👨🏻‍💻 اگه دنبال تمرین و یادگیری مسائل ماشین لرنینگ هستید، بخصوص برای مصاحبه شغلی، این وبسایت رو دیدم جالبه! کلی سوال داره که از ساده تا سخت دسته بندی شده و می‌تونید تمرین کنید.


📂 deep-ml.com
📂 deep-ml.com


✍🏼 Mehdi Allahyari
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter

👨🏻‍💻 داشتم دنبال یه نقشه‌ راه خوب برای یادگیری ماشین می‌گشتم که اتفاقی سایت AIGENTS رو پیدا کردم.

✅ دیدم علاوه بر رودمپ ML، برای تمام حوزه‌های دیتا نقشه راه تعریف کرده و مفاهیم، روش‌ها و ابزارهای ضروری هر پوزیشن رو هم قرار داده. بنظرم خیلی کامله و حسابی می‌تونه بدردتون بخوره.👇


◀️اینم لینک سایتش: AIGENTS
◀️اینم لینک سایتش: AIGENTS


✍🏼 Vahid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter

👨🏻‍💻 بچه‌ها freecodecamp یه دوره‌ی جدید و رایگان منتشر کرده که بهتون یاد می‌ده چطور تو مسابقات دیتا ساینس Kaggle شرکت کنین و قدم‌به‌قدم پیش برین تا برنده بشین.


✏️ از انتخاب مسابقه‌یِ مناسب شروع می‌کنه، بعد می‌ره سراغ فیچر انجینیرینگ، انتخاب مدل، و کلی تکنیک کاربردی دیگه که برای برنده شدن تو مسابقات و پروژه‌ها حسابی به کارتون میاد.


✅ لینک دوره‌ام اینجاست، از دستش ندین:👇


🔗 Kaggle Data Science Competition
🔗 Kaggle Data Science Competition


✍🏼 Masoud
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter

🖥 مجموعه‌ای از بهترین ریپو‌های گیت‌هاب
💰 در حوزه هوش مصنوعی و داده

👨🏻‍💻 به‌عنوان کسی که مدت‌هاست با حوزه یادگیری ماشین سر و کار دارم، می‌تونم بگم یکی از چالش‌هایی که همیشه بچه‌ها تو حوزه ML باهاش درگیرن، پیدا کردن منابع درست و کاربردیه.

✏️ به همین دلیل، من یه لیست فوق‌العاده از ریپوهای کاربردی علوم داده آماده کردم که داشتنش برای هر کسی که می‌خواد وارد این حوزه بشه، ضروریه. این ریپازیتوری‌ها شامل این مباحث میشن:

✅ پردازش زبان طبیعی
✅ مدل‌های زبان بزرگ
✅ بینایی کامپیوتر
✅ علم داده
✅ یادگیری ماشین
✅ مهندسی داده
✅ آمار و احتمالات
✅ زبان SQL و دیتابیس

⏪ این ریپازیتوری‌ها نه تنها برای یادگیری، که برای الهام گرفتن و شروع پروژه‌های واقعی هم عالین.👇


┌ ✅ AI & Data GitHub-Repos
└ 🐱 GitHub-Repos



✍🏼 Alireza
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter

👨🏻‍💻 بنظرم به خودتون لطف کنین و کتاب Clean code رو بیخیال بشین! نهایتا شما رو تبدیل به یه دولوپری می‌کنه که می‌تونه با استانداردهای جاوا کد بزنه!

✏️ اگه واقعا می‌خواین پایتون رو کامل و مفهومی یاد بگیرین، این کتابو بخونید. درک عمیق‌تری هم نسبت به پایتون و فیچرهاش پیدا می‌کنید.


🔆 اینم لینک فایل pdf کتاب:👇

🏳️‍🌈 Fluent Python
🏳️‍🌈 Fluent Python


✍🏼 Alucard
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter

👨🏻‍💻 به هر زمینه‌ای که از دیتا علاقه دارین یا مشغول کارین و با داده‌های ساختاریافته کار می‌کنین، این کتاب رو حتما تو جعبه ابزار خودتون داشته باشین!

