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!
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
۲۴۵
۶:۳۸
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:•
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!
توی ویدیو چندتا از پروژههای شخصی رو هم توضیح دادم که چطوری بودن و کجاها بدردم خوردن!
#MachineLearning #یادگیری_ماشین #نقشه_راه #AI #پایتون
۲۵۸
۱۴:۵۰
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.
۲۲۲
۷:۲۸
تو این سایت یه سری دستورالعمل و پرامپت هستش که به هوش مصنوعی (مخصوصاً Claude) یاد میده چطور مثل یه متخصص واقعی رفتار کنه!
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
۲۴۳
۱۴:۳۸
بخش 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
۲۶۳
۱۱:۳۷
(Open Source):Llama (Meta)Mistral
# نصب از طریق npm
npm install -g opencode
# یا از طریق GitHub
git clone https://github.com/opencode-ai/opencode۱۸۱
۱۲:۱۱
۱۷۸
۱۵:۱۵
@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
@AiTv_ir
۲۳۱
۶:۴۵
@AiTv_I R - SQL Cheat Sheet.pdf.pdf
۲۰۷.۰۸ کیلوبایت
#تحلیل_داده #SQL #چیتشیت
@AiTv_ir
۱۴۵
۶:۴۵
@Aitv_Ir- AI&ML Cheatsheet.pdf.pdf
۴.۳۴ مگابایت
#چیتشیت *#ML #AI
@AiTv_ir
۴۲
۶:۵۰