کتابخانه مهندسی کامپیوتر و پایتون
30.7K subscribers
737 photos
20 videos
426 files
452 links
@alloadv تبلیغات


ادمین : @maryam3771
Download Telegram
Tutorial on Diffusion Models for Imaging and Vision

📚 Book



🆔 @programmers_street
👍51
منابع یادگیری عمیق ( Deep Learning )

☑️ دوره‌ دانشگاه‌های داخل
دکتر سلیمانی - شریف
دکتر محمدی ( مبانی ) - علم و صنعت
دکتر محمدی ( برای بینایی ) - علم و صنعت
دکتر غیاثی - فردوسی
دکتر رضوی - تبریز
دکتر کلهر - تهران
دکتر آقامحمدی - شریف
اخوان پور - شهید رجایی
دکتر کیوان راد - مالک اشتر



☑️ دوره‌‌ دانشگاه‌های خارج از کشور

List of all Courses



🆔 @programmers_street
5👍3
منابع یادگیری ماشین ( Machine Learning )

☑️ دوره‌ دانشگاه‌های داخل
دکتر رهبان - شریف
دکتر بهرک - دانشگاه شریف
دکتر محمدی - علم و صنعت
دکتر شریفی - دانشگاه شریف
دکتر شریفی ( برای انفورماتیک ) - دانشگاه شریف
دکتر سلیمانی - شریف
دکتر منصفی - فردوسی
دکتر رضوی - تبریز
دکتر رضوی ( کارگاه ماشین لرنینگ ) - تبریز
دکتر محمدزاده - شریف
دکتر حسینی - شریف
دکتر نیک آبادی ( ماشین آماری ) - امیرکبیر
دکتر کیوان راد - مالک اشتر


☑️ دوره‌های موسسات
دکتر صلواتی ( علوم داده کاربردی ) - تیاس
دوره AI Lessonss - مکتب خونه

☑️ دوره‌‌ دانشگاه‌های خارج از کشور و انگلیسی

List of all Courses
لیست تمام کورس های حوزه هوش مصنوعی دانشگاه‌های خارج رو داخل لینک بالا میتونین مشاهده کنین

Abhishek Thakur - kaggle
Jeremy Howard
Josh Stramer


🆔 @programmers_street
👍74
این مخزن یکی از منابع خوب رایگان برای یادگیری برنامه‌نویسی است. تمامی منابع آموزشی از جمله کتاب‌ها و دوره‌ها به صورت رایگان در دسترس شماست و به تفکیک تکنولوژی‌ها و زبان‌های برنامه‌نویسی مرتب شده‌اند. برای شروع یادگیری و ارتقاء مهارت‌های برنامه‌نویسی خود، از این لینک استفاده کنید.

📱 GitHub Repo



🆔 @programmers_street
5
این مخزن GitHub به شما امکان می دهد صفحات وب را به راحتی scrape کنید  و خروجی را در قالب های -LLM-friendly  داشته باشید (JSON، cleaned HTML، Markdown).

ویژگی ها :
• Supports crawling multiple URLs simultaneously
• Extracts and returns all media tags (Images, Audio, and Video)
• Extracts all external and internal links
• Extracts metadata from the page
• Custom hooks for authentication, headers, and page modifications before crawling

https://github.com/unclecode/crawl4ai


🆔 @programmers_street
2👍1
Free Certification Courses to Learn #Machine_Learning in 2024

