✔Data Scientist also known as Data Manager, Statistician
💡Tools that need to be mastered
1. Python
2. R programming
3. SQL
🔓Skills that need to be mastered
1. Programming
2. Statistics
3. Machine learning
4. Data visualization

✔Data Analyst also known as Business Analyst
💡Tools that need to be mastered
1. SQL
2. Tableau
3. Excel
🔓Skills that need to be mastered
1. Statistical knowledge
2. Problem solving skills
3. Programming
4. Analyse & interpret data

✔Data Engineer also known as Data Architect
💡Tools that need to be mastered
1. Python
2. Hadoop
3. NoSQL
🔓Skills that need to be mastered
1. Programming
2. Data mining
3. Database architecture
4. Statistical modeling & regression analysis

📚@BigDataServe

#Structured_Data
#Unstructured_Data
داده ساختار یافته و داده ساختار نیافته!
تفاوت در چیست؟!
📚@BigDataServe

در بسیاری از مباحث داده کاوی، یادگیری ماشین و کلان داده ها، داده ها را می توان به ۲ دسته تقسیم بندی کرد:
۱. داده ساختار یافته (Structured Data)
۲. داده ساختار نیافته (Unstructured Data)
این ۲ نوع داده تفاوت های اساسی باهم دارند و معمولا در عملیات داده کاوی و یادگیری ماشین سعی بر این است که داده های ساختار نیافته را به داده های ساختار یافته تبدیل کرد تا برای ماشین (کامپیوتر) قابل فهم باشد.
حتماً با پایگاه های داده هایی مانند Excel یا SQL Server کار کرده اید. این پایگاه ها معمولا سعی دارند که داده ها را برای کامپیوتر قابل فهم کنند. در واقع داده های ساختار یافته که در Excel یا پایگاه داده ای رابطه ای مانند SQL داریم، داده هایی هستند که می توانیم بر روی آنها عملیات مختلف را با استفاده از الگوریتم های شناخته شده کامپیوتری انجام داد، به این صورت که می گوییم داده ها برای کامپیوتر قابل فهم شده است.
اما داده هایی مانند اخبار روزانه که به صورت متنی هستند یا داده های موجود در فیلم ها و ویدیوهایی که در شبکه های اجتماعی به اشتراک گذاشته می شوند، با نوع قبلی فرق دارند. آنها به خاطر تنوع قادر به نگهداری به صورت ساختار یافته در پایگاه های داده ای نیستند (اگرچه می توان آنها را به صورت خام در یک ستون از پایگاه داده ذخیره کرد). داده هایی مانند ویدیو، تصویر یا متن که بایستی پردازش های اضافه تری بر روی آنها انجام شود و زمان بیشتری می گیرند، داده های ساختار نیافته خواهند بود.
📚@BigDataServe

#Djabgo #web_development #Course
📍دوره رایگان یودمی📍

دوره آشنایی با جنگو برای توسعه وب در یودمی

📂با ثبت نام در این دوره ،به صورت رایگان با پلتفرم جنگو در توسعه وب آشنا شوید و در انتها مدرک آن را دریافت کنید.

https://www.udemy.com/course/django-web-development-crash-course/?couponCode=E0091CB8A92BE39D01FD

❗️لطفا با دوستان خود به اشتراک بگذارید.
_______________
📚@BigDataServe

ثبت نام دوره یادگیری ماشین جهاد دانشگاهی و BigDataServe

⭐️20% تخفیف دانشجویی⭐️

برای آشنایی و کسب اطلاعات بیشتر کلیک کنید.

دوره ی آنلاین : پنجشنبه ها و جمعه ها ساعت ۱۶ الی ۱۸ ،شروع از ۲۲ خرداد
📎برای ثبت نام کلاس های آنلاین کلیک کنید.

دوره ی حضوری : پنجشنبه ها ساعت ۸ الی ۱۴ ،شروع از ۱۹ تیر
📎برای ثبت نام کلاس های حضوری کلیک کنید.

