دوره جامع مهندسی هوش مصنوعی از صفر!یه منبع بینظیر پیدا کردم برای کسایی که میخوان واقعاً متخصص AI بشن — نه فقط کاربر، بلکه سازنده! آمار و ارقام
آمار | مقدار
------------------+-------------------------
تعداد درسها | ۴۳۵ درس
تعداد فازها | ۲۰ فاز
مدت زمان تقریبی | ۳۲۰ ساعت
ستارههای گیتهاب | ۱۲K ⭐
مجوز | MIT (رایگان و اُپنسورس)
فاز ۰ → ابزارها و نصب
فاز ۱ → پایههای ریاضی
فاز ۲ → اصول یادگیری ماشین
فاز ۳ → هسته یادگیری عمیق
فاز ۴ → بینایی کامپیوتر
فاز ۵ → پردازش زبان طبیعی
فاز ۶ → گفتار و صدا
فاز ۷ → ترنسفورمرها (عمیق)
فاز ۸ → هوش مصنوعی مولد
فاز ۹ → یادگیری تقویتی
فاز ۱۰ → LLMs از صفر
فاز ۱۱ → مهندسی LLM
فاز ۱۲ → AI چندمدی
فاز ۱۳ → ابزارها و پروتکلها
فاز ۱۴ → مهندسی Agent
فاز ۱۵ → سیستمهای خودمختار
فاز ۱۶ → Multi-Agent و Swarms
فاز ۱۷ → زیرساخت و Production
فاز ۱۸ → اخلاق و ایمنی
فاز ۱۹ → پروژه نهایی (۸۵ درس)۲. ساختار منظم۴۳۵ درس در ۲۰ فاز — از ریاضیات پایه تا Agentهای خودمختار!
۳. عملی و کاربردیهر درس یه آرتیفکت قابل استفاده میسازی: پرامپت، اسکیل، Agent، سرور MCP
۴. رایگان و اُپنسورسهیچ پولی نمیدی — همه چیز آزاده و روی لپتاپ خودت اجرا میشه!
یه نکته مهم"۸۴٪ دانشجویان قبلاً از ابزارهای AI استفاده میکنن. ولی فقط ۱۸٪ احساس آمادگی حرفهای میکنن!"این دوره دقیقاً برای پر کردن این شکاف طراحی شده!
لینک گیتهاب: https://github.com/rohitg00/ai-engineering-from-scratch
لینک سایت: https://aiengineeringfromscratch.com
اگه جدی هستی و میخوای از صفر بسازی — این بهترین نقطه شروعته!
#AI #MachineLearning #DeepLearning #LLM
@AiTv_ir۳۱۱ نقشه راه عملی یادگیری ماشین — ۵ قدم تا حرفهای شدن!یادگیری ماشین یه مسیر پرپیچوخمه — ولی اگه مسیر درست رو بدونی، خیلی راحتتر میشه! من تجربم رو میذارم تا شما راحتتر به نتیجه برسید.۱️⃣ قدم اول: پایتون رو یاد بگیرپایتون زبون مشترک دنیای AI و دیتاست. از پایه شروع کن:
• لیستها، حلقهها، شرطها• بعد بریز سراغ مفاهیم حرفهایتر مثل کلاسها
سه تا کتابخونه که باید مسلط بشی:•
Pandas — کار با داده• NumPy — محاسبات ریاضی• Matplotlib — رسم نمودار نکته طلایی: توی این مرحله تا میتونی خودت کد بزن. کمتر بری سراغ ChatGPT — دستت باید راه بیفته!منابع:• دوره پایتون برای علم داده (پلیلیست اختصاصی)• دوره پایتون جادی - مکتبخونه
۲️⃣ قدم دوم: مهندسی پرامپتهوش مصنوعی مثل یه همکار حرفهایه — اگه درست باهاش حرف بزنی، جواب بهتری میگیری!
یاد بگیر سوالهای دقیق و هدفمند بپرسی. این skill خیلی مهمه چون بازدهیت رو چند برابر میکنه.
منابع:• کانال Andrej Karpathy — برای درک عمیقتر
۳️⃣ قدم سوم: ریاضیات (ولی شهودی!)نترس! قرار نیست ریاضیدان بشی. فقط باید درک کنی:
• مشتق چیه و چطور کار میکنه• بردارها و ماتریسها چطور باهم کار میکنن• احتمالات چطور در ML استفاده میشه
کتاب پیشنهادی:• Why Machines Learn
برای درک شهودی:• کانال 3Blue1Brown — ریاضی رو قابل فهم توضیح میده!
۴️⃣ قدم چهارم: ML و Deep Learningحالا وقتشه بری توی قلب ماجرا!
مسیر پیشنهادی:
یادگیری ماشین کلاسیک (https://www.courser.org/specializations/machine-learning-introduction)
یادگیری عمیق (https://www.coursera.org/specializations/deep-learning)
ترنسفورمرها (https://web.stanford.edu/class/cs25/)
کتاب پژوهشی (https://udlbook.github.io/udlbook/)
از الگوریتمهای کلاسیک شروع کن (رگرسیون، درخت تصمیم) بعد برو سراغ یادگیری عمیق و ترنسفورمرها!
۵️⃣ قدم پنتم: پروژه، پروژه، پروژه!این مهمترین قدمه! تا دستت به کد نشه و به چالش نخوری، چیزی یاد نمیگیری.
