آموزش هنر را در هوش مصنوعی قرار دهید: با هوش مصنوعی در چند ثانیه هنر دیجیتال خیره کننده ایجاد کنید

Skillshare (اسکیل شیر)

اسکیل‌شر یک پلتفرم آموزشی آنلاین است که به میلیون‌ها افراد در سراسر جهان امکان یادگیری مهارت‌های جدید را فراهم می‌کند. این پلتفرم با ارائه دوره‌های متنوع در زمینه‌هایی از جمله هنر و طراحی، فناوری، کسب و کار، و زندگی موفق، به کاربران خود این امکان را می‌دهد تا به صورت آنلاین به یادگیری بپردازند.

یکی از ویژگی‌های منحصر به فرد سکیل‌شر، ارائه دوره‌های تدریس شده توسط صاحبان مهارت‌ها و افراد موفق در زمینه‌های مختلف است. این امر باعث می‌شود که کاربران از تجربیات و دانش عملی افرادی که در حوزه‌های مورد نظرشان موفق عمل کرده‌اند، بهره‌مند شوند و بهترین اطلاعات را برای بهبود مهارت‌های خود دریافت کنند. به این ترتیب، سکیل‌شر نه تنها یک پلتفرم آموزشی است، بلکه یک جامعه آموزشی است که افراد را به اشتراک گذاری دانش و تجربیات تشویق می‌کند و به آنها کمک می‌کند تا در مسیر پیشرفت و موفقیت خود ادامه دهند.

Jesper Dramsch, PhD

دانشمند برای یادگیری ماشین

برای یادگیری ماشینی که بین داده های فیزیکی، علم داده و هوش مصنوعی کار می کند.

در کلاس‌های من، روش‌های پیشرفته‌ای را برای کار با داده‌ها و کسب بینش از داده‌ها یاد خواهید گرفت. این به شکل کاوش داده ها و به دست آوردن بینش با مدل سازی و تجسم است. چه مبتدی، چه متوسط ​​یا متخصص، این کلاس ها درک شما را از علم داده عمیق تر می کند.

من به عنوان یک ژئوفیزیکدان آموزش دیده‌ام و در حین کار به سمت تحقیقات علم داده و یادگیری ماشین و برنامه‌نویسی پایتون رفته‌ام. در آن زمان، در وب‌سایت مسابقه یادگیری ماشین Kaggle (بخشی از Alphabet/Google) دفترچه‌های آموزشی ایجاد کردم و به رتبه 81 در سراسر جهان رسیدم. من در این مرحله بیش از 70000 بار دیده شده است. علاوه بر این، من پایتون، یادگیری ماشین و علم داده را در سراسر جهان در شرکت‌هایی از جمله شل، دولت بریتانیا، دانشگاه‌ها و چندین شرکت متوسط ​​تدریس کرده‌ام. به عنوان یک انتخاب کوچک در سال 2020، گواهینامه IBM Data Science را در کمتر از 48 ساعت به پایان رساندم. اکنون من بخشی از سازمان هماهنگ ECMWF هستم.

من فهرستی از دستاوردهای دانشگاهی و صنعتی، به‌علاوه جوایز، گواهینامه‌ها، و شرکت در هکاتون را در پایین این صفحه دارم، در صورتی که می‌خواهید برخی از اعتبارنامه‌ها را ببینید.

· ·

"کلاس بسیار مفیدی است، به خصوص برای ما که در مسیر تغییر مسیر شغلی هستیم. من در حال نوشتن مجدد CV خود هستم تا به آن برتری "تکنولوژیکی" بیشتری از پس زمینه Geoscience/GIS بدهم. با تشکر Jesper برای نکات بسیار مفیدی که مطمئناً قصد دارم از آنها استفاده کنم :-) (PS: فراموش نکنید که کتاب الکترونیکی کوچک را در منابع بررسی کنید، نکات دقیق تر در آن!) "

آن ای.

"اکنون این همان چیزی است که من به دنبال آن بوده‌ام! دوره‌ای که در مورد آموزش سینتکس پایتون و کتابخانه‌ها نیست، بلکه درباره نحوه تفکر مانند یک دانشمند داده است، چرا مربی این یا آن را انتخاب می‌کند. می‌دانید، چیزهای واقعی که نمی توانید به راحتی آنها را در گوگل جستجو کنید. دوره عالی! با تشکر!"
Roman D.

" کلاس عالی! مهارت های بسیار مفیدی در سخنرانی ارائه شد. بسیار مفید!!! "
Coco L.

"کلاس واقعا عالی که دارای موضوعات مهم و جالب زیادی است! توصیه قطعی!"
Hannes P.

"مدرس فوق العاده. جریان بسیار روان و کاملاً جذاب. مفید برای مدیران پروژه بدون پیشینه علم داده؛ اولین گام خوب برای PM هایی که به دنبال گسترش مجموعه مهارت های فنی خود هستند. از شما بسیار متشکرم Jesper."
Sammur E.

برای نکات جالب در مورد یادگیری ماشین و اکوسیستم داده پایتون، حتماً من را در اینجا در Skillshare و در سراسر رسانه های اجتماعی دنبال کنید!

