👩‍🎓 برنامه آموزشی هفته: بیز ساده یا Naive Bayes

🟠شنبه: تعریف و انواع بیز ساده

🔵یک‌شنبه: برنولی و چند جمله ای

🟢دوشنبه: Gaussian

🔴سه‌شنبه: هایپر پارامترها

🟠چهارشنبه: کاربردها و مزایا

🔵پنج‌شنبه: بررسی مثال واقعی

🟢جمعه: جمع بندی

#Machine_Learning
#Naive_Bayes

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

🟡 توضیحات وبینار رایگان بررسی ماشین لرنینگ برای هر موضوع

🔺 سرفصل‌ها

🔵معرفی تسک‌های قابل اجرا با ML
🔵معرفی مدل‌های کلاسیک
🔵معرفی معماری‌های شبکه عصبی مصنوعی
🔵روش‌های ارزیابی عملکرد مدل
🔵بررسی به روزترین روش‌های ML
🔵نحوه و ترتیب یادگیری مدل‌های معرفی شده

📆 یکشنبه، ۱۷ دی ساعت ۱۹

🟢 رایگان ثبت‌نام کنین:‌
👉📎 https://ctdrs.ir/cr15198

@DSLanders | دی‌اس‌لندرز

🎞 آموزش برنامه‌نویسی پایتون

این پلی‌لیست یوتیوب یک‌سری از پیش‌نیازهایی هست که همراه با دوره جامع دیتا ساینس و ماشین لرنینگ دریافت می‌کنین. توی این ویدئو تلاش شده، بحث‌های مقدماتی پایتون که برای ورود به حوزه ماشین لرنینگ لازم هستن، پوشش داده شه.

👉📎 https://youtu.be/ILIH-87cJEE

👈📎 پلی‌لیست شروع علم داده و یادگیری ماشین

#YouTube

@DSLanders | دی‌اس‌لندرز

🟡معرفی PI: دستیار هوش مصنوعی شخصی شما

دستیار شخصی هوش مصنوعی PI برای دریافت مشاوره، پاسخ به سؤالات یا صحبت در مورد هر موضوعی که توی ذهن‌تون هست طراحی شده. این ابزار سعی می‌کنه تا مفید، دوستانه و سرگرم‌کننده باشه و حالت‌های مختلفی داره.

به طور خلاصه، PI برای کمک به کاربران با طیف گسترده ای از نیازها، از یادگیری زبان و جستجوی اطلاعات گرفته تا حمایت عاطفی و سرگرمی، طراحی شده. توی آستانه سال نو میلادی، با کمک PI می‌تونین برای سال آینده‌تون برنامه ریزی کنین.

👉📎 https://pi.ai/onboarding

#Artificial_Intelligence

@DSLanders | دی‌اس‌لندرز

❓آخرین فناوری‌ای که توی حوزه ماشین لرنینگ به دست اومده و یادگیریش واجبه چیه؟

با ظهور معماری ترنسفورمر، تحولات بزرگی توی حوزه یادگیری ماشین به وجود اومد و شما اگه می‌خواین به مهارت بالایی توی این حوزه دست پیدا کنین، باید این معماری رو به خوبی بلد باشین. برای مطالعه درباره این مدل، لینک زیر کلیک کنین:

👉📎 http://ctdrs.ir/ds0115

🟡 وبینار رایگان بررسی ماشین لرنینگ برای هر موضوع

🔺 سرفصل‌ها

🔵معرفی تسک‌های قابل اجرا با ماشین لرنینگ
🔵معرفی مدلهای کلاسیک برای هر تسک
🔵معرفی معماری‌های شبکه عصبی مصنوعی برای هر تسک
🔵روش‌های ارزیابی عملکرد مدل ماشین لرنینگ‌
🔵بررسی به روزترین روش‌های ماشین لرنینگ‌
🔵نحوه و ترتیب یادگیری مدلهای معرفی شده

📆 یکشنبه، ۱۷ دی ساعت ۱۹

🟢 رایگان ثبت‌نام کنین:‌
👉📎 https://ctdrs.ir/cr15198

@DSLanders | دی‌اس‌لندرز

🔊 ۱۱. الگوریتم درخت تصمیم

درخت تصمیم یا Decision Tree یه الگوریتم یادگیری ماشین محبوبه که برای حل مسائل طبقه بندی و رگرسیون استفاده می‌شه.

