چیت شیت چیست؟ 📚💡

یک «چیت شیت» در علوم داده، یک صفحه یا سند خلاصه‌ای است که مهم‌ترین مفاهیم، فرمول‌ها، دستورات و ابزارهای مورد نیاز در این حوزه را به صورت مختصر و مفید ارائه می‌دهد. این سندها به دانشجویان، تحلیل‌گران و متخصصان علوم داده کمک می‌کنند تا به سرعت به اطلاعات کلیدی دسترسی پیدا کنند و در کارهای روزمره خود بهره‌وری بیشتری داشته باشند. 🧠✨

به طور معمول، چیت شیت‌ها در حوزه علوم داده و یادگیری ماشین شامل نکات مهم برنامه‌نویسی در زبان‌هایی مانند پایتون و R، الگوریتم‌های یادگیری ماشین، روش‌های پیش‌پردازش داده و تکنیک‌های بصری‌سازی داده می‌شوند. 📊🧑🏻‍💻

این منابع فشرده و کاربردی، ابزارهای ارزشمندی برای افزایش کارایی و تسهیل یادگیری در مسیرهای حرفه‌ای مختلف هستند. 🌟📈

🔹 Bits Learn | CSSA IUST | LinkedIn

چیت شیت NumPy 🔢

1. NumPy:
کتابخانه‌ای برای کار با آرایه‌ها و محاسبات عددی است.

نکات مهم:
- np.array([1, 2, 3]): ایجاد آرایه.
- np.mean(array): محاسبه میانگین.
- np.linspace(start, stop, num): ایجاد آرایه‌ای با تعداد مشخصی از اعداد بین دو مقدار.

🔗 دسترسی به چیت‌شیت: NumPy Cheat Sheet

🔹 Bits Learn | CSSA IUST | LinkedIn

چیت شیت Pandas 🐼

2. Pandas:
یکی از کتابخانه‌های مهم برای تحلیل و دستکاری داده‌ها در پایتون است.

نکات مهم:
- df.head(): نمایش چند سطر اول دیتا.
- df.describe(): خلاصه‌ای از آمار و اطلاعات دیتافریم.
- df.groupby('column').mean(): گروه‌بندی و محاسبه میانگین.

🔗 دسترسی به چیت‌شیت: Pandas Cheat Sheet

🔹 Bits Learn | CSSA IUST | LinkedIn

📌 Git and GitHub Workshop
کارگاه عملی آموزش مقدمات سیستم کنترل نسخه گیت و گیت‌هاب

👤 مدرس‌ دوره:

بردیا یغمایی
مهندس DevSecOps شرکت یکتانت

💎 محتوای دوره:
- Introduction to Version Control and Git
- Setting Up Git
- Basic Git Commands
- Working with Commits
- Branching and Merging
- Remote Repositories
- Collaboration Workflow
- Handling Merge Conflicts
- Best Practices and Resources

📆 زمان برگزاری: ۳۰ تیر الی ۵ مرداد ۱۴۰۳

⏰ دوشنبه و چهارشنبه ساعت ۲۰ تا ۲۲

💰قیمت دوره: ۲۸۰/۰۰۰ تومان

🔗 برای کسب اطلاعات بیشتر و ثبت‌نام با ما در ارتباط باشید.

#دوره

🔸 Bits Learn | CSSA IUST | LinkedIn

🔥 بهترین ابزارهای هوش مصنوعی برای تولید و ویرایش تصاویر 📸

🔹 ‌‌ ‌Midjourney :
فقط کافی است یک Prompt برای او بنویسید و بعد از نهایتاً چند ثانیه، تصویری را که توصیف کرده‌اید، دریافت کنید.

برای استفاد از امکانات این ابزار، باید اکانت دیسکورد داشته باشید و همه‌چیز، از نوشتن پرامپت گرفته تا تولید تصاویر در دیسکورد پیش می‌رود.

