب را به همه دوستانی که می‌خواهند مهارت پانداز را کسب کنند توصیه می کنیم. 🔝 ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science @DataPlusScience

‍ 📝💼 Business Analysis cheat sheet خلاصه برگ 14 صفحه ای بسیار کاربردی تحلیلگری کسب‌و‌کار ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science @DataPlusScience

‍ 🎁 جزوه دست‌نویس داده کاوی و یادگیری ماشین مقدماتی جناب دکتر کاویانی ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science @DataPlusScience

‍ 📌 ChatGPT cheat sheet for Data Science | Data Camp 📚 راهنمای استفاده از ChatGPT در علوم داده 👨‍🏫 کاری از Data Camp ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science @DataPlusScience

‍ 📚 The Ultimate Guide to Machine Learning Job Interviews | Springboard 💡 کتابچه بی‌نظیر مجموعه پرسش و پاسخ یادگیری ماشین برای آمادگی مصاحبه‌های تخصصی | ۱۲۱ صفحه ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science @DataPlusScience

‍ 📊 Machine Learning Model Metrics (Classification Metrics) 💡 این جزوه مفید به توضیح مختصر دوازده شاخص انتخاب بهترین الگوریتم‌های طبقه‌بندی می‌پردازد. 🔍 الگوریتم‌های مورد اشاره در این جزوه عبارتند از: - Accuracy - Precision - Recall (Sensitivity or True Positive Rate) - F1-Score - ROC-AUC - PR-AUC - Confusion Matrix - False Positive Rate (FPR) - True Negative Rate (TNR) or Specificity - Matthews Correlation Coefficient (MCC) - Log Loss (Cross-Entropy Loss) - Cohen's Kappa ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science @DataPlusScience

هزار؛ کتابخانه جامع هوش مصنوعی برای زبان فارسی شامل مدل‌های مختلف برای پردازش متن، صوت، تصویر و … هرچند این عنوانِ خلاصه‌ای برای این پروژه‌ست؛ اگر بخوایم دقیق‌تر توصیف کنیم «هزار» یک کتابخونه و فریموورک برای دموکراتیزه کردن تمام کارهای خفن هوش مصنوعی اعم از مدل، دیتاست، تکنیک‌های پیش‌پردازش و آموزش مدل و … هست که یا قبلا توسط افرادی توی کامیونیتی فارسی انجام شده یا در آینده توسط این کامیونیتی (و به ویژه تیم هزار) انجام می‌شه. در حال حاضر ما توی این پروژه، بیست‌واندی مدل برای کاربردهای مختلفی از جمله speech recognition، OCR، image captioning، masked language modeling، text generation، word embedding و … آموزش دادیم (یا از مدل‌های آموزش داده شده قبلی استفاده کردیم) بعضی از مدلامون در نوع خودشون نوین هستند و تا قبل از این مشابه‌شون به شکل عمومی منتشر نشده (مثل مدل‌هایی که برای image captioning و ocr و speech recognition زدیم) و خب این تازه اول راهمونه و برنامه‌های جدی برای آموزش مدل‌های خیلی خفن‌تر در آینده داریم... توصیه می‌کنم حتما به گیت‌هاب پروژه سر بزنید: github.com/hezarai/hezar 📊👨‍🏫 @DataPlusScience @DataPlusScience

‍ 📝 SQL Basics Cheat Sheet 📝 خلاصه برگ دستورات پایه‌ای SQL ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science @DataPlusScience

‍ 🌟 یکی از کاربران لینکدین 60 سوال علم داده‌ای از ChatGPT پرسیده که توی این فایل میتونید پرسش‌ها، پاسخ‌ها و #کدهایی که ChatGPT نوشته رو ببینید. ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science @DataPlusScience

‍ 📝 Top 50 Python Interview QNA ✅ در این جزوه به ۵۰ سوال پرکاربرد در مصاحبه‌های پایتون پاسخ‌ داده شده است. ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science @DataPlusScience

🌟 PyGWalker: Turn your pandas dataframe into an interactive UI for visual analysis 💡 کتابخانه PyGWalker امکان مصورسازی ساده و جذابی را در محیط پایتون امکان‌پذیر کرده 🔗 لینک دسترسی به گیت این کتابخانه: https://zaya.io/t0bam ➖➖➖➖➖➖➖➖➖➖➖➖ برای آموزش علم داده به جمع ما بپیوندید: 👇 📊👨‍🏫 @DataPlusScience | @Data➕Science @DataPlusScience