🟢 این‌جا می‌تونین بیشتر درموردش مطالعه کنین:

👉🔗 ctdrs.ir/ds0177

🟡صدا: نوید حقوقی

#Machine_Learning
#Podcast

@DSLanders | دی‌اس‌لندرز

🎞 شروع علم داده: آمار توصیفی ۱

این پلی‌لیست یوتیوب یک‌سری از پیش‌نیازهایی هست که همراه با دوره جامع دیتا ساینس و ماشین لرنینگ دریافت می‌کنین. توی این بخش با مفاهیم خیلی پایه‌ای آمار توصیفی (Descriptive Statistics) مثل ماکزیمم، مینیمم، طول بازه عددی، میانگین، کاربرد مرتب‌سازی داده‌ها،‌ واریانس و انحراف معیار آشنا میشیم.

👉📎 https://youtu.be/d31hP7a0684

👈📎 پلی‌لیست شروع علم داده و یادگیری ماشین

#YouTube

@DSLanders | دی‌اس‌لندرز

❓ آیا همه تسک‌های ماشین لرنینگ با شبکه‌های عصبی مصنوعی قابل انجام هستن؟

یادگیری عمیق، که مبتنی بر شبکه‌های عصبیه، یکی از راه حل‌های به‌روز برای حل مسائل ماشین لرنینگه. یعنی تمام الگوریتم‌های Traditional یادگیری ماشین با Neural Networkها قابل پیاده‌سازی هستن.

🟡 وبینار رایگان بررسی ماشین لرنینگ برای هر موضوع

🔺 سرفصل‌ها

🔵معرفی تسک‌های قابل اجرا با ماشین لرنینگ
🔵معرفی مدلهای کلاسیک برای هر تسک
🔵معرفی معماری‌های شبکه عصبی مصنوعی برای هر تسک
🔵روش‌های ارزیابی عملکرد مدل ماشین لرنینگ‌
🔵بررسی به روزترین روش‌های ماشین لرنینگ‌
🔵نحوه و ترتیب یادگیری مدلهای معرفی شده

📆 یکشنبه، ۱۷ دی ساعت ۱۹

🟢 رایگان ثبت‌نام کنین:‌
👉📎 https://ctdrs.ir/cr15198

@DSLanders | دی‌اس‌لندرز

🎞 شروع علم داده: پکیج pandas

این پلی‌لیست یوتیوب یک‌سری از پیش‌نیازهایی هست که همراه با دوره جامع دیتا ساینس و ماشین لرنینگ دریافت می‌کنین. پانداز از پایه‌ای ترین کتابخونه‌های پایتون توی حوزه ماشین لرنینگه. توی این ویدئو یوتیوب مفاهیم اولیه پانداز و توابع مورد استفاده این کتابخانه آموزش داده میشه.

👉📎 https://youtu.be/Mz6N7IWDemc

👈📎 پلی‌لیست شروع علم داده و یادگیری ماشین

#YouTube

@DSLanders | دی‌اس‌لندرز

🟡یخچال جدید سامسونگ با قابلیت‌های هوش مصنوعی

سامسونگ، یخچال هوشمند جدیدی با قابلیت‌های پیشرفته هوش مصنوعی طراحی کرده که می‌تونه بر اساس نیازهای غذایی کاربران یا مواد غذایی موجود در یخچال، دستور غذایی پیشنهاد بده. این محصول قراره توی نمایشگاه CES 2024 رونمایی شه.

این یخچال دارای دوربین داخلیه که با استفاده از Computer Vision می‌تونه مواد غذایی رو شناسایی. همچنین می‌تونه به پروفایل Samsung Health کاربر متصل شه و دستور غذایی رو بر اساس نیازهای غذایی فرد سفارشی‌سازی کنه.

#Artificial_Intelligence

@DSLanders | دی‌اس‌لندرز

❗️ مهارت‌های لازم برای دیتاساینتیست چیه؟

توی این بخش از آخرین وبینار استاد شکرزاد توضیح می‌دن که موقعیت شغلی دیتا ساینتیست شامل چه مهارت‌هایی می‌شه.

