سخنی با اهالی هوش مصنوعی
پرده اول، تصور کنید یک مدل یادگیری عمیق را طی مدت طولانی Train کرده و بالاخره خروجی‌ها مناسب شده است. قطعاً هزار نقطه وزن‌ها را ذخیره می‌کنید تا دفعات بعد مجدداً استفاده کنید. حتی فکر Train مجدد عذاب‌آور است.
پرده دوم، نوزادی متولد شده، وزن‌های شبکه عصبی آن تصادفی نبوده و از پدر و مادر و اجداد خود به ارث برده شده است. در ادامه و در طول زندگی از طریق آزمون‌وخطا و پاداش و شکست‌ها، بارها وزن‌هایش Retrain شده و در نهایت یک فردا بالغ مثل یک مدل Fine-Tune شده با اطلاعات مفید فراوان خواهد بود.
پرده سوم، با مرگ فرد، انگار وزن‌ها پاک شده و این چرخه باطل در زندگی برقرار است. اگر این اطلاعات مفید، در طول این‌همه سال در کنار هم ثبت شده بود، الان تمامی مشکلات علمی و غیرعلمی حل شده بود. قطعاً روزی می‌رسد مثل فیلم ماتریکس، اطلاعات مغز در یک کیت ذخیره شود ولی تا آن موقع، شاهد هدررفتن اطلاعات مفید و تجربیاتی هستیم که به‌سختی به‌دست‌آمده و شاید یک درصد از آن از طریق کتاب، فیلم و پادکست به‌جای می‌ماند.

درود
ازآنجایی‌که نظم مؤلفه مهمی برای دیتاهاب است مدتی که تصمیم گرفتیم داخل یوتیوب جلسات آموزشی منتشر کنیم، دقیقا طبق برنامه زمانی عمل کرده و بدون وقفه جلسات منتشر شد. 4 دوره آموزشی پایتون، یادگیری ماشین، وب اسکرپینگ و جبر خطی به‌مرور در اختیار مخاطبان محترم قرار گرفت.
ما سعی کردیم قدم اول محکم برداریم و خب برخی همکاران قول دادند که برای رشد اکوسیستم هوش مصنوعی، داخل یوتیوب یا پلتفرم‌های دیگر دوره آموزشی خود را منتشر کنند که هنوز چنین اتفاقی رخ نداده است.
در ادامه قصد داریم مجموعه مقالات آموزشی به‌صورت منظم و دقیق منتشر کنیم. این محتوا توسط مجموعه دیتاهاب، تهیه و تولید و ترجمه شده است. قطعاً شبیه به این محتوا و به لحاظ کیفیت در سطح وب فارسی مطلبی مشاهده نخواهید کرد.

برنامه زمانی:
شنبه، مقاله یادگیری ماشین
سه‌شنبه، مقاله پردازش زبان طبیعی
پنج‌شنبه، معرفی چیت شیت

اولین مقالهٔ ‌آموزش یادگیری ماشین به زبان ساده منتشر شد.

لینک مقاله: https://data-hub.ir/?p=3024

وعدهٔ ما شنبهٔ هر هفته با یک مقاله از یادگیری ماشین💪

آدرس وب‌سایت:
Data-hub.ir

آدرس کانال یوتیوب:
youtube.com/c/datahub1?sub_confirmation=1

آدرس لینکدین:
https://www.linkedin.com/company/data-hub-ir/

آدرس تلگرام:
@data_hub_ir

#مقاله_یادگیری_ماشین

زیاد پیش میاد میخایم توی یک حوزه متخصص بشیم، ولی نمیدونیم از کجا شروع کنیم.
اگه دوست داری وارد دنیای جذاب NLP بشی و دست به پروژه بشی، مجموعه مقالات NLP دیتاهاب دنبال کن.
در قدم اول با مطالعه این مقاله با تعریف های اولیه آشنا بشو. وعده ما، هر هفته سه شنبه ها سایت دیتاهاب.

لینک مقاله: https://data-hub.ir/?p=6546

وعدهٔ ما سه شنبهٔ هر هفته با یک مقاله از NLP

آدرس وب‌سایت:
Data-hub.ir

آدرس کانال یوتیوب:
youtube.com/c/datahub1?sub_confirmation=1

آدرس لینکدین:
https://www.linkedin.com/company/data-hub-ir/

آدرس تلگرام:
@data_hub_ir

#مقاله_nlp

مهمترین کدهای کتابخانه seaborn که برای رسم نمودارهای زیبا حتما لازمتان می شود را از لینک زیر دانلود کنید.

