🖥 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

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

10 Best Online #Python Courses for #Data_Analysis in 2024

https://www.mltut.com/best-online-python-courses-for-data-analysis/

#علم_داده
#DataScience

🆔 @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

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

🧡 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

📣 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

Introduction to Git and GitHub

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



معرفی منابع آموزشی مهندسی کامپیوتر 👇👇

📲 @programmers_street

چطوری از کورسرا دوره رایگان دریافت کنیم ؟

🎊توی این پست بهتون میگم که چطور با اولین درخواست ، بدون اینکه کورسرا بهتون ۷۵ ٪ تخفیف بده ، مستقیما دوره رو رایگان کنید .

ابتدا از همه دوستانی که نظرات و تجربیات خودشونو گفتن تشکر میکنم .

تو لینک زیر هم متنی که خودم نوشتم رو گذاشتم تا بتونید ازش ایده بگیرید 🔔
https://vrgl.ir/Lzcdc

🟡 از طریق اپلیکیشن موبایل کورسرا اقدام کنید .
🟡تا سقف ۱۱ تا درس رو میتونید درخواست کمک هزینه مالی بدید
🟡من با ایمیل دانشگاهیم درخواست دادم، سعی کنید از ساختن اکانت با جیمیل یا سرویس های رایگان بپرهیزید و با ایمیل دانشگاهی یا موسسه ای درخواست بدید .
🟡اشاره به اینکه ایرانی هستید مشکلی پیش نمیاره و بازم میتونید مدرک بگیرید ، مدارک فقط برای دروسی داده نمیشه که بالای ۱ سال طول میکشن و منجر به مدرک دانشگاهی میشن ، غیر از اون براتون مدرک با نام خودتون صادر میشه.

🟡من متن درخواست صدور رایگان رو خودم نوشتم و به chatgpt ندادم ، این مورد خیلی اثر گذاره .

🟡اشاره کنید به اینکه شغل ندارید ، دانشجو هستید و به جز مخارج ضروری زندگی نمیتونید خرج دیگری بکنید و با توجه به ارزش پایین ریال نسبت به یورو ، از پس هزینه های این کورس بر نمیایید و نمیتونید از خانوادتون هم درخواست کمک کنید و حتما بگید که گذروندن این دوره و گرفتن مدرکش میتونه به شما کمک کنه شغل های خیلی خوب پیدا کنید . من نوشتم اکثر شرکت های حوزه تک در ایران نیروهای با تجربه میخوان و از اونجایی که من سابقه کاری ندارم باید یه مدرکی ارائه کنم تا بتونم شانس پیدا کردن شغل رو افزایش بدم .

🎉با رعایت کردن این نکات من تونستم هر ۹ تا کورسی که درخواست داده بودم رو رایگان ثبت نام کنم و دیگه کورسرا پیشنهاد تخفیف ۷۵ درصدی بهم نکرد و فقط منو تو کورس ها به صورت رایگان ثبت نام کرد .

حتما حتما هم کورس هارو بگذرونید تا از نظر اخلاقی باعث نشه که دیدشون به ایرانی ها بد بشه ، البته اگه اشاره میکنید که ایرانی هستید

Fatemeh Mohseni



معرفی منابع آموزشی مهندسی کامپیوتر 👇👇

📲 @programmers_street

دوره های رایگان #javascript در سال 2024:

1. Learn JavaScript
https://codecademy.com/learn/introduction-to-javascript

2. JavaScript for Beginners
https://simplilearn.com/learn-javascript-basics-free-course-skillup

3. Javascript Essentials
https://udemy.com/course/javascript-essentials/

4. JavaScript Fundamentals
https://udemy.com/course/javascriptfundamentals/

5. Learn to Program in Javascript: Beginner to Pro
https://udemy.com/course/programming-in-javascript/

6. Code Your First Game: Arcade Classic in JavaScript on Canvas
https://udemy.com/course/code-your-first-game/

7. Learn JavaScript - Full Course for Beginners
https://youtube.com/watch?v=PkZNo7MFNFg&ab_channel=freeCodeCamp.org

8. Learn Intermediate JavaScript
https://codecademy.com/learn/learn-intermediate-javascript

9. Programming with JavaScript
https://imp.i384100.net/DK10Wb

10. Meta Front-End Developer Professional Certificate
https://imp.i384100.net/k0bgjx

11. HTML, CSS, and Javascript for Web Developers
https://imp.i384100.net/MmjnAM

معرفی منابع آموزشی مهندسی کامپیوتر 👇👇
📲 @programmers_street

دوره های رایگان علم داده به همراه گواهینامه:

