https://virgool.io/feed/@Arashheidary عاشق هوش مصنوعی و یادگیری ماشین fa 2026-06-17 15:58:58 https://files.virgool.io/upload/users/71045/avatar/4qYSTp.png?height=120&width=120 https://virgool.io/@Arashheidary https://virgool.io/@Arashheidary/%DA%86%DA%AF%D9%88%D9%86%D9%87-%D8%A8%D9%87-%D8%AD%D9%88%D8%B2%D9%87-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D9%88%D8%B1%D9%88%D8%AF-%DA%A9%D9%86%DB%8C%D9%85-laaaqfliswfb سلام.شاید در مورد راه های ورود به هوش مصنوعی و اینکه چطوری شروع کنیم، زیاد شنیده باشید و مطالب و نقشه های راه زیادی دیده باشید. از لایوهای اینستاگرامی تا مطالب متشر شده در سایت هایی مثل ویرگول. منم زیاد دیدم و چنتایی رو هم نگاه کردم. اینطور که متوجه شدم مطالبی که به اشتراک گذاشته شدن یا خیلی کامل نیستن و یا یه جورایی تبلیغاتی بودن که بیاید موسسه ما یاد بگیرید. به همین علت، خواستم تا به عنوان کسی که تغییر رشته داده و برای دکترا داره هوش مصنوعی میخونه، تجربیاتم رو به اشتراک بزارم و یک راهنمای تقریبا جامع برای ورود به حوزه هوش مصنوعی بنویسم که جنبه تبلیغاتی هم نداشته باشه. من تو این پست قصد ندارم که هوش مصنوعی یاد بدم، بلکه میخوام منابعی رو معرفی کنم که با استفاده از اونا یاد بگیرید. سه تا نکته رو همین اول کار بگم: ممکنه در این مطلب، اشتباهی از من سر زده باشه. لطفا اگر چیزی دیدید، گوشزد کنید تا درستش کنم.تمام منابعی که معرفی میکنم برای شروع کار هستند. با خوندن همه این منابع هم شما یک متخصص نخواهید شد، بلکه فقط به این حوزه ورود کردید، اما از اینجا به بعد میتونید خودتون دنبال مباحث پیشرفته‌تر برید و نیازی نیست که یکی بهتون بگه که چی کار کنید و چی بخونید.اگر زبان انگلیسیتون در حدی نیست که کتاب انگلیسی بخونید و یا فیلم آموزشی ببینید، بهتون پیشنهاد میکنم اول زبانتون رو قوی کنید، بعد برید سراغ هوش مصنوعی، وگرنه وقتتونو دارید تلف میکنید. تمامی منابع معرفی شده توسط من، کتاب های زبان اصلی و ویدئوهای سایت های یوتیوب Youtube، کورسرا Coursera و یودمی Udemy هستند.فهرست مطالبکمی با من آشنا بشید.پیش نیاز هایی که قبل از ورود به این حوزه نیاز داریدحداقل چیزهایی که باید بدانیدکاربردهای مختلف هوش مصنوعی و تخصصی تر شدن موضوعخودمون از کجا منبع پیدا کنیمکمی با من آشنا بشیدهدفم از نوشتن این بخش اینه که کمی منو بشناسید که ببینید اصلا صلاحیت نوشتن این موضوع رو دارم یا نه. اگر دوست ندارید با من آشنا بشید برید بخش دوم :)من اسمم آرشه. لیسانس و فوق رو الکترونیک خوندم و بعد از آشنایی با حوزه باحال هوش مصنوعی دیگه از برق و الکترونیک خوشم نمیومد و میخواستم یا تو این زمینه کار کنم و یا دکترا رو علوم کامپیوتر (گرایش هوش مصنوعی) بخونم، که خب دومیش شد و من از دانشگاه گنت (یا با تلفظ هلندی خنت) در کشور بلژیک پذیرش گرفتم. اگر خواستید در مورد اخذ پذیرش دکترا در اروپا بیشتر بدونید میتونید پست اخذ پذیرش دکترا در اروپا - سیر تا پیاز که قبلا نوشتم رو مطالعه کنید.من بعد از ارشدم یه زمان خیلی خوبی پیدا کردم که بشینم مطالعه کنم و منابع زیادی رو در مورد هوش مصنوعی بخونم که قراره فقط خوباشو اینجا معرفی کنم، که شما عزیزان وقتتون رو سر منابع الکی هدر ندید. من هوش مصنوعی رو کاملا به صورت خودخوان خوندم و حتی یک کلاس هم نرفتم. چه دانشگاه و چه آموزشگاه. منابعی که اینجا معرفی میکنم، نتیجه داشتن و برای اولین بار نیست که میخوام پیشنهادشون بدم. دو سه نفر از دوستان من از این منابع استفاده کردن و خب راضی بودن. نمیگم که اینا بهترینن ولی خب جواب دادن.این از من ...پیش نیازهایی که قبل از ورود به این حوزه نیاز داریدقبل از اینکه بخواید اصلا وارد هوش مصنوعی بشید، باید یه سری چیزا رو بدونید: برنامه نویسی، ریاضیات و زبان.زبان رو که اول پست گفتم و تاکید کردم، اما اینجا میخوام از یه نظر دیگه ای بهش نگاه کنم. فرض کنیم که یکی بدون هیچ دانشی از زبان انگلیسی (و یا دانش ناکافی) تونست به هر طریقی هوش مصنوعی رو یاد بگیره و وارد بشه. قاعدتا این شخص که نمیخواد مبتدی بمونه و درجا بزنه، بلکه میخواد بیاد بالا و برسه به لبه علم. اون وقت دیگه باید مقاله های روز دنیا و کتاب های زبان اصلی رو بخونه. اینجاس که زبان خودشو نشون میده.از نظر من، در مراحل پیشرفته (تحقیقاتی یا مثلا PhD)، برنامه نویسی تنها 10 درصد از هوش مصنوعی رو تشکیل میده و 90 درصد بقیش ریاضیاته (از نظر زمانی که باید بگذارید تا متوجه یک الگوریتم بشید). برای شروع، ریاضیات ماتریس، مشتق و آمار که در دبیرستان خوندید کفایت میکنه. فقط برای شروع. کم‌کم، نیاز به ریاضی رو خودتون حس میکنید و بعضی وقتا مباحث مخنلفشو سرچ میکنید تا یاد بگیرید. ولی اگر آمار و جبر خطی دبیرستان یادتون رفته، یک منبع بهتون معرفی میکنم که براتون مرور بشه. البته منبعی که معرفی میکنم یه ذره بیشتر از دبیرستان میگه. ولی همش به درد میخوره.