برای استفاده از این ابزار باید دست به جیب شوید =)

🔹 Microsoft Bing Image Creator :
می‌توانید تصویر موردنظرتان را برای Bing توصیف کنید تا آن را برایتان بسازد. این ابزار یکی از بهترین هوش مصنوعی های رایگان در زمینۀ ساخت تصاویر است که مدل DALL-E از کمپانی OpenAI قدرت و توانایی آن را تأمین می‌کند.

با استفاده از این ابزار امکان ساخت حداکثر ۱۰۰ تصویر رایگان در هر روز را دارید. 👾

🔹 Magic Eraser :
برخی اوقات یک عکس خارق‌العاده دارید که چیزی در آن اضافه است. مثلاً عکسی زیبا از لحظۀ غروب خورشید دارید که حضور تیر برق در آن توی ذوق می‌زند.

فقط کافی است عکس مدنظرتان را آپلود کنید و با هایلایت کردن قسمت اضافی، شاهد حذف آن باشید. بعد از حذف، پس‌زمینه با توجه به تفسیر AI از کلیت عکس پر می‌شود. خیالتان راحت! Magic Eraser تفسیر درستی از تصویر شما خواهد داشت و به شکلی مناسب پس‌زمینه را پر می‌کند. 🎉

🔸 Bits Learn | CSSA IUST | LinkedIn

🆓🔥 ۹ دوره آموزشی رایگان هوش مصنوعی گوگل!

🔹مقدمه ای بر هوش مصنوعی مولد
🔻مدت دوره : ۴۵ دقیقه
🔻سطح دوره : مقدماتی
🔻در این دوره با تعریف هوش مصنوعی مولد، چگونگی استفاده از آن و تفاوتش با دیگر ابزارهای سنتی یادگیری ماشینی آشنا می‌شوید. همچنین ابزار های محتلف گوگل معرفی می شوند.✔️

🔹مقدمه‌ای بر مدل‌های زبانی بزرگ
🔻مدت دوره : ۳۰ دقیقه
🔻سطح دوره : مقدماتی
🔻این دوره برای درک مدل‌های زبانی بزرگ (LLM) کاربرد دارد. یکی از بخش‌های جذاب این دوره آموزش پرامپت‌نویسی برای کسب بیشترین مهارت در استفاده از این مدل‌هاست.🧑🏻‍💻

🔹مقدمه‌ای بر هوش مصنوعی مسئولانه
🔻مدت دوره : ۳۰ دقیقه
🔻سطح دوره : مقدماتی
🔻به این مبحث می‌پردازد که چگونه گوگل هوش مصنوعی مسئول و متعهد را در محصولاتش پیاده‌ می‌کند. همچنین در این دوره با هفت اصل گوگل در زمینه هوش مصنوعی آشنا می‌شوید.⚡️

🔹مقدمه‌ای بر تولید تصویر
🔻مدت دوره : ۳۰ دقیقه
🔻سطح دوره : متوسط
🔻این دوره مدل‌های انتشاری (Diffusion) را معرفی می‌کند، خانواده‌ای از مدل‌های یادگیری ماشینی که اخیراً در زمینه تولید تصویر امیدوارکننده ظاهر شده‌اند.📸

🔹معماری رمزگذار و رمزگشا (انکدر-دیکدر)
🔻مدت دوره : ۳۰ دقیقه
🔻سطح دوره : متوسط
🔻اگر می‌خواهید در معماری رمزگذار-رمزگشا برای کارهایی، مانند ترجمه ماشینی و خلاصه‌سازی، اطلاعات کسب کنید، این دوره مناسب شماست.🖨

🔹مکانیسم توجه
🔻مدت دوره : ۳۰ دقیقه
🔻سطح دوره : متوسط
🔻این دوره شما را با مکانیسم توجه آشنا می‌کند که به شبکه‌های عصبی اجازه می‌دهد روی بخش‌های خاصی از یک دنباله ورودی تمرکز کنند.⏳