لینک دانلود: https://data-hub.ir/cheat-sheet

وعدهٔ ما پنج‌شنبهٔ هر هفته با یک چیت‎شیت کاربردی✌️

آدرس وب‌سایت:
Data-hub.ir

آدرس کانال یوتیوب:
youtube.com/c/datahub1?sub_confirmation=1

آدرس لینکدین:
https://www.linkedin.com/company/data-hub-ir/

آدرس تلگرام:
@data_hub_ir

#چیت_شیت

احتمالاً خیلی از شما گروه خلاق و روس Iday با اثر معرکه Whale بشناسید (البته آثار زیبای دیگر هم دارند) تا نشان بدهند، آهنگ‌سازی هم بلد هستند.

جلسه آخر دوره جبر خطی که قرار بود ضبط بشه، فکر کردیم 🧐 چطور هم به‌نوعی یک مرور کلی بر جلسات قبل باشه و هم یک دید متفاوت و نو به آموزش جبر خطی داشته باشه 😎 (چون خود کورسرا هم خیلی وقته یک بخش پروژه و آموزش از طریق پروژه راه انداخته✌🏻). ماحصل کار یک آموزش مفید و مختصر شد که هر دقیقش نشون میده هر بحث جبر خطی کجای علم داده به کار میاد🔥. با این مدل تدریس قطعاً فراموشی نخواهیم داشت و ریاضیات برامون شیرین تر میشه🧁🍭.

این همه درباره یادگیری ماشین صحبت می کنیم، تا حالا به این فکر کردید اولین بار کی این حرفارو گفت و هدفش چی بود؟🤔 حتما نابغه ای بوده و کار خیلی مهمی داشته.

لینک زیر ببینید تا بفهمید همه چیز از کجا شروع شد...


لینک مقاله: https://data-hub.ir/?p=2866

وعدهٔ ما شنبهٔ هر هفته با یک مقاله از یادگیری ماشین💪

آدرس وب‌سایت:
Data-hub.ir

آدرس کانال یوتیوب:
youtube.com/c/datahub1?sub_confirmation=1

آدرس لینکدین:
https://www.linkedin.com/company/data-hub-ir/

آدرس تلگرام:
@data_hub_ir

#مقاله_یادگیری_ماشین

واقعا قبل از google translate و اصلاح متون در word چطور زندگی می کردیم؟
برای درک بهتر قدرت NLP و تاثیری که روی زندگیمون داشته، بهتره به کاربردهای NLP نگاه کنیم.

لینک مقاله: https://data-hub.ir/?p=6558

وعدهٔ ما سه شنبهٔ هر هفته با یک مقاله از NLP

آدرس وب‌سایت:
Data-hub.ir

آدرس کانال یوتیوب:
youtube.com/c/datahub1?sub_confirmation=1

آدرس لینکدین:
https://www.linkedin.com/company/data-hub-ir/

آدرس تلگرام:
@data_hub_ir

#مقاله_nlp

مهمترین کدهای کار با رشته ها به صورت یکجا + مثال
فقط در دو صفحه، مختصر و مفید

لینک دانلود: https://data-hub.ir/cheat-sheet

وعدهٔ ما پنج‌شنبهٔ هر هفته با یک چیت‎شیت کاربردی✌️

آدرس وب‌سایت:
Data-hub.ir

آدرس کانال یوتیوب:
youtube.com/c/datahub1?sub_confirmation=1

آدرس لینکدین:
https://www.linkedin.com/company/data-hub-ir/

آدرس تلگرام:
@data_hub_ir

#چیت_شیت

موقع دفاع پایان نامه یا تحویل پروژه، خیلی مهمه که بتونید از روشی که برای مدلسازی انتخاب کردید، دفاع کنید.
در بالاترین سطح، لازمه بدونید مرز بین هوش مصنوعی، یادگیری ماشین و داده کاوی کجاست.

☑️ توی این مقاله، جایگاه هر کدام را در علوم کامپیوتر مشخص می کنیم.

لینک مقاله: https://data-hub.ir/?p=2867

وعدهٔ ما شنبهٔ هر هفته با یک مقاله از یادگیری ماشین

آدرس وب‌سایت:
Data-hub.ir

آدرس کانال یوتیوب:
youtube.com/c/datahub1?sub_confirmation=1

آدرس لینکدین:
https://www.linkedin.com/company/data-hub-ir/

آدرس تلگرام:
@data_hub_ir

#مقاله_یادگیری_ماشین

مقاله قبلی کاربردهای خفن NLP دیدیم. ولی واقعیت اینه که هر کاری مشکلات خودش داره. پس لازمه با چالش های NLP آشنا بشیم.