این پلی لیست یوتیوب برای مرور ریاضیات اولیه خیلی خوبه. توسط یکی از اساتید برجسته دانشگاه Tubingen آلمان تدریس شده. کلا کانال خوبی هم هست بعدا اگر خواستید بهش سر بزنید و چیزایی که ابتدایی نیستن رو یاد بگیرید.Tubingen Machine Learning - Mathematics for Machine Learningو در نهایت برنامه نویسی. با اینکه گفتم فقط ده درصد ولی این ده درصد خیلی مهمه. شما هر چقدرم در ریاضیات خفن باشید ولی در نهایت باید اون الگوریتم رو پیاده‌سازی کنید. پیاده‌سازی هم چیزی نیست جز برنامه نویسی. زبان برنامه نویسی اصلی برای هوش مصنوعی و یادگیری ماشین، پایتون و در محیط Jupyter هست (منظورم از محیط همون IDE هست). اگر بلدید که خوش به حالتون و اگر بلد نیستید این منبع خوبیه (گرچه پایتون منبع خوب کم نداره. تقریبا همشون خوبن) از Jose Portilla:Udemy – 2021 Complete Python Bootcamp From Zero to Hero in Pythonاگر خواستید از این منبع استفاده کنید، تا آخر Python Genrators بخونید. بقیش دیگه به درد نمیخوره.یه سوالی که دیدم بعضیا میپرسن اینه که چرا پایتون؟ مثلا من که جاوا بلدم نمیشه؟ نشد که نداریم ولی کار سخت میشه. یکی از اساتید فک کنم دانشگاه های آمریکا میگفت هوش مصنوعی و یادگیری ماشین به اندازه کافی پیچیده هست دیگه با برنامه نویسی سخت ترش نکنید. پایتون آسون ترین زبان برنامه نویسیه. علاوه بر این منابع در پایتون زیاد و اکثر کتابخانه ها برای استفاده در پایتون پیاده‌سازی شدند. علاوه بر این، در برنامه نویسی هوش مصنوعی وقتی کد رو اجرا میکنید دلتون میخواد که نتیجه رو همون موقع ببینید و در صورت نارضایتی کد رو تغییر بدید. خیلی interactive طور. زبون هایی که اول باید کامپایل کنید و بعد اجرا، یه جورایی user friendly نیستن از این لحاظ.اینم از پیش نیاز ها ...حداقل چیزهایی که باید بدانیدحوزه هوش مصنوعی و یادگیری ماشین خیلی بزرگه و کاربرد های زیادی داره. از پردازش تصویر و پردازش متن گرفته تا بیولوژی و Bioinformatics. قرار هم نیست که شما در همه این زمینه ها کار کنید، و هر کدوم هم یه سری الگوریتم ها و روش های تخصصی خودش رو داره. ولی تو هر کدوم از این زمینه ها که بخواید کار کنید، باید یه سری چیزا رو بدونید و بین همه زمینه ها مشترکه. اونم چیزی نیست جز یادگیری ماشین کلاسیک (Classical Machine Learning) و یادگیری عمیق (Deep Learning). این اصطلاح یادگیری ماشین کلاسیک رو من از خودم در آوردم. اسم خاصی ندارن و در واقع روش های یادگیری ماشین عمومی هستند که از شبکه های عصبی استفاده نمیکنن. بریم سراغ منابع یادگیری ماشین کلاسیک. برای این موضوع 4 تا منبع معرفی میکنم. دو تاشون ریاضیات یادگیری ماشین هستن و دوتای دیگه کدنویسی. Coursera - Machine Learningاین منبع اصلی و معروف ماشین لرنینگ هست که توسط Andrew Ng تدریس شده. برنامه نویسی نداره و فقط ریاضیات قضیه رو خیلی ساده توضیح میده. گرچه خیلی هم وارد جزئیاتش نمیشه. به صورت ساده.2. Udemy - Machine Learning A-Z™: Hands-on Python & R in Data Science3. Udemy - Python for Data Science and Machine Learning Bootcampهر دو این آموزش برنامه نویسی هستند و خیلی ریز هم در مورد تئوری الگوریتم صحبت میکنند. اولی توسط SuperDataScience Team و دومی توسط Jose Portilla. من از برنامه نویسی اولی اصلا خوشم نمیاد و اصلا خوب نمیگه ولی توضیحاتش برای اینکه هر الگوریتم چجوری کار میکنه خیلی قشنگه و بدون اینکه وارد ریاضیات بشه، به صورت سطح بالا توضیح میده که هر الگوریتم چجوری کار میکنه. کدنویسی در دومی خیلی قشنگ توضیح داده شده. علاوه بر این در پایتون یک سری کتابخونه ریاضیات مانند numpy و pandas وجود داره که اولی هیچ توضیحی دربارشون نمیده ولی دومی کاور میکنه. بدیش اینه که Jose توضیحاتش به درد خودش میخوره. در واقع این دوتا یه جورایی مکمل همن. توضیحات اولی و کد دومی. حالا خودتون میبینید متوجه میشید.4. Tubingen Machine Learning - Statistical Machine Learningاین آموزش که باز هم توسط دانشگاه Tubingen آلمان تهیه شده و در یوتیوب موجوده خیلی فوق العادست. اصلا برنامه نویسی نداره ولی وارد ریاضیاتش میشه به صورت کامل، و ته هر الگوریتم رو از نظر ریاضی درمیاره.اگر وقت دارید که هر چهارتا رو ببینید (ترتیبی که من دیدم 2 3 1 4 بود) ولی اگر وقت ندارید فقط 3 و 4 (ولی وقت داشته باشید، باید وقت بذارید که جا بیفته براتون. عجله کار شیطونه).بریم سراغ یادگیری عمیق. برای یادگیری عمیق هم پنج منبع معرفی میکنم. Udemy – Deep Learning A-Z™: Hands-On Artificial Neural Networks این آموزش توسط SuperDataScience Team تهیه شده. تشکیل شده از برنامه نویسی و توضیح سطح بالا. برنامه نویسیشو نگاه کردید بد نیست ولی من آموزش برنامه نویسی رو جلوتر بهتون منابعش رو معرفی میکنم. توضیحات سطح بالاش ولی خیلی خوبه برای کسی که هیچی نمیدونه و میخواد شروع کنه. تشکیل شده از 6 فصل. فقط فصل 1 2 3 و 6 رو بخونید. یعنی SOM و Boltzmann machine رو با خیال راحت skip کنید.2. Coursera - Deep Learning Specializationتئوری و ریاضیات یادگیری عمیق توسط Andrew Ng در این آموزش توضیح داده شده. برنامه نویسی نداره.