1. Python
🔗 https://t.co/gTbLYAFn8B

🔗 https://t.co/W8r6TGS4L8

2. SQL
🔗 https://t.co/l78v6RcsBJ

🔗 https://t.co/SzslJwZ1iB

3. Statistics and R
🔗 https://t.co/XV3xAFhYlc

🔗 https://t.co/dm4EfqEmMP

4. Data Science: R Basics
🔗https://t.co/yxTYxuzgPl

5. Excel and PowerBI
🔗 https://t.co/iyV7Y6Fb5s

🔗 https://t.co/duXuI8TFM2

6. Data Science: Visualization
🔗https://t.co/jd6FoFY3EK

7. Data Science: Machine Learning
🔗https://t.co/N2BRbNW2FV

8. R
🔗https://t.co/evPpMnd5F1

9. Tableau
🔗https://t.co/VJVrM9VHyX

10. PowerBI
🔗 https://t.co/CNmJVoKqEG

11. Data Science: Productivity Tools
🔗 https://t.co/sO9TVeVUhR

12. Data Science: Probability
🔗https://t.co/vrO9BL1091

13. Mathematics
🔗https://t.co/TKLSpOTG2I

14. Statistics
🔗 https://t.co/7Yr1B4ENza

15. Data Visualization
🔗https://t.co/ewaLFSBd26

16. Machine Learning
🔗 https://t.co/k6YTXO1voe


🆔 @programmers_street
2
💎 Free Figma Wireframe Kit

Open-source mobile wireframe kit for quickly prototyping your design. Includes the following:

↳ 250+ components
↳ 200+ screens
↳ 170+ icons
↳ light and dark mode

Link below 👇

https://www.figma.com/community/file/1012211988785886249


🆔 @programmers_street
👍1
🖥 introduction-to-sql - Introduction to SQL is a free book that will help you master the basics of SQL and start using relational databases in your SysOps, DevOps and other development projects.

Whether you're a DevOps/SysOps engineer, a developer, or just a Linux enthusiast, you'll likely need SQL at some point in your career.

This tutorial is suitable for anyone who works as a developer, system administrator, or DevOps engineer and wants to learn the basics of #SQL.

GitHub


🆔 @programmers_street
👍2
🖥 An open tutorial on advanced Python concepts

Here are the #Python topics that may be difficult to navigate, including:
— OOP, magic methods, attributes and object methods
— building various graphs for #Data_Science
- decorators and similar Python features
— subtleties of working with I/O operations

Overall, great material for interview preparation.

https://github.com/hsf-training/analysis-essentials/blob/master/advanced-python/README.md


🆔 @programmers_street
Convert any GitHub repo to a single text file, useful for LLM prompting.


https://github.com/abinthomasonline/repo2txt



🆔 @programmers_street
هوش مصنوعی مولد به معنای تولید داده های جدید با استفاده از داده های موجود است. اگر در حال یادگیری Generative Ai هستید و به دنبال پروژه هایی هستید که بتوانید برخی از مشکلات دنیای واقعی را حل کنید و در رزومه خود در مورد آنها ذکر کنید، این پست برای شما است.

تعدادی از بهترین ایده های پروژه #GenerativeAI به همراه مثال های حل شده و توضیحات

با این پروژه ها می‌تونید رزومه تون رو تقویت کنید

https://bit.ly/genai-projects

#MachineLearning #AI

📲 @programmers_street
برای ورود به حوزه علم داده به چه زبانهای برنامه نویسی ای باید مسلط باشیم؟

در لیست زیر زبان های برنامه نویسی که برای این حوزه مورد نیاز هست به همراه منابع رایگان یادگیری آمده است 👇

Python/R: Python Data Science Handbook | Data Analysis with R

SQL: SQL for Data Science

Tableau/Power BI: Tableau Specialization | Power BI Certification

#علم_داده
#DataScience

🆔 @programmers_street
👍1
یادگیری اصولی آمار یکی از ضرورت ها برای مهندسی و علم داده است

یاد بگیرید که چگونه داده ها را با استفاده از معیارهایی مانند میانگین، میانه، حالت، واریانس و انحراف معیار خلاصه و توصیف کنید. مفاهیمی مانند توزیع احتمال، آزمون فرضیه، فواصل اطمینان و مقادیر p را برای استنتاج و تصمیم گیری در مورد جمعیت ها بر اساس داده های نمونه درک کنید. تجزیه و تحلیل رگرسیون خطی و غیر خطی را برای درک روابط بین متغیرها و پیش بینی روندهای آینده بررسی کنید.

در ادامه منابعی که می توانید برای یادگیری اصول آمار برای علم داده از آنها استفاده کنید آمده است👇

Statistics for Data Analysis

Advanced Statistics


#علم_داده
#DataScience

🆔 @programmers_street
🔹مسیر یادگیری #هوش_مصنوعی و #یادگیری_ماشین

در لیست زیر گام به گام مسیری که باید طی کنید به همراه منابع رایگان یادگیری آمده است

👉Build a Solid Foundation in Mathematics and Statistics

Mathematics for Machine Learning

Statistics for Data Science

👉Learn a Programming Language (Python)

Python for Everybody Specialization

Introduction to Data Analysis with Python

👉Explore AI and ML Tools and Frameworks

The next step in the roadmap to learn AI & ML is to explore AI & ML tools and frameworks Below are the essential tools and frameworks you need to cover

Scikit-learn: Building ML models (classification, regression, clustering).

