اینم یه وبسایت دیگه که ابزار های هوش مصنوعی رو معرفی میکنه و بیش از ۳۰۰۰ نمونه داره
باتشکر از:@CarCedo
TopAi Tools
@lython

یه ابزار جدید مایکروسافت که برای تولید عکس‌های مخصوص پست‌های اینستاگرام بر اساس متنی که میدید یا عکسی که در حال حاضر دارید میشه ازش استفاده کرد.


https://designer.microsoft.com

@lython

یک ابزار عالی برای نوشتن رزومه در چند دقیقه به کمک هوش مصنوعی 😃
resume.io
@lython

انواع ساختار داده با شکل و موارد استفاده
@lython

۱۵ کامند پر استفاده در لینوکس با نوع کاربری و مثال (پارت۱)

۱:ls -> لیست فایل ها و دایرکتوری ها

$ ls /
# bin etc lib media root swapfile usr
# boot home lib32 mnt run sys var

2: cd -> تغییر دایرکتوری فعلی

$ cd Desktop
# desktop/>

3: mkdir -> ایجاد پوشه جدید

$ mkdir newFolder

4: mv -> برای انتقال یا تغییر نام فایل و یا دایرکتوری

$ mv example Desktop/example

5: cp -> برای کپی فایل و یا دایرکتوری

$ cp example Desktop/example

6: rm -> برای حذف فایل و یا دایرکتوری

$ rm example Desktop/example

7: chmod -> برای تغییر سطح دسترسی فایل و یا دایرکتوری

$ chmod 777 example

8: find -> برای یافتن فایل و یا دایرکتوری

$ find example

9: grep -> برای یافتن پترن در فایل و یا دایرکتوری

$ grep example

10: vi -> برای ویرایش فایل (همون ویم خودمون)

$ vi example

11: nano -> برای ویرایش فایل (ساده تر از ویم خودمون)

$ nano example

12: cat -> برای نمایش فایل در ترمینال

$ cat example

13: echo -> برای نمایش متغییر در ترمینال

$ echo hi
# hi

14: tar -> برای فشرده سازی فایل ها

$ tar -
# A -- append to an archive
# c -- create a new archive
# f -- specify archive file or device
# t -- list archive contents
# u -- update archive
# v -- verbose output
# x -- extract files from an archive

15: du -> برای نمایش نام و مقدار حافظه در ترمینال

$ du folderName
# 1169332 ./.snap

@lython

محبوبیت زبان های برنامه نویسی طی چند سال اخیر
@lython

Scikit Learn
از کتابخانه‌های متن‌باز، مفید، پرکاربرد و قدرتمند در زبان برنامه‌نویسی پایتون است که برای اهداف یادگیری ماشین به کار می‌رود. این کتابخانه ابزارهای کاربردی زیادی به منظور یادگیری ماشین و مدل‌سازی آماری داده‌ها همچون طبقه‌بندی (classification)، رگرسیون، خوشه‌بندی و کاهش ابعاد فراهم می‌کند. این کتابخانه که به طور عمده توسط زبان پایتون ارائه شده، بر پایه‌ی کتابخانه‌های Numpy ،Scipy و Matplotlib طراحی شده است.

در این مقاله به آموزش کتابخانه‌ی Scikit-Learn می‌پردازیم. آموزش Scikit-Learn می‌تواند برای علاقه‌مندان به یادگیری علم داده بسیار مفید باشد. همچنین نحوه‌ی پیاده‌سازی SVM در Scikit-Learn را می‌بینیم. برای یادگیری آموزش Scikit-Learn، شما نیاز دارید تا با برنامه‌نویسی Python و کتابخانه‌های پرکاربرد علم داده بر مبنای این زبان همچون Numpy، Pandas، Scipy و Matplotlib آشنایی داشته باشید که هر کدام از این کتابخانه‌ها پیش از این در مجموعه مقالات آموزشی علم داده، مورد بررسی قرار گرفته‌اند.
منبع: سون لرن
@lython

۱۵ کامند پر استفاده در لینوکس با نوع کاربری و مثال (پارت۲)

16: alias -> ایجاد نام مستعار در سشن فعلی

$ alias ls="ls --color=auto"


17: unalias -> حذف نام مستعار در سشن فعلی

$ unalias ls

18: pwd -> چاپ دایرکتوری که در آن هستیم

$ pwd
# /home/lython/Documents/linux-commands

19: man -> صفحه راهنما برای دستورات

$ man mkdir

20: touch -> این دستور به شما امکان می دهد زمان دسترسی و اصلاح فایل های مشخص شده را به روز کنید.