🔹مدل‌های ترنسفورمر و مدل BERT
🔻مدت دوره : ۴۵ دقیقه
🔻سطح دوره : متوسط
🔻در این دوره، درباره مدل‌ انتقالی یا ترنسفورمر و مدل زبانی «انکدر دوطرفه نمایشی از ترنسفورمر» (BERT) آموزش داده می‌شود.🎉

🔹مدل‌های تشریح تصویر
🔻مدت دوره : ۳۰ دقیقه
🔻سطح دوره : متوسط
🔻این دوره به شما می‌آموزد چگونه با استفاده از یادگیری عمیق، مدل تشریح تصویر (Image Captioning Model) ایجاد کنید.📖

🔹مقدمه‌ای بر Vertex AI Studio
🔻مدت دوره : ۲ ساعت
🔻سطح دوره : متوسط
🔻این دوره آموزشی Vertex AI Studio را معرفی می‌کند؛ ابزاری برای نمونه‌سازی و سفارشی‌سازی مدل‌های مولد هوش مصنوعی.🔍

🔸 Bits Learn | CSSA IUST | LinkedIn

چیت شیت Matplotlib 📟

3. Matplotlib:
کتابخانه‌ای برای ترسیم نمودارها و گراف‌ها در پایتون است.

نکات مهم:
- plt.plot(x, y): ترسیم نمودار خطی.
- plt.scatter(x, y): ترسیم نمودار پراکندگی.
- plt.hist(data): ترسیم نمودار هیستوگرام.

🔗 دسترسی به چیت‌شیت: Matplotlib Cheat Sheet

🔹 Bits Learn | CSSA IUST | LinkedIn

چیت شیت Seaborn 🎨

4. Seaborn:
یکی از کتابخانه‌های محبوب برای تجسم داده‌ها در پایتون است.

نکات مهم:

📌 رسم scatter plot:

sns.scatterplot(data=df, x="total_bill", y="tip")

📌 رسم bar plot:

sns.barplot(x="day", y="total_bill", data=df)

📌 رسم histogram:

sns.histplot(data=df, x="total_bill", bins=30)

📌 تنظیمات رنگ:

sns.set_palette("pastel")

🔗 دسترسی به چیت‌شیت: Seaborn Cheat Sheet

🔹 Bits Learn | CSSA IUST | LinkedIn

📟 Algorithmic AI Course

دوره آموزش آشنایی با الگوریتم‌های پایه‌ای هوش مصنوعی

👥 مدرسین‌ دوره:
پویا جعفری
محقق و توسعه‌دهنده هوش مصنوعی شرکت روشن
آوا محسنی
محقق هوش مصنوعی پژوهشگاه دانش‌های بنیادین


👾 محتوای دوره:
✔️ Heuristic Searches (DFS, BFS, TSP)
✔️ Non-heuristic Searches (A*, IDF*, ...)
✔️ 2-Player Games (mini-max)
✔️ Decision Tree
✔️ KNN - Naive Bayes


📆 زمان برگزاری: ۶ مرداد الی ۲۶ مرداد ۱۴۰۳

⏰ چهارشنبه و پنجشنبه ساعت ۹ الی ۱۱

💰قیمت دوره: ۵۶۰/۰۰۰ تومان

🔗 برای کسب اطلاعات بیشتر و ثبت‌نام با ما در ارتباط باشید.

#دوره

🌐 Bits Learn | CSSA IUST | LinkedIn

🌐 معرفی وب‌سایت‌های برتر برای سوالات الگوریتمی 🌐

امروز می‌خواهیم بهترین وب‌سایت‌های تمرین و حل سوالات الگوریتمی رو بهتون معرفی کنیم. این وب‌سایت‌ها برای آماده‌سازی برای مسابقات برنامه‌نویسی و تقویت مهارت‌های الگوریتمی عالی هستن.

