Warning: mkdir(): No space left on device in /var/www/tg-me/post.php on line 37

Warning: file_put_contents(aCache/aDaily/post/pyHints/--): Failed to open stream: No such file or directory in /var/www/tg-me/post.php on line 50
Python Hints | Telegram Webview: pyHints/816 -
Telegram Group & Telegram Channel
توی آنالیز جوابها بیشترین حوزه مورد علاقه (گفتم با اولویت) مربوط به
Machine/Deep learning
هست؛ بعد پروژه واقعی و بعد بکندها

ولی مهمترین نکته‌اش می‌دونید چیه ؟
بیش از نصف کسانی که زدند Machine/Deep learning مورد علاقشون هست توی سوال پایتون چه خبر پایین‌تر از سطح متوسط هستند.

همینجا بگم من وقتی میگم Machine/Deep learning منظورم این نیست که بریم langchain, n8n, ... رو یاد بگیریم یا yolo رو از ultralytics برداریم و باهاش یک ابزاری رو بسازیم که اگر اون بود شما ML کار نیستید شما Software Engineer ایی هستید که یاد گرفتید با ابزارهای ML هم کار کنید.

مثل این میمونه فرانت دولوپر چون داره به بکند request میزنه و دیتا از دیتابیس براش آماده میاد بگه من Database Administrator هستم. لطفا حواستون به این مورد باشه.

درنهایت اگر یک همچین دوره‌ای قرار باشه برگذار بشه؛ از هر ۱۰ ساعت آموزش ۸ ساعت تئوری خواهد بود و ۲ ساعت پیاده‌سازی پایه‌ای فرمول‌های و مباحث تئوری و برای این مورد خیلی خیلی نیاز هست که شما Software Engineer باشید اول.

مثلا این مورد رو ببینید :
https://www.tg-me.com/pytens/1087

یا توی کنفرانس‌های قبلی صحبت شد (اینی که میگم برای 2018-2019 هست) با یک تیمی در چین کار میکردیم؛ برای اینکه سرعت شناسایی چهره بره بالاتر اونجا هم من همین کار رو کردم embedding تصاویر رو توی redis نگه میداشتم و فقط توی لحظه نیاز اختلاف تصاویر رو میگرفتم.
حتی چون تعداد کاربرها زیاد بود و این قضیه هم باز کند بود؛ بر اساس جنسیت - اینکه از کدوم دستگاه میاد و ... دیتابیس‌ها رو تفکیک کرده بودیم.


خلاصه برای AI اول باید Software Engineer خوبی باشید (میانبور نزنید که وقتتون هدر میره) - بازم به توییت Andrej Karpathy اشاره می‌کنم و استخدام Software Engineer برای موقعیت‌های هوش مصنوعی Tesla



tg-me.com/pyHints/816
Create:
Last Update:

توی آنالیز جوابها بیشترین حوزه مورد علاقه (گفتم با اولویت) مربوط به
Machine/Deep learning
هست؛ بعد پروژه واقعی و بعد بکندها

ولی مهمترین نکته‌اش می‌دونید چیه ؟
بیش از نصف کسانی که زدند Machine/Deep learning مورد علاقشون هست توی سوال پایتون چه خبر پایین‌تر از سطح متوسط هستند.

همینجا بگم من وقتی میگم Machine/Deep learning منظورم این نیست که بریم langchain, n8n, ... رو یاد بگیریم یا yolo رو از ultralytics برداریم و باهاش یک ابزاری رو بسازیم که اگر اون بود شما ML کار نیستید شما Software Engineer ایی هستید که یاد گرفتید با ابزارهای ML هم کار کنید.

مثل این میمونه فرانت دولوپر چون داره به بکند request میزنه و دیتا از دیتابیس براش آماده میاد بگه من Database Administrator هستم. لطفا حواستون به این مورد باشه.

درنهایت اگر یک همچین دوره‌ای قرار باشه برگذار بشه؛ از هر ۱۰ ساعت آموزش ۸ ساعت تئوری خواهد بود و ۲ ساعت پیاده‌سازی پایه‌ای فرمول‌های و مباحث تئوری و برای این مورد خیلی خیلی نیاز هست که شما Software Engineer باشید اول.

مثلا این مورد رو ببینید :
https://www.tg-me.com/pytens/1087

یا توی کنفرانس‌های قبلی صحبت شد (اینی که میگم برای 2018-2019 هست) با یک تیمی در چین کار میکردیم؛ برای اینکه سرعت شناسایی چهره بره بالاتر اونجا هم من همین کار رو کردم embedding تصاویر رو توی redis نگه میداشتم و فقط توی لحظه نیاز اختلاف تصاویر رو میگرفتم.
حتی چون تعداد کاربرها زیاد بود و این قضیه هم باز کند بود؛ بر اساس جنسیت - اینکه از کدوم دستگاه میاد و ... دیتابیس‌ها رو تفکیک کرده بودیم.


خلاصه برای AI اول باید Software Engineer خوبی باشید (میانبور نزنید که وقتتون هدر میره) - بازم به توییت Andrej Karpathy اشاره می‌کنم و استخدام Software Engineer برای موقعیت‌های هوش مصنوعی Tesla

BY Python Hints


Warning: Undefined variable $i in /var/www/tg-me/post.php on line 283

Share with your friend now:
tg-me.com/pyHints/816

View MORE
Open in Telegram


Python Hints Telegram | DID YOU KNOW?

Date: |

Why Telegram?

Telegram has no known backdoors and, even though it is come in for criticism for using proprietary encryption methods instead of open-source ones, those have yet to be compromised. While no messaging app can guarantee a 100% impermeable defense against determined attackers, Telegram is vulnerabilities are few and either theoretical or based on spoof files fooling users into actively enabling an attack.

Tata Power whose core business is to generate, transmit and distribute electricity has made no money to investors in the last one decade. That is a big blunder considering it is one of the largest power generation companies in the country. One of the reasons is the company's huge debt levels which stood at ₹43,559 crore at the end of March 2021 compared to the company’s market capitalisation of ₹44,447 crore.

Python Hints from hk


Telegram Python Hints
FROM USA