- 105
- 70 543
Reza Shokrzad
Netherlands
เข้าร่วมเมื่อ 24 ธ.ค. 2012
هدف این کانال آموزش زمینههای زیر در حوزه علم داده است.
۱. یادگیری ماشین
۲. یادگیری عمیق
۳. تحلیل آماری دادهها
۴. مهارت‌های یک مهندس ماشین لرنینگ
۵. مهارت‌های یک دیتا ساینتیست
۱. یادگیری ماشین
۲. یادگیری عمیق
۳. تحلیل آماری دادهها
۴. مهارت‌های یک مهندس ماشین لرنینگ
۵. مهارت‌های یک دیتا ساینتیست
چطور هوش مصنوعی و ماشین لرنینگ رو وارد پایان‌نامه ارشد و دکتری همه رشته‌ها کنیم؟
یه سوالی که برای دانشجوهای ارشد و دکتری همه رشته‌ها هست اینه که آیا باید هوش مصنوعی رو وارد موضوع مورد تحقیق دانشگاهی خودمون کنیم؟ اگر آره چطور میتونیم این کار رو انجام بدیم؟ به خصوص اگر رشته غیر مرتبط با دیتاساینس و علوم کامپیوتر میخونیم تا چه سطحی باید ماشین لرنینگ بلد باشیم.
تو این ویدیو، اول متوجه میشیم چرا وارد کردن هوض مصنوعی در پایان نامه فرصتی خوب برای ورود به این حوزه است. بعد اینکه چه نکاتی رو باید برای ریسرچ در نظر بگیریم. و در نهایت تا چه سطحی و چطور ماشین لرنینگ رو یاد بگیرم.
00:00 مقدمه و رفع مسئولیت disclaimer
01:34 محتوای وبینار
02:55 چرا هوش مصنوعی و ماشین لرنینگ باید در پایان نامه ها بیاد
14:15 پایه‌های اساسی ریسرچ
20:39 نیازمندی‌های دانشگاه و استاد راهنما
28:25 انتخاب موضوع پایان‌نامه
34:05 استراتژی وارد کردن هوش مصنوعی به پایان نامه
41:35 ارزیابی تاپیک‌های با پتانسیل
47:17 نحوه آماده کردن پروپوزال و ارائه
54:22 ۷ مرحله انتخاب موضوع شامل هوش مصنوعی
56:09 ماشین لرنینگ مورد نیاز پایان نامه ها در سطوح مختلف
آدرس کانال‌های ارتباطی:
بلاگ مقالات به روز حوزه: ctdrs.ir/ds1111
وبسایت دپارتمان علم داده: cafetadris.com/datascience
کانال تلگرام تخصصی علم داده: @dslanders
id تلگرام من: @rezashokrzad
تو این ویدیو، اول متوجه میشیم چرا وارد کردن هوض مصنوعی در پایان نامه فرصتی خوب برای ورود به این حوزه است. بعد اینکه چه نکاتی رو باید برای ریسرچ در نظر بگیریم. و در نهایت تا چه سطحی و چطور ماشین لرنینگ رو یاد بگیرم.
00:00 مقدمه و رفع مسئولیت disclaimer
01:34 محتوای وبینار
02:55 چرا هوش مصنوعی و ماشین لرنینگ باید در پایان نامه ها بیاد
14:15 پایه‌های اساسی ریسرچ
20:39 نیازمندی‌های دانشگاه و استاد راهنما
28:25 انتخاب موضوع پایان‌نامه
34:05 استراتژی وارد کردن هوش مصنوعی به پایان نامه
41:35 ارزیابی تاپیک‌های با پتانسیل
47:17 نحوه آماده کردن پروپوزال و ارائه
54:22 ۷ مرحله انتخاب موضوع شامل هوش مصنوعی
56:09 ماشین لرنینگ مورد نیاز پایان نامه ها در سطوح مختلف
آدرس کانال‌های ارتباطی:
بلاگ مقالات به روز حوزه: ctdrs.ir/ds1111
وبسایت دپارتمان علم داده: cafetadris.com/datascience
کانال تلگرام تخصصی علم داده: @dslanders
id تلگرام من: @rezashokrzad
มุมมอง: 483
วีดีโอ
جاب سرچ (کاریابی) در لینکدین
มุมมอง 4572 หลายเดือนก่อน
برای لیسانسه و کارشناسی ارشدها، یکی از بهترین روشهای بیرون زدن، اپلای مستقیم برای موقعیت‌های شغلی اینترنشنال هست که توی این ویدیو راجع بهش صحبت شده. این ویدیو مربوط به وبینار شماره ۳۱ هست که در تیر ماه ۱۴۰۳ برگزار شد که نکات کلیدی کاریابی رو پوشش میده. چون من تخصصم دیتا هست با تمرکز روی دیتا مطالب ارائه شده ولی میشه یه برداشت کلی برای رشته‌های غیرمرتبط به این تخصص هم از این وبینار داشت. لیست وب...