1. Codeforces 📚
یکی از معروف‌ترین پلتفرم‌های مسابقات برنامه‌نویسی. دارای مسابقات منظم و سوالات چالشی در سطوح مختلف.

2. LeetCode 🧩
محیطی عالی برای آماده‌سازی مصاحبه‌های شغلی. سوالات الگوریتمی متنوع با توضیحات کامل و آزمون‌های مشابه مصاحبه‌های فنی.

3. HackerRank 💻
پلتفرمی برای تمرین و مسابقه در موضوعات مختلف برنامه‌نویسی و الگوریتم. دارای مسیرهای یادگیری برای مهارت‌های مختلف.

4. TopCoder 🏆
یکی از قدیمی‌ترین پلتفرم‌های مسابقات برنامه‌نویسی. شامل مسابقات هفتگی و سوالات سطح بالا برای علاقه‌مندان به چالش‌های الگوریتمی.

5. CodeChef 🍽
پلتفرمی هندی با مسابقات ماهیانه و سوالات متنوع در زمینه الگوریتم و برنامه‌نویسی. دارای جامعه فعال و پشتیبانی عالی.

6. Project Euler 🧮
پلتفرمی برای سوالات ریاضی و الگوریتمی چالش‌برانگیز که نیازمند تفکر عمیق و مهارت‌های برنامه‌نویسی هستند. مناسب برای علاقه‌مندان به مسائل ریاضی و برنامه‌نویسی.

🔸 Bits Learn | CSSA IUST | LinkedIn

چیت شیت OpenCV 👁

5. OpenCV:
راهنمای کامل شما برای تسلط بر بینایی کامپیوتر و پردازش تصویر با استفاده از پایتون است. این چیت شیت طراحی شده است تا به شما کمک کند تا به سرعت ایده‌ها و تکنیک‌های مهم در OpenCV را درک کنید.

نکات مهم:
💭 imread(image_path, flag):
این متد برای خواندن تصویر از مسیر آن استفاده می‌شود.

💭 imshow(window_name, image):
برای نمایش تصویر در پنجره استفاده می‌شود.

💭 imwrite(filename, image):
این متد برای نوشتن یا ذخیره تصویر با استفاده از OpenCV به کار می‌رود.

🔗 دسترسی به چیت‌شیت: OpenCV Cheet Sheet

🔹 Bits Learn | CSSA IUST | LinkedIn

چیت شیت Git 🐙

6. Git:
یکی از بهترین سیستم‌های کنترل نسخه برای مدیریت کدها، همکاری در پروژه‌های نرم‌افزاری و نسخه‌بندی است.

نکات مهم:
- کلون کردن مخزن:

git clone <URL>

دانلود یک کپی از مخزن به سیستم محلی.

- ایجاد کامیت:

git add .
git commit -m "پیام کامیت"

اضافه کردن تغییرات و ذخیره آنها در مخزن محلی.

- مشاهده وضعیت:

git status

نمایش وضعیت مخزن و تغییرات اعمال شده.

🔗 دسترسی به چیت‌شیت: GitHub Cheat Sheet

🔹 Bits Learn | CSSA IUST | LinkedIn

📊 الگوریتم IDA* برای حل مکعب روبیک 📊

مکعب روبیک یک پازل مکانیکی سه‌بعدی است که با چرخاندن لایه‌ها باید تمام وجوه آن به رنگ‌های یکسان بازگردانده شود. الگوریتم Iterative Deepening A* یا IDA* یکی از بهترین روش‌ها برای حل مکعب روبیک است.

🔻 نحوه کار الگوریتم IDA*

این الگوریتم ترکیبی از جستجوی عمق اول (DFS) و جستجوی اول سطح (BFS) است که از یک هیوریستیک برای هدایت جستجو به سمت هدف استفاده می‌کند. الگوریتم IDA* به صورت بازگشتی عمل کرده و در هر تکرار عمق جستجو را افزایش می‌دهد تا زمانی که به جواب برسد. این الگوریتم از یک هیوریستیک برای تخمین فاصله تا هدف استفاده می‌کند و تنها به حالاتی که هیوریستیک آنها کمتر از یک آستانه معین است، پرداخته می‌شود. این آستانه در هر تکرار افزایش می‌یابد.

