معرفی وب سایت کگل

ارائه دهنده : علی حیدری
#Introduction
#kaggle
#Machine_learning

📈انجمن علم داده دانشگاه کاشان

@uk_dsa

📚Introduction to Machine Learning with Python

✏️Andreas C.Muller & Sarah Guido

#معرفی_کتاب
#Datascience_ku
#Python
#Machine_Learning

📈انجمن علم داده دانشگاه کاشان
@uk_dsa

📌 تفاوت کلیدی بین AL,ML,DL

#Datascience_ku
#Deep_learning
#Machine_learning
#Artificial_Inteligence

📈انجمن علم داده دانشگاه کاشان
@uk_dsa

📍Types of machine learning and practical projects in each field

#Datascience_ku
#Machine_learning

📈انجمن علم داده دانشگاه کاشان
@uk_dsa

📚Machine Learning for Algorthmic Trading

✒️Stefan Jansen

📌کتاب ماشین لرنینگ برای معاملات الگوریتمیک که جلسات پرزنت آن دوشنبه ها برگزارخواهد شد.
➖➖➖➖➖➖➖➖➖➖➖➖
#Datascience_ku
#Machine_Learning
#معرفی_کتاب
#خوانش_گروهی
#پرزنت_کتاب

📈انجمن علم داده دانشگاه کاشان
@Uk_dsa

🎥فیلم ضبط شده جلسه اول از سری وبینار های هوش مصنوعی

1⃣«مقدمه ای بر یادگیری ماشین و یادگیری عمیق»

⭕ سرفصل ها :
🔸هوش مصنوعی چیست؟
🔸یادگیری ماشین چیست؟
🔸معرفی انواع روش های یادگیری ماشین
🔸یادگیری عمیق چیست؟
🔸علت محبوبیت یادگیری عمیق
🔸دلایل اهمیت یادگیری عمیق
🔸چالش های موجود در یادگیری عمیق
🔸کاربردهای یادگیری عمیق
🔸تفاوت یادگیری عمیق و یادگیری ماشین
🔸رابطه بین هوش مصنوعی ، یادگیری ماشین ویادگیری عمیق
🔸مدل سازی یادگیری عمیق با ارائه مثال

#Datascience_ku
#Machine_learning
#Deep_learning
#Artificial_intelligence
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📈انجمن علم داده دانشگاه کاشان
@Uk_dsa‌

🎥فیلم ضبط شده جلسه دوم از سری وبینار های هوش مصنوعی

2⃣پردازش تصویر

⭕️سرفصل ها:
🔸معرفی شبکه های کانولوشن و روش آموزش آن ها
🔸الگوریتم کلی آموزش شبکه های عصبی
🔸معرفی برخی شبکه های مهم استخراج کننده ویژگی از تصویر
🔸کاربردهای شبکه های کانولوشن
🔸معرفی شبکه مولد تخاصمی (GAN)
🔸معرفی شبکه خودرمزگذار (Autoencoder)
🔸معرفی زبان ها، ابزارها و کتابخانه های برنامه نویسی
🔸نوشتن برنامه یک طبقه بند تصاویر در پایتون

#Datascience_ku
#Machine_learning
#Deep_learning
#Artificial_intelligence
#Image_Processing
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📈انجمن علم داده دانشگاه کاشان
@Uk_dsa‌

🔖فایل ارائه جلسه دوم از سری وبینارهای هوش مصنوعی

✔️پردازش تصویر

⭕️سرفصل ها:
🔸معرفی شبکه های کانولوشن و روش آموزش آن ها
🔸الگوریتم کلی آموزش شبکه های عصبی
🔸معرفی برخی شبکه های مهم استخراج کننده ویژگی از تصویر
🔸کاربردهای شبکه های کانولوشن
🔸معرفی شبکه مولد تخاصمی (GAN)
🔸معرفی شبکه خودرمزگذار (Autoencoder)
🔸معرفی زبان ها، ابزارها و کتابخانه های برنامه نویسی
🔸نوشتن برنامه یک طبقه بند تصاویر در پایتون

#Datascience_ku
#Machine_learning
#Deep_learning
#Artificial_intelligence
#Image_Processing
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📈انجمن علم داده دانشگاه کاشان
@Uk_dsa‌

🔖فایل ارائه جلسه سوم از سری وبینارهای هوش مصنوعی

✔️پردازش زبان طبیعی

⭕ سرفصل ها:
🔸معرفی شبکه های بازگشتی و روش آموزش آن ها
🔸انواع شبکه های بازگشتی
🔸معرفی شبکه LSTM
🔸معرفی روش های تعبیه کلمات
🔸 کاربرد های شبکه های LSTM در پردازش متن
🔸معرفی کتابخانه های برنامه نویسی برای پردازش متن
🔸استفاده از شبکه های بازگشتی در پایتون
#Datascience_ku
#Machine_learning
#Deep_learning
#Artificial_intelligence
#Natural_Language_Processing
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📈انجمن علم داده دانشگاه کاشان
@Uk_dsa‌

🎥فیلم ضبط شده جلسه سوم از سری وبینار های هوش مصنوعی

3⃣پردازش زبان طبیعی

⭕ سرفصل ها :
🔸معرفی شبکه های بازگشتی و روش آموزش آن ها
🔸انواع شبکه های بازگشتی
🔸معرفی شبکه LSTM
🔸معرفی روش های تعبیه کلمات
🔸 کاربرد های شبکه های LSTM در پردازش متن
🔸معرفی کتابخانه های برنامه نویسی برای پردازش متن
🔸استفاده از شبکه های بازگشتی در پایتون


#Datascience_ku
#Machine_learning
#Deep_learning
#Artificial_intelligence
#Natural_Language_Processing
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📈انجمن علم داده دانشگاه کاشان
@Uk_dsa‌

📌برای تسلط به مباحث ریاضی یادگیری ماشین و علم داده روش های گوناگونی وجود دارد، یکی از این روش ها استفاده از کتاب ها در این زمینه است.

