TG Telegram Group & Channel
دستاوردهای یادگیری عمیق(InTec) | United States America (US)
Create: Update:

اگر دارید هوش مصنوعی یاد می‌گیرید،
یک سری چیزها رو باید بلد باشید:

۱- پایتون: من تا oop خوندم و ... نداره‌.
دست بردارید ازین دوره‌های دوزاری و ویدئوها و کلاس‌های آموزشگاهی؛ یک آموزشگاه یا یک فروشنده دوره برای سود بیشتر اینکار رو می‌کنه :
دوره مقدماتی - متوسط - پیشرفته ...
اگر آینده کاری که می‌کنید براتون مهم هست؛ یک کتاب رفرنس پایتون بردارید :
Head First Python - 3rd edition

اگر تمام سرفصل‌ها و مطالبش رو بلد بودید، اون موقع شما تازه مقدمات پایتون رو یاد گرفتید.

پایتون سطح متوسط چی می‌شه ؟
Fluent Python 2nd edition

پایتون پیشرفته چطور ؟ چنین چیزی وجود نداره؛ شما نمی‌تونی بگید یک زبان برنامه‌نویسی رو کامل بلدی ولی مفاهیم اصلی software enginnering رو ندونی.
پیشرفته یعنی جزئیات عملکرد همه چیز در پایتون رو بدونی؛ کتاب نداره Document, Source code داره این بخش.

۲- باید Software Engineering بلد باشی؛ خیلی صحبت شده کتابای معرفی شده توی استوری‌های‌ کانال @pyhints

لینوکس و داکر و ... واجبات هست.

بعد از همه‌ی اینها تازه میرسیم به محاسبات ریاضی و ماتریس و ...
بعد فریمورک پایتورچ یا تنسورفلو و ابزارهای مختلف هوش مصنوعی و البته سرویس های Cloud

در نهایت برای اونهایی که بفکر یادگیری اصولی هستند، مقاله مدل‌های حوزه کاری خودتون رو بخونید (مدل‌های معروف حتی قدیمی)؛ سعی کنید با توجه به جزییات مدل و بر اساس مقاله مدل رو پیاده‌سازی کنید، بدون اینکه سورس کدهاش رو ببینید.
بعد ساختار مدلی که پیاده‌سازی کردید رو با کدهای منتشر شده مقایسه کنید، ۳ حالت داره :

۱- هیچی نفهمیدید و کاملاً اشتباه پیاده‌سازی کردید، نقطه ضعف‌هاتون رو پیدا می‌کنید در عوض.

۲- دقیقاً مطابق مقاله پیاده‌سازی کردید، اما با سورس کدهای ارائه شده توی گیت‌هاب یا ... نمی‌خونه؛ طبیعی هست، بعضی وقتا بعد از انتشار مقاله تغییرات یا بهبودهایی داده می‌شه
Inception v3
رو یادم هست وقتی پیاده‌سازی کردم، توی آپدیت بعدی که گوگل منتشر کرده دیگه با کدهای من هم‌خوانی نداشت.
این نشون میده یادگرفتید مقالات رو درست بخونید و پیاده‌سازی کنید و از اون مهمتر، می‌فهمید هر تغییر و بهبودی دقیقاً به چه دلیل انجام شده و روی چه چیزی اثرگذار هست.

۳- پیاده‌سازی شما با مقاله و گیت‌هاب می‌خونه؛ کد زدن ایده‌های جدید رو یاد میگیرید.
شاید AlexNet بعدی دنیای هوش مصنوعی از دستاوردهای شما بود.

من شخصاً با این تکنیک با شاگردام کار می‌کردم و می‌کنم، هیچوقت به بچه‌های بالای ۲۰ سال نمی‌گم برو API فلان شرکت رو بگیر و پروژه بزن.
پروژه یعنی پیاده‌سازی مقالات، Transformer, GPT, DeepSeek, ...

خواهشاً راجب این دوره‌هایی که توی ۶۰ ساعت قراره شمارو پیغمبر هوش مصنوعی کنه هم از من سوال نکنید، یا اینکه من پایتون رو مقدماتی بلدم!
چیزی به اسم مقدماتی نداره پایتون (یا هر زبان دیگه‌ای) یا شما پایتون رو بلد هستید یا بلد نیستید، من تا اول oop خوندم و ... نداره عذرخواهی می‌کنم ولی این حرفا احمقانه‌اس ...

یا یک کاری رو درست انجام بده، یا وقت خودت رو تلف نکن، برو دنبال کاری که دوس داری.

