#Machine_Learning
#Linear_Regression
Source: www.Lynda.com
Part 13/47
دوره آموزش مبانی یادگیری ماشین و هوش مصنوعی
💡رگرسیون چندگانه
قسمت سیزدهم - نمودار باقیمانده ها (Residuals Plot)

📚@BigDataServe

#book #jupyter
فایلی جامع راجع به کاربرد و نحوه استفاده از پلتفرم ژوپیتر