✅ «کتاب آشپزی پانداس (راهنمای عملی کار با پانداس) (ویرایش سوم) / نوشته ویلیام آید و متیو هریسون»


✏️ تازه تمومش کردم و خیلی خوشحالم که برای خودندن این کتاب وقت گذاشتم. هم عملی بود و هم مفید. اکیداً خوندنشو توصیه می‌کنم!👇


📄 Pandas Cookbook
📄 Pandas Cookbook



✍🏼 Ashkan
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter

👩🏻‍💻 اگه برای مصاحبه ML Engineering آماده می‌شید یا می‌خواید درباره سیستم‌های ML توی production بیشتر بدونید، این بلاگ مطالب خیلی مفیدی داره:👇


🔗 Machine Learning interview
🔗 Machine Learning interview


✍🏼 bahar
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter

👨🏻‍💻 یه راهنمای عالی پیدا کردم برای ساختن پرتفولیوی علم داده، با کلی نکته عملی، ایده پروژه، و مسیر درست برای دیده شدن.

▶️ بهت یاد می‌ده چطور کیس‌استادی‌هات رو بچینی، از چه پلتفرم‌هایی استفاده کنی (GitHub, Notion, سایت شخصی)، و چطور تو بازار رقابتی بدرخشی!

✅ انتخاب پروژه‌های درست
✅ داستان‌سرایی با داده‌ها
✅ ارائه پروژه‌ها و نمونه کارها به شکل حرفه‌ای برای استخدام‌کننده‌ها.


📄 Data Science Portfolio Guide



✍🏼 omid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter

👨🏻‍💻 اگه تازه شروع به یادگیری پایتون و ماشین لرنینگ کردین، این پلی‌لیست از کانال Sentdex رو از دست ندین!


✏️ یکی از اولین منابعی بود که خودم برای عمیق‌تر شدن توی ML ازش استفاده کردم. مفاهیم پایه‌ رو خیلی خوب توضیح داده — از رگرسیون و SVM گرفته تا خوشه‌بندی (Clustering) و شبکه‌های عصبی عمیق و...

📁 آموزش‌ها هم خیلی عملی و با استفاده از پایتون ارائه شده.

✅ شیوه تدریسش هم روانه و برای مبتدی‌هایی که دوست دارن عملی پایتون رو یاد بگیرن عالیه.👌


🖥 لینک پلی‌لیست: ML with Python



✍🏼 Sepehr
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter

🎆 کد ۴۸،تبدیل داده‌ها به مهارت🎆

💯 هرروز شرکت‌ها بیشتر از قبل به تصمیم‌گیری داده‌محور تکیه می‌کنند.

❗️ اما تنها کسانی وارد این میدان می‌شوند که مهارت واقعی کار با داده را بلد باشند،نه فقط مفاهیم تئوری.

🛑 دوره علم داده و هوش مصنوعی، کد ۴۸
برای کسانی طراحی شده که می‌خواهند مسیر حرفه‌ای‌شان را با تمرین، پروژه و تجربه واقعی بسازند.

⬇️در این دوره یاد می‌گیرید:⬇️

◀️ از ابزارهای حرفه‌ای استفاده کنید؛ همان‌هایی که امروز در استخدام‌ها معیار اصلی‌اند

◀️ مدل‌های پیش بینانه را برای حل مسائل واقعی بسازید

◀️ داده را مثل یک متخصص بخوانید و تفسیر کنید

◀️ و مهم‌تر از همه، طرز فکر یک متخصص علم داده و هوش مصنوعی را در خودتان ایجاد کنید

‼️این دوره مناسب شماست اگر می‌خواهید:

🔴 وارد فضای دیتاساینس شوید
🔴 برای بازار کارهای داخلی و خارجی
🔴 توانایی واقعی ارائه در پروژه‌ها داشته باشید

