This media is not supported in your browser
VIEW IN TELEGRAM
🔹شرکت استارتاپ نورالینک متعلق به ایلان ماسک، ویدیویی سه دقیقهای منتشر کرد که میمونی را نشان میدهد که پس از کار گذاشتن تراشه ساخت این شرکت در دو نیمکره مغزش میتواند بازیهای کامپیوتری انجام دهد.
ایلان ماسک در توییتی نوشت این تراشه که به صورت بیسیم شارژ میشود به افراد دارای معلولیت کمک میکند با مغزشان با گوشیهای هوشمند کار کنند و سرعتشان از سرعت دست افراد عادی بیشتر باشد.
این فناوری همچنین میتواند افراد دارای فلج عضلات را قادر به راه رفتن کند.
طبق توضیحات ویدیوی نورالینک، این تراشه با استفاده از دو هزار الکترودی که به قشر حرکتی مغز این میمون وصل است، سیگنالهای الکتریکی مغز را ضبط و رمزگشایی میکند.
https://parsinfotech.com/neuralink-in-the-monkey-brain/
@parsinfotech
ایلان ماسک در توییتی نوشت این تراشه که به صورت بیسیم شارژ میشود به افراد دارای معلولیت کمک میکند با مغزشان با گوشیهای هوشمند کار کنند و سرعتشان از سرعت دست افراد عادی بیشتر باشد.
این فناوری همچنین میتواند افراد دارای فلج عضلات را قادر به راه رفتن کند.
طبق توضیحات ویدیوی نورالینک، این تراشه با استفاده از دو هزار الکترودی که به قشر حرکتی مغز این میمون وصل است، سیگنالهای الکتریکی مغز را ضبط و رمزگشایی میکند.
https://parsinfotech.com/neuralink-in-the-monkey-brain/
@parsinfotech
👍1
Top 100 Deep Learning Interview Questions.pdf
2.1 MB
📚 Top 100 Deep Learning Interview Questions
۱۰۰ پرسش مهم که ممکنه توی مصاحبههای یادگیری عمیق ازشون سوال بشه به همراه پاسخ
https://parsinfotech.com/job-interview-guide-in-dl/
@parsinfotech
۱۰۰ پرسش مهم که ممکنه توی مصاحبههای یادگیری عمیق ازشون سوال بشه به همراه پاسخ
https://parsinfotech.com/job-interview-guide-in-dl/
@parsinfotech
📌 Curated list of project-based tutorials
ریپازیتوری آموزشهای برنامهنویسی پروژه محور
مجموعه آموزشهای پروژه محور که بهتون کمک میده از پایه یه برنامه رو بنویسید. آموزشها برای زبانهای مختلف هست، بخش پایتون آموزشها شامل یادگیریماشین، علمداده و یادگیری عمیق هست.
🔗 https://parsinfotech.com/repository-of-project-based-programming-tutorials
@parsinfotech
ریپازیتوری آموزشهای برنامهنویسی پروژه محور
مجموعه آموزشهای پروژه محور که بهتون کمک میده از پایه یه برنامه رو بنویسید. آموزشها برای زبانهای مختلف هست، بخش پایتون آموزشها شامل یادگیریماشین، علمداده و یادگیری عمیق هست.
🔗 https://parsinfotech.com/repository-of-project-based-programming-tutorials
@parsinfotech
امان چادا رهبر هوش مصنوعی آمازون الکسا لیستی از وبلاگها ، دوره ها ،کتابها و منابع آموزشی که در زمینه علم داده و هوش مصنوعی استفاده کرده رو معرفی کرده
پیشنهاد میکنم از این منابع استفاده کنید
🔹Read List: https://aman.ai/read
🔹Watch List : https://aman.ai/watch
🔹exploring the art of artificial intelligence
one concept at a time : https://aman.ai
https://parsinfotech.com/ai-educational-resources-suggested-by-aman-chadha
@parsinfotech
پیشنهاد میکنم از این منابع استفاده کنید
🔹Read List: https://aman.ai/read
🔹Watch List : https://aman.ai/watch
🔹exploring the art of artificial intelligence
one concept at a time : https://aman.ai
https://parsinfotech.com/ai-educational-resources-suggested-by-aman-chadha
@parsinfotech
aman.ai
Aman's AI Journal • Read List
Aman's AI Journal | Course notes and learning material for Artificial Intelligence and Deep Learning Stanford classes.