خب بریم سراغ برنامه نویسی در یادگیری عمیق. برنامه نویسی این حوزه با دو تا کتابخونه اصلی انجام میشه. یکی TensorFlow و یکی هم PyTorch. اولی برای گوگل هست و دومی برای فیسبوک. هر کدوم هم خوبیای خودشونو دارن. پیشنهادم ولی اینه از TensorFlow شروع کنید.3. Coursera - TensorFlow 2 for Deep Learning Specializationاین Specialization که توسط دانشگاه Imperial College لندن تهیه شده، 3 تا کورس داره. شما فقط دوتای اولشو احتیاج دارید. پیش فرض رو بر این میذاره که تئوری رو بلدید و فقط برنامه نویسی یاد میده. دوباره میگم سراغ سومیش نرید. سومیش تئوریش خیلی پیشرفتس و ریاضیات سنگینی داره و اصلا برای مبتدیان نیست. میخونید، هیچی نمیفهمید، ناامید میشید. بعدا که خفن شدید برگردید بهش اگر دلتون خواست. همین یدونه منبع برای تنسورفلو کفایت میکنه. بریم سراغ منابع پای تورچ:4. O'reilly - Programming PyTorch for Deep Learning: Creating and Deploying Deep Learning Applications5. Manning - Deep Learning with PyTorchبرای پای تورچ من منبع ویدئویی خوبی پیدا نکردم و در نتیجه دو تا کتاب معرفی میکنم. جفتشون خوبن. دومی رو خود دولوپرهای پای تورچ نوشتن ولی من ترجیحم اولیه.کاربردهای مختلف هوش مصنوعی و تخصصی تر شدن موضوعقاعدتا این مقاله باید اینجا تموم میشد، ولی خب من گفتم یه ذره اضافش کنم بد نیست. اینا فقط یه ذره پیشرفته تره و شاید اصلا نفهمید من چی میگم. اگر نفهمیدید که اینا چین، میتونید دیگه ادامشو نخونید (مثلا بعدا برگردید). همونطور که قبلا گفتم هوش مصنوعی کاربردهای مختلفی داره و در واقع شاخه شاخه میشه. چنتا از کاربرداش ایناس: پردازش تصویر (پردازش تصاویر معمولی، تصاویر پزشکی) و ویدئوپردازش متن (Natural Language Processing)پردازش سیگنال های زمانی (مثل سیگنال های ECG و EEG)بیواینفورماتیک (بیولوژی)شبکه های مولد (مثلا دیدید به یه برنامه عکستونو میدید دختر/پسرتون میکنه، پیرتون میکنه و یا روز رو شب میکنه و از این جور حرفا).یادگیری تقویتی (Reinforcement Learning)خب من همه اینا رو کار نکردم و نمیتونم برای همش منبع معرفی کنم. پردازش تصویر تا حدودی تو همین آموزشایی دادم به صورت ابتدایی پوشش داده میشه ولی برای مباحث پیشرفتش مثل segmentation و detection به صورت تخصصی وارد این موضوع بشید. من فقط برای مورد 5 و 6 منبع معرفی میکنم. برای پیدا کردن منبع برای موارد دیگه میتونید برید بخش بعدی.برای یادگیری شبکه های مولد مثل Generative Adversarial Networks و یا Variational Auto Encoder میتونید از این دو تا منبع استفاده کنید. البته VAE ریاضیاتش یه ذره سنگینه و به خاطر همین فقط یکی از این منابع، به صورت ساده یک فصلش رو به این مبحث اختصاص داده. ولی GAN مبحث باحالیه و میتونید از این دو تا منبع استفاده کنید برای هم تئوری و هم کدنویسی. جفتشون کتابن. Manning - GANs in Action: Deep learning with Generative Adversarial NetworksGenerative Adversarial Networks with Pythonالبته کورسرا هم یه آموزش برای GAN داره ولی من ندیدمش تا حالا. و حالا منابع یادگیری تقویتی: Udemy – Artificial Intelligence A-Z™: Learn How To Build An AIاین آموزش که توسط SuperDataScience Team تهیه شده مثل همیشه کدنویسیش به درد نمیخوره (و همچنین قدیمی هم شده) ولی توضیحات فوق العاده ای داره.2. Coursera – Reinforcement Learning Specializationاین کورس توسط دانشگاه آلبرتا تهیه شده. نمیگم بده و نمیگم خوبه. مدرساش مثل ربات میان وای میسن یه چیزی توضیح میدن (قشنگ معلومه تا حالا جلو دوربین نبودن). برنامه نویسی نداره و فقط تئوریه. دیدنش خالی از لطف نیست. 3. Manning - Deep Reinforcement Learning in Actionاین کتاب از نظر من باید منبع اصلیتون باشه برای یادگیری. توضیح و کدنویسی عالیییی. البته اگر توضیحات منبع اول رو دیده باشید فهمش براتون راحت تره.خودمون از کجا منبع پیدا کنیممن چنتا منبع معرفی کردم براتون که اگر اول راه هستید، بتونید نقطه شروع رو پیدا کنید. اگر وارد مراحل بالاتر شدید (مثلا میخواید برید در زمینه پردازش متن کار کنید و یا اینکه از منابعی که من معرفی کردم خوشتون نیومد، یک سری راه وجود داره که خودتون منبع پیدا کنید. اینارم اینجا توضیح میدم که کامل همه چیو گفته باشم: یوتیوب: علاوه بر هندی های یوتیوب، اکثر دانشگاه ها مثل استنفورد، MIT و هاروارد کانال یوتیوب دارن و آموزش های کلاسیشون رو فیلم میگیرن میذارن اونجا (مثل مکتب خونه ما). رایگان میتونید استفاده کنید. مثلا کانال Tubingen Machine Learning که برای دانشگاه Tubingen هست خیلی خوبه که دو تا از منابعی که معرفی کردم از اونجا بودن. علاوه بر اون اگر در کل مبحثی رو متوجه نشدید تو یوتیوب سرچ کنید. حتما چنتا ویدئو پیدا میکنید که در اون مورد هستش.سایت Udemy و Coursera: اگر دنبال کورس خاصی هستید، میتونید از این دو تا وبسایت هم استفاده کنید. (مثلا من برای پردازش متن و بیواینفورماتیک کورس های خوبی در Coursera دیدم). و اینکه دنبال کورس تئوری تو Udemy نباشید. Udemy بیشتر برنامه نویسی طوره و به تئوری نمیپردازه.