📚لینک سه کتاب فوق العاده + لینک درسنامه کتاب


1️⃣ Mathematics for Machine Learning

2️⃣ Mathematics for ML

3️⃣ Probability for Data Science
➕ Introduction to Probability for DS


#Datascience_ku #معرفی_کتاب
#Machine_learning

📈انجمن علم داده دانشگاه کاشان
@Uk_dsa

📚یادگیری ماشین و علم داده
مبانی، مفاهیم، الگوریتم‌ها و ابزارها

🖌تالیف و گردآورنده: میلاد وزان

#معرفی_کتاب
#Datascience_ku
#Machine_learning
📈انجمن علم داده دانشگاه کاشان
@Uk_dsa

📚یادگیری ماشین و علم داده
مبانی، مفاهیم، الگوریتم‌ها و ابزارها

🖌تالیف و گردآورنده: میلاد وزان

#معرفی_کتاب
#Datascience_ku
#Machine_learning
📈انجمن علم داده دانشگاه کاشان
@Uk_dsa

🟡 معرفی کتاب Deep Learning

این کتاب، بهترین کتاب برای یادگیری ماشین و یادگیری عمیق است که توسط 3 محقق فعال و برتر در زمینه یادگیری ماشین و یادگیری عمیق نوشته شده است.👌🏻

📒 یوشوا بنجیو یکی از پدران یادگیری ماشین به حساب می‌آید که جایزه تورینگ را نیز برای کارش در توسعه این رشته در طول دوران فعالیت حرفه‌ای‌اش دریافت کرده است. ایان گودفلو یکی از پژوهشگران برتر در این زمینه است و در حال حاضر در OpenAI، که شرکت پیشرو در تحقیق و توسعه در زمینه یادگیری ماشین با تمرکز زیادی بر یادگیری عمیق است، کار می کند.

📝 تجربیات نویسندگان و اطلاعات این کتاب بی نظیر است. حدود 800 صفحه اطلاعات دارد و صادقانه بگویم... «اگر این کتاب را بخوانید و کامل درک کنید و چند نمونه تمرین در پایتون انجام دهید، آماده استخدام در یک پست یادگیری ماشین خواهید بود.» من در این مورد هیچ شکی ندارم!

✍🏼 استفان پیرکالابو/مدیر ارشد فناوری CyberSwarm
〰〰〰〰〰〰〰〰〰〰〰〰
#⃣ #معرفی_کتاب
#علم_داده #Datascience_ku #Machine_Learning #Deep_Learning

📈انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

📍ریاضیات یادگیری ماشین (Machine Learning)

💥ماشین لرنینگ یکی از حوزه‌های هیجان‌انگیز در دنیای فناوری و هوش مصنوعی است که توانایی کامپیوترها در یادگیری و تجزیه و تحلیل داده‌ها را بهبود می‌بخشد. اگر شما به شروع ماشین لرنینگ علاقه‌مند هستید، مفهوم‌های ریاضیاتی مهمی وجود دارند که باید به آنها توجه کنید.

💡۱. آمار و احتمالات: اصول آماری و احتمالاتی بسیار مهم هستند. مفاهیم مانند توزیع احتمالی، امید ریاضی و واریانس اساسی‌اند. این مفاهیم به شما کمک می‌کنند تا داده‌ها را بهتر مدیریت کنید.

💡۲. جبر خطی: جبر خطی اساسی‌ترین عنصری است که برای مفهوم ماتریس‌ها و بردارها در ماشین لرنینگ نیاز دارید. این اصول به شما کمک می‌کنند تا مدل‌های خود را بهبود بخشید.

💡۳. محاسبات عددی: دانش در زمینه محاسبات عددی برای حل مسائل به صورت عددی اساسی است. این شامل روش‌های تقریبی برای حل معادلات، انتگرال‌ها، و بهینه‌سازی می‌شود.

💡۴. آموزه‌های تئوری گراف: در مسائل شبکه و یادگیری عمیق، دانش در مورد نظریه گراف و الگوریتم‌های گرافی مفید است.

▪️یادگیری ماشین اصولاً بر اساس تجربه و عملیات عمل می‌کند، اما داشتن پایه‌های ریاضی قوی به شما در درک عمیق‌تر مفاهیم و توسعه مدل‌های بهتر کمک خواهد کرد.

🔑 : برای شروع لازم نیست تمام مباحث را یادگرفته باشید ...
یک دید آماری و جبر خطی میتواند راه گشای شما در مسیر یادگیری باشید (سایر مباحث حین یادگیری ML...)
📚 برا اونایی که درخواست منبع خوب داشتن : 👇
https://t.iss.one/uk_dsa/1293
-معرفی این کتاب را میتوانید در پیج ما در هایلایت •معرفی کتاب• مشاهده کنید...

با تسلط بر این مفاهیم پیش‌نیاز، به یادگیری ماشین لرنینگ با اعتماد بنیادی پیش خواهید رفت. این دانش ابزارهای قدرتمندی برای حل مسائل و پیش‌بینی‌ها در علوم داده و هوش مصنوعی را در اختیار شما قرار می‌دهد. 🚀🤖

#️⃣ #ریاضیات #ریاضی #Math #Mathematics #ماشین_لرنینگ #Machine_Learning #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖
📬 با ما همراه باشید :
Telegram | Instagram | Linkedin