کتابخانه مهندسی کامپیوتر و پایتون
30K subscribers
771 photos
22 videos
428 files
495 links
@alloadv تبلیغات


ادمین : @maryam3771
Download Telegram
اگر در مورد نحوه کار سیستم های AI کنجکاو هستید ، این دوره برای شماست

It starts out by covering #Machine_Learning basics and discusses how ML systems differ from traditional rule-based software.

Then you'll learn how ML models, algorithms, and training work under the hood & finish by learning about #Generative_AI.

https://www.freecodecamp.org/news/learn-machine-learning-concepts-plus-generative-ai/


🆔 @programmers_street
Connect AI to your databases and APIs for natural language data retrieval

https://github.com/kruskal-labs/toolfront


🆔 @programmers_street
This media is not supported in your browser
VIEW IN TELEGRAM
This is the best way to understand how ML models actually work!

Use Drawdata to draw a 2D dataset in Jupyter. Use it to actively pick data from the widget and update the model as the data is being drawn!

Fully interactive, real-time, and open-source!

https://github.com/probabl-ai/youtube-appendix/blob/main/04-drawing-data/notebook.ipynb

This is another repoto interactively understand ML: https://github.com/GeostatsGuy/DataScienceInteractivePython



🆔 @programmers_street
1
📍20+ AI Agent apps built with Google ADK.

It covers everything from a single agent academic researcher to multi-agent data scientist.

100% Opensource with step-by-step instructions.

🔗https://github.com/google/adk-samples


🆔 @programmers_street
A modern file manager that helps users organize their files and folders

🔗https://github.com/files-community/Files


🆔 @programmers_street
1
🗂 آموزشهای رایگان و حرفه ای Kaggle یکی از بهترین دوره ها برای شروع یادگیری علم داده و یادگیری ماشینه

🔰 لیستی از دوره ها

💠آموزش پایتون
https://www.kaggle.com/learn/python

💠 آموزش SQL
https://www.kaggle.com/learn/intro-to-sql
💠 یادگیری ماشین
https://www.kaggle.com/learn/intro-to-machine-learning

💠 یادگیری عمیق
https://www.kaggle.com/learn/intro-to-deep-learning

♻️ لیست سایر دوره ها
https://www.kaggle.com/learn



🆔 @programmers_street
👍21
Query your data like a conversation!
WhoDB is the open-source AI-powered DB explorer for SQL, NoSQL & beyond.

🔗 https://github.com/clidey/whodb



🆔 @programmers_street
2
🖥 ۶ دوره رایگان برای یادگیری AI Agents

👈 اگه میخوای وارد دنیای هوش مصنوعی مولد و ایجنت ها بشی، این دوره‌های رایگان می‌تونه شروع خوبی باشه


✔️ دوره Generative AI for Beginners

آشنایی با ساخت اپلیکیشن‌های GenerativeAI (۲۱ درس رایگان و کوتاه)

✔️ دوره Function-Calling & Data Extraction

کار با LLM ها برای اتصال به ابزارها و استخراج داده‌های ساختاریافته

✔️ دوره Database Agent

یاد بگیر چطور با SQL/ Python با دیتابیس تعامل داشته باشی

✔️ دوره LangChain for LLM App Development

دوره‌ای ساده و جذاب برای ساخت اپ‌های هوش مصنوعی با LangChain

✔️ ساخت و ارزیابی اپلیکیشن‌های RAG پیشرفته

یادگیری جدیدترین متدهای #RAG ؛ نیاز به آشنایی مقدماتی با Python

✔️ ساخت Agentic RAG با LlamaIndex

ساخت سریع AIAgent هایی که اسنادتو تحلیل می‌کنن




🆔 @programmers_street
👍1
automates extracting data from web pages using example content

https://github.com/alirezamika/autoscraper



🆔 @programmers_street
👍2
Course to get into Large Language Models (LLMs) with roadmaps and Colab notebooks

https://www.opensourceprojects.dev/post/1972539359577723082/


🆔 @programmers_street
👍1
لیت‌کد یکی از بهترین جاها برای تمرین الگوریتمه. این ریپو جواب بالای هزار تا از مسئله‌هاشو داره. اگه نمی‌دونی از کجا شروع کنی، اول جوابارو یه نگاه بنداز، بعد خودت امتحان کن. همین می‌تونه شروع مسیرت باشه:
https://github.com/haoel/leetcode



🆔 @programmers_street
1👍1
این مخزن GitHub، از سوی مهندس کلامی هریس، مجموعه‌ای از تکنیک‌های نوآورانه برای «پرامپت‌ ‌نویسی» (Prompt Engineering) رو ارائه می‌ده. این دکوریتورها (decorators) ابزارهای قدرتمندی‌ان که تجربه‌ کار با مدل‌های هوش مصنوعی رو مؤثرتر می کنند.

https://github.com/smkalami/prompt-decorators


🆔 @programmers_street
👍2
این ریپو منبع خوبی برای یادگیری RAG است
مجموعه‌ای از ابزارها و پروژه‌های متن‌باز برای یادگیری و کار با
Retrieval-Augmented Generation (RAG)
پروژه‌های محبوب، منابع آموزشی و ایده‌های تازه رو یک‌جا جمع کرده.

https://github.com/Andrew-Jang/RAGHub


🆔 @programmers_street
2