06 - Files.rar
25.5 MB
🔰 فایل های این دوره در صورت نیاز
#ML
#ML
persian machine learning book @DataPlusScience.pdf
17.2 MB
یادگیری ماشین و علم داده: مبانی، مفاهیم، الگوریتم‌ها و ابزارها
تالیف و گردآوری: میلاد وزان
نسخه الکترونیک کتاب توسط مولف به صورت رایگان منتشر شده است.
فهرست مطالب:
فصل اول: علم داده
فصل دوم: مقدمه‌ای بر پایتون
فصل سوم: داده
فصل چهارم: مقدمه‌ای بر یادگیری ماشین
فصل پنجم: انتخاب و ارزیابی مدل
فصل ششم: یادگیری با نظارت
فصل هفتم: یادگیری عمیق
فصل هشتم: یادگیری غیرنظارتی
فصل نهم: مباحث منتخب
#Book
#ML
تالیف و گردآوری: میلاد وزان
نسخه الکترونیک کتاب توسط مولف به صورت رایگان منتشر شده است.
فهرست مطالب:
فصل اول: علم داده
فصل دوم: مقدمه‌ای بر پایتون
فصل سوم: داده
فصل چهارم: مقدمه‌ای بر یادگیری ماشین
فصل پنجم: انتخاب و ارزیابی مدل
فصل ششم: یادگیری با نظارت
فصل هفتم: یادگیری عمیق
فصل هشتم: یادگیری غیرنظارتی
فصل نهم: مباحث منتخب
#Book
#ML
Confusion Matrix.pdf
3 MB
خلاصه ای از Confusion Matrix
#ML
#ML
Data Prep and Cleaning for Machine Learning @DataPlusScience.pdf
3.9 MB
پیش پردازش داده‌ها در پروژه‌های علوم داده
این فایل به صورت مختصر به بیان 8 گام مرسوم پیش‌پردازش داده‌ها در پروژه‌های علوم داده پرداخته است.
#ML
این فایل به صورت مختصر به بیان 8 گام مرسوم پیش‌پردازش داده‌ها در پروژه‌های علوم داده پرداخته است.
#ML
Understanding AI vs. ML.pdf
964.2 KB
فایل هوش مصنوعی، یادگیری ماشین و یادگیری عمیق و تفاوت آن ها
#ML
#ML
DeepLearning @DataPlusScience.pdf
10.9 MB
#کتاب_فارسی
یادگیری عمیق: از اصول اولیه تا ساخت شبکه‌های عصبی عمیق با پایتون
نگارنده: میلاد وزان
سرفصل‌ها:
مقدمه‌ای بر یادگیری عمیق
شبکه‌های عصبی پیش‌خور
شبکه‌های عصبی کانولوشنی
شبکه‌های عصبی بازگشتی
شبکه متخاصم مولد
این کتاب به رایگان و توسط نگارنده منتشر شده است.
#Book
#ML
یادگیری عمیق: از اصول اولیه تا ساخت شبکه‌های عصبی عمیق با پایتون
نگارنده: میلاد وزان
سرفصل‌ها:
مقدمه‌ای بر یادگیری عمیق
شبکه‌های عصبی پیش‌خور
شبکه‌های عصبی کانولوشنی
شبکه‌های عصبی بازگشتی
شبکه متخاصم مولد
این کتاب به رایگان و توسط نگارنده منتشر شده است.
#Book
#ML
The Debugging Diaries
متاسفانه به دلیل مشغله های زیاد نشد که اخبار کامل کنم اما الان تیتر وار ده تاش رو ببنیم 1- معرفی LAMMA 3.3 70 b از متا 2- معرفی Advance Voice Mode 3- معرفی مدل Google Gemini 2.0 4 - معرفی مدل Phi-4 توسط ماکروسافت 5 - معرفی قابلیت پوشه بندی در چت های ChatGPT…
از بین اینا به نظرم، برای استفاده عمومی
شماره 5 و 9 عالین
یه توضیح کوتاه راجع به گیت‌هاب کوپایلت بدم
میشه ازش به عنوان دستیار کد نویسی با قابلیت بالا توی vs code استفاده کرد.
برای این کار یه حساب گیت‌هاب میخواد و بروزترین نسخه vs code ( یا نصب extension GitHub copilot) و طبق معمول فیلترشکن😁
دو تا مدل Gpt4o و claude sonnet 3.5 رو پشتیبانی میکنه
و توی نسخه رایگان 2000 تا code compeltion در ماه داره هم‌چنین اطلاعات تکمیلی توی لینک پست قبل هست که می‌تونین مشاهده کنین.
برای استفاده از این محصول ماکروسافت به صورت best practice یه ویدیو کوتاه در یوتیوب رو پیشنهاد میدم.
youtube link
شماره 5 هم برای نظم دهی به چت‌ها در gpt هست که توی لینک پست قبل به طور کامل توضیحش داده شده.
