eitaa logo
Data ➕ Science
19 دنبال‌کننده
85 عکس
7 ویدیو
51 فایل
مشاهده در ایتا
دانلود
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 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
@DataScience_ir - Data Science Pocket Dictionary.pdf
584.3K
🔴 دیکشنری جیبی علوم داده 📚 اصطلاحات ضروری علوم داده 👨🏻‍💻 اگه دنبال یک دیکشنری جیبی هستین که تمام اصطلاحات ضروری و تخصصی علوم داده رو براتون پوشش بده، این راهنما برای شماست. این دیکشنری جیبی منبع ارزشمندی برای دانشمندان داده مبتدی و با تجربه‌اس که می‌تونند ازش برای مصاحبه‌های شغلی یا پروژه‌های کاری‌شون در هر مکان و زمانی استفاده کنند.💯 #️⃣ ➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📎 @DataScience_ir @DataPlusScience
Free Course | ChatGPT for Data Analytics دوره رایگان چت جی‌چی‌تی برای دیتا آنالیتیکس سرفصل‌های دوره: Why AI for Data Analytics? Intro to AI, LLMs & ChatGPT Prompt Engineering ChatGPT for Excel ChatGPT for Google Sheets ChatGPT for Power BI ChatGPT for SQL ChatGPT for Python مدرس دوره هم آقای کریس داتون هستند http://zaya.io/2zk88 📊 @DataPlusScience | @Data➕Science @DataPlusScience
@DataPlusScience__ML Using Python.pdf
3.11M
MACHINE LEARNING WITH PYTHON جزوه مفید و مصور آموزش یادگیری ماشین در پایتون 📊 @DataPlusScience | @Data➕Science @DataPlusScience
توسعه چت‌بات از داده‌های شخصی با استفاده از LangChain https://learn.deeplearning.ai/langchain-chat-with-your-data 📊 @DataPlusScience | @Data➕Science @DataPlusScience
فعلا قابلیت پخش رسانه در مرورگر فراهم نیست
مشاهده در پیام رسان ایتا
موسسه نواوری تکنولوژی کشور امارات نسخه جدیدی از مدل زبانی بزرگ Falcon رو عرضه کرده که 180 میلیارد پارامتر داره و در تستها نه تنها از مدل متن باز LLaMA 2 متا بهتر عمل کرده بلکه از مدلهای متن بسته مثل PaLM گوگل (که نسخه اول بارد از اون استفاده میکرد) و نسخه کوچک و متوسط PaLM 2 عملکرد بهتری داره و فقط پشت مدلهایی مثل نسخه جدید بارد و GPT-4 قرار میگیره. این مدل به صورت متن باز عرضه شده و شرکتها میتونن اون روی سخت افزار خودشون اجرا کنن یا تمرین بدن ولی به دلیل بزرگ بودن نیاز به حداقل 8 کارت گرافیک A100 40GB برای اجرای اون دارن. این مدل رو میتونید از اینجا به صورت انلاین و رایگان ازمایش کنید. 🔎 Huggingface.co 📍 @TechTube @DataPlusScience
@DataPlusScience_NLP Transformers.pdf
6.38M
مدل‌های ترنسفورمری چطور کار کرده و در مدل‌های بزرگ زبانی استفاده می‌شوند؟ How is the transformer work, and how is it used in many large language models? 📊 @DataPlusScience | @Data➕Science @DataPlusScience
@DataPlusScience_Handwritten Machine Learning Notes..pdf
69.23M
Handwritten Machine Learning Notes جزوه دست‌نویس و مفصل یادگیری ماشین 📊 @DataPlusScience | @Data➕Science @DataPlusScience
Scope of AI, Deep Learning, and Machine Learning 📊 @DataPlusScience | @Data➕Science @DataPlusScience
@DataPlusScience _large language models.pdf
5.45M
داکیومنتی عالی برای آشنایی با مفاهیم مدل‌های بزرگ زبانی (LLM) 📊 @DataPlusScience | @Data➕Science @DataPlusScience