🔸Python
https://t.co/f5KoqEImKM

🔸SQL
https://t.co/Qh8yWo4qGP

🔸Excel, PowerBI
https://t.co/D9VDMMtofS

🔸R
https://t.co/Rkv4b8sUi6

🔸Tableau
https://t.co/JM00o1d8NX

🔸PowerBI (Data Analytics)
https://t.co/CNmJVoKqEG

🔸Mathematics
https://t.co/tI2JcEEGIY

🔸Statistics
https://t.co/7Yr1B4ENza

🔸Linear Algebra
https://t.co/4xocuYBer2

🔸Probability
https://t.co/ltpwkNdE4h

🔸Data Analysis
https://t.co/dt1tYQp6ft

🔸Data Visualization
https://t.co/ciS1eAlcLX

🔸Machine Learning
https://t.co/TFpvSHuTCR

🔸Deep Learning Specialization
https://t.co/bK9YhB5CV0

🔸Deep Learning
https://t.co/V13DmlhbrR

🔹SQL Specialization
https://t.co/pPD1WIulEQ

🔸R Specialization
https://t.co/vAAWUY6rsC

🔸Mathematics for ML
https://t.co/ooTZzF6NuM

🔸Google Data Analytics Certificate
https://t.co/USbnTJ7bNa

🔸IBM Data Science Certificate
https://t.co/aAnli7AzMo


#علم_داده
#DataScience

معرفی منابع آموزشی مهندسی کامپیوتر 👇👇
🆔 @programmers_street

آرشیو جامع منابع فارسی برای برنامه‌نویسان و توسعه‌دهندگان! 📚

این مخزن شامل مجموعه‌ای از منابع برجسته فارسی در زمینه‌های مختلف برنامه‌نویسی است. در این لینک، به مقالات، کتاب‌ها، دوره‌های آموزشی و ابزارهای مفید دسترسی پیدا خواهید کرد. این منابع، بهترین انتخاب برای هر کسی که به توسعه نرم‌افزار و یادگیری تکنولوژی‌های مختلف علاقه‌مند است.

از این آرشیو می‌توانید برای ارتقاء مهارت‌هایتان در حوزه‌های مختلف برنامه‌نویسی استفاده کنید.

📱 GitHub Repo


معرفی منابع آموزشی مهندسی کامپیوتر 👇👇

📲 @programmers_street

🔥 ۶۰ درصد تخفیف برای آموزش‌های «هوش مصنوعی و یادگیری ماشین» در ماهِ پُر مِهر فرادرس
 
✔️ با ۶۰ درصد تخفیف ویژه آموزشی، به استقبال درس و دانشگاه بروید.
 
✅ دسترسی به پرمخاطب‌ترین دوره‌ها 👇👇
 
☑️ هوش مصنوعی برای ساخت و ویرایش عکس + ابزارها
 
☑️ ریاضی برای یادگیری ماشین + پیاده سازی در پایتون
 
☑️ یادگیری ماشین و پیاده سازی در پایتون
 
☑️ مبانی یادگیری عمیق یا Deep Learning
 
☑️ الگوریتم ژنتیک در متلب MATLAB
 
☑️ پیاده سازی شبکه های عصبی مصنوعی در پایتون
 
♨️ صفحه تخفیف + سایر آموزش‌ها [کلیک کنید]
 
🎁 کد تخفیف: MEH46

FaraDars - فرادرس

اگر شما هم دنبال این هستید که یاد بگیرید از #اکسل بصورت حرفه ای استفاده کنید این پست برای شماست

🔸15 ترفند حرفه ای اکسل که بهتر است بدانید:

Link

🔸دوره آموزش استفاده از ChatGPT در اکسل
Link

🔸دوره های آموزش کار با پایتون در اکسل

Link link link

🔸اکسل برای تجزیه و تحلیل داده ها
link

🔸ابزار استفاده از Python و SQL در اکسل
Link

#Excel


دانشکده مهندسی کامپیوتر 👇👇
🆔 @programmers_street

معرفی دوره های رایگان حوزه علم داده از دانشگاه هاروارد

1. Introduction to Data Science with Python
🔗 https://pll.harvard.edu/course/introduction-data-science-python

What you will learn?

- practice using Python to solve real data science challenges
- Run basic machine learning models using Python
- Practice Python coding for modeling & statistics, and storytelling


#علم_داده
#DataScience



دانشکده مهندسی کامپیوتر 👇👇
🆔 @programmers_street

معرفی  دوره های رایگان حوزه علم داده  از دانشگاه هاروارد
2. Data Science: Machine Learning

🔗 https://pll.harvard.edu/course/data-science-machine-learning

What you will learn?
- The basics of machine learning
- Several popular machine learning algorithms
- How to perform cross-validation to avoid overtraining
-  How to build a recommendation system


#علم_داده
#DataScience


دانشکده مهندسی کامپیوتر 👇👇
🆔 @programmers_street