🔻 نکات کلیدی برای بهینه‌سازی الگوریتم IDA*

◽️ حذف حرکت‌های تکراری
- حذف حرکت ساده: با نگه داشتن تاریخچه یک حرکت، می‌توانید فاکتور شاخه‌بندی را از 18 به 15 کاهش دهید. هر وجه را نباید دو بار پشت سر هم حرکت دهید.
- حذف حرکت پیشرفته: با دسته‌بندی وجه‌ها به "اول" و "دوم"، پس از حرکت یک وجه اول، می‌توانید هر یک از وجه‌های دیگر را حرکت دهید. اما پس از حرکت یک وجه دوم، نمی‌توانید دوباره همان وجه یا وجه اول مخالف را حرکت دهید. این روش فاکتور شاخه‌بندی را به 12 کاهش می‌دهد.

◽️ هیوریستیک‌ها
- پایگاه داده‌های الگو (PDBs): گوشه‌ها را به طور کامل حل کنید و نتایج را در یک جدول هش ذخیره کنید. این هیوریستیک‌ها قابل قبول و سازگار هستند.
- روش ساده‌تر: تعداد حرکت‌های لازم برای هر گوشه/لبه را محاسبه کنید و مجموع آن‌ها را بر 8 تقسیم کنید تا یک هیوریستیک قابل قبول بدست آورید.

با استفاده از این روش‌ها می‌توانید الگوریتم IDA* را بهینه‌سازی کرده و مکعب روبیک را به طور موثرتری حل کنید.

🔸 Bits Learn | CSSA IUST | LinkedIn

📟 Machine Learning

دوره آموزش کامل با الگوریتم‌های یادگیری ماشین برای مسائل رگرسیون، دسته‌بندی و خوشه‌بندی، به صورت نظری و عملی، آشنایی با آنالیز ارور و رفع مشکلات مدل های یادگیری ماشین


👥 مدرسین‌ دوره:
پویا جعفری
محقق و توسعه‌دهنده هوش مصنوعی شرکت روشن
عبدالسلام نیک‌کردار
مدرس و توسعه دهنده یادگیری ماشین


🤖محتوای دوره:
• Regression & Logistic Regression
• Overfitting & Underfitting
• Cross-validation
• Naive Bayes
• KNN
• SVM
• Decision Tree
• XG-Boost
• K-means & DBSCAN


📆 زمان برگزاری: ۲۷ مرداد الی ۱۶ شهریور ۱۴۰۳

⏰ چهارشنبه و پنجشنبه ساعت ۹ الی ۱۱

💰قیمت دوره: ٩٨٠/٠٠٠ تومان

🔗 برای کسب اطلاعات بیشتر و ثبت‌نام با ما در ارتباط باشید.

#دوره

🌐 Bits Learn | CSSA IUST | LinkedIn

✨ ویرایشگر کدی مدرن و قدرتمند: Zed.dev!

📌 نرم‌افزار Zed.dev یک ویرایشگر کد مدرن و قدرتمند است که با هدف ارائه تجربه‌ای سریع، کارآمد و قابل سفارشی‌سازی برای توسعه‌دهندگان طراحی شده است. این ویرایشگر با ترکیب ویژگی‌های پیشرفته و رابط کاربری دوستانه، می‌تواند یکی از انتخاب‌های خوب برای برنامه‌نویسان باشد.

💻 این نرم‌افزار با طراحی مدرن، عملکرد بالا و پشتیبانی از طیف گسترده‌ای از زبان‌های برنامه‌نویسی، به یکی از ویرایشگرهای کد قالب توجه تبدیل شده است. نسخه لینوکس این ویرایشگر نیز با تمامی امکانات و ویژگی‌های نسخه‌های دیگر به‌تازگی ارائه شده است که برای توسعه‌دهندگان لینوکس تجربه‌ای بی‌نظیر فراهم می‌کند.