تفاوت انکودینگ، انکریپشن و هشینگ!
https://parsinfotech.com/the-difference-between-encoding-encryption-and-hashing
@parsinfotech
https://parsinfotech.com/the-difference-between-encoding-encryption-and-hashing
@parsinfotech
📌 fastMONAI: Simplifying deep learning for medical imaging.
a low-code deep learning library for medical image analysis.
یک کتابخانه یادگیری عمیق برای تجزیه و تحلیل تصاویر پزشکی.
🔗 https://github.com/MMIV-ML/fastMONAI
🔗 Colab | Papers
https://parsinfotech.com/a-deep-learning-library-for-medical-image-analysis
@parsinfotech
a low-code deep learning library for medical image analysis.
یک کتابخانه یادگیری عمیق برای تجزیه و تحلیل تصاویر پزشکی.
🔗 https://github.com/MMIV-ML/fastMONAI
🔗 Colab | Papers
https://parsinfotech.com/a-deep-learning-library-for-medical-image-analysis
@parsinfotech
📚 Mathematics and probability for machine learning
https://parsinfotech.com/mathematics-and-probability-book-for-ai
تقریبا تمام تکنیکهای علم داده و روشهای یادگیری ماشین دارای برخی جنبههای عمیق ریاضیاتی هستن. در نتیجه برای درک بیشتر اونها بهتره یه تسلط نسبی به مباحث ریاضی داشته باشید. اینجا ۳ تا کتاب خوب برای ریاضیات و احتمال قرار دادم که میتونید استفاده کنید.
🔗 Mathematics for Machine Learning
🔗 Intro to Probability for Data Science
🔗 Mathematics for Machine Learning
@parsinfotech
https://parsinfotech.com/mathematics-and-probability-book-for-ai
تقریبا تمام تکنیکهای علم داده و روشهای یادگیری ماشین دارای برخی جنبههای عمیق ریاضیاتی هستن. در نتیجه برای درک بیشتر اونها بهتره یه تسلط نسبی به مباحث ریاضی داشته باشید. اینجا ۳ تا کتاب خوب برای ریاضیات و احتمال قرار دادم که میتونید استفاده کنید.
🔗 Mathematics for Machine Learning
🔗 Intro to Probability for Data Science
🔗 Mathematics for Machine Learning
@parsinfotech
برای استخدام این 5 پروژه POWER Bl را به رزومه خود اضافه کنید
5 پروژه کوچک که نه تنها به شما کمک می کند تا تجربه کسب کنید، بلکه به شما کمک می کند تا رزومه خود را قوی تر بسازید.
📌Customer Churn Analysis
🔗 https://www.kaggle.com/code/fabiendaniel/customer-segmentation/input
📌Credit Card Fraud
🔗 https://github.com/sahidul-shaikh/credit-card-fraud-
📌Movie Sales Analysis
🔗https://www.kaggle.com/datasets/PromptCloudHQ/imdb-data
📌Airline Sector
🔗https://www.kaggle.com/datasets/yuanyuwendymu/airline-
📌Financial Data Analysis
🔗https://www.kaggle.com/datasets/qks1%7Cver/financial-data-
راهنمای ساده
1. استفاده از داده ها:
- فرآیند را با استفاده از مجموعه داده های ارائه شده برای تجزیه و تحلیل جامع آغاز کنید.
2. تحقیقات دامنه:
- انجام تحقیقات کامل در حوزه برای شناسایی معیارهای مهم و KPI برای تجزیه و تحلیل.