اگر دارید هوش مصنوعی یاد می‌گیرید،
یک سری چیزها رو باید بلد باشید:

۱- پایتون: من تا oop خوندم و ... نداره‌.
دست بردارید ازین دوره‌های دوزاری و ویدئوها و کلاس‌های آموزشگاهی؛ یک آموزشگاه یا یک فروشنده دوره برای سود بیشتر اینکار رو می‌کنه :
دوره مقدماتی - متوسط - پیشرفته ...
اگر آینده کاری که می‌کنید براتون مهم هست؛ یک کتاب رفرنس پایتون بردارید :
Head First Python - 3rd edition

اگر تمام سرفصل‌ها و مطالبش رو بلد بودید، اون موقع شما تازه مقدمات پایتون رو یاد گرفتید.

پایتون سطح متوسط چی می‌شه ؟
Fluent Python 2nd edition

پایتون پیشرفته چطور ؟ چنین چیزی وجود نداره؛ شما نمی‌تونی بگید یک زبان برنامه‌نویسی رو کامل بلدی ولی مفاهیم اصلی software enginnering رو ندونی.
پیشرفته یعنی جزئیات عملکرد همه چیز در پایتون رو بدونی؛ کتاب نداره Document, Source code داره این بخش.

۲- باید Software Engineering بلد باشی؛ خیلی صحبت شده کتابای معرفی شده توی استوری‌های‌ کانال @pyhints

لینوکس و داکر و ... واجبات هست.

بعد از همه‌ی اینها تازه میرسیم به محاسبات ریاضی و ماتریس و ...
بعد فریمورک پایتورچ یا تنسورفلو و ابزارهای مختلف هوش مصنوعی و البته سرویس های Cloud

در نهایت برای اونهایی که بفکر یادگیری اصولی هستند، مقاله مدل‌های حوزه کاری خودتون رو بخونید (مدل‌های معروف حتی قدیمی)؛ سعی کنید با توجه به جزییات مدل و بر اساس مقاله مدل رو پیاده‌سازی کنید، بدون اینکه سورس کدهاش رو ببینید.
بعد ساختار مدلی که پیاده‌سازی کردید رو با کدهای منتشر شده مقایسه کنید، ۳ حالت داره :

۱- هیچی نفهمیدید و کاملاً اشتباه پیاده‌سازی کردید، نقطه ضعف‌هاتون رو پیدا می‌کنید در عوض.

۲- دقیقاً مطابق مقاله پیاده‌سازی کردید، اما با سورس کدهای ارائه شده توی گیت‌هاب یا ... نمی‌خونه؛ طبیعی هست، بعضی وقتا بعد از انتشار مقاله تغییرات یا بهبودهایی داده می‌شه
Inception v3
رو یادم هست وقتی پیاده‌سازی کردم، توی آپدیت بعدی که گوگل منتشر کرده دیگه با کدهای من هم‌خوانی نداشت.
این نشون میده یادگرفتید مقالات رو درست بخونید و پیاده‌سازی کنید و از اون مهمتر، می‌فهمید هر تغییر و بهبودی دقیقاً به چه دلیل انجام شده و روی چه چیزی اثرگذار هست.

۳- پیاده‌سازی شما با مقاله و گیت‌هاب می‌خونه؛ کد زدن ایده‌های جدید رو یاد میگیرید.
شاید AlexNet بعدی دنیای هوش مصنوعی از دستاوردهای شما بود.

من شخصاً با این تکنیک با شاگردام کار می‌کردم و می‌کنم، هیچوقت به بچه‌های بالای ۲۰ سال نمی‌گم برو API فلان شرکت رو بگیر و پروژه بزن.
پروژه یعنی پیاده‌سازی مقالات، Transformer, GPT, DeepSeek, ...

خواهشاً راجب این دوره‌هایی که توی ۶۰ ساعت قراره شمارو پیغمبر هوش مصنوعی کنه هم از من سوال نکنید، یا اینکه من پایتون رو مقدماتی بلدم!
چیزی به اسم مقدماتی نداره پایتون (یا هر زبان دیگه‌ای) یا شما پایتون رو بلد هستید یا بلد نیستید، من تا اول oop خوندم و ... نداره عذرخواهی می‌کنم ولی این حرفا احمقانه‌اس ...

یا یک کاری رو درست انجام بده، یا وقت خودت رو تلف نکن، برو دنبال کاری که دوس داری.


>>Click here to continue<<

دستاوردهای یادگیری عمیق(InTec)




Share with your best friend
VIEW MORE

United States America Popular Telegram Group (US)