📌 ویژگی‌های کلیدی نسخه لینوکس:
- سازگاری با توزیع‌های مختلف لینوکس
- عملکرد بالا و بهینه‌سازی شده
- رابط کاربری مدرن و قابل تنظیم
- پشتیبانی گسترده از زبان‌های برنامه‌نویسی
- ابزارهای همکاری

🔗 برای اطلاعات بیشتر به وب‌سایت این نرم‌افزار سر بزنید.

🔹 Bits Learn | CSSA IUST | LinkedIn

سرویس ProjectIDX چیه و دقیقا چیکار میکنه؟ 🤔

📌یه محیط آنلاین برای کدنویسی: به جای اینکه بری یه نرم‌افزار سنگین نصب کنی و باهاش کلنجار بری، فقط با مرورگرت می‌تونی به این محیط دسترسی داشته باشی.

📌در واقع گوگل، سرویس جدیدی رو راه‌اندازی کرده که Project IDX نام داره و می‌خواد ابزارهای محیط توسعه (IDE) رو برای برنامه‌نویسی فول-استک وب و تولید اپلیکیشن‌های مولتی‌پلتفرم از طریق مرورگرهای وب در دسترس قرار بده. این پروژه همچنین با هوش مصنوعی مولد تلفیق شده.

🔸 Bits Learn | CSSA IUST | LinkedIn

📝 قابلیت‌های ProjectIDX

📍پشتیبانی از کلی زبان برنامه‌نویسی: چه جاوااسکریپت، چه پایتون، چه جاوا و تعدادی زبان دیگه، ProjectIDX ساپورتش می‌کنه. پس هر پروژه‌ای داری، باهاش می‌تونی پیش بری.

📍امکانات تست و دیباگ: ابزارهای تست و اشکال‌زدایی داره که می‌تونی قبل از اینکه پروژه‌ات رو منتشر کنی، از درست بودنش مطمئن بشی. این‌جوری باگ‌ها رو زودتر پیدا می‌کنی و کمتر به دردسر می‌افتی.

📍کار تیمی راحت: اگه با یه تیم کار می‌کنی، همه‌تون می‌تونید هم‌زمان روی یه پروژه کار کنید و تغییرات همدیگه رو ببینید. این خیلی کمک می‌کنه که کارها سریع‌تر و هماهنگ‌تر پیش بره.

📍اتصال به سرویس‌های ابری گوگل: خیلی راحت می‌تونی پروژه‌ات رو به سرویس‌های گوگل مثل Google Cloud و Firebase وصل کنی و مدیریتش کنی. این یعنی انتشار پروژه‌ات مثل آب خوردن می‌مونه.

🔸 Bits Learn | CSSA IUST | LinkedIn

🤖 چیت شیت Scikit-Learn

7. Scikit-Learn

کتابخانه‌ای برای استفاده از روش‌های یادگیری ماشین در پایتون است.

نکات مهم:

- تقسیم داده‌ها:

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

- ایجاد و آموزش مدل رگرسیون خطی:

model = LinearRegression()
model.fit(X_train, y_train)

- محاسبه خطا:

mse = mean_squared_error(y_test, y_pred)
print(f"Mean Squared Error: {mse}")

🔗 دسترسی به چیت شیت: Scikit-Learn Cheat Sheet

🔸 Bits Learn | CSSA IUST | LinkedIn

🆓🔥 ۹ دوره آموزشی رایگان هوش مصنوعی انویدیا!

💭 دوره اول: تشریح هوش مصنوعی مولد
📌 مدت دوره: ۲ ساعت
📌 سطح دوره: مقدماتی
📌 در این دوره با فناوری‌هایی که در هوش مصنوعی مولد استفاده می‌شوند، آشنا خواهید شد. پس از تکمیل این دوره می‌توانید به‌صورت مؤثرتری از ابزارهای مختلف این فناوری بهره ببرید.