3. طرح داشبورد:
- ساختار و زیبایی شناسی داشبورد خود را ترسیم کنید، از داشبوردهای آنلاین موجود برای طراحی و عملکرد بهتر الهام بگیرید.
4. مدیریت داده ها:
- وارد کردن داده ها با دقت، اطمینان از صحت. پاکسازی، مدلسازی و ایجاد اقدامات و محاسبات ضروری را ادامه دهید.
5. فرمول سوال:
- فهرستی از سؤالات روشنگری که داشبورد شما به آنها پاسخ می دهد تهیه کنید ، با پوشش روندها، مقایسه ها، تجمیع ها و همبستگی های درون داده ها، طوفان فکری به پا کنید.
6. یکپارچه سازی پلتفرم:
- از Novypro.com به عنوان پلتفرم میزبانی داشبورد خود استفاده کنید و یکپارچگی و دسترسی یکپارچه را تضمین کنید.
7. مشاهده لینکدین:
- داشبورد خود را در لینکدین با یک پست مختصر که زمینه را ارائه می دهد به اشتراک بگذارید. پیوندی به داشبورد میزبان Novypro خود اضافه کنید تا تعامل و ارتباطات حرفه ای را تقویت کنید.
https://parsinfotech.com/5-power-bi-projects-for-recruitment
@parsinfotech
5 پروژه کوچک که نه تنها به شما کمک می کند تا تجربه کسب کنید، بلکه به شما کمک می کند تا رزومه خود را قوی تر بسازید.
📌Customer Churn Analysis
🔗 https://www.kaggle.com/code/fabiendaniel/customer-segmentation/input
📌Credit Card Fraud
🔗 https://github.com/sahidul-shaikh/credit-card-fraud-
📌Movie Sales Analysis
🔗https://www.kaggle.com/datasets/PromptCloudHQ/imdb-data
📌Airline Sector
🔗https://www.kaggle.com/datasets/yuanyuwendymu/airline-
📌Financial Data Analysis
🔗https://www.kaggle.com/datasets/qks1%7Cver/financial-data-
راهنمای ساده
1. استفاده از داده ها:
- فرآیند را با استفاده از مجموعه داده های ارائه شده برای تجزیه و تحلیل جامع آغاز کنید.
2. تحقیقات دامنه:
- انجام تحقیقات کامل در حوزه برای شناسایی معیارهای مهم و KPI برای تجزیه و تحلیل.
3. طرح داشبورد:
- ساختار و زیبایی شناسی داشبورد خود را ترسیم کنید، از داشبوردهای آنلاین موجود برای طراحی و عملکرد بهتر الهام بگیرید.
4. مدیریت داده ها:
- وارد کردن داده ها با دقت، اطمینان از صحت. پاکسازی، مدلسازی و ایجاد اقدامات و محاسبات ضروری را ادامه دهید.
5. فرمول سوال:
- فهرستی از سؤالات روشنگری که داشبورد شما به آنها پاسخ می دهد تهیه کنید ، با پوشش روندها، مقایسه ها، تجمیع ها و همبستگی های درون داده ها، طوفان فکری به پا کنید.
6. یکپارچه سازی پلتفرم:
- از Novypro.com به عنوان پلتفرم میزبانی داشبورد خود استفاده کنید و یکپارچگی و دسترسی یکپارچه را تضمین کنید.
7. مشاهده لینکدین:
- داشبورد خود را در لینکدین با یک پست مختصر که زمینه را ارائه می دهد به اشتراک بگذارید. پیوندی به داشبورد میزبان Novypro خود اضافه کنید تا تعامل و ارتباطات حرفه ای را تقویت کنید.
https://parsinfotech.com/5-power-bi-projects-for-recruitment
@parsinfotech
Kaggle
Customer Segmentation
Explore and run machine learning code with Kaggle Notebooks | Using data from E-Commerce Data
This media is not supported in your browser
VIEW IN TELEGRAM
اولین شبکه خبری جهان با مجریهای هوش مصنوعی معرفی شد
اولین شبکه خبری جهان که از مجریهای ساختهشده با هوش مصنوعی استفاده میکند، معرفی شد. مجریهای این شبکه که «کانال ۱» نام دارد، اخباری را میخوانند که با هوش مصنوعی نوشته شدهاند، البته اخبار واقعی هستند و خبری از اخبار جعلی در این کانال نیست.