چت بات کلاد ۳.۵ (سونت) و رقابتش با چت جی پی تی
มุมมอง 3623 หลายเดือนก่อน
تو دهه آینده هوش مصنوعی جایگزین انسان توی مشاغل نمیشه، ولی آدم هایی که از ابزار هوش مصنوعی استفاده کنن جای کسانی که این مهارت رو ندارن رو میگیرند. یکی از این مهارت ها استفاده از چت بات هاست که امکان افزایش سرعت و بهره وری انجام کارها رو ایجاد میکنند. تو این ویدیو میخواستم به بهونه اینکه کلاد ۳.۵ رو معرفی کنم، چند تا از کارهایی که میشه باهاشون انجام داد رو با هم بررسی کنیم. پلتفرم کلاد (شماره ...
رزومه کاری | ۱۲ نکته کاربردی و تمپلیت پیشنهادی
มุมมอง 3624 หลายเดือนก่อน
اگه فرایند جاب سرچ یا کاریابی رو یه پروژه در نظر بگیریم، کار کردن روی رزومه و بهینه کردنش از تسک های اصلی این فرایند حساب میشه. رزومه اولین نقطه ارتباطی با کمپانی هست که داریم براش اپلای میکنیم و مهمه که روی قسمت‌های مختلف اش درست و اصولی کار بشه. لینک دسترسی به فایل word رزومه: docs.google.com/document/d/1yQlHoS1G9iIN8y_zHNqTw1fmtV7dKWDg/edit?usp=sharing&ouid=116800374511688730775&rtpof=true&s...
اولین مدل زبانی بزرگ گوگل | BERT
มุมมอง 6904 หลายเดือนก่อน
قطعا یکی از مهمترین و شاید اولین کاربرد جدی معماری ترانسفورمرها مدل زبانی گوگل (برت) هست. ایده هایی که توی معماری برت استفاده شده خیلی توی درک درست این مدل از کانتکست کمک کرده از جمله پیش بینی جمله بعد یا ماسک کردن کلمات یا حتی مدل تعبیه توکن ها. مقاله bert: arxiv.org/abs/1810.04805 00:00 what is bert 01:00 موزیک در ستایش bert 01:55 بررسی کلیات مقاله 02:43 یادآوری ترانسفورمرز 06:15 دوطرفه بودن ...
داشبورد ترک کردن اپلیکیشنهای کاری
มุมมอง 4074 หลายเดือนก่อน
این داشبورد رو من خودم زمانی که داشتم جاب سرچ میزدم ساختم و باهاش کار میکردم. خیلی جای بهبود داره و اگر پیشنهاد دارید برای بهتر شدنش حتما بگید که درستش کنیم برای آیندگان! کلا جاب سرچ خیلی فرایند سختیه و امیدوارم هر کسی داره تجربه اش میکنه بهش آسون تر از متوسط بگذره. یادمون نره که تو هیچی تنها نیستیم و حسی که ما تجربه میکنیم رو همه به یه نحوی داشتن و دارن. لینک دسترسی به داشبورد: docs.google.com...
ترانسفورمر و مکانیزم توجه | Transformer and Attention
มุมมอง 1.3K5 หลายเดือนก่อน
شاید بشه گفت ایده transformer ها که تو مقاله Attention is all you need اومده، از جذابترین و پرکاربردترین معماری‌های شبکه عصبی بودن تا جایی که اکثر مدلهای زبانی بزرگی که امروز میشناسیم از جمله ChatGPT و حتی بخش عمده ای از کاربردهای پردازش تصویر و ویدیو از این معماری استفاده میکنن. تو این ویدیو بیشتر میخواستم با ساختار و جزییات این مدل آشنا بشیم و اگر دیدم که این بحث میتونه جذاب باشه براتون توی ...