برای هر چیزی ویدئو پیدا نمیشه، مخصوصا مباحث پیشرفته تر. در این صورت باید برید سراغ کتاب. انتشارات O'Reilly و Manning به نظر من کارشونو خیلی خوب دارن انجام میدن. به سایت اینا سر بزنید. علاوه بر این میتونید تو گوگل هم دنبال کتاب باشید از انتشارات دیگه.نکته: هیچ وقت سراغ ویدئوهای آموزشی و کتاب های Packt نرید. همشون مزخرفن.نکته: در پست راهکار های دانلود رایگان از وبسایت های آموزشی خارجی نحوه دانلود کتاب و کورس های Udemy رو توضیح دادم. کورسرا هم که خودش مجانیه اصلا. نیازی به تورنت و این حرفا نداره.رسیدیم به پایان مقاله. امیدوارم که تونسته باشم کمی بهتون در مورد منابع آموزشی هوش مصنوعی برای مبتدیان کمک کرده باشم. در صورتی که نظری، تجربه ای و یا سوالی دارید تو کامنت ها مطرحش کنید. اگر هم چیز اشتباهی دید، ممنون میشم بهم گوشزد کنید که درستش کنم. آرش حیدری آرش حیدری Fri, 16 Jul 2021 12:35:54 +0430 https://virgool.io/applymag/%D8%A7%D8%AE%D8%B0-%D9%BE%D8%B0%DB%8C%D8%B1%D8%B4-%D8%AF%DA%A9%D8%AA%D8%B1%D8%A7-%D8%AF%D8%B1-%D8%A7%D8%B1%D9%88%D9%BE%D8%A7-%D8%B3%DB%8C%D8%B1-%D8%AA%D8%A7-%D9%BE%DB%8C%D8%A7%D8%B2-ousifs0xkdmo تقریبا اوایل آذرماه بود که تصمیم گرفتم برای دکترا اقدام کنم. مثل همه، اولین مقصدی که به ذهنم رسید کانادا بود و بعد از اون هم آمریکا و انگلیس. بعد از تقریبا یک ماه با شرایط دکترا در اروپا آشنا شدم و فهمیدم که کلا اروپا، حداقل از نظر من، خیلی شرایط بهتری رو داره ولی متاسفانه هیچ کدوم از دوستان من در این مورد چیزی نمیدونستن و اکثر بچه هایی که میخوان برای دکترا اقدام کنن هم در این مورد چیزی نمیدونن. به خاطر همین تصمیم گرفتم که اینجا در مورد این موضوع بنویسم تا بقیه هم با دکترا در اروپا آشنا بشن و بتونن تصمیم بهتری بگیرن.قبل از شروع دو تا نکته خیلی مهم رو بگم: این مطلب فقط و فقط برای دکترا معتبره.قاعدتا ممکنه یه سری ایرادات ریز در نوشته من باشه. یا به خاطر اشتباه لپی، یا به خاطر نداستن کامل موضوع. در این صورت خوشحال میشم کمکم کنید تا نوشته تصحیح بشه.اخذ پذیرش دکترا در اروپافهرست مطالب من کی هستم؟ اصلا صلاحیت نوشتن این موضوع رو دارم؟منظور من از اروپا دقیقا کدوم کشورها هستن؟شرایط کلی دکترا در اروپا چیاس؟پیش نیاز های اخذ پذیرش دکترا در اروپا چیاس؟کجا دنبال پوزیشن بگردیم؟بعد از دعوت به مصاحبهجمع‌بندی و مقایسه با کانادا (و آمریکا)من کی هستم؟ اصلا صلاحیت نوشتن این موضوع رو دارم؟من اسمم آرشه. لیسانس و فوق لیسانس رو تو دانشگاه علم و صنعت گذروندم. رشتم هم مهندسی برق بود. لیسانس الکترونیک و ارشد سیستم های الکترونیک دیجیتال. نمیخوام اینجا رزومه بنویسم ولی شرایط کلیم رو میگم که بتونید مقایسه کنید. معدل لیسانسم 16.19 و ارشدم 18.27 بود. یدونه مقاله ISC در زمینه طراحی مدارات VLSI دارم. سربازیمم در قالب سرباز پژوهشیار (همون امریه) در دانشگاه علم و صنعت گذروندم و در واقع برام شده دو سال سابقه کار. با اینکه رشتم الکترونیک بوده، ولی دنبال پوزیشن های هوش مصنوعی و یادگیری ماشین بودم و در واقع میخواستم رشتمو از برق به علوم کامپیوتر تغییر بدم (و مقاله ای که دارم اصلا در این زمینه نیست).من اوایل برای کانادا و یه چند جایی هم آمریکا رزومه فرستادم. تقریبا همه رو ریجکت شدم و یدونه اکسپت هم از دانشگاه saskatchwan گرفتم (خیلی دانشگاه غراضه ایه). ولی اپلای نکردم و خودم پیشنهادشون رو رد کردم. بعد از آشنایی با شرایط اروپا، دیگه قید آمریکا و کانادا رو زدم. یه عالمه رزومه فرستادم. تعداد زیادی ریجکت شدم. دو تا آفر گرفتم. این از من!منظور من از اروپا دقیقا کدوم کشورها هستند؟اروپاشاید فکر کنید که منظور من از اروپا انگلستان باشه. در این صورت سخت در اشتباهید. شرایط دانشگاه های انگلیس بیشتر شبیه کانادا و آمریکاست تا کشورهای مورد نظر من. اروپایی که من قراره در اینجا توضیح بدم شامل این کشورهاست:هلندبلژیکآلماندانمارکسوئدنروژسوئیسلوکزامبورگ (البته این کشور کلا خیلی کوچیکه و یدونه دانشگاه داره، ولی دانشگاه خوبیه)شاید کشورهای دیگه ای هم باشن که این شرایطی که قراره توضیح بدم، برای آنها هم کاربردی باشه (مثل فرانسه، اسپانیا یا ایتالیا). اینو دیگه باید برید خودتون سرچ کنید. من فقط همین کشورا رو میدونم.تمامی این کشورها با ما 2 ساعت و نیم اختلاف زمانی دارن.شرایط کلی دکترا در اروپااون افرادی که با پروسه اپلای کردن در دانشگاه های کانادا و آمریکا آشنایی دارند حتما میدونن که شروع کار میشه ایمیل فرستادن به اساتید مختلف. ایمیل میزنن که من به موضوعاتی که دارید کار میکنید علاقه مند شدم، دانشجو دکترا نمیخوای؟ (من دیگه خیلی خلاصه کردم متن ایمیل رو :) ). خب تو اروپا اصلا این شکلی نیست. برخلاف دانشگاه های قاره آمریکا که اول دانشجو میگیرن بعد بهش پروژه میدن، تو اروپا اول پروژه میگیرن و بعد برای انجام پروژه اطلاعیه میزنن که دانشجو میخوایم. در نتیجه PhD در اروپا بیشتر شغل هست تا درس (مثلا در هلند کسی که داره PhD میخونه، در واقع داره میره سر کار، ویزا هم که بخواید بگیرید، ویزای کاری بهتون میدن). البته این داستان شغله همه جا صادق نیست.