کانال ۱ بهطور رسمی سال آینده میلادی راهاندازی میشود، اما سازنده آن تصمیم گرفته که حالا اولین ویدیوی کامل از معرفی این شبکه را منتشر کند.
https://parsinfotech.com/the-worlds-first-news-network-with-ai-presenters
اولین شبکه خبری جهان که از مجریهای ساختهشده با هوش مصنوعی استفاده میکند، معرفی شد. مجریهای این شبکه که «کانال ۱» نام دارد، اخباری را میخوانند که با هوش مصنوعی نوشته شدهاند، البته اخبار واقعی هستند و خبری از اخبار جعلی در این کانال نیست.
کانال ۱ بهطور رسمی سال آینده میلادی راهاندازی میشود، اما سازنده آن تصمیم گرفته که حالا اولین ویدیوی کامل از معرفی این شبکه را منتشر کند.
https://parsinfotech.com/the-worlds-first-news-network-with-ai-presenters
This media is not supported in your browser
VIEW IN TELEGRAM
📌 V0: Generative Ui - combining the best practices of frontend development with the potential of generative AI.
این ابزار که ترکیبی از هوشمصنوعی مولد و شیوههای توسعه فرانتاند هست بهتون کمک میکنه صفحات وب تولید کنید و در نهایت سورسکد رو هم در اختیارتون میذاره.
🔗 https://parsinfotech.com/generative-ui/
@parsinfotech
این ابزار که ترکیبی از هوشمصنوعی مولد و شیوههای توسعه فرانتاند هست بهتون کمک میکنه صفحات وب تولید کنید و در نهایت سورسکد رو هم در اختیارتون میذاره.
🔗 https://parsinfotech.com/generative-ui/
@parsinfotech
Media is too big
VIEW IN TELEGRAM
📽 The first 20 hours -- how to learn anything
شاید مهمترین بهانه برای شروع یادگیری هر مهارت جدید نداشتن زمان کافی هست! طبق یکسری تحقیق برای ماهر شدن در یک مهارت به ۱۰۰۰۰ ساعت زمان نیاز هست اما زمان مشخص شده برای رسیدن به قلههای رقابتی اون رشته هست. در واقع میشه با ۴ اصل تجزیه و تحلیل مهارت(هر مهارت از مهارتهای کوچکتر ساخته میشه)، یادگیری و اصلاح اشتباهات خودمون، حذف چیزهایی که حواسمون رو از تمرین کردن پرت میکنن و ۲۰ ساعت تمرین مداوم؛ هر مهارتی رو یادبگیریم و توی اون خوب بشیم!
🔗 https://parsinfotech.com/the-first-20-hours/
@parsinfotech
شاید مهمترین بهانه برای شروع یادگیری هر مهارت جدید نداشتن زمان کافی هست! طبق یکسری تحقیق برای ماهر شدن در یک مهارت به ۱۰۰۰۰ ساعت زمان نیاز هست اما زمان مشخص شده برای رسیدن به قلههای رقابتی اون رشته هست. در واقع میشه با ۴ اصل تجزیه و تحلیل مهارت(هر مهارت از مهارتهای کوچکتر ساخته میشه)، یادگیری و اصلاح اشتباهات خودمون، حذف چیزهایی که حواسمون رو از تمرین کردن پرت میکنن و ۲۰ ساعت تمرین مداوم؛ هر مهارتی رو یادبگیریم و توی اون خوب بشیم!