لینک مقاله: https://data-hub.ir/?p=6565

وعدهٔ ما سه شنبهٔ هر هفته با یک مقاله از NLP

آدرس وب‌سایت:
Data-hub.ir

آدرس کانال یوتیوب:
youtube.com/c/datahub1?sub_confirmation=1

آدرس لینکدین:
https://www.linkedin.com/company/data-hub-ir/

آدرس تلگرام:
@data_hub_ir

#مقاله_nlp

شاید یکم کار با عبارات منظم بدقلق به نظر برسه ولی تقلب از روی این فایل آموزشی، مشکلات هموار می کنه.

✅ لینک دانلود: https://data-hub.ir/cheat-sheet

وعدهٔ ما پنج‌شنبهٔ هر هفته با یک چیت‎شیت کاربردی✌️

آدرس وب‌سایت:
Data-hub.ir

آدرس کانال یوتیوب:
youtube.com/c/datahub1?sub_confirmation=1

آدرس لینکدین:
https://www.linkedin.com/company/data-hub-ir/

آدرس تلگرام:
@data_hub_ir

#چیت_شیت

توی این مقاله فرایند یادگیری ماشین توضیح می دهیم و خیلی مختصر و مفید با مدل داده و داده های آموزش و تست آشنا می شویم.

✅ لینک مقاله: https://data-hub.ir/?p=3093

وعدهٔ ما شنبهٔ هر هفته با یک مقاله از یادگیری ماشین✌️

آدرس وب‌سایت:
Data-hub.ir

آدرس کانال یوتیوب:
youtube.com/c/datahub1?sub_confirmation=1

آدرس لینکدین:
https://www.linkedin.com/company/data-hub-ir/

آدرس تلگرام:
@data_hub_ir

#مقاله_یادگیری_ماشین

مقاله امروز کاملا کاربردی هست و دونستن آن برای هر متخصص NLP از نون شب واجب تره.
توی این مقاله معروف ترین کتابخانه های NLP در پایتون معرفی می کنیم و امکانات، کاربرد، مزایا و معایب هر کدام مقایسه می کنیم.

✅ لینک مقاله: https://data-hub.ir/?p=7214

وعدهٔ ما سه شنبهٔ هر هفته با یک مقاله از NLP ✌️

آدرس وب‌سایت:
Data-hub.ir

آدرس کانال یوتیوب:
youtube.com/c/datahub1?sub_confirmation=1

آدرس لینکدین:
https://www.linkedin.com/company/data-hub-ir/

آدرس تلگرام:
@data_hub_ir

#مقاله_nlp

اگر یادگیری پایتون شروع کردید، این چیت شیت حتما لازمتون میشه.
اساسی ترین مباحثی که باید درباره برنامه نویسی شی گرا (Object Oriented programming) بدونید، به صورت یکجا و خلاصه دانلود کنید. توی این فایل هم تعاریف و ویژگی های مهم گفته شده و هم کدها را با مثال توضیح داده.

✅ لینک دانلود: https://data-hub.ir/cheat-sheet

وعدهٔ ما پنج‌شنبهٔ هر هفته با یک چیت‎شیت کاربردی✌️

آدرس وب‌سایت:
Data-hub.ir

آدرس کانال یوتیوب:
youtube.com/c/datahub1?sub_confirmation=1

آدرس لینکدین:
https://www.linkedin.com/company/data-hub-ir/

آدرس تلگرام:
@data_hub_ir

#چیت_شیت

انتخاب الگوریتم مناسب و یا ترکیب الگوریتم‌ها برای انجام یک کار، چالشی همیشگی در هوش مصنوعیه😔.

ولی جای نگرانی نیست. با دسته‌بندی الگوریتم‌ها و دونستن ویژگی‌های هر دسته، کار راحت‌تر می‌شود😉.

الگوریتم‌های یادگیری ماشین در سه دسته قرار دارند که شامل یادگیری بانظارت (Supervised)، یادگیری بدون نظارت (Unsupervised) و یادگیری تقویتی (Reinforcement) می‌باشد. در این مقاله نحوه دسته بندی یادگیری ماشین و الگوریتم هایش، بررسی می شود.

✅ لینک مقاله: https://data-hub.ir/?p=2662

وعدهٔ ما شنبهٔ هر هفته با یک مقاله از یادگیری ماشین✌️

✅ برای اطلاعات بیشتر درباره دسته های یادگیری ماشین، این جلسه از دوره یادگیری ماشین در کانال یوتیوب دیتاهاب مشاهده کنید.

لینک جلسه: https://www.youtube.com/watch?v=Wn4x13wgtSw&list=PLhXlv288E_Aej6qy6MnDLYb7xtmjAc79p&index=2

#مقاله_یادگیری_ماشین

🔶 در مقالات قبل، NLP (پردازش زبان طبیعی) را تعریف کردیم و با مفاهیم آن آشنا شدیم.