💭 دوره دوم: ساخت یک مغز در ده دقیقه
📌مدت دوره: ۱۰ دقیقه
📌 سطح دوره: مقدماتی
📌 این دوره به چگونگی عملکرد شبکه عصبی و نحوه یادگیری آن از داده‌ها می‌پردازد. همچنین با مفاهیم ریاضی پشت شبکه‌های عصبی هوش مصنوعی آشنا خواهید شد.

💭 دوره سوم: مدل زبانی بزرگ خود را با استفاده از رویکرد RAG تقویت کنید
📌 مدت دوره: ۱ ساعت
📌 سطح دوره: مبتدی
📌 این دوره اصول اولیه Retrieval-Augmented Generation یا به اختصار RAG را پوشش می‌دهد و با اجزای RAG در مدل‌های هوش مصنوعی مبنایی انویدیا آشنا خواهید شد.

💭 دوره چهارم: زیرساخت های هوش مصنوعی و مبانی عملیاتی
📌 مدت دوره: ۸ ساعت
📌 سطح دوره: مبتدی
📌 در این دوره مفاهیمی مانند یادگیری ماشینی، آموزش و استنتاج را درک خواهید کرد.

💭 دوره پنجم: تسریع گردش کار در علم داده بدون تغییر کد
📌 مدت دوره: ۱ ساعت
📌 سطح دوره: مبتدی
📌 این دوره به آموزش مزایای CPU و GPU یکپارچه می‌پردازد. در این‌جا با پردازش داده و یادگیری ماشینی بدون تغییر کد که منجر به پردازش سریع‌تر می‌شود، آشنا خواهید شد.

💭 دوره ششم: فراگیری سیستم‌‌های پیشنهادات
📌 مدت دوره: ۴۷ دقیقه
📌 سطح دوره: مبتدی
📌 این دوره برای هر کسی که می‌خواهد بر کارکردهای سیستم‌های پیشنهادات تسلط یابد، مناسب است. این دوره شما را با استراتژی‌های ایجاد یک سیستم ارائه توصیه در حوزه تجارت الکترونیک آشنا می‌کند.

💭 دوره هفتم: مقدمه‌ای بر شبکه‌سازی
📌 مدت دوره: ۱ ساعت
📌 سطح دوره: مبتدی
📌 در این دوره شما یاد خواهید گرفت که شبکه چیست . همچنین با اجزای شبکه، مدل OSI و مجموعه پروتکل TCP/IP و نقش آن‌ها در شبکه آشنا خواهید شد. این دوره آموزش اصول اولیه فناوری اترنت را نیز پوشش می‌دهد.

💭 دوره هشتم: نحوه طبقه‌بندی تصاویر در مقیاس بزرگ
📌 مدت دوره: ۱ ساعت
📌 سطح دوره: متوسط
📌 این دوره به کسانی که در زمینه محاسبات بصری علاقه دارند، توصیه می‌شود. در این‌جا با تکنیک‌های مختلف مدل‌سازی و پیاده‌سازی کد برای طبقه‌بندی تصاویر آشنا می‌شوید.

💭 دوره نهم: ساخت عامل‌های RAG با مدل‌های زبانی بزرگ
📌 مدت دوره: ۸ ساعت
📌 سطح دوره: متوسط
📌 این دوره استراتژی‌های مقیاس‌پذیر مدل‌های زبانی بزرگ (LLM) و پایگاه‌های داده را بررسی خواهد کرد. همچنین شما در آن با ایجنت‌های RAG و پارادایم مدرن LangChain برای مدیریت دیالوگ‌ها و بازیابی فایل‌ها و همچنین استفاده از مدل‌های پیشرفته و مراحل تولید آن‌ها آشنا خواهید شد.

🔹 Bits Learn | CSSA IUST | LinkedIn