🔗 https://parsinfotech.com/the-first-20-hours/
@parsinfotech
🎓 مجموعهای از بهترین دورههای رایگان در زمینه هوش مصنوعی و تحلیل داده از دانشگاههای MIT ، استنفورد و هاروارد
🔶 Introduction to Computer Science and Programming Using Python (MIT)
🌐 About this course
🔶 Introduction to Computational Thinking and Data Science (MIT)
🌐 About this course
🔶 The Analytics Edge (MIT)
🌐 About this course
🔶 Machine Learning (MIT)
🌐 About this course
🔶 Introduction to Deep Learning (MIT)
🌐 About this course
🔶 Artificial Intelligence (MIT)
🌐 About this course
🔶 Optimization Methods (MIT)
🌐 About this course
🔶 Probabilistic Systems Analysis and Applied Probability (MIT)
🌐 About this course
🔶 Statistical Thinking and Data Analysis (MIT)
🌐 About this course
🔶 Optimization Methods in Management Science (MIT)
🌐 About this course
🔶 Databases (Stanford)
🌐 About this course
🔶 Mining Massive Datasets (Stanford)
🌐 About this course
🔶 Statistical Learning (Stanford)
🌐 About this course
🔶 Computer Science 101 (Stanford)
🌐 About this course
🔶 Algorithms: Design and Analysis (Stanford)
🌐 Part 1 - About this course
🌐 Part 2 - About this course
🔶 Convex Optimization (Stanford)
🌐 About this course
🔶 Introduction to Artificial Intelligence with Python (Harvard)
🌐 About this course
🔶 Data Science: Machine Learning (Harvard)
🌐 About this course
🔶 Data Science: Probability (Harvard)
🌐 About this course
@parsinfotech
https://parsinfotech.com/free-ai-courses-from-mit-stanford-and-harvard
🔶 Introduction to Computer Science and Programming Using Python (MIT)
🌐 About this course
🔶 Introduction to Computational Thinking and Data Science (MIT)
🌐 About this course
🔶 The Analytics Edge (MIT)
🌐 About this course
🔶 Machine Learning (MIT)
🌐 About this course
🔶 Introduction to Deep Learning (MIT)
🌐 About this course
🔶 Artificial Intelligence (MIT)
🌐 About this course
🔶 Optimization Methods (MIT)
🌐 About this course
🔶 Probabilistic Systems Analysis and Applied Probability (MIT)
🌐 About this course
🔶 Statistical Thinking and Data Analysis (MIT)
🌐 About this course
🔶 Optimization Methods in Management Science (MIT)
🌐 About this course
🔶 Databases (Stanford)
🌐 About this course
🔶 Mining Massive Datasets (Stanford)
🌐 About this course
🔶 Statistical Learning (Stanford)
🌐 About this course
🔶 Computer Science 101 (Stanford)
🌐 About this course
🔶 Algorithms: Design and Analysis (Stanford)
🌐 Part 1 - About this course
🌐 Part 2 - About this course
🔶 Convex Optimization (Stanford)
🌐 About this course
🔶 Introduction to Artificial Intelligence with Python (Harvard)
🌐 About this course
🔶 Data Science: Machine Learning (Harvard)
🌐 About this course
🔶 Data Science: Probability (Harvard)
🌐 About this course
@parsinfotech
https://parsinfotech.com/free-ai-courses-from-mit-stanford-and-harvard
MIT OpenCourseWare
Introduction to Computer Science and Programming | Electrical Engineering and Computer Science | MIT OpenCourseWare
6.00SC Intro to CS and Programming has been retired from OCW. You can access the archived course on {{% resource_link "302bf23a-1209-419a-8c74-48b2573e440a" "DSpace – MIT’s digital repository" %}}. Please see the list of {{% resource_link "9f6e3e3c-0bda-4f8f…
📝 درباره قوانین هوش مصنوعی اروپا چه میدانیم؟
سیاستگذاران و قانونگذاران اتحادیه اروپا جمعه گذشته، بر سر اولین مجموعه قوانین جامع جهان برای ساماندهی استفاده از هوش مصنوعی در ابزارهایی مانند چتجیپیتی و نظارت بیومتریک، به توافق رسیدند.