$ touch -m old_file

21: exit -> برای خروج از ترمینال

$ exit

22: sudo -> برای تغییر سطح دسترسی از یوزر به سیستم

$ sudo cd /root/

23: shutdown -> برای خاموش کردن سیستم

$ shutdown -h now
$ shutdown now
$ shutdown 20:40

24: top -> به شما امکان می دهد منابع دستگاه خود را مستقیماً از ترمینال مدیریت کنید

$ top

25: htop -> به شما امکان می دهد منابع دستگاه خود را مستقیماً از ترمینال مدیریت کنید(یکم یوزر فرندلی تر)

$ htop

26: unzip -> اکسترکتور فایل زیپ

$ unzip test.zip


27: apt, yum, pacman -> برای نصب برنامه توسط ترمینال(به ترتیب توزیع دبیان،رد هت ، آرچ)

$ sudo apt install gimp
$ sudo yum install gimp
$ sudo pacman -S gimp

28: ps -> با این دستور میتوان به فرآیندهایی که جلسه پوسته فعلی شما در حال اجرا است نگاهی انداخت.

$ ps
# PID TTY TIME CMD
545244 pts/2 00:00:00: fish
598474 pts/2 00:00:00: ps

29: ‌bg -> اجرای برنامه در بک گراند

$ bg

30: fg -> انتقال اجرای بک گراند به خط فرمان

$ fg

@lython

۱۵ کامند پر استفاده در لینوکس با نوع کاربری و مثال (پارت۳)

31: kill -> از بین بردن پروسس در حال اجرا با آیدی

$ kill 99854

32: pkill -> از بین بردن پروسس در حال اجرا با نام برنامه

$ pkill htop


33: passwd -> تغییر پسورد روت و یا یوزر

$ passwd
# newpassword:
# Re-newpassword:

$ passwd SampleUser
# newpassword:
# Re-newpassword:

34: adduser -> افزودن یوزر جدید

$ adduser nameOfUser

35: userdel -> حذف یوزر

$ userdel nameOfUser

36: which -> این دستور مسیر کامل دستورات پوسته را خروجی می دهد. اگر نتواند دستور داده شده را تشخیص دهد، خطا می دهد.

$ which python
# /usr/bin/python

37: head -> مشاهده خط های اول کد (به صورت پیشفرض ۵ خط اما قابل تغییر)

$ head file.txt
$ head -n 10 file.txt

38: tail -> مشاهده خط های آخر کد (به صورت پیشفرض ۵ خط اما قابل تغییر)

$ tail file.txt
$ tail -n 4 file.txt

39: more -> این دستور به شما این امکان را می دهد تا در فایل پیمایش روبه جلو داشته باشید

$ more file.txt

40: less -> این دستور به شما این امکان را می دهد تا در فایل پیمایش رو به جلو یا عقب داشته باشید

$ less file.txt

41: whoami -> این دستور نام کاربری در حال استفاده را نشان می دهد:

$ whoami
# lython

42: whatis -> این دستور شرح تک خطی هر دستور دیگری را چاپ می کند و آن را به یک مرجع مفید تبدیل می کند

$ whatis python
# python (1) - an interpreted, interactive, object-oriented programming language

43: wc -> این دستور مخفف کلمه "شمارش کلمات" است و همانطور که از نام آن پیداست، تعداد کلمات یک فایل متنی را برمی گرداند

$ wc long.txt
# 37 207 1000 long.txt
$ wc -w long.txt
# 207 long.txt
hint:
37 lines
207 words
1000 byte-size
The name of the file (long.txt)


44: uname -> این دستور (مخفف «نام یونیکس») اطلاعات سیستم عامل را چاپ می کند، که وقتی نسخه فعلی لینوکس خود را می شناسید به کارتان می آید

$ uname
# Linux
$ uname -a
# Linux lythonmanjaro 5.4.138-1-MANJARO #1 SMP PREEMPT Thu Aug 5 12:15:21 UTC 2021 x86_64 GNU/Linux

45: neofetch -> این دستور یک ابزار (رابط خط فرمان) است که اطلاعات مربوط به سیستم شما - مانند نسخه هسته، پوسته و سخت افزار - را در کنار لوگوی ASCII توزیع لینوکس شما نشان می دهد:

$ neofetch


@lython

یه وبسایت دیگه برای معرفی ابزار های هوش مصنوعی

futuretools

@lython

این روزها chatgpt داره دنیا رو تغییر میده و به pandas هم رسیده !
با Pandas AI میشه به جای اینکه خودمون دیتافریم رو مدیریت کنیم و برای رسیدن به جواب سوالمون از توابع و امکانات مختلف pandas استفاده کنیم، سوالی که داریم رو به زبون طبیعی بنویسیم و منتظر جواب باشیم.
more...
@lython

چت بات Chat-with-GPT4 یک پلتفرم تحت وب است که توسط وبسایت Hugging Face میزبانی می شود. به شما این امکان را می دهد تا ورژن چهارم جی پی تی را به صورت رایگان تجربه کنید. احتمالا به دلیل تقاضای زیاد خیلی کند کار کنه اما یکم صبر کنید جواب میده
لینک
@lython