چطوری شروع کنی:• از دیتاستهای Kaggle برو• بعدش ایدههای شخصی خودت رو پیاده کن• کدهات رو بذار توی GitHub• توی لینکدین دربارشون بنویس
اینجوری با چالشهای واقعی روبرو میشی و تجربه واقعی کسب میکنی!
ویدیوی کامل این نقشه راه: مشاهده ویدیوی تکمیلیتوی ویدیو چندتا از پروژههای شخصی رو هم توضیح دادم که چطوری بودن و کجاها بدردم خوردن!
#MachineLearning #یادگیری_ماشین #نقشه_راه #AI #پایتون
@AiTv_ir۱۱۱ دورهی ۵ روزهی AI Agents (همکاری Google و Kaggle)یه دورهی فشردهی رایگان برای کسایی که میخوان جدی وارد دنیای AI Agents بشن.
اگه دنبال شروع عملی با ایجنتها هستی، نقطهی خوبیه برای شروع.
kaggle.com/competitions/5-day-ai-agents-intensive-vibecoding-course-with-google @AiTv_ir۲۱۱معرفی سایت ui-skills.com — جایی که به AI یاد میدن متخصص بشه!تو این سایت یه سری دستورالعمل و پرامپت هستش که به هوش مصنوعی (مخصوصاً Claude) یاد میده چطور مثل یه متخصص واقعی رفتار کنه!
چطور استفاده میشه؟با یه دستور ساده:
npx skills add https://github.com/ibelick/ui-skills --skill baseline-uiاین سایت بازاری برای AI skills هستش — جایی که طراحان و توسعهدهندهها مهارتهای خودشون رو به اشتراک میگذارن تا AI بهتر و حرفهایتر کار کنه!
#AI #Claude #UI #UX #Skills
@AiTv_ir۱۱۱ دوره رایگان مایکروسافت: ساخت ایجنتهای هوش مصنوعی ( به تازگی به روزرسانی شده ) اطلاعات دوره: عنوان : AI Agents for Beginners تعداد جلسات : ۱۲ جلسه سطح : مبتدی زبان :*پایتون* سرفصلهابخش ۱: پایهها• معرفی ایجنتها•؛ Agentic RAG• متاکوگنیشن (Metacognition)• حافظه ایجنت• استفاده از ابزارها• ایجنتهای چندگانهبخش ۲: فریمورکها• فریمورکهای ایجنت• ایجنتهای قابل اعتماد• ایجنتهای پروداکشن• ارزیابی ایجنت• دپلوی ایجنت• ایجنتهای محلی
بخش ۳: طراحی و پیشرفته• الگوهای طراحی• برنامهریزی• پروتکلهای ایجنت• استفاده از کامپیوتر• مهندسی کانتکست• ایجنتهای امن
لینکهادوره اصلی:• https://github.com/microsoft/ai-agents-for-beginners• aka.ms/ai-agents-beginners چرا این دوره مهمه؟• کاملاً رایگان• مناسب مبتدیها• شامل ویدیو و توضیحات ساده• پوشش کامل از تئوری تا کدنویسی @AiTv_ir۱۱ به کمک ابزار opencode میتونید به تمام مدل های اوپنسورس و بسته با CLI دسترسی داشته باشید و کد بزنید. مدلهای پشتیبانی شده (Closed Source):OpenAI (GPT-4, GPT-3.5)Anthropic (Claude)Google (Gemini)(Open Source):Llama (Meta)Mistral
نحوه نصب
# نصب از طریق npm
npm install -g opencode
# یا از طریق GitHub
git clone https://github.com/opencode-ai/opencode@Aitv_ir- Numpy Interview Questions.pdf.pdf
۲.۳۹ مگابایت
🧮 «ریاضیات الگوریتمهای یادگیری ماشین»
این کتاب به بررسی ویژگیهای تئوری و عملی الگوریتمهای یادگیری ماشین میپردازه، شامل مباحث آماری، بهینهسازی مدلهای ML و پیاده سازی واقعی.
کتاب روی دو مدل اصلی تمرکز داره: یادگیری نظارتشده و یادگیری آنلاین.
@AiTv_ir
این کتاب به بررسی ویژگیهای تئوری و عملی الگوریتمهای یادگیری ماشین میپردازه، شامل مباحث آماری، بهینهسازی مدلهای ML و پیاده سازی واقعی. کتاب روی دو مدل اصلی تمرکز داره: یادگیری نظارتشده و یادگیری آنلاین.@AiTv_ir
۲۱@AiTv_I R - SQL Cheat Sheet.pdf.pdf
۲۰۷.۰۸ کیلوبایت
برگه تقلب مرور سریع SQL شامل موضوعات کلیدی: دستورات SQL از پایه تا پیشرفته جوینها، زیرکوئریها (Subqueries) توابع پنجرهای (Window Functions) توابع تجمعی و کلوزها نکات بهینهسازی (Optimization Tips)#تحلیل_داده #SQL #چیتشیت
@AiTv_ir
۱۱@Aitv_Ir- AI&ML Cheatsheet.pdf.pdf
۴.۳۴ مگابایت
برگه تقلب «یادگیری ماشین و AI» مفاهیم پایه AI و ML ریاضیات ضروری پیشپردازش و مهندسی ویژگی الگوریتمهای یادگیری نظارت شده شبکههای عصبی: CNN, RNN, GAN پردازش زبان طبیعی با BERT, GPT ارزیابی و تنظیم مدل استقرار مدل + مانیتورینگ اشتباهات رایج + تمرینهای پیشنهادی ابزارها و کتابخانهها پلتفرمهای ابری#چیتشیت *#ML #AI
@AiTv_ir