TensorFlow and Keras: Building deep learning models and neural networks.

PyTorch: Research-focused deep learning framework.

Cloud Platforms: Explore tools like Google Cloud AI, AWS Sagemaker, and Microsoft Azure for ML.

Scikit-learn documentation

Tensorflow basics

Keras basics

PyTorch Guide

Cloud Platforms Roadmap

👉Get Hands-on with Machine Learning Algorithms:
Learn the key algorithms used in Machine Learning and practice implementing them:

Regression: Linear, Ridge, and Logistic regression.

Classification: Decision Trees, Random Forests, SVM, k-Nearest Neighbors.

Clustering: K-Means, Hierarchical, DBSCAN.

Dimensionality Reduction: PCA, t-SNE.

Model Evaluation: Accuracy, precision, recall, F1-score, ROC curves, and confusion matrix.

Here are the learning resources you can follow:

Machine Learning Algorithms: Handbook

Machine Learning Algorithms Guide

👉Dive into Deep Learning & Reinforcement Learning

The next step in the roadmap to learn AI & ML is to master neural networks and reinforcement learning to build advanced AI systems

Deep Learning Specialization

Reinforcement Learning Specialization

👉Explore Natural Language Processing (NLP):
Learn techniques to process, analyze, and generate text using NLP models. Here are the essential topics you need to cover:

Text preprocessing: Tokenization, stemming, lemmatization, stopwords.

Traditional NLP models: Bag of Words, TF-IDF.

Word Embeddings: Word2Vec, GloVe.

Transformer models: BERT, GPT, and their applications in text generation

Hands-On Natural Language Processing with Python

NLP Free Course by Hugging Face

Tensorflow and Keras for NLP

NLP with Sequence Models

👉Learn Image Processing & Computer Vision
The next step in the roadmap to learn AI & ML is to develop expertise in image processing techniques and computer vision

Image Processing Course

Advanced Computer Vision Course

👉Explore Generative AI & LLMs
Work on Real-World Projects
Learn about Generative AI and Large Language Models (LLMs) that are transforming AI research

Generative Adversarial Networks (GANs) Specialization

Generative AI with LLMs

منبع : link
#ML #AI #Artificial_Intelligence
#Machine_Learning #roadmap


معرفی منابع آموزشی مهندسی کامپیوتر 👇👇

📲 @programmers_street
3👍2
🧡 دانشجویان علاقمند به فراگیری #هوش_مصنوعی از سراسر ایران و جهان: برای نخستین بار می‌توانید به صورت زنده و آنلاین، در کلاس #یادگیری_ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف شرکت کنید.

🧡 مدرس: دکتر علی شریفی زارچی، عضو هیات علمی گروه هوش‌مصنوعی و بیوانفورماتیک دانشگاه صنعتی شریف

🧡 تیم تهیه‌ی محتوا: ۷۰ نفر از دانشجویان و دانش‌آموختگان دانشگاه شریف و سایر دانشگاه‌های برتر

👑 هزینه‌ی ثبت‌نام: رایگان

👑 شروع کلاس‌ها: ۱ مهر ۱۴۰۳

👑 اطلاعات بیشتر و ثبت‌نام: sharifml.ir

#ML #AI #Artificial_Intelligence
#Machine_Learning #roadmap


کانال مهندسی کامپیوتر 👇👇
📲 @programmers_street
👍32
📣 برای دسترسی ساده‌تر همه‌ی مخاطبان دوره، به خصوص فارسی‌زبانان خارج از ایران، ویدئوهای دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، از این پس از طریق کانال آپارات نیز قابل مشاهده خواهد بود.

#ML #AI #Artificial_Intelligence
#Machine_Learning #roadmap


معرفی منابع آموزشی مهندسی کامپیوتر 👇👇

📲 @programmers_street
1
Introduction to Git and GitHub

https://www.clcoding.com/2024/02/introduction-to-git-and-github.html



معرفی منابع آموزشی مهندسی کامپیوتر 👇👇

📲 @programmers_street
1👍1