دانشجویان عزیز، پیشنهاد میشود حتما شرکت کنید، در صورت کسب رتبه مناسب
متناسب با یکی از دروس، نمره تشویقی در نظر گرفته می‌شود

سلام به دانشجویان عزیز
اگر درسی طبق چارت درس تون در انتخاب واحد مقدماتی تعریف نشده است ، به استاد مشاور تحصیلی مربوطه اطلاع دهید

در گروههایی که در چارت درسی، درس  تاریخ تحلیلی صدر اسلام ثبت شده، به دانشجویان اعلام شود که لازم است به جای آن درس تاریخ امامت را اخذ کنند.

همین طور در مورد درس انقلاب اسلامی که به جای آن درس دفاع مقدس ارائه شده است.

دانشجویانی که درس پروژه را اخذ کرده اند، حتما ابتدا پرپوزال را بنویسند و ارسال کنند
در صورت تایید، کار را شروع کنند
نمونه پروژه ها در همین کانال است

فرم درخواست پروژه.docx

میتونید تبدیل مایل به کیلومتر رو با دنباله فیبوناتچی تخمین بزنید؟
از هر دو تا عدد کنار هم کوچیک‌تره مایله.

مثلا ۵ مایل ۸ کیلومتره، ۱۳ مایل ۲۱ کیلومتره ..

۱,۱,۲,۳,۵,۸,۱۳,۲۱...

مهدی باباشاهی
9905693
کارشناسی ترم 8

#Roadmap 2022

این رو برای یک دوستی که تازه داره سعی می‌کنه وارد، ماشین‌لرنینگ بشه نوشتم ؛
اول اینکه توجه کنید,
۱- ایشون تازه برای کارشناسی بورسیه گرفته و قراره شروع کنه درسش رو
۲- پایتون رو در سطح متوسطی بلد هست و چندسالی هست که کد میزنه (Data structure, Algorithm رو متوجه‌ هست)
۳- علاقه شدیدی به هوش مصنوعی داره و برخلاف خیلی‌ها که می‌خوان سریعتر کد بزنن ترجیح میده وقت بیشتری توی مقدمات بذاره تا حرفه‌ای تر جلو بره


RoadMap :

1- Numpy (and scipy):

. Numpy Beginners guide 3rd edition (packt)
. Python Numpy Beginners (AI publishing)
. Scientific Computing with Python .... 2nd edition (Claus Fuhrer - packt pub)
* High performance python ... 2nd edition (O'Reilly)

2- Pandas:

Effective Pandas (Matt Harrison)
Pandas in Action (Manning Pub)
Pandas 1.x cookbook ... 2nd edition (Packt pub)

3- Matplotlib (or other visualization libs)

Hands on matplotlib (Ashwin - Apress pub)
Data visualization with python for beginners ... ( AI publishing)

چیزی که خیلی مهمه اینه کار با OOP، api رو توی این کتابخونه یاد بگیرید.

3- Data Engineering
نه کامل اما بعضی مباحث واقعاً لازم هست :
Sql / NoSql / PySpark
اینها مباحثی هست که خیلی بدرد میخوره معمولاً

4- Scikit-learn :

Hands on machine learning with scikit-learn, ... (O'Reilly) - Part 1 only

Machine learning with pytorch and scikit-learn (Packt pub) - Part 1 only

5- Story telling
کتاب‌های زیادی برای این مورد وجود داره که بسته به علاقه و نوع نوشتاری که می‌پسندید می‌تونید انتخاب کنید

اما این بخش رو اصلا دستکم نگیرید (۹۹.۹٪ آموزش‌ها این موضوع رو منتقل نمی‌کنند و ۱۰۰٪ توی کار این موضوع واجب و حیاتی هست)

6-
آمار و احتمالات / ریاضیات / جبر

بستگی به خودتون داره؛ اگر فکر می‌کنید لازم هست کمی ریاضیات پایه رو مرور کنید
آمار و احتمال رو شاید بهتره حتی قبل از scikit-learn مرور کنید

کتابهای با عنوان statistical learning وجود داره برای پایتون که به سلیقه خودتون می‌تونید بخونید.
7- Deep learning (practical)

۲ تا کتابی که برای Machine learning معرفی کردم بخش دوم هر ۲ کتاب رو می‌تونید اینجا شروع کنید
Deep learning with python 2nd edition (Manning pub)
هم حتماً برای اونایی که Tensorflow هم می‌خوان کار کنند باید خونده بشه

اگر قرار هست کارهای deploy , ... هم انجام بدید اون خودش ی roadmap اساسی میخواد اما بطور ساده :

ML engineering / MLOps / Linux / Docker / Api development (FastApi) / Edge deployment (Tiny ML)

حداقل چیزهایی هست که لازم دارید.
بعد با توجه به بیزینس و علاقه به بخش‌های مختلفش شاخ و برگ میدید.

پ.ن : برای بخش‌های مختلف چندکتاب معرفی شد، چون نوع نوشتار بعضی از کتابها ممکن مورد پسند شما نباشه
لازم نیست همه‌ی چند مورد رو بخونید.

کتاب :
High performance python
جزو واجبات هست که بنظرم همه باید بخونند.

بالاخره دوره Deep Generative Models های استنفورد هم آپدیت شد.
واقعا نباید بهونه آورد بهترین منابع یادگیری دنیا در دسترس نسل جدید هست :

Stanford CS236: Deep Generative Models (2023)

پس با اضافه شدن این دوره محموع دوره‌ها شد :

1) Standford university: Prof. Manning, deep learning for nlp

2) NYU (new york university): Yan Lucan & Alfered canziani. Deep learning course

3) Standord university: Deep Generative Models

4) Stanford University: Transformers United

پروژه ، تشخیص حالت چهره با یادگیری عمیق

http://meybod.ac.ir/academic-research/bachelors-education

فرم های آموزش را از اینجا دانلود نمایید

چارت ۱۴۰۱

قابل توجه دانشجویان عزیز
در گزارش کارآموزی فقط کارهایی که یادگرفته اید را ذکر کنید، مثلا اگر بر روی سایتی یا پروژه ای کار کرده اید فقط آن را توضیح دهید
از اینترنت مطلب آموزشی بر ندارید و در گزارش ننویسید. مثلا در مورد زبان سی شارپ توضیح ندهید

تعداد صفحه از ۲۵ تا ۵۰ صفحه

قابل توجه دانشجویان عزیز
در پایان نامه فقط کارهایی که انجام داده اید ذکر شود
شماره اعداد فارسی باشد، متن جاستیفای باشد، تیترها شماره داشته باشند، از اینترنت کپی نباشد

تعداد صفحات حدودا از ۴۰ صفحه تا ۶۰ صفحه

نمونه گزارش پروژه و کار آموزی در کانال است