اگر با شرایط دکترا در کانادا یا آمریکا آشنا باشید، میدونید که بعد از ایمیل زدن به اساتید و قبول شدن در مصاحبه باید مدارکتون رو (شامل مدرک دانشگاهی، زبان و چیزای دیگه) تا زمان مشخصی (که بهش ددلاین Deadline اپلای هم میگن) آپلود کنید. بعد از اون هم یه پولی میدین (به نام اپلیکیشن فی Application Fee) که اپلیکیشنتون بررسی بشه. برای مثال برای دانشگاه تورنتو، برای اینکه پذیرش سپتامبر رو بگیرید، باید تا 15 دسامبر سال قبلش مدارکتون رو ارسال کرده باشید (10 ماه قبلش!!!) و چیزی حدود 100 دلار هم پرداخت کنید. تو اروپا که کلا اپلیکیشن فی نداریم. ددلاین هم بستگی به پوزیشن داره. مثلا یه استادی میگه من دانشجو دکترا میخوام. آگهیش میکنه و میگه ددلاینش تا دو ماه دیگس. شروعش هم حتما سر ترم نیست. بعد از اینکه انتخابتون کردن میگن پاشید بیاید. بعد از تموم شدن ددلاینشون میان رزومه ها رو بررسی میکنن. یه سری رو انتخاب میکنن برای مصاحبه تا در نهایت یکی رو انتخاب کنن. در این مورد بعدا بیشتر توضیح میدم.در اروپا اگر بخواید PhD بخونید بهتون حقوق میدن. یعنی اصلا بحث سر این نیست که فاند داره یا نه. حتما به شما پول میدن. مقدارش هم (بسته به کشور و بعضی مواقع بسته به دانشگاه) مشخصه. یعنی حتی جای چونه زدن هم نداره. همه یه مقدار میگیرن. دو تا مثال بزنم: در هلند، دانشجوهای دکترا مهندسی (البته این چیزی که گفتم غلطه، چون در هلند خوندن PhD، دانشجویی حساب نمیشه، پس دانشجو دکترا نداریم) سال اول ماهانه 2400 یورو حقوق میگیرند. این مقدار در سال آخر به ماهانه 3000 یورو خواهد رسید. برای حقوق دریافتی مالیات باید پرداخت شود.در آلمان قانونی به نام TV-L E13 وجود داره که مقدار حقوق دانشجوهای دکترا رو مشخص میکنه. مقدار حقوق بستگی داره به ساعت کار در هفته. برای مثال تو آگهی پوزیشن نوشته که این پوزیشن 100 درصد است (یعنی شغل تمام وقت است) یا 65 درصد می باشد. برای حقوق دریافتی مالیات پرداخت می شود.البته بگم که تو بلژیک این داستان یه ذره فرق داره. در بلژیک علاوه بر حقوق، فاند هم موجوده (فاند همونیه که تو کانادا میدن، مالیات نداره). یا بهتون حق انتخاب میدن که فاند میخوای یا حقوق. یا اینکه خودشون براتون انتخاب میکنن. البته حقوقی که مالیات داره از فاند بیشتره و به صورتیه که بعد از پرداخت مالیات، با فاند دریافتی یکی میشه (یعنی کلا از نظر مقدار دریافتی خالص فرقی نداره). گرچه حالت بدون فاند هم در بلژیک موجوده که در این صورت آگهی نمیکنن پوزیشن رو، از این ایمیلیا میشه مثل کانادا. گرچه ممکنه ایمیلی اقدام کنید و فاند هم بگیرید.اگر مقدار پول براتون مهمه، سوئیس از همه جا بیشتر میده. دو سه برابره رسما. مالیاتش هم کمتره. ولی سخت قبول میکنه. چون همه میخوان برن اونجا. سوئیسه دیگه! گرچه کشور گرونیم هست.در ضمن، دانشگاه ها در اروپا مجانیه. دیگه اون پولی گروناش 1800 یوروعه. کلا ها، نه سالی. یه 900 یورو موقع ثبت نام میدین. یه 900 یورو هم موقع دفاع. همین. (این مثالی که زدم مربوط به دانشگاه خنت بلژیک بود که مثلا پولیه، البته نمیدونم گرون ترین هست یا نه). البته بعضی از دانشگاه ها چیزی به نام Bench Fee دارن که حدود 300-400 یورو در ماهه. گرچه ممکنه از شما این مقدارو نخوان. این دیگه کلا بستگی به دانشگاه و پوزیشن داره. کلی نیست.پیش نیازهای اخذ پذیرش دکترا در اروپابه اروپا علاقه مند شدید؟ حالا پیش نیازهاش چیه؟ وقتی یک آگهی استخدام دانشجو دکترا دیدید و خواستید براش اپلای کنید، یه سری مدارک از شما میخوان. این مدارک ایناس:مدارک مورد نیاز برای اپلایرزومهکاور لتر (Cover Letter). بعضی جا ها به اسم موتیویشن لتر (Motivation Letter).مدارک دانشگاهی و ریزنمرات (هم لیسانس هم فوق) ترجمه شده به انگلیسی.دو تا یا سه تا رفرنس. (همون ریکام)مدرک زبان. این یکی یه ذره توضیح میخواد. اکثر دانشگاه ها مدرک زبان نمیخوان و من برای تکمیل شدن لیست نوشتمش. مثلا نروژ میخواد. سوئد هم میخواد ولی به خاطر کرونا راه میان. یکی از دوستان من رفت سوئد بدون مدرک زبان. دانشگاه خنت بلژیک میگه یا تافل 80 یا استادت بگه که زبان بلدی (که معمولا همه اساتید میگن بلده). امثال این دانشگاه خنت زیادن. دانشگاه صنعتی مونیخ نوشته ما کلا به تافل و آیلتس اعتقاد نداریم. من حتی دیدم بعضی از دانشگاه هایی هم که میخوان مدرک زبان Expire شده هم قبول میکنن.یه خلاصه از تز ارشد. اینم توضیح میخواد. بعضیا گفتن یه خلاصه نیم صفحه ای. بعضیا گفتن یه لینک به تز ارشدتون. بعضیا گفتن تز رو آپلود کنید. بعضیام نمیخوان.مخصوص نروژ: اکثر دانشگاه های نروژ یه چیزی میخوان به نام Research Statement که یه 7-8 صفحه ای قراره درباره موضوع پروژه بنویسید و بگید چجوری قراره پروژه رو حل کنید. من فقط یه بار همچین چیزیو برای یکی از پوزیشن های دانشگاه آمستردام دیدم. دیگه به جز نروژ ندیدم.