مقامات اروپایی در هفتههای آینده، جزئیاتی را بررسی خواهند کرد که ممکن است در قانون نهایی تغییراتی دهند. انتظار میرود این قانون در اوایل سال میلادی آینده، اجرایی شده و در سال ۲۰۲۶ بکار برده شود. تا آن زمان، شرکتها تشویق میشوند تا برای اجرای تعهدات کلیدی مقررات، در یک پیمان هوش مصنوعی داوطلبانه ثبت نام کنند.
بر اساس گزارش رویترز، موضوعات اصلی توافق شده عبارتند از:
سیستمهای هوش مصنوعی به اصطلاح پرریسک یعنی سیستمهایی که پتانسیل قابل توجهی برای آسیب رساندن به سلامت، ایمنی، حقوق اساسی، محیط زیست، دموکراسی، انتخابات و حاکمیت قانون دارند، باید از مجموعهای از الزامات پیروی کنند به عنوان مثال، تاثیر آنها بر حقوق اساسی و تعهدات برای دسترسی به بازار اتحادیه اروپا، ارزیابی شود.
https://parsinfotech.com/european-ai-rules/
@parsinfotech
سیاستگذاران و قانونگذاران اتحادیه اروپا جمعه گذشته، بر سر اولین مجموعه قوانین جامع جهان برای ساماندهی استفاده از هوش مصنوعی در ابزارهایی مانند چتجیپیتی و نظارت بیومتریک، به توافق رسیدند.
مقامات اروپایی در هفتههای آینده، جزئیاتی را بررسی خواهند کرد که ممکن است در قانون نهایی تغییراتی دهند. انتظار میرود این قانون در اوایل سال میلادی آینده، اجرایی شده و در سال ۲۰۲۶ بکار برده شود. تا آن زمان، شرکتها تشویق میشوند تا برای اجرای تعهدات کلیدی مقررات، در یک پیمان هوش مصنوعی داوطلبانه ثبت نام کنند.
بر اساس گزارش رویترز، موضوعات اصلی توافق شده عبارتند از:
سیستمهای هوش مصنوعی به اصطلاح پرریسک یعنی سیستمهایی که پتانسیل قابل توجهی برای آسیب رساندن به سلامت، ایمنی، حقوق اساسی، محیط زیست، دموکراسی، انتخابات و حاکمیت قانون دارند، باید از مجموعهای از الزامات پیروی کنند به عنوان مثال، تاثیر آنها بر حقوق اساسی و تعهدات برای دسترسی به بازار اتحادیه اروپا، ارزیابی شود.
https://parsinfotech.com/european-ai-rules/
@parsinfotech
📌 The whole brain Atlas | DataSets
دانشگاه هاروارد یک اطلس تعاملی از مغز انسان در حالتهای مختلف همراه با بیماریها تهیه کرده که میشه ازش به عنوان دیتاست استفاده کرد.
🔗 https://parsinfotech.com/the-whole-brain-atlas/
@parsinfotech
دانشگاه هاروارد یک اطلس تعاملی از مغز انسان در حالتهای مختلف همراه با بیماریها تهیه کرده که میشه ازش به عنوان دیتاست استفاده کرد.
🔗 https://parsinfotech.com/the-whole-brain-atlas/
@parsinfotech
📽 Decoding NLP: Key Papers That Shaped Modern Language Models
مرکز سامانههای اطلاعاتی و علومداده دانشگاه شریف یک بررسی جامع از مهمترین پژوهشهای حوزه پردازش زبان انجام داده که تماشای اونها دید به خصوصی بهتون میده.
🔗 https://parsinfotech.com/researches-in-the-field-of-language-processing-in-sharif-uni
@parsinfotech
مرکز سامانههای اطلاعاتی و علومداده دانشگاه شریف یک بررسی جامع از مهمترین پژوهشهای حوزه پردازش زبان انجام داده که تماشای اونها دید به خصوصی بهتون میده.