🔶 در ادامه می‌خواهیم دست به کد بشیم و کارهای جالب و باحالی روی متون فارسی انجام بدهیم. شاید خیلی از کتابخانه‌های پردازش متن معروف باشند، اما برای متون فارسی دقت بالایی ندارند.

🔶 در قدم اول لازمه با کتابخانه‌های پردازش متون فارسی آشنا بشیم که در این مقاله کار با کتابخانه پردازش متون فارسی پارسی ور (Parsivar) را شروع می‌کنیم.

✅ لینک مقاله: https://data-hub.ir/?p=7295

برای انجام این پروژه‌ها لازمه با زبان برنامه نویسی پایتون آشنا باشید، که هر چه باید بدونید در دوره پایتون مقدماتی بهتون یاد می‌دهیم. این دوره را به صورت رایگان از لینک زیر ببینید.

✅ لینک دوره پایتون: https://www.youtube.com/watch?v=uzOPfS6lB3M&list=PLhXlv288E_AcrZxsbxQCG1Z4V37pXaH1z

اگر می‌خواهید حرفه‌ای تر وارد دنیای NLP شوید و Parivar تخصصی یاد بگیرید، دوره آموزش پردازش زبان طبیعی مقدماتی را از سایت دیتاهاب تهیه کنید.

✅ لینک دوره آموزش پردازش زبان طبیعی مقدماتی: https://data-hub.ir/product/nlp

#مقاله_nlp

🔶 کتابخانه keras بهترین نقطه شروع برای افراد تازه‌کار، برای ورود به پروژه‌های یادگیری عمیق هست و همه دوستش دارن. چون مفاهیم پیچیده شبکه عصبی به ساده‌ترین شکل ممکن پیاده‌سازی کرده و هر آدمی با هر میزان تجربه می‌تونه از آن برای کارهایش (چه تحقیقاتی و چه تجاری) استفاده کند. (برخلاف جناب PyTorch)

✅ برای ساخت یک شبکه عصبی، کافیه از لینک زیر فایل Keras دانلود کنید و فقط چند خط کد بزنید.
https://data-hub.ir/cheat-sheet/

🔶 خود Keras خیلی راحت و ساده هست، کافیه با کتابخانه‌های Pandas و Numpy آشنا باشید. از طریق لینک های زیر در ۳ ساعت، هر ۲ کتابخانه را کاملا کاربردی یاد بگیرید.

✅ لینک آموزشPandas:
https://www.youtube.com/watch?v=49yoDZnhEGg&list=PLhXlv288E_AcrZxsbxQCG1Z4V37pXaH1z&index=5

✅ لینک آموزش Numpy:
https://www.youtube.com/watch?v=SbYZxd0Wefg&list=PLhXlv288E_AcrZxsbxQCG1Z4V37pXaH1z&index=10

#چیت_شیت

🔶 شما هم شنیدین که "وقتی نمیدونی کجا میخوای بری، چه فرقی داره از کدوم راه بری".
ولی اگه مقصد مشخص باشه، دیگه همه چی تمومه؟ معلومه که نه، اون موقع مهمه که ابزار درستی همراتون باشه. برای یادگیری ماشین هم همینه. وقتی می‌دونین مشکل چیه، اول لازمه بدونین چه ابزارهایی وجود داره و بعد مشکل حل کنین.

🔶 ابزارهای یادگیری ماشین در 3 دسته اصلی داده، زیرساخت و الگوریتم قرار می گیرن. داده ورودی لازم برای انجام پیش‌بینی‌هاست، مهمترین قسمت زیرساخت انتخاب زبان برنامه‌نویسی مناسبه و الگوریتم‌ها که مشکل حل میکنن.

✅ هر دسته جزییات مهمی دارن که توی مقاله زیر بررسی کردیم و برای انتخاب ابزار درست، خیلی به کارتون میاد.
لینک مقاله: https://data-hub.ir/?p=2680

✅ پایتون بهترین انتخاب برای زبان برنامه‌نویسیه. با آموزش زیر، برای همیشه خیال خودتون از بابت این ابزار راحت کنین. https://www.youtube.com/watch?v=uzOPfS6lB3M&list=PLhXlv288E_AcrZxsbxQCG1Z4V37pXaH1z&index=1

✅ الگوریتم های یادگیری ماشین در دوره زیر یاد بگیرین:
https://www.youtube.com/watch?v=qUAlXdU-zJM&list=PLhXlv288E_Aej6qy6MnDLYb7xtmjAc79p

#مقاله_یادگیری_ماشین