🗞اعطای مدرک معتبر جهاد دانشگاهی قابل ترجمه مناسب برای رزومه و تحصیل در خارج از کشور
📍ظرفیت محدود📍

برای دریافت کد تخفیف و هرگونه سوال به ایدی زیر مراجعه کنید:
@BigDataServe_admin
______________
📚@BigDataServe
www.bigdataserve.com

#AI
امروزه یکی از حوزه هایی که برای ادامه تحصیل و کسب و کار چه در داخل و خارج از کشور مورد توجه قرار گرفته است، هوش مصنوعی (AI) و شاخه های مختلف این علم می باشد. شاخه های گوناگونی از هوش مصنوعی در دانش های رایانه ای مورد استفاده قرار می گیرند.
۷ شاخه اصلی این علم عبارتند از:
۱. یادگیری ماشین (Machine learning)
۲. شبکه های عصبی مصنوعی (Artificial Neural Networks)
۳. بینایی ماشین (Machine Vision)
۴. سامانه های خبره (Expert System)
۵. پردازش زبان طبیعی (NLP)
۶. الگوریتم ژنتیک (GA)
۷. مفاهیم مرتبط با رباتیک (Robotic)

📚@BigDataServe

#Machine_learning #image #Course
📍دوره رایگان یودمی📍

دوره یادگیری ماشین برای تحلیل عکس های هوایی و جغرافیایی در یودمی

📒با ثبت نام در این دوره ،به صورت رایگان با تحلیل و‌ یادگیری ماشین روی داده های جغرافیایی و استخراج الگو از عکس ها آشنا شوید و در انتها مدرک آن را دریافت کنید.

https://www.udemy.com/course/advanced-land-useland-cover-mapping-with-machine-learning/?couponCode=1CF8347DB0A4D96096D8

❗️لطفا با دوستان خود به اشتراک بگذارید.
_______________
📚@BigDataServe

🔷 اگر قصد شرکت در وبینار فردا را دارید، داشتن یک دید کلی از مدل های یادگیری ماشین و به ویژه یادگیری عمیق می تواند برای فهم بیشتر مفاهیم بسیار مفید باشد.

در صورتی که با مفاهیم یادگیری ماشینی آشنایی ندارید پیشنهاد می کنیم ابتدا وبینار های قبلی را مشاهده کنید:

🔵 آشنایی با یادگیری ماشین (Machine learning)

🔵آشنایی با شبکه های عصبی (Neural Networks)



📚 @BigDataServe

#course
#datascience
معرفی ۱۰ دوره محبوب و پر مخاطب در یادگیری علم داده
برای مشاهده هر کدام از دوره ها می توانید روی آن کلیک کنید.

⚬IBM Data Science (coursera)

⚬MIT Data Science & Statistics certificate (edx)

⚬Data Science certification from Harvard University (edx)

⚬Applied Data Science with Python (University of Michigan)

⚬Deep Learning certification (coursera)

⚬Machine Learning certification by Stanford University (coursera)

⚬Tensorflow in Practice (coursera)

⚬Data Science Nanodegree courses (udacity)

⚬Mathematics for Machine Learning (coursera)

⚬Data Science online (Berkeley ExecEd)


📚@BigDataServe

#Database #NoSQL #Course
📍دوره رایگان یودمی📍

دوره پایگاه داده از ابتدا در Udemy

🗳با ثبت نام در این دوره ،به صورت رایگان و کاربردی با انواع پایگاه های داده شامل NoSQL و MongoDB آشنا شوید و در انتها مدرک آن را دریافت کنید.

https://www.udemy.com/course/database-course/?couponCode=PRACTICALDB

❗️لطفا با دوستان خود به اشتراک بگذارید.
___________
📚@BigDataServe

#Unsupervised_Learning
Unsupervised Learning Techniques

⚬Hierarchical Learning
1. deep learning
2. artificial neural network

⚬Data Clustering
1. hierarchical clustering
2. bayesian clustering
3. partitional clustering

⚬Latent Variable Models
1. mixture distribution
2. factor analysis
3. hidden markov model
4. blind signal separation
5. non-negative matrix factorization
6. bayesian networks & probabilistic graph models

⚬Dimensionality Reduction
1. isomap
2. principal curves
3. generative topographic model
4. locally linear embedding
5. nonlinear multi-dimensional scaling
6. t-distributed stochastic neighbor embedding

⚬Outlier Detection
1. nearest neighbor based
2. cluster based technique

⚬Reinforcement Learning
1. multi-agent reinforcement learning
2. reinforcement learning with function approximation
3. model based reinforcement learning
4. q-learning

📚@BigDataServe

ثبت نام دوره یادگیری ماشین جهاد دانشگاهی و BigDataServe

⭐️20% تخفیف دانشجویی⭐️

برای آشنایی و کسب اطلاعات بیشتر کلیک کنید.

دوره ی آنلاین : پنجشنبه ها و جمعه ها ساعت ۱۶ الی ۱۸ ،شروع از ۲۲ خرداد
📎برای ثبت نام کلاس های آنلاین کلیک کنید.

دوره ی حضوری : پنجشنبه ها ساعت ۸ الی ۱۴ ،شروع از ۱۹ تیر
📎برای ثبت نام کلاس های حضوری کلیک کنید.