🔗 https://parsinfotech.com/researches-in-the-field-of-language-processing-in-sharif-uni
@parsinfotech
برای یادگیری هوش مصنوعی منابع متنوعی در دسترس هستند که شامل کتابها، دورههای آنلاین، پروژههای عملی، فرومهای بحث و تبادل نظر و وبلاگها میشوند. در اینجا منابعی را به زبان فارسی و یا منابعی که حداقل گزینهی زبان فارسی دارند، پیشنهاد میکنم:
1. دورههای آنلاین:
- کورسرا (Coursera): دورههای متعددی در زمینهی AI از جمله "یادگیری ماشین" ارائه شده اند که توسط اندرو انگ تدریس میشوند.
- ادکس (edX): دارای دورههایی در زمینهی هوش مصنوعی ارائه شده توسط دانشگاههای برتر مانند MIT و هاروارد.
2. کتابها:
- "یادگیری ماشین" نوشته تام میچل، یکی از کتابهای کلاسیک است که ممکن است ترجمههای فارسی آن موجود باشد.
- "یادگیری عمیق" نوشته ایان گودفلو، یوشوا بنجیو و آرون کورویل، اگرچه ممکن است نیاز به جستجو برای یافتن ترجمهی فارسی آن داشته باشید.
3. وبسایتها و وبلاگها:
- سایتهایی مانند Medium که مقالات متعددی در زمینهی AI به زبانهای مختلف از جمله فارسی منتشر میکنند.
- سایت "توسینسو" که مقالات و آموزشهایی در زمینههای مختلف فناوری اطلاعات به زبان فارسی ارائه میدهد.
4. پلتفرمهای کدنویسی:
- پلتفرمهایی مانند GitHub یا GitLab، که میتوانید کد پروژههای مرتبط با هوش مصنوعی را ببینید و مشارکت کنید.
5. فرومهای تبادل نظر:
- فرومهای محلی و بینالمللی مانند Stack Overflow که بخشهای مخصوص به مباحث AI دارند.
برای بهرهبردن بهتر از این منابع، پیشنهاد میکنم دانش پایه خود را در زمینهی برنامهنویسی و الگوریتمها تقویت کنید و سپس به سمت تخصصیتر شدن در زمینهی هوش مصنوعی پیش روید. همچنین، مشارکت در پروژهها و چالشهای عملی به شما کمک میکند تا دانش خود را به کار بگیرید و تسلطتان را بر این حوزه افزایش دهید.
این متن توسط chatgpt نوشته شده
در سایت https://start.chatgot.io/login با یه ایمیل اکانت ساختم و قسمت پایین صفحه @ رو تایپ کردم و Gpt رو انتخاب کردم ازش خواستم منابع یادگیری هوش مصنوعی رو بهم معرفی کنه
از Midjourney هم می تونید برای تصویر سازی استفاده کنید
https://parsinfotech.com/resources-for-learning-ai/
@parsinfotech
1. دورههای آنلاین:
- کورسرا (Coursera): دورههای متعددی در زمینهی AI از جمله "یادگیری ماشین" ارائه شده اند که توسط اندرو انگ تدریس میشوند.
- ادکس (edX): دارای دورههایی در زمینهی هوش مصنوعی ارائه شده توسط دانشگاههای برتر مانند MIT و هاروارد.
2. کتابها:
- "یادگیری ماشین" نوشته تام میچل، یکی از کتابهای کلاسیک است که ممکن است ترجمههای فارسی آن موجود باشد.
- "یادگیری عمیق" نوشته ایان گودفلو، یوشوا بنجیو و آرون کورویل، اگرچه ممکن است نیاز به جستجو برای یافتن ترجمهی فارسی آن داشته باشید.
3. وبسایتها و وبلاگها:
- سایتهایی مانند Medium که مقالات متعددی در زمینهی AI به زبانهای مختلف از جمله فارسی منتشر میکنند.
- سایت "توسینسو" که مقالات و آموزشهایی در زمینههای مختلف فناوری اطلاعات به زبان فارسی ارائه میدهد.
4. پلتفرمهای کدنویسی:
- پلتفرمهایی مانند GitHub یا GitLab، که میتوانید کد پروژههای مرتبط با هوش مصنوعی را ببینید و مشارکت کنید.
5. فرومهای تبادل نظر:
- فرومهای محلی و بینالمللی مانند Stack Overflow که بخشهای مخصوص به مباحث AI دارند.
برای بهرهبردن بهتر از این منابع، پیشنهاد میکنم دانش پایه خود را در زمینهی برنامهنویسی و الگوریتمها تقویت کنید و سپس به سمت تخصصیتر شدن در زمینهی هوش مصنوعی پیش روید. همچنین، مشارکت در پروژهها و چالشهای عملی به شما کمک میکند تا دانش خود را به کار بگیرید و تسلطتان را بر این حوزه افزایش دهید.
این متن توسط chatgpt نوشته شده
در سایت https://start.chatgot.io/login با یه ایمیل اکانت ساختم و قسمت پایین صفحه @ رو تایپ کردم و Gpt رو انتخاب کردم ازش خواستم منابع یادگیری هوش مصنوعی رو بهم معرفی کنه
از Midjourney هم می تونید برای تصویر سازی استفاده کنید
https://parsinfotech.com/resources-for-learning-ai/
@parsinfotech
سایت aixploria اومده ابزارهای هوشمصنوعی در حوزههای مختلف رو لیست کرده، اینجوری میتونید راحت بین این ابزارها بگردید و بهترین رو متناسب با نیازتون انتخاب کنید.
https://parsinfotech.com/aixploria/
@parsinfotech
https://parsinfotech.com/aixploria/
@parsinfotech
📽 Large Language Models Course Syllabuses
دانشکده کامپیوتر شریف، برای این ترم درس مدلهای زبانی رو برگذار میکنه که از لینک زیر میتونید بهش دسترسی پیدا کنید.
🔗 https://ocw.sharif.edu/course/id/524
@parsinfotech
دانشکده کامپیوتر شریف، برای این ترم درس مدلهای زبانی رو برگذار میکنه که از لینک زیر میتونید بهش دسترسی پیدا کنید.
🔗 https://ocw.sharif.edu/course/id/524
@parsinfotech
This media is not supported in your browser
VIEW IN TELEGRAM
🧠درسهایی که یک بیمار دچار سکته مغزی به ما یاد داد...
👁🗨آیا تمام آنچه میبینیم درون مغز پردازش میشود؟
✔️آیا ما نسبت به تمام پردازشهای مغزمان آگاهی داریم؟!
https://parsinfotech.com/is-everything-we-see-processed-in-the-brain
@parsinfotech
👁🗨آیا تمام آنچه میبینیم درون مغز پردازش میشود؟
✔️آیا ما نسبت به تمام پردازشهای مغزمان آگاهی داریم؟!
https://parsinfotech.com/is-everything-we-see-processed-in-the-brain
@parsinfotech
This media is not supported in your browser
VIEW IN TELEGRAM
📌نورون تولید ویدئو آزمایشگاه Pika از نسخه بتا خارج شده است
در نسخه 1.0، می توانید ویدیوها را مستقیماً در سایت تولید کنید، نه فقط در Discord. علاوه بر بهبود کیفیت تصویر، گزینههای سبک Runway برای کنترل تصاویر از طریق سایت وجود دارد.
دسترسی در حال حاضر برای همه باز است، اما باید در نوبت بمانید
https://pika.art/waitlist
@parsinfotech
در نسخه 1.0، می توانید ویدیوها را مستقیماً در سایت تولید کنید، نه فقط در Discord. علاوه بر بهبود کیفیت تصویر، گزینههای سبک Runway برای کنترل تصاویر از طریق سایت وجود دارد.
دسترسی در حال حاضر برای همه باز است، اما باید در نوبت بمانید
https://pika.art/waitlist
@parsinfotech