MASTERY GRAPH

نقشهٔ مهارت‌های تو،
شخصی‌سازی‌شده نه
راه‌حل کلی.

نقشهٔ مهارت‌های تو،
شخصی‌سازی‌شده.

یک آزمون تعیین سطح تطبیقی، مسیر یادگیری هوش مصنوعی و علم داده را از همان‌جایی که واقعاً هستی شروع می‌کند و براساس سرعت یادگیری‌ات به روز می‌شود.

آزمون تطبیقی سطحت را پیدا می‌کند و مسیر را از همان‌جا می‌سازد.

چطور کار می‌کند

سه قدم پشت‌سرهم، نه سه امکان جدا.

۱
آزمون تعیین سطح

آزمون تعیین سطح هوش مصنوعی، از میان ۳۶۹ سؤال کالیبره‌شده در ۱۷ حوزهٔ اصلی، ۱۵ سؤال تطبیقی طرح می‌کند. سختی هر سؤال بر اساس درستی پاسخ قبلی تنظیم می‌شود، نه یک آزمون ثابت برای همه.

سختی ۳ از ۵
۲
نقشهٔ مهارت

نقشهٔ مهارت، خروجی زندهٔ آزمون توست: هر گره یک موضوع از ۱۲۳ زیرموضوع است و اندازه و درخشش هر گره، میزان تسلط و اطمینان تو را نشان می‌دهد.

مسلط
در حال یادگیری
کم‌تسلط
۳
مسیر یادگیری روزانه

هر روز یک نکتهٔ آموزشی متناسب با ضعیف‌ترین موضوع فعلی‌ات دریافت می‌کنی، در تلگرام یا در سایت. مسیر یادگیری هر کاربر بر اساس نقشهٔ مهارت شخصی او متفاوت است.

ش
ی
د
س
چ
پ
ج

نقشهٔ کامل مسیر

به ترتیب یادگیری، نه به ترتیب فهرست.

۱۷ موضوع · ۱۲۳ زیرموضوع

مبانی و ابزار

۲ موضوع · ۱۵ زیرموضوع+

پایتون

۸ مهارت
پاک‌سازی داده با Pandasبردارسازی با NumPyرسم نمودار با Matplotlibنوشتن تابع و کلاس قابل‌استفادهساخت محیط مجازی و نصب پکیجکار در Jupyterدیباگ و تست کدخواندن/نوشتن فایل (CSV/JSON) و مدیریت خطا

حذف تکراری‌ها، پرکردن مقادیر گمشده و اصلاح نوع ستون‌ها تا دیتاست آمادهٔ مدل شود.

تحلیل داده

۷ مهارت
گزارش آماری از یک دیتاستمدیریت مقادیر گمشدهتحلیل اکتشافی روی داده واقعیساخت نمودار تصمیم‌سازاجرای تست A/Bتفسیر نتیجهٔ آزمون فرضساخت داشبورد

محاسبهٔ میانگین، میانه، پراکندگی و توزیع برای شناخت اولیهٔ داده.

یادگیری ماشین

۴ موضوع · ۳۲ زیرموضوع+

یادگیری عمیق

۳ موضوع · ۱۹ زیرموضوع+

کاربردها

۵ موضوع · ۳۶ زیرموضوع+

داده و استقرار

۳ موضوع · ۲۱ زیرموضوع+

چرا تطبیقی؟

تفاوت در مسیر است، نه در محتوا.

FIXED PATH
مسیر ثابت دوره‌های معمول
ترتیب یکسان برای همه، صرف‌نظر از سطح فعلی

دوره‌های معمول یک ترتیب ثابت برای همه دارند: فصل اول تا آخر، صرف‌نظر از آنچه از قبل بلدی. نتیجه، دوباره‌کاری روی چیزهای بلد و پنهان‌ماندن شکاف‌های واقعی مهارت است.

ADAPTIVE PATH
نقشهٔ راه یادگیری، بر پایهٔ نتیجهٔ آزمونت
امروزشروع مسیر
مسیر روزانه سراغ ضعیف‌ترین موضوع‌ها می‌رود و از کنار آنچه بلدی رد می‌شود

بعد از آزمون تعیین سطح، برای هر موضوع یک نمرهٔ تسلط واقعی داری. مسیر روزانه‌ات از میان همین نمرات ساخته می‌شود: نکته و تمرین هر روز سراغ ضعیف‌ترین موضوع فعلی‌ات می‌رود، نه فصل بعدی یک برنامهٔ از پیش نوشته‌شده.

همین حالا رایگان بخوان

بدون ثبت‌نام، بدون آزمون.

نکتهٔ روز#طراحی تابع پاداش

خیلی‌ها فکر می‌کنن هرچی تابع پاداش پیچیده‌تر و دقیق‌تر باشه، عامل بهتر یاد می‌گیره، در حالی‌که تابع پاداش‌های بیش از حد پیچیده می‌تونن عامل رو به سمت رفتارهای غیرمنتظره سوق بدن (reward hacking)؛ سادگی و شفافیت تابع پاداش معمولاً ارزشمندتر از دقت بیش از حده.

نکته‌های بیشترهر روز ۹ صبح، در تلگرام
وبلاگبه‌زودی
چرا دقت ۹۹٪ روی دادهٔ نامتوازن بی‌معنی است

وقتی ۹۹٪ نمونه‌ها یک کلاس‌اند، مدلی که همیشه همان را پیش‌بینی کند هم ۹۹٪ دقت دارد. معیار درست را انتخاب کن.

اخباربه‌زودی
ریزتنظیم مدل زبانی با LoRA: از کجا شروع کنیم

با یک GPU معمولی هم می‌شود یک مدل هفت‌میلیاردی را برای دامنهٔ فارسی ریزتنظیم کرد؛ نقطهٔ شروع، دادهٔ تمیز است.

پرسش‌های پرتکرار

چقدر طول می‌کشد تا مسیر را تمام کنم؟+
آیا استفاده از پلتفرم رایگان است؟+
برای مبتدی‌ها هم مناسب است؟+
تفاوت این پلتفرم با کلاس‌های معمولی چیست؟+
نکته‌های روزانه چطور به دستم می‌رسد؟+

ببین دقیقاً کجای مسیر ایستاده‌ای

۱۷ موضوع سنجیده می‌شود و نقشهٔ مهارتت همان لحظه ساخته می‌شود.