مقاله میخوایم؟ مقاله مهم هست ولی اجباری نیست. یعنی توقع ندارن ولی خب در نهایت بین یکی که مقاله داره و یکی که نداره، اونی که داره رو انتخاب میکنن. نمره مثبته. چیزای دیگه براشون مهمه تره. البته خب به استادشم بستگی داره. نمیشه کلی گفت. دقت کنید که من بدون مقاله مرتبط دو تا آفر گرفتم. این در حالیه که تو کانادا، داشتن مقاله یکی از ششروط بعضی از اساتیده.نتیجه این شد که قبل از شروع، رزومه و فرمت کاور لتر رو آماده کنید (برای هر پوزیشن باید کاور لتر مخصوصش رو بنویسید). مدارکتون رو آزاد کنید و ترجمه کنید (البته بعضیا ترجمه غیررسمی هم قبول میکنن. ولی خب چه کاریه آخرش که باید رسمی رو تحویل بدید). زبان هم نمیخواد ولی انگلیسی بلد باشیدا. فقط نمیخواد امتحان بدید. با دو سه تا استاد هم صحبت کنید که رفرنس شما باشن.آپدیت: یکی از دوستان من تونسته بدون آزاد کردن مدارک تحصیلیش اپلای کنه و پذیرش بگیره. بعد از اینکه پذیرشش رو گرفت رفت دنبال آزاد کردن مدرکش. تو این مورد خاص دوست من اصلا مدارکش رو ارسال نکرده و اونا هم قبول کردن ولی نمیتونم بگم که این قضیه همیشه صادقه و قبول میکنن. فقط برای کامل بودن، این مطلب رو اضافه کردم.کجا دنبال پوزیشن بگردیم؟خب حالا همه مدارک هم آماده هست. از کجا آگهی های استخدام دانشجو دکترا رو پیدا کنیم؟ هر دانشگاهی برای خودش یدونه صفحه استخدام داره که توش آگهی های استخدامش رو میذاره. از استخدام منشی و نظافتچی تا استخدام دکترا، پست دکترا و استاد. ولی خب میدونید چنتا دانشگاه داریم؟ هر روز بخواید همه رو چک کنید که خیلی طول میکشه. پس چی کار کنیم؟ از این سایتا استفاده کنید:Academictransfer.comاین سایت مخصوص هلنده. یعنی همه آگهی استخدامی ها رو از همه صفحات دانشگاه های مختلف جمع میکنه میذاره تو سایت خودش. کامل کامل هم هست. همه رو میذاره.LinkedIn.comشاید با لینکدین آشنا باشید. لینکدین یک social media هست که مخصوص کار و حرفه هستش. یه قسمت Jobs داره. بعضی از دانشگاه ها از لینکدین استفاده میکنن برای گذاشتن آگهی استخدامیشون.indeed.comاین وبسایت هم که شاید باهاش آشنا باشید یک سایت جستجوی شغلهو خیلی از دانشگاه ها از این سایت استفاده میکنن. از وبسایت Daad هم میتونید برای پوزیشن های دکترا در آلمان استفاده کنید. ولی وبسایتش کامل نیست (یعنی همه رو نمیذاره).وبسایت Indeedچجوری در این وبسایت ها سرچ کنیم؟ سوال خیلی مهمیه. اسکرین شات بالا رو نگاه کنید. اسکرین شاتیه از وبسایت Indeed. بقیشون هم همین شکلین. به خاطر همین من فقط Indeed رو توضیح میدم. یدونه What داره و یدونه Where. من تو what میزنم PhD Position یا PhD Student (معمولا نتیجه های متفاوتی برای جفتش میاد). تو where هم مقصد رو وارد کنید. دقت کنید که من فیلتر پست شده در 24 ساعت گذشته رو فعال کردم. یعنی فقط جدیداش میاد. هر روز سر ساعت 12 این کار رو میکنم و فقط جدید ها رو میبینم. کشورهایی که نام بردم (به جز هلند که در سایت اول چک میکنم) هم تو where وارد میکنم. اگر موضوع پروژه با کار من جور در بیاد اپلای میکنم (یا سیو میکنم بعدا اپلای میکنم).البته حتما شما هم نباید مثل من عمل کنید. این فقط یک مثال بود. میتونید مثلا جزئی تر سرچ کنید. Phd Machine Learning برای مثال. سایت های دیگه ای هم مثل findaphd موجوده که من ازش استفاده نمیکردم.اینم اضافه کنم که در بعضی از کشورها مخصوصا در سوئد و دانمارم یک سری پوزیشن های دکترا موجوده به نام industrial PhD که شما علاوه بر اینکه در یک دانشگاه ثبت نام میکنید، در یک شرکتی هم میرید سر کار (مثلا شرکت رفتن میشه 20 درصد دکتراتون). اینام خیلی خوبن. برای مثال میدونم BMW دانشجو دکترا میگیره (برای رشته خودم حداقل).مهم:با اینکه من چنتا سایت معرفی کردم و حتی سایت های بیشتری هم وجود داره برای پیدا کردن پوزیشن دکترا در اروپا، بهترین مرجع سایت خود دانشگاه هاست. خیلی از دانشگاه ها آگهی هاشونو فقط داخل سایت خودشون میذارن. البته اون سایت هلندیه کامل کامله. نیازی نیست سایت دانشگاه های هلند رو چک کنید. ولی مثلا دانشگاه صنعتی مونیخ فقط از سایت خودش برای اطلاع رسانی پوزیشن های دکتراش استفاده میکنه.بعد از اپلای و دعوت به مصاحبهبعد از این که برای تعداد زیادی پوزیشن اپلای کردید، باید منتظر جواب باشید. بعضیا تو همون آگهی نوشتن که چه موقعی جواب رو اعلام میکنن. مثلا من یکیو دیدم که دقیقا نوشته بود 22 و 23 فوریه با کاندیداها تماس میگیریم. خیلیا هم نمیگن. ولی قانون کلیش اینه که باید حداقل تا بعد از ددلاین اون پوزیشن صبر کنید. اگر زودتر از اون بهتون ایمیل زدن میخوان ریجکت کنن :). حتی بعضیاشون تا 2 ماه بعد از ددلاین جواب نمیدن. پس عجله نکنید. طبق تجربه من حتما بهتون میگن که انتخاب شدید یا ریجکت شدید. اینجوری نیستن که هیچی نگن. اگر ریجکت شدید که اصلا ناامید نشید. اصلا جز پروسه اینه که 10-15 باری حداقل ریجکت شید اولش.