🗞اعطای مدرک معتبر جهاد دانشگاهی قابل ترجمه مناسب برای رزومه و تحصیل در خارج از کشور
📍ظرفیت محدود📍

برای دریافت کد تخفیف و هرگونه سوال به ایدی زیر مراجعه کنید:
@BigDataServe_admin
______________
📚@BigDataServe
www.bigdataserve.com

#podcast
#datascience
معرفی بهترین پادکست های علم داده
⚬AI Podcast by Lex Fridman
⚬TWIML AI Podcast
⚬Data Stories
⚬Concerning AI Podcast
⚬Data Skeptic
⚬The AI Show
⚬Eyes on AI
⚬AI in Action
⚬Brain Inspired
⚬No Bias
⚬NVIDIA AI Podcast

📚@BigDataServe

#Machine_learning #Rstudio #Course
📍دوره رایگان یودمی📍

دوره کامل یادگیری ماشین در نرم افزار R در Udemy

📑با ثبت نام در این دوره ،به صورت رایگان و کامل با یادگیری ماشین در نرم افزار Rstudio آشنا شوید و در انتها مدرک آن را دریافت کنید.

https://www.udemy.com/course/machine-learning-with-r-studio/?couponCode=JUNEFIR2020

❗️لطفا با دوستان خود به اشتراک بگذارید.
_______________
📚@BigDataServe

#business_intelligence
معماری پیاده سازی هوش تجاری در سازمان شامل ۵ مرحله زیر می باشد:
1.Data Source
2.ETL
3.DWH
4.OLAP
5.Presentation

ابتدا میبایست نوع داده و همچنین منابعی که داده ها از آنها استخراج شده اند را شناخت (با شناخت دقیق داده ها می توان در ادامه کار تحلیل بهتری روی آنها انجام داد). سپس باید داده های مورد نیاز را انتخاب و آنها را برای ادامه فرایند آماده کرد (آماده کردن داده ها می تواند شامل برطرف کردن داده های ناقص، حذف نویز و داده های پرت، یکپارچه کردن داده ها و غیره باشد). در نهایت داده های آماده تحلیل باید در انبار داده بارگذاری شوند. در مرحله ۳، می توان با استفاده از زبان DAX، مدل خود را طراحی کرد و شاخص های کلیدی عملکردی که برای سازمان اهمیت دارند را تعریف نمود. در نهایت در مرحله آخر باید با استفاده از ویژوآل های مناسب، داشبورد و گزارشی که برای مدیران قابل فهم باشد تهیه نمود.

📚@BigDataServe

📚 Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again

🔹 دنیای پزشکی در حال تغییر به وسیله ی هوش مصنوعی است و کسانی که زود تر از این تغییر آگاه شوند و با آن همسو شوند آینده ی دنیای پزشکی را خواهند ساخت.

این کتاب شامل نگاهی است به طرز کار و دستاورد های یادگیری عمیق در حوزه ی سلامت، بهداشت و درمان.

🔹 @BigDataServe

🩺 کتاب: Deep Medicine
✒️ نویسنده: Eric Topol

📚 @BigDataServe

#Python #programming #Course
📍دوره رایگان یودمی📍

برای آشنایی با نرم افزار پایتون به شکل جذاب و کاربردی پیش از شروع دوره یادگیری ماشین، می توانید در آن ثبت نام کنید

Automate the Boring Stuff with Python Programming free only for 4 hours

تا ۴ ساعت آینده میتونید به صورت رایگان درس Automate the Boring Stuff با زبان پایتون رو از udemy تهیه کنید

udemy.com/course/automate/?couponCode=JUN2020FREE2

❗️لطفا با دوستان خود به اشتراک بگذارید.
______________
📚@BigDataServe

#datamining
#statistics
مقاله ای از جناب آقای علی چگینی دانشجوی کارشناسی ارشد دانشگاه علم و صنعت در خصوص داده کاوی
www.ali-chegini.com

📚@BigDataServe

#datascience #Pythson #R #Course
📍دوره رایگان یودمی📍

دوره دیتاساینس۲۰۲۰ (بخش پایتون و آر)

🗂برای آشنایی با علم داده و آشنایی با کاربردهای پایتون و ار در این زمینه پیش از شروع دوره یادگیری ماشین، می توانید در آن ثبت نام کنید.

https://www.udemy.com/course/programming-python-and-r-with-data-science/?couponCode=ANNIVERSARYGIFT4

❗️لطفا با دوستان خود به اشتراک بگذارید.
____
📚@BigDataServe