🟡 وبینار رایگان بررسی ماشین لرنینگ برای هر موضوع

🔺 سرفصل‌ها
🔵 معرفی تسک‌های قابل اجرا با ماشین لرنینگ
🔵 معرفی مدلهای کلاسیک برای هر تسک
🔵 معرفی معماری‌های شبکه عصبی مصنوعی برای هر تسک
🔵 روش‌های ارزیابی عملکرد مدل ماشین لرنینگ‌
🔵 بررسی به روزترین روش‌های ماشین لرنینگ‌
🔵 نحوه و ترتیب یادگیری مدلهای معرفی شده

📆 یکشنبه، ۱۷ دی ساعت ۱۹

🟢 رایگان ثبت‌نام کنین:‌
👉📎 https://ctdrs.ir/cr15198

@DSLanders | دی‌اس‌لندرز

🟡با این وب‌سایت کاملا برای مصاحبه موقعیت‌های شغلی داده آماده شین!

این وب‌سایت به شما توی کسب مهارت کامل برای مصاحبه‌های مهندس ماشین لرنینگ و دیتا ساینتیست با 1928 سوال منتخب توی زمینه‌های یادگیری ماشین، علوم داده، پایتون، و LLM کمک می‌کنه.

👉📎 https://www.mlstack.cafe/

#Machine_Learning
#Data_Science

@DSLanders | دی‌اس‌لندرز

🔠 محتوای جلسه یازدهم دوره هوش تجاری

جلسه یازدهم از ۱۲ جلسه اصلی دوره آنلاین هوش تجاری برگزار شد و این جلسه، به بررسی کاربردی زبان برنامه‌نویسی R و نقشش توی تحلیل داده‌ها پرداخته شد.

مهم‌ترین آموزش‌های جلسه یازدهم

⏺معرفی انواع داده‌ها و ساختارهای داده در R
⏺بررسی توابع ساخته شده در R و نحوه ایجاد توابع سفارشی
⏺آموزش کار با کتابخانه‌های ggplot2 و tidyverse برای تحلیل و تجسم داده‌ها
⏺بررسی مفاهیم پایه‌ای در پردازش و تمیز کردن داده‌ها
⏺تمرین‌ عملی برای استفاده از R در تحلیل داده‌های واقعی

🟢ثبت‌نام دوره:
👉🔗 http://ctdrs.ir/cr14230

#BI

@DSLanders | دی‌اس‌لندرز

🎞 شروع علم داده: قضیه حد مرکزی

این پلی‌لیست یوتیوب یک‌سری از پیش‌نیازهایی هست که همراه با دوره جامع دیتا ساینس و ماشین لرنینگ دریافت می‌کنین. توی این جلسه اول به تفاوت کلی ماهیت علم ریاضی و آمار اشاره شده و بعد با معرفی قانون اعداد بزرگ وارد مبحث قضیه حد مرکزی می‌شیم.

👉📎 https://youtu.be/gDxm1ZyTARU

👈📎 پلی‌لیست شروع علم داده و یادگیری ماشین

#YouTube

@DSLanders | دی‌اس‌لندرز

❓بعد یادگیری مهارت ماشین لرنینگ توی چه حوزه‌هایی می‌تونم فعالیت کنم؟

ماشین لرنینگ توی حوزه‌های مختلف کاربرد گسترده‌ای داره، اما اگه براتون سواله که از کدوم حوزه شروع کنین و کجا بهتره، تماشای این ویدئو رو بهتون پیشنهاد می‌کنم. برای مشاهده کامل این وبینار، روی لینک زیر کلیک کنین:

👉📎 ctdrs.ir/dsw26

🟡 وبینار رایگان بررسی ماشین لرنینگ برای هر موضوع

🔺 سرفصل‌ها

🔵معرفی تسک‌های قابل اجرا با ماشین لرنینگ
🔵معرفی مدلهای کلاسیک برای هر تسک
🔵معرفی معماری‌های شبکه عصبی مصنوعی برای هر تسک
🔵روش‌های ارزیابی عملکرد مدل ماشین لرنینگ‌
🔵بررسی به روزترین روش‌های ماشین لرنینگ‌
🔵نحوه و ترتیب یادگیری مدلهای معرفی شده