مصاحبه آنلاینحالت دوم اینه که میگن رزومه شما برای ما جالب بود بیا مصاحبه (با اسکایپ یا زوم معمولا). تازه اینجا شروع کاره. بسته به استاد و تعداد کاندیدا ها تعدادی تست از شما گرفته میشه. تست های مختلف از جمله برنامه نویسی (برای رشته من، اگر رشتتون مواده برای مثال، احتمالا این تست رو نمیدید). تست نقد مقاله، پرزنت کردن مقاله. جلسه های پرسیدن سوالای مختلف مربوط به پوزیشن و از این موارد. در نهایت هم با پاس کردن همه تست ها قبول میشید میره پی کارش. البته من شنیدم که بعضیا تست نمیگیرن. یه مصاحبه کوچولو انجام میدن و تمام.جمع بندی و مقایسه با کانادا (و آمریکا)از نظر من شرایط دکترا در اروپا صد برابر بهتر از قاره آمریکا و انگلستان هست. دانشگاه ها مجانی. حقوق ها بالاتر. گرفتن ویزای کاری. نیاز نداشتن به مدرک زبان. پولی نبودن اپلای. طولانی نبودن پروسه ها (یادتونه گفتم تو کانادا باید 10 ماه زودتر همه کاراتونو کرده باشید؟). معلوم بودن پروسه اپلای از اول تا آخر. و اینکه کانادا سرده. من خودم به شخصه طرفدار سرما نیستم. البته این دیگه شخصیه. سوئد و نروژ هم خیلی سردن.این مقاله تموم شد. امیدوارم که کمکی هر چند کوچک به شما کرده باشم. اگر سوالی بود حتما در کامنت ها جوابگو هستم. اگر مشکلی و اشتباهی میبینید حتما در کامنت بهم بگید تا درستش کنم. آرش حیدری آرش حیدری Sat, 06 Feb 2021 11:16:49 +0330 https://virgool.io/coderlife/%D8%B1%D8%A7%D9%87%DA%A9%D8%A7%D8%B1-%D9%87%D8%A7%DB%8C-%D8%AF%D8%A7%D9%86%D9%84%D9%88%D8%AF-%D8%B1%D8%A7%DB%8C%DA%AF%D8%A7%D9%86-%D8%A7%D8%B2-%D9%88%D8%A8%D8%B3%D8%A7%DB%8C%D8%AA-%D9%87%D8%A7%DB%8C-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%AE%D8%A7%D8%B1%D8%AC%DB%8C-niajhjfw4vss خیلیا رو میشناسم که با وبسایت هایی از قبیل Udmey و Lynda و Packt آشنایی دارن ولی نمیدونن چطور میشه آموزش های این وبسایت رو به رایگان دانلود کرد. تو این مقاله چندین وبسایت معرفی میکنم که میتونید یا استفاده ازشون آموزش های این دسته از وبسایت ها رو دانلود کنید.قبل از معرفی وبسایت ها بگم که کورس های وبسایت Coursera به صورت رایگان موجوده. شما میتونید Enroll کنید و دکمه Audit (به فارسی: مستمع آزاد) رو بزنید. به تمامی ویدئوها دسترسسی خواهید داشت ولی مدرک بهتون نمیدن.وبسایت دانلودلی: در بخش آموزش ها تو این وبسایت می تونید آموزش های Udemy و Code with Mosh و Coursera و بقیه رو پیدا کنید.وبسایت P30download: این وبسایت هم در بخش آموزش هاش دروس وبسایت هایی همچون Udemy و Lynda و Packt و Pluralsight و O'reilly و ... رو قرار داده (این "و" ها رو اگر نمیذاشتم فرمت نوشتم به هم میریخت، شرمنده).وبسایت Git.ir: این وبسایت کلا مخصوص دانلود آموزش های وبسایت های خارجیه.وبسایت YasDl: تو بخش آموزش های این وبسایت هم میتونید یه سری آموزش پیدا کنید ولی نسبت به 3 تا وبسایت بالا کمترهبازم وبسایت هست اگر تو گوگل سرچ کنید براتون میاره ولی خوباش (که تورنت نیستن) این چهار تا بود. سه تا وبسایت دیگه هم معرفی میکنم که تورنت هستند و فقط مخصوص فیلم های آموزشی:وبسایت FTU/: فقط آموزش های Udmeyوبسایت FCO : مکمل بالایی. همه وبسایت های آموزشی به جز Udemyوبسایت GetFreeCourses: این همه چی داره. قبلا تورنت بود، اما الان رو گوگل درایو میذاره.البته از وبسایت های تورنت که کلی تر هستند هم میتونید استفاده کنید، ولی این سه تا فقط ویدئو آموزشی قرار میدن.آپدیت: اولین سایت معرفی شده تورنت از دسترس خارج شده است. اما در عوض تعداد خیلی زیادی جایگزین این وبسایت شده اند. کافی است تا در گوگل Udemy Free Download را سرچ کنید تا سایت های جدید را پیدا نمایید. (البته بعضیاشون فیکن)حالا که این همه راه اومدین یه وبسایت هم معرفی میکنم که هر چی کتاب بخواید داره (فارسی نه). یعنی اگر کتاب پی دی افش موجود باشه تو این وبسایت هست. از رمان گرفته تا حل المسائل کتاب های دانشگاهی.gen.lib.rus.ecامیدوارم استفاده کنید. آرش حیدری آرش حیدری Thu, 31 Oct 2019 19:16:49 +0330 https://virgool.io/@Arashheidary/%DA%86%D8%AC%D9%88%D8%B1%DB%8C-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D9%85%DB%8C%DA%A9%D8%B1%D9%88%DA%A9%D9%86%D8%AA%D8%B1%D9%84%D8%B1%D9%87%D8%A7%DB%8C-arm-%D8%B1%D9%88-%DB%8C%D8%A7%D8%AF-%D8%A8%DA%AF%DB%8C%D8%B1%DB%8C%D9%85-kbw8y9cqjyea یکی از ویژگی هایی که مهندسای الکترونیک باید داشته باشن، برنامه نویسی میکروکترلرها هستش (گرچه این مهارت فقط برای مهندسای الکترونیک نیست و داشتن این مهارت برای مهندسان بقیه گرایش های رشته برق و همچنین کامپیوتری ها یه مزیت بزرگ به حساب میاد). تو دنیای الکترونیک امروز هم چیزی که زیاده میکروکنترلره، از AVR های قدیمی تر و 8 بیتی گرفته تا ARM Cortex-A های مدرن 64 بیتی (گرچه دیگه این آخری دیگه کار هر کسی نیست).