شماره 10 و 2 برای شگفت زده شدن در آخر هفته تا حد خوبی ایده آل هست :)
#LLM
#ML
شماره 5 و 9 عالین
یه توضیح کوتاه راجع به گیت‌هاب کوپایلت بدم
میشه ازش به عنوان دستیار کد نویسی با قابلیت بالا توی vs code استفاده کرد.
برای این کار یه حساب گیت‌هاب میخواد و بروزترین نسخه vs code ( یا نصب extension GitHub copilot) و طبق معمول فیلترشکن😁
دو تا مدل Gpt4o و claude sonnet 3.5 رو پشتیبانی میکنه
و توی نسخه رایگان 2000 تا code compeltion در ماه داره هم‌چنین اطلاعات تکمیلی توی لینک پست قبل هست که می‌تونین مشاهده کنین.
برای استفاده از این محصول ماکروسافت به صورت best practice یه ویدیو کوتاه در یوتیوب رو پیشنهاد میدم.
youtube link
شماره 5 هم برای نظم دهی به چت‌ها در gpt هست که توی لینک پست قبل به طور کامل توضیحش داده شده.
شماره 10 و 2 برای شگفت زده شدن در آخر هفته تا حد خوبی ایده آل هست :)
#LLM
#ML
YouTube
Copilot Best Practices (What Not To Do)
This video covers best practices of using copilot by flipping the script and covering WHAT NOT TO DO.
00:00 - Intro
00:25 - Don't let copilot fly the plane
01:18 - Don't misuse copilot tools
03:50 - Don't recreate existing prompts
05:50 - Don't forget…
00:00 - Intro
00:25 - Don't let copilot fly the plane
01:18 - Don't misuse copilot tools
03:50 - Don't recreate existing prompts
05:50 - Don't forget…
👍1
The Debugging Diaries
در ادامه پست قبل به پارامتر Temperature می رسیم. 🔍 دمای مدل (Temperature) چیست؟ دمای مدل یکی از پارامترهای مهم در مدل‌های زبانی بزرگ (LLMs) مثل GPT است که نقش تنظیم‌کننده خلاقیت و تصادفی بودن خروجی‌ها داره. این پارامتر تعیین میکنه که مدل چقدر به احتمالات…
در ادامه پارامترهای مدل‌های زبانی این دفعه Top-k رو بررسی می‌کنیم.
این پارامتر خیلی شبیه Top-p هست که توی پست‌های قبلی راجع بهش صحبت شد. توی فرآیند انتخاب کلمه بعدی تو مدل‌های زبانی به هر کلمه یه احتمال نسبت داده میشه، حالا برای نمونه برداری از کلمات یه رویکرد جمع احتمال‌ها بود (Top-p) یه رویکرد دیگه انتخاب kتای برتر بر اساس احتمال هست
یعنی اول براساس احتمال از بزرگ و کوچک مرتب میشه و سپس kتای برتر انتخاب و بعدش مراحل مثل Top-p طی میشه.
استفاده ازش باعث میشه دایر لغات استفاده شده در متن وسیع‌تر بشه.
مقدار این پارامتر از 1 تا n هست(n به صورت عدد طبیعی)
کلا این پارامترها برای نمونه برداری برای تولید کلمه بعدی هستند و اگه مدل از اینا استفاده نکنه بهش میگن اصطلاحا حالت greedy که هر دفعه کلمه با بیشترین احتمال انتخاب میکنه
هر چند این حالت به طور کلی منطقی به نظر میاد اما ایراداتی هم به دنبال داره.
راستی یلداتون هم مبارک🥳
#LLM
#ML
این پارامتر خیلی شبیه Top-p هست که توی پست‌های قبلی راجع بهش صحبت شد. توی فرآیند انتخاب کلمه بعدی تو مدل‌های زبانی به هر کلمه یه احتمال نسبت داده میشه، حالا برای نمونه برداری از کلمات یه رویکرد جمع احتمال‌ها بود (Top-p) یه رویکرد دیگه انتخاب kتای برتر بر اساس احتمال هست
یعنی اول براساس احتمال از بزرگ و کوچک مرتب میشه و سپس kتای برتر انتخاب و بعدش مراحل مثل Top-p طی میشه.
استفاده ازش باعث میشه دایر لغات استفاده شده در متن وسیع‌تر بشه.
مقدار این پارامتر از 1 تا n هست(n به صورت عدد طبیعی)
کلا این پارامترها برای نمونه برداری برای تولید کلمه بعدی هستند و اگه مدل از اینا استفاده نکنه بهش میگن اصطلاحا حالت greedy که هر دفعه کلمه با بیشترین احتمال انتخاب میکنه
هر چند این حالت به طور کلی منطقی به نظر میاد اما ایراداتی هم به دنبال داره.
راستی یلداتون هم مبارک🥳
#LLM
#ML