یه پلتفرم عالی دیگه برای برنامه نویسا
لینک
@lython

یه وب سایت عالی برای مقایسه مدل های زبانی مختلف
لینک
@lython

📖معرفی کتاب:
چند تا از دوستان ازم سوال کردند که برای شروع هوش مصنوعی چه منبعی پیشنهاد میکنی
منابع زیادی برای یادگیری هوش مصنوعی هستش
از ویدیو های یوتیوب، یودمی، کورسرا و ... بگیر تا داکیومنت کراس و پایتورچ و ... اما به نظر من اگه اهل کتاب خوندن باشید و مطالعه داکیومنت هنوز براتون دشوار باشه این کتاب برای شروع مناسبه
مباحث کتاب خوب دسته بندی شده و از سطح خیلی ساده تا سطح پیشرفته مثال های عملی رو مطرح میکنه ترجمه فارسی هم شده و فایل پی دی اف انگلیسی و فارسیش موجود هست اما به دلیل قانون کپی رایت نمیتونم اینجا بزارم (کمی سرچ کنید پیدا می کنید)
@lython

یه وب سایت دیگه برای استفاده از ابزار های هوش مصنوعی
لینک
@lython

🆘 پنج چالش اصلی که متخصصان یادگیری ماشین با آن مواجه هستند؟


1️⃣ عدم تناسب داده های آموزشی
این فرآیند زمانی اتفاق می‌افتد که داده‌ها قادر به برقراری رابطه دقیق بین متغیرهای ورودی و خروجی نباشند. این به سادگی به این معنی است که سعی کنید با شلوار سایز کوچک بپوشید.
✅ راه حل :
-افزایش زمان آموزش
-افزایش پیچیدگی مدل
-افزایش ویژگی های داده
-کاهش هایپرپارامتر ها

2️⃣ کیفیت پایین داده ها
داده ها نقش مهمی در فرآیند یادگیری ماشین دارند. یکی از مسائل مهمی که متخصصان یادگیری ماشین با آن مواجه هستند، نبود داده های با کیفیت خوب است. داده های تمیز نشده و نویز دار می تواند کل فرآیند را بسیار طاقت فرسا کند. ما نمی خواهیم الگوریتم ما پیش بینی های نادرست یا معیوب انجام دهد. از این رو کیفیت داده ها برای افزایش خروجی ضروری است. بنابراین، ما باید اطمینان حاصل کنیم که فرآیند پیش پردازش داده ها که شامل حذف موارد پرت، فیلتر کردن مقادیر از دست رفته و حذف ویژگی های ناخواسته است، به خوبی انجام می شود.

3️⃣بیش برازش یا اورفیتینگ داده های آموزشی
بیش برازش یک مدل یادگیری ماشین زمانی اتفاق می افتد که با حجم انبوهی از داده های آموزشی، مدل آموزش دیده است که بر عملکرد آن تأثیر منفی می گذارد. این عملکرد باعث می شود مدل داده های شما را یاد نگرفته و فقط حفظ کند. متأسفانه، این یکی از مسائل مهمی است که متخصصان یادگیری ماشین با آن مواجه هستند.
✅ راه حل:
-تجزیه و تحلیل داده ها
-استفاده از تکنیک های augmentation
-حذف داده های پرت
-کاهش ویژگی های مدل

4️⃣ کمبود داده های آموزشی

مهمترین وظیفه ای که باید در فرآیند یادگیری ماشین انجام دهید آموزش داده ها برای دستیابی به خروجی دقیق است. داده های آموزشی کمتر، پیش بینی های نادرست را در بر خواهد داشت.به عنوان مثال الگوریتم یادگیری ماشینی را مشابه کودکی در نظر بگیرید. یک روز تصمیم گرفتید به کودک توضیح دهید که چگونه می تواند سیب و هندوانه را تشخیص دهد. شما یک سیب و یک هندوانه را می گیرید و تفاوت هر دو را بر اساس رنگ، شکل و طعم آنها به او نشان می دهید. بدین ترتیب به زودی در تمایز آن دو به کمال می رسد. اما از سوی دیگر، یک الگوریتم یادگیری ماشینی به داده های زیادی برای تشخیص نیاز دارد. برای مشکلات پیچیده، حتی ممکن است نیاز به آموزش میلیون ها داده باشد. بنابراین باید اطمینان حاصل کنیم که الگوریتم‌های یادگیری ماشین با مقادیر کافی داده آموزش داده شده‌اند.
✅ راه حل:
-استفاده از روش های افزایش داده
-افزایش ویژگی های داده

5️⃣ اجرای کند

این یکی از مشکلات رایجی است که متخصصان یادگیری ماشین با آن مواجه هستند. مدل‌های یادگیری ماشینی در ارائه نتایج دقیق بسیار کارآمد هستند، اما زمان زیادی را صرف می‌کنند. برنامه های کند، اضافه بار داده ها و نیازهای بیش از حد معمولاً زمان زیادی را برای ارائه نتایج دقیق می طلبد. علاوه بر این، برای ارائه بهترین خروجی نیاز به نظارت و نگهداری مداوم دارد.
✅ راه حل:
-استفاده از مدل های نیمه نظارت شده
-تغییر هایپر پارامتر ها

⬅️ این 5 چالش از مهم ترین چالش هایی بود که برنامه نویس ها با آن ها دست و پنجه نرم می کنند.اگر چالش دیگه و یا راه حلی متفاوت برای چالش ها به ذهنتون میرسه بگید تا به چالش ها اضافه کنیم

@lython