من یک می نویسم. خبرنامه من هر هفته سه پیوند جالب تازه از علم داده و یادگیری ماشین دارد. راه ایده آل برای ادامه یادگیری.

در آنجا، می‌توانید کتاب الکترونیکی من "درک اعتبارسنجی یادگیری ماشین" را انتخاب کنید. احتمالاً پس از گذراندن دوره های من آن را دوست دارید!

همه به صورت رایگان. با من به یادگیری ادامه دهید!

· ·

علوم داده یک مهارت فوق العاده برای پیشرفت شغلی است. همراه با برخی از مهارت های برنامه نویسی، به عنوان مثال در پایتون، و درک مدل سازی، به عنوان مثال. با یادگیری ماشینی می تواند مسیرهای شغلی کاملا جدیدی را برای شما باز کند.

آدم منطقی نیستید؟ نگران نباشید، علم داده بر درک سیستم ها متکی است و مطالعات اخیر نشان داده است که برنامه نویسی بیشتر بر مهارت های زبانی متکی است تا ریاضیات و منطق کلاسیک! در کار با داده ها خلاقیت زیادی وجود دارد. من سعی می کنم این موضوعات را برای هر کسی در دسترس قرار دهم، شاید برای شما نیز؟

با نحوه ساخت هنر دیجیتال خیره کننده با هوش مصنوعی مدرن آشنا شوید!

این هوش مصنوعی جملات شما را تفسیر می‌کند و در چند ثانیه تصاویر ایجاد می‌کند.

این کلاس Skillshare به شما می آموزد که Stable Diffusion "AI" چیست، چرا مهم است و چگونه می توانید از آن برای ایجاد آثار هنری استفاده کنید. از آنجا به جزییات نازک ایجاد اعلان‌های بهتر برای ایجاد جذاب‌ترین هنر دیجیتال ممکن می‌پردازیم.

این کلاس نیازی به دانش هوش مصنوعی، یادگیری ماشین، علم داده، کدنویسی، برنامه نویسی، پایتون یا هر چیز دیگری ندارد. ما از مبانی مطلق شروع می کنیم. تنها چیزی که نیاز دارید اتصال به اینترنت است!

یک نسخه از Look Book را که برای این کلاس ایجاد کردم بردارید:

تغییر مشاغل می تواند بسیار استرس زا باشد، اما بسیاری از افراد میزان تجربه مرتبطی را که قبلاً داشته اند دست کم می گیرند. این کلاس راه‌هایی را برای ترجمه تجربیات موجود به رزومه‌ای که برای یک کار داده کار می‌کند، بررسی می‌کند.

حرفه داده فراتر از علم داده است. این توصیه برای مشاغل مهندسی داده، تجزیه و تحلیل کسب و کار، تجزیه و تحلیل داده ها و مشاغل یادگیری ماشین قابل اجرا خواهد بود.

این کلاس با یک کتاب الکترونیکی کوچک رایگان ارائه می‌شود " Craft Great Resume Points for Data Jobs".

ما ساختار و نکات مربوط به بخش‌های جداگانه را بررسی می‌کنیم و شکاف‌های موجود در مهارت‌های خاص را پر می‌کنیم.

• خلاصه اجرایی
• تجربه حرفه ای
• تجربه آموزشی و دانشگاهی
• تجربه پروژه

به‌علاوه، مهارت‌های کلیدی را که باید به مجموعه مهارت‌های خود اضافه کنیم، علاوه بر دانش و مهارت‌های داده‌ای که قبلاً داریم، بررسی خواهیم کرد.

بخش پروژه حاوی کتاب الکترونیکی " امتیازات عالی رزومه کاری برای مشاغل داده"

پروژه‌های یادگیری ماشین و علم داده بهترین راه برای یادگیری و نمایش مهارت‌ها هستند. از این پروژه ها می توان برای نشان دادن مهارت های ملموس در پورتفولیوهای فریلنسینگ و مصاحبه های شغلی به طور یکسان استفاده کرد. در این نمونه از سری نمونه کارها علم داده، داده های بیت کوین را برای پیش بینی سری های زمانی بررسی می کنیم.

آنچه خواهید آموخت

سهام، کریپتو و بیت کوین داده‌های سری زمانی مالی هستند که می‌توانند با مدل‌های مختلف یادگیری ماشین مدل‌سازی شوند. در این کلاس، برای اطمینان از عملکرد خوب در داده‌های آینده، اکتشاف و آماده‌سازی داده‌ها، به اعتبارسنجی ML می‌پردازیم.

به طور خاص، ما به کاربردهای این مدل ها خواهیم پرداخت:

• SARIMA
• پیامبر فیسبوک
• شبکه های عصبی حافظه کوتاه مدت
• یادگیری عمیق با شبکه های عصبی کانولوشن

در نهایت، ما حتی از امروز این مدل‌ها را بر اساس آخرین داده‌ها تأیید می‌کنیم تا مطمئن شویم که مدل‌ها مطابق با رضایت ما عمل می‌کنند.

علوم داده به ابزاری ضروری در بسیاری از صنایع تبدیل شده است. این کلاس مفهوم اصلی علم داده را آموزش می‌دهد تا درک سطح بالایی از انتظارات، مراحل و واژگان برای کار با دانشمندان داده و مدیریت آن‌ها و امکان تصمیم‌گیری‌های مبتنی بر داده ارائه دهد.

این کلاس شامل برنامه‌نویسی یا نرم‌افزار نمی‌شود، اما مفاهیم کلی را آموزش می‌دهد که ابزاری هستند و می‌توانند در زمینه‌های مختلف اعمال شوند. این شامل درک سطح بالایی است که در پروژه‌ها برای مدیریت تیم‌های علم داده در نهایت لازم است.

این کلاس برای افرادی است که می‌خواهند اصول علم داده را بدون پیش‌زمینه کدنویسی درک کنند. چه این موارد در اکسل، جدول یا پایتون اعمال شوند، اصول ثابت هستند و به ایجاد یک تجزیه و تحلیل مبتنی بر داده بهتر کمک می کنند.

علاوه بر این، این دوره با یک کاربرگ برای ارزیابی ریسک پروژه های علم داده شما ارائه می شود.

تجزیه و تحلیل کسب و کار و علم داده به مهارت های مهمی در همه صنایع تبدیل شده اند. دانستن نحوه انجام تجزیه و تحلیل و همچنین تجزیه و تحلیل های بررسی حس و درک مفاهیم کلیدی در تصمیم گیری امروز است.

پایتون به زبان علم داده تبدیل شده است و بنابراین موضوع این کلاس است.

برنامه نویسی می تواند ترسناک باشد، با این حال، پایتون به دلیل خوانایی و رایگان بودن آن برای همه پلتفرم ها از جمله لینوکس، مک و ویندوز عالی است. این کلاس دارای دانش قبلی از نحو پایتون است، اما برای ایجاد یک محیط یادگیری مشترک، برخی از اصول اولیه پوشش داده خواهد شد. ما گردش کار علم داده کامل را پوشش خواهیم داد، از جمله:

• بارگیری داده ها از فایل ها (مانند جداول اکسل) و پایگاه های داده (مانند سرورهای SQL)
• پاکسازی داده ها
• تجزیه و تحلیل داده های اکتشافی
• یادگیری ماشینی
• اعتبار سنجی مدل و تحلیل انحراف
• تجسم داده و تولید گزارش

در این کلاس، ما از کتابخانه های Python به صورت آزاد و آزاد استفاده خواهیم کرد، از جمله: Jupyter، NumPy، SciPy، Pandas، MatPlotLib، Seaborn، و Scikit-Learn و همچنین یاد خواهید گرفت که چگونه به سرعت کتابخانه های جدید را یاد بگیرید.

همانطور که قول داده بودم، در اینجا مجموعه ای از اعتبارنامه من است. من این اطلاعات را در Linkedin نگهداری می‌کنم، و شما می‌توانید فعالیت‌های من را در پورتفولیوی من پیدا کنید. در اینجا نکات برجسته وجود دارد.

· صنعت ·

دانشمند برای یادگیری ماشین
, سازمان بین دولتی
هواشناسی اقلیم شناسی
ژوئیه 2021 – حال

مهندس یادگیری ماشین
صنعت فضا
سپتامبر 2020 – ژوئن 2021

مربی Python و ML
, مشاوره
فوریه 2019 – آوریل 2020
مشتریان: OGA انگلستان، شل، دانشگاه لیدز، زتیکا آکسفورد و غیره

مدرس در DESY (Physik begreifen)
، سینکروترون الکترون آلمانی
ژانویه 2013 – دسامبر 2014

· آکادمیا ·

دکترا، یادگیری ماشین کاربردی
(# 103 QS در سراسر جهان)
2016 – 2020

Visiting Scholar, Machine Learning
(#301 QS در سراسر جهان)
2018 – 2019

کارشناسی ارشد، ژئوفیزیک
، آلمان (#213 QS در سراسر جهان)
2010 – 2014

کارشناسی، ژئوفیزیک/اقیانوس‌شناسی
، آلمان (#213 QS در سراسر جهان)
2007 – 2010

· جوایز گواهینامه ·

Kernels Expert TPU Star
, 81 برتر در سراسر جهان
2018 – حال

گواهینامه حرفه ای علم داده

2020

گواهینامه های SQL و یادگیری ماشین
[2] 2 020

سخنرانی الکترونیکی یادگیری ماشین در علوم زمین

2020

· هکاتون ·

مدل‌های لرزه‌ای سریع طرح‌های زمین‌شناسی با استفاده از GAN
[ ]

ML بدون نظارت T-SNE برای داده های تعاملی کم نور، یعنی
[ ]

وارونگی لرزه ای سریع مبتنی بر یادگیری عمیق با استفاده از GAN ها
[ ]

· مشارکتهای نرم افزاری منبع باز ·

نگهدارنده
(سابق)

مستندات
Scikit-Learn
بروژ

وبلاگ وب سایت من -

خبرنامه هفتگی -

تویتر - لینکدین -

Youtube -
تجهیزات دوربین - https://www.dramsch.net/r/camera

· ·