🎓 همراه با پشتیبانی، پروژه‌های کاربردی و گواهینامه رسمی

🔵 ثبت‌نام کد ۴۸ آغاز شد — ظرفیت محدود

🔗 ثبت‌نام:
➡️ tehrandata.org/courses/datascience

📞 مشاوره:
➡️09357516755

📨 Telegram | 📨 whatsapp | 📱 linkedin | 📷 Instagram | 🌐 website | 💬 admin

👍 تهران دیتا — مرجع تخصصی آموزش‌های حرفه‌ای در حوزه علم داده و هوش مصنوعی

مسیر حرفه‌ای شما از اینجا شروع می‌شود.

#علم_داده #هوش_مصنوعی #آموزش_حرفه‌ای #تحلیل_داده #دیتا_ساینس #یادگیری_ماشین #ai #datascience #machinelearning #آموزش_آنلاین #پروژه_محور #data

🎓 دوره جامع شبکه‌های عصبی عمیق با پایتون
(Build, Train and Evaluate Deep Neural Networks)

مدرسین دوره:
سعید مجیدی : متخصص یادگیری ماشین، پردازش زبان‌های طبیعی و مدل‌های زبانی بزرگ در گروه صنعتی انتخاب و شرکت پردازش و تحلیل داده دقیقه، دکترای علوم کامپیوتر از دانشگاه تافتس آمریکا
کاوه مهدویانی: پژوهشگر و متخصص یادگیری ماشین در شرکت آمازون، دکترای مهندسی برق و کامپیوتر از دانشگاه تورنتو
بهنام بهین آیین: پژوهشگر و متخصص داده‌کاوی و یادگیری ماشین در شرکت Insight Data Science، دکترای مهندسی برق و کامپیوتر از دانشگاه کویینز کانادا
مژگان سعیدی: پژوهشگر و متخصص یادگیری ماشین، پردازش زبان‌های طبیعی و مدل‌های یادگیری عمیق در دانشگاه استنفورد

سرفصل‌های کلیدی:
✅آشنایی با مفاهیم بنیادین یادگیری ماشین و شبکه‌های عصبی
✅یادگیری نحوه‌ی پیاده‌سازی شبکه‌های عصبی با پایتون و PyTorch
✅طراحی و آموزش شبکه‌های کانولوشن (CNN) برای تحلیل داده‌های تصویری
✅شناخت و پیاده‌سازی شبکه‌های بازگشتی (RNN)
✅آشنایی با سازوکار توجه و مدل‌های زبانی بزرگ (LLMs)
✅یادگیری ساخت مدل‌های مولد
✅آشنایی با شبکه‌های عصبی گراف

💥 این دوره یک مسیر آموزشی کاربردی و به‌روز است که شرکت‌کنندگان را از مفاهیم پایه تا طراحی و پیاده‌سازی مدل‌های پیشرفته یادگیری عمیق همراهی می‌کند.

⭐ ویژه دانشجویان، پژوهشگران، تحلیلگران داده، مهندسین یادگیری ماشین، متخصصین علوم داده، مهندسین داده، برنامه‌نویسان و توسعه‌دهندگان نرم‌افزار، سایر علاقه‌مندان هوش مصنوعی و یادگیری عمیق

🕖 یکشنبه‌ها: ۱۸:۰۰ تا ۲۱:۲۰
📆 شروع دوره از ۱۶ آذر ۱۴۰۴
🏅 همراه با گواهی پایان دوره و پروژه پایانی


⚠️ آخرین فرصت ثبت‌نام با تخفیف فقط تا پایان روز ۱۵ آذر است!
‼️ بعد از این تاریخ، ثبت‌نام فقط با شهریه کامل امکان‌پذیر خواهد بود.

👇 برای مشاهده جزئیات کامل و ثبت‌نام با تخفیف زودهنگام:

🔗 d-learn.ir/dpnn?utm=adp

پشتیبانی:
✔️ t.iss.one/dlearnsup
📞02188349244
📱09103209837
🔺@dlearn_ir