میکروپروسسور Cortex A5 در گوشی اپلحالاتو این دنیای بزرگ الکترونیک، میکروکنترلر های ARM جایگاه ویژه ای به دست آوردن، مخصوصا سری Cortex M. از سازنده های این میکرکنترلر ها میشه به ST، NXP و Texas Instruments اشاره کرد. اما مشکل از جایی شروع میشه که یادگیری این میکروکنترلر ها همچین آسون هم نیست، علاوه بر اون منابع یادگیری برای این نوع از میکروکنترلر ها هم خیلی کمه. از اونجایی که قیمت بردهای ARM زیاده و حتی در بعضی موارد برای نرم افزار های مربوطه باید پول داد، آموزش این نوع از میکروکنترلر ها آنچنان تو وبسایت های آموزش آنلاین مثل یودمی رایج نیست. پس برای یادگیری برنامه نویسی و پیاده سازی برنامه ها روی این نوع میکروکنترلر ها از کجا شروع کنیم؟هدف اصلی من از نوشتن این پست این بود که به همین قسمت برسم. معرفی یه سری منابع برای یادگیری برنامه نویسی این میکروکنترلر ها. پس بریم سروقت موضوع: وبسایت STM: شرکت ST در وبسایت خودش یه سری آموزش رو به صورت رایگان فراهم کرده که بعضیاش به درد بخوره بعضیاشم نه. بعضیاش عمومی و کلی هست و بعضیاش خیلی خصوصیه و به قولی application specific. البته ویدئو های آموزشی روی یوتیوب قرار دارن اما اینک هر درس رو میتونید از این وبسایت پیدا کنید. اینم لینک وبسایت قسمت آموزش ها: https://www.st.com/content/st_com/en/support/learning/stm32-education/stm32-moocs.htmlیه کتاب خیلی خوب و فوق العاده. من خودم فعلا 400 صفحشو خوندم و واقعا ازش راضیم (کلا 850 صفحست) برای خرید این کتاب باید پول بدین و مجانی نیستش ولی لینک دانلود رایگانش رو براتون میزارم: (برای دانلود اول رو عکس کتاب و تو صفحه بعدی روی GET کلیک کنید) http://gen.lib.rus.ec/book/index.php?md5=E8DE4C891FEB6AD522D0EDFB97AA30F6سایت یودمی: درسته که گفتم آموزش های مربوط به سخت افزار و میکروکنترلر ها در سایت یودمی محدوده، ولی به هر حال اینطورم نیست که هیچی نباشه. اگر با این وبسایت آشنایی دارید که میدونید قضیه چطوریه ولی اگر آشنایی ندارید، باید بگم که ما از طرف این وبسایت تحریمیم :) و حتی اگر تحریم هم نبودیم باید آموزش هاش رو میخریدیم. به قولی باید بلد باشید که چطوری میشه آموزش های یودمی رو به صورت رایگان گیر آورد. (شاید بعدا یه پست در این مورد گذاشتم)یوتیوب: با اینکه یوتیوب یک منبع فوق العاده برای یادگیریه ولی آموزش ها در مورد سخت افزار تو این وبسایت محدوده و میکروکنترلر ARM هم مستثنی نیست ولی اگر سرچ کنید میتونید چنتا آموزش پیدا کنید.کتاب ها و کلاس های فارسی و یا کلاس های آنلاین مثل فرادرس: درسته که دارم از این مورد به عنوان یک منبع یاد میکنم، ولی اصلا توصیه نمیکنم. کلا آموزش درست حسابی سخت افزاری فارسی ندیدم.قاعدتا به غیر از این مواردی که معرفی کردم، موارد دیگه ای هم وجود دارم (مثلا من خودم چندین کتاب انگلیسیه دیگه میشناسم). اگر تجربه ای در این مورد دارید بد نیست در میون بذارید تا بقیه هم استفاده کنند. آرش حیدری آرش حیدری Wed, 30 Oct 2019 17:29:43 +0330 https://virgool.io/@Arashheidary/%D8%AF%D8%B1%D9%88%D8%B3-%D9%85%D8%B1%D8%A8%D9%88%D8%B7-%D8%A8%D9%87-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%AF%D8%B1-%D9%85%D8%B9%D8%AA%D8%A8%D8%B1%D8%AA%D8%B1%DB%8C%D9%86-%D8%AF%D8%A7%D9%86%D8%B4%DA%AF%D8%A7%D9%87-%D9%87%D8%A7-orejkd1v2x19 امروز یک وبسایت خیلی جالب پیدا کردم، گفتم بد نباشه این وبسایت رو به شما هم معرفی کنم. داشتم تو لینکدین میچرخیدم که به یک پست جالب برخورد کردم. این پست در واقع معرفی یک وبسایت بود، وبسایتی که داخل اون یک گنجینه از دروس دانشگاهی مربوط به هوش مصنوعی که تو دانشگاه های معتبر جهان تدریس شده بود رو به همراه لینک یوتیوب اونها قرار داده بود.من به شخصه خیلی دنبال هوش مصنوعی هستم و خیلی از ویدئو های آموزشی یودمی و یا وبسایت های آموزشی دیگه رو تو این زمینه دیده بودم (و یا دانلود کردم و هنوز وقت نکردم ببینم)، اما همه این دروس یه چیزی کم داشتن، با اینکه برنامه نویسی رو برای پیاده سازی هوش مصنوعی به خوبی پوشش میدادن، اما از ریاضیاتش غافل می شدن (گرچه حق هم داشتن، ریاضیات مربوط به این رشته بسیار سخت و پیچیده هست و واقعا هم برای درک کارکرد هوش مصنوعی نیاز به دونستن این همه ریاضی نیست، اما اگر بخواین واقعا وارد این دنیا بشین، نمیتونید از ریاضیاتش غافل بشین). با توجه به اینکه در این وبسایت، دروس دانشگاهی هستند، خیلی زیاد به تئوری ها و ریاضی این مباحث میپردازن (البته من خودم هنوز هیچ کدوم از این ویدئو ها رو ندیدم، ولی خب با توجه به تجربه ای که از دانشگاه و دروس دانشگاهی دارم، این طور به نظر می رسه که در این دروس به برنامه نویسی پرداخته نشه و برن سراغ تئوری ها و ریاضیات این مباحث).توی این وبسایت میتونید دروسی در مورد یادگیری ماشین، یادگیری عمیق، پردازش زبان طبیعی، هوش مصنوعی، دروس ریاضی پایه مثل جبر خطی و غیره رو پیدا کنید که معمولا هم جدید هستن (من قدیمی تر از 2010 ندیدم). برای هر درس، اسم درس، دانشگاهی که در اون تدریس شده، لینک یوتیوب و وبسیات مربوط به درس (اگر موجود باشه) رو میتونید پیدا کنید. اینم لینکش:https://deep-learning-drizzle.github.io/امیدوارم استفاده کنید. آرش حیدری آرش حیدری Tue, 29 Oct 2019 11:54:09 +0330