📆 یکشنبه، ۱۷ دی ساعت ۱۹

🟢 رایگان ثبت‌نام کنین:‌
👉📎 https://ctdrs.ir/cr15198

@DSLanders | دی‌اس‌لندرز

🔊 ۱۲. الگوریتم جنگل تصادفی

توی این اپیزود با الگوریتم جنگل تصادفی، نحوه عملکردش و مزایا و معایبش آشنا میشیم. همچنین بررسی میکنیم که چرا بهتر از درخت‌ تصمیم هست؟

🟢 این‌جا می‌تونین بیشتر درموردش مطالعه کنین:

👉🔗 ctdrs.ir/ds0178

🟡صدا: نوید حقوقی

#Machine_Learning
#Podcast

@DSLanders | دی‌اس‌لندرز

🎞 جوین و استک دو دیتافریم در پکیج پایتونی Pandas

توی این ویدئو پلی‌لیست پکیج Pandas، نحوه اتصال دو یا چند دیتافریم به صورت Stack یا Merge آموزش داده شده. روش Stack به نوعی Union توی SQL رو انجام می‌ده و روش Merge به نوعی Join در SQL رو داخل پانداز پیاده‌سازی می‌کنه.

👉📎 https://youtu.be/TOchdfKmUoM

#YouTube

@DSLanders | دی‌اس‌لندرز

💡تفاوت بین طبقه‌بندی کننده‌های مولد و تشخیص دهنده چیه؟ نمونه‌هایی از هرکدوم، کدوم الگوریتم‌ها میشن؟

🔵طبقه‌بندی‌کننده‌های مولد (Generative Classifier) به صورت صریح توزیع واقعی هر کلاس رو مدل می‌کنن. این مدل توزیع احتمال مشترک رو که به صورت P(x, y) = P(y) * P(x|y) هست، یاد می‌گیره. هر دو P(y) و P(x|y) رو میشه از داده‌ها با محاسبه فراوانی کلاس‌ها به دست آورد. بعضی از نمونه‌های مدل‌های مولد عبارتند از:
- نایو بیز
- شبکه‌های بیزی
- میدان‌های تصادفی مارکوف

🔵طبقه‌بندی‌کننده‌های تشخیص دهنده (Discriminative Classifier) مرز تصمیم بین کلاس‌ها رو با یادگیری توزیع احتمال شرطی P(y|x) از مجموعه داده‌ها مدل می‌کنن. بعضی از نمونه‌های این نوع طبقه‌بندی کننده‌ها عبارتند از:
- رگرسیون لجستیک
- ماشین بردار پشتیبان
- شبکه‌های عصبی سنتی
- KNN

#Machine_Learning
#Naive_Bayes

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

🔵 چندتا نکته که توی یادگیری هر مهارتی کمک‌تون می‌کنه

درکنار یادگیری مفاهیم تئوری و تمرین عملی، امیدوار باشین. استمرار و کنجکاوی داشته باشین تا با اجرای قانون ده هزار ساعت، به بهترین‌ هر حوزه‌ای تبدیل شین. برای مشاهده کامل این وبینار، روی لینک زیر کلیک کنین:

👉📎 ctdrs.ir/dsw26

🟡 وبینار رایگان بررسی ماشین لرنینگ برای هر موضوع

🔺 سرفصل‌ها

🔵معرفی تسک‌های قابل اجرا با ماشین لرنینگ
🔵معرفی مدلهای کلاسیک برای هر تسک
🔵معرفی معماری‌های شبکه عصبی مصنوعی برای هر تسک
🔵روش‌های ارزیابی عملکرد مدل ماشین لرنینگ‌
🔵بررسی به روزترین روش‌های ماشین لرنینگ‌
🔵نحوه و ترتیب یادگیری مدلهای معرفی شده

📆 یکشنبه، ۱۷ دی ساعت ۱۹

🟢 رایگان ثبت‌نام کنین:‌
👉📎 https://ctdrs.ir/cr15198

@DSLanders | دی‌اس‌لندرز