توسعه مهارت‌های فردی | شبیه سازی زندگی و شغل با بازی و سریال
มุมมอง 4095 หลายเดือนก่อน
این ویدیو بخشی از وبینار توسعه مهارت‌های فردی برای علم داده و ماشین لرنینگ هست. 01:05 افسردگی در اثر تمرکز بیش از حد روی هدف 03:00 اهمیت رشد پایدار 04:38 بازی شخصی 06:32 اهمیت استراتژی داشتن برای مدیریت زمان 11:18 اهمیت ساختن پشتوانه قوی 14:40 نقش تصمیمات امروز تو سرنوشت آدرس کانال‌های ارتباطی: وبسایت دپارتمان علم داده: cafetadris.com/datascience بلاگ مقالات به روز حوزه: ctdrs.ir/ds1111 کانال ت...
مقاله شبکه عصبی یونت | U-Net 2015
มุมมอง 4365 หลายเดือนก่อน
شبکه‌های عصبی کانولوشنی و بازگشتی خیلی ساختار متفاوتی دارند و تقریبا ربطی به هم ندارن. از یه جا با هم یک چیزی رو مشترک وارد ساختارهاشون کردن اون هم مفهوم autoencoders هست. CNNs ها با U-net این و RNNs ها با Transformers از ساختار AutoEncoders بهره بردن. درک ساختار U-Net به درک مفهوم AutoEncodrs خیلی کمک میکنه و توی این ویدیو به بهونه بررسی مقاله یونت میخواهیم با فرایند down/up sampling که توی سا...
دیپ لرنینگ | EfficientNet یادگیری انتقالی و پیاده سازی با Keras
มุมมอง 3636 หลายเดือนก่อน
به خاطر ساختار نتورک و سرعت بالاتر در فازهای train و test از بین نتورک‌های عمیق برنده ILSVRC نتورک EfficientNet یکی از محبوبهاست. تو این ویدیو روی مقاله efficientNet صحبت میشه و از روی داکیومنت کراس از مدل pre-trained اش هم برای کلاسبندی دیتاست Food101 استفاده میکنیم. ۴ تا مبحث جدید زیر رو هم یاد میگیریم: Inverted bottleneck MBConv Squeeze-and-excitation optimization Stochastic Depth تابع فعالس...
دیپ لرنینگ | VGGNet یادگیری انتقالی و پیاده سازی با کراس
มุมมอง 3216 หลายเดือนก่อน
هم با تاریخچه، ساختار و معماری VGG آشنا بشیم و هم با کمک Keras در پایتون یک پردازش تصویر ساده انجام بدیم تا با مفهوم Pre-trained Models و یادگیری انتقالی (Transfer Learnign) آشناتر بشیم. لینک سایر نتورکها: الکس نت AlexNet th-cam.com/video/psZBKNPN9ZU/w-d-xo.html گوگل نت GoogleNet th-cam.com/video/FqGihHxORtI/w-d-xo.html رزنت ResNet th-cam.com/video/PYUVw87YNMQ/w-d-xo.html EfficientNet th-cam.c...
دیپ لرنینگ | گوگل نت و کانولوشن ۱ در ۱
มุมมอง 4496 หลายเดือนก่อน
اگر بخواهیم گوگل نت رو توی سه تا لغت خلاصه کنیم میشه Deep, Modular, Efficient. چند تا ایده مهم توی این نتورک هست از جمله اینکه Conv1*1 معرفی شده که اجازه میده به تعداد قابل توجهی فیلتر با سایز مختلف بزنیم. از طرفی ایده هایی مثل چند خروجی گرفتن برای جلوگیری از محو گرادیان و پولینگ میانگین (Average Pooling) رو تو این مقاله هم میبینیم. مقاله Going deeper with convolutions: arxiv.org/pdf/1409.4842....
مقاله شبکه عصبی رزنت | ResNet 2015
มุมมอง 4906 หลายเดือนก่อน
به نظر میاد دومین انتخاب منطقی برای پلی لیست بررسی مقاله های ماشین لرنینگ، مقاله نتورک رزنت باشه که هم از نظر نگارش خیلی مقاله جالبیه و هم از نظر محتوا و ایده خیلی مهمه تا اونجا که کلی از ایده های مطرح شده تو این مقاله در مدلهای امروزی خیلی استفاده میشه. لینک دانلود مقاله رزنت ResNet: arxiv.org/pdf/1512.03385.pdf دسترسی به ویدیوهای سایر نتورکها: Alex Net th-cam.com/video/psZBKNPN9ZU/w-d-xo.html...
مقاله شبکه عصبی الکس نت | AlexNet 2012
มุมมอง 6636 หลายเดือนก่อน
شاید منطقی‌ترین مقاله برای شروع ریسرچ توی ماشین لرنینگ همین مقاله AlexNet با عنوان کامل ImageNet Classification with Deep Convolutional Neural Networks باشه. چون این مقاله هم نقش به سزایی توی رشد مدلهای شبکه عصبی امروزی داشته هم اینکه نکات ریزی داره که کلی میشه ازش یاد گرفت. مقاله رو با هم بخونیم و در آخر حتما باهام نظرتون رو شر کنید که آیا ویدیوهای این فرمی میتونه کمک کننده باشه که در غیر این...
وبینار ماشین لرنینگ در مدیریت کسب و کار | ML in MBA
มุมมอง 5436 หลายเดือนก่อน
وبینار ۲۷ به کوشش انجمن علمی دانشگاه شریف برگزار شد. امسال ۱۴۰۲ سه گانه دانشگاه های تهران، پلی تکنیک و شریف با این وبینار تکمیل شد. چون وبینار از انجمن علمی دانشکده اقتصاد و مدیریت برگزار شد موضوع حوالی رشته مدیریت کسب و کار MBA گذشت. دانلود فایل ارائه در این جلسه: drive.google.com/file/d/1I7sWgJ00OyDnOEsu-JKvSwr9AZJT7qIQ/view?usp=sharing 00:00 فهرست محتوای وبینار 02:00 گذار از شیوه های مدیریت ...
ماشین لرنینگ و دیتا آنالیز با پرامپت درست در چت جی پی تی
มุมมอง 8007 หลายเดือนก่อน
ماشین لرنینگ و دیتا آنالیز با پرامپت درست در چت جی پی تی
وبینار ماشین لرنینگ و هوش مصنوعی (پاییز ۲۰۲۳)
มุมมอง 4918 หลายเดือนก่อน
وبینار ماشین لرنینگ و هوش مصنوعی (پاییز ۲۰۲۳)
09. پکیج پایتونی پانداز | تمرین پانداز در Leetcode با مثالهای واقعی | Pandas
มุมมอง 2158 หลายเดือนก่อน
09. پکیج پایتونی پانداز | تمرین پانداز در Leetcode با مثالهای واقعی | Pandas
08. پکیج پایتونی پانداز | تمرین پانداز در stratascratch با مثالهای واقعی | Pandas
มุมมอง 1898 หลายเดือนก่อน
08. پکیج پایتونی پانداز | تمرین پانداز در stratascratch با مثالهای واقعی | Pandas
07. پکیج پایتونی پانداز | مصورسازی در پانداز | Pandas
มุมมอง 2299 หลายเดือนก่อน
07. پکیج پایتونی پانداز | مصورسازی در پانداز | Pandas
06. پکیج پایتونی پانداز | جوین و استک دو دیتافریم در پانداز | Pandas
มุมมอง 1929 หลายเดือนก่อน
06. پکیج پایتونی پانداز | جوین و استک دو دیتافریم در پانداز | Pandas
05. پکیج پایتونی پانداز | تابع های تجمیعی و کوئری زدن در پانداز | Pandas
มุมมอง 2199 หลายเดือนก่อน
05. پکیج پایتونی پانداز | تابع های تجمیعی و کوئری زدن در پانداز | Pandas
شروع یادگیری ماشین لرنینگ برای مبتدی ها (پیش نیازها و نحوه مطالعه)
มุมมอง 6009 หลายเดือนก่อน
شروع یادگیری ماشین لرنینگ برای مبتدی ها (پیش نیازها و نحوه مطالعه)
04. پکیج پایتونی پانداز | دسترسی به سطرها، فیلتر داده و رفع داده نال در پانداز | Pandas
มุมมอง 2609 หลายเดือนก่อน
04. پکیج پایتونی پانداز | دسترسی به سطرها، فیلتر داده و رفع داده نال در پانداز | Pandas
03. پکیج پایتونی پانداز | دستکاری ستونها در پانداز | Pandas
มุมมอง 2739 หลายเดือนก่อน
03. پکیج پایتونی پانداز | دستکاری ستونها در پانداز | Pandas
02. پکیج پایتونی پانداز | توصیف جداول در پانداز | Pandas
มุมมอง 4009 หลายเดือนก่อน
02. پکیج پایتونی پانداز | توصیف جداول در پانداز | Pandas
01. پکیج پایتونی پانداز | ساخت دیتافریم با پانداز | Pandas
มุมมอง 7209 หลายเดือนก่อน
01. پکیج پایتونی پانداز | ساخت دیتافریم با پانداز | Pandas
یادگیری ماشین لرنینگ (مزیت یا ضرورت؟) | تاریخچه هوش مصنوعی
มุมมอง 76910 หลายเดือนก่อน
یادگیری ماشین لرنینگ (مزیت یا ضرورت؟) | تاریخچه هوش مصنوعی
پیش بینی ارقام دست نوشت با ماشین لرنینگ - تعبیه مدل در وب پیج با فلسک
มุมมอง 51111 หลายเดือนก่อน
پیش بینی ارقام دست نوشت با ماشین لرنینگ - تعبیه مدل در وب پیج با فلسک
خیلی عالی بود استاد محترم اگر کدام کورس درقسمت هوش مصنوعی ماشین لرنیننک دارید ویا در نظردارید لطفا به اشتراک بگذارید.
سلام. ممنون از توضیحات خیلی خوبتون. یک موردی که در باره skip connection ها به نظر من میرسه اینه که در واقع تابع مورد استفاده اسکیپ کانکشنها بر خلاف بدنه شبکه عصبی خطی هستند. یعنی شبکه در هر لایه با مقادیری که از یک تابع غیر خطی (بدنه شبکه عصبی) و یک تابع خطی (اسکیپ کانکشن) تغذیه میشود. اگر در واقعیت سیستمی که ما سعی میکنیم مدل کنیم در بعضی از مفاهیم یا لایه ها واقعا یک سیستم غیر خطی پیچیده نباشند در فرآیند یادگیری یاد میگیرد که ضرایب تابع خطی (اسکیپ کاتکشن) را تقویت و وزنهای تابع غیر خطی(بدنه شبکه عصبی) را کاهش دهد. بنابراین اگر ما در طراحی شبکه از تعداد لایه های بیشتر از نیاز شبکه عصبی استفاده کنیم سیستم یاد میگیرد که لایه های شبکه عصبی اضافی را خاموش کند و داده ها را از توابع خطی عبور دهد و چون ترکیب هر چند تابع خطی باز هم یک تابع خطی میشود. بنابراین انگار از یک لایه به بعد با یک تابع خطی به خروجی مدل میانبر میزنیم. دوست دارم نظر شما را در اینباره بدانم.
خوب توضیح می دید واقعا ممنونم از شما
سلام و درود استاد، ممنون از شما واقعا عالی هستید. لطفا این پلی لیست رو ادامه بدید. ❤❤🌹🌹
great & helpful
fdjkfgm
tedyjdtx
1️⃣0️⃣0️⃣
❤❤❤
Thanks teacher❤❤❤
👌👌👌
❤❤❤
mashti v aali ❤❤❤
sepas ❤
👌👌👌
Like❤
tnx ❤❤❤
Great ❤❤❤
Perfect 👌
عالی بود استاد❤❤❤
خیلی عالی بود. آفرین بر شما.
به به! چقدر ویدئوی تخصصی و با جزئیات خوبی بود. مرسی که اینقدر با جزئیات توضیح می‌دهید. اکثر ویدئو ها معمولا اینقدر ریز نمی‌شوند توی جزئیات و بصورت کلی بررسی میکنند.
Thank you ❤❤❤
Excellent❤
❤👌
واقعا عالی بود ممنون
مثلا من که رشته م برق-دیجیتاله، باید وارد چه حوزه ای از ماشین لرنینگ بشم؟
شما در واقع ماشین لرنینگ رو ببری توی تخصص خودت بهتره. در‌کل روی این موارد یه کم سرچ کن ببین به کدوم بیشتر علاقمند میشی: 1. Embedded Machine Learning (Edge AI) 2. Signal Processing with Machine Learning 3. FPGA and ASIC Design with AI Accelerators 4. Robotics and Automation using AI 5. AI-based Power Systems Optimization
@@RezaShokrzad پردازش تصویر هم میشه ؟ زبان طبیعی چطور؟
چقدر عالی بود ممنونم
mamnoon
سپاس از وقتی که گذاشتید و محتوای ارزشمندتون فقط اینکه توی کتابهای امار دیتاهای کمی رو به نسبتی و فاصله ای تقسیم میکنن که با این تقسیم بندی گسسته و پیوسته بنظر میاد متفاوته، کدوم تقسیم بندی بنطر شما درست تره؟
ببین مهم اینه از دیتا شناخت داشته باشیم و بدونیم با هر دسته چه کاری باید بکنیم. اسمگذاری و نوع دسته‌بندی اهمیتی نداره. این مواردی که هم گفتی رو دقیق نمیشناسم ولی برآوردم اینه که نسبتی همون پیوسته و فاصله‌ای همون گسسته باشن احتمالا.
@@RezaShokrzad کاملا درسته ممنون
❤🙏
❤🙏
عالی
سلام استاد ممنونم یرای اموزشهای عالیتون...فقط جسارتا این ویدیو من ار نصف به بعد هیچی نفهمیدم...بعد جالب بود بیشتر بچه های داخل وبینار متوجه میشدن و جواب درست میدادن...فک کنم شاگردهاتونم مثل خودتون نخبه هستن....خلاصه خیلی ناامید شدم😒
سلام. اگر رشته تون غیر فنی یا علوم پایه باشه احتمالا اوایل یادگیری سخت بشه براتون. ولی به مرور بهتر میشی. مهم اینه دلسرد نشی
merci
عاشق این مرورهامممم🥰
سپاس. عالی بود
عالی
خیلی عالی
سلام و درود استاد، آیا برای دیتاساینس میشه از ایران کار ریموت گرفت؟ با توجه به مباحث مرتبط به امنیت و حساسیت دیتا؟ اگر نه آیا میشه برای ماشین لرنینگ از ایران ریموت ورک گرفت ؟
یه تعدادی از بچه‌ها رو میشناسم که دارن با بیرون ریموت کار میکنن. اگر به کیسی برخوردم که بتونم باهاش گپ بزنم، حتما این موضوع رو چک میکنم و به یه نحوی پابلیک میکنیم. تو این فاصله این سوال مهم رو خودت هم دنبال جوابش باش. احتمالا با اپلای کردن هم تا حد زیادی میتونی خودت دیکد کنی ببینی چقدر شدنی هست.
واقعا حال کردم با این سبک از ویدیو خیلی خوبی تا الان حرفه ای ترین شخصی هستی که این طوری داره محتوا تولید می کنه این محتوا هیچ وقت کهنه نمی شه حداقل ده سال دیگه ارزش تاریخی می گیره
Sepas
سلام، ضمن تشکر از زحمات شما در ساده سازی مفاهیم و انتقال آنها، ممنون میشم اگر در این playlist در مورد شبکه های عصبی خاص مثل reservoir computing ها و spiking neural networks هم صحبت بشه. محتوای فارسی کمی در این حوزه ها وجود داره. با تشکر
very nice, as before.
لینک وبینار که گفتین سه شنبه هفته بعد در مورد data analyst توضیح میدین رو کجا به اشتراک گذاتشین ؟
پیاده سازی یک داشبورد فروش با کمک تبلو Tableau th-cam.com/video/pUE6OTDnY-k/w-d-xo.html سلام. این بوده احتمالا
از هر استادی بهتر توضیح میدی ایول
بهتر از استادهای ما تو امریکا داری درس میدی دمت گرم
Please make sure you have the correct access rights and the repository exists.
فکر کنم این مشکل تیپیکال خیلیهاست روی این پلی لیست فهمیدم! Gitbash رو باز کن 1. ssh-keygen -t rsa -b 4096 -C "your_email@example.com" 2. eval "$(ssh-agent -s)" ssh-add ~/.ssh/id_rsa 3. cat ~/.ssh/id_rsa.pub paste_ssh_key بعد برو روی گیتهاب 4. Ssh setting -> new/add ssh key -> add a title -> your key in key field 5. اینطوری دیگه کلون کن git clone git@github.com:username/repository.git
دستور خطرناکیه به نظرم استاد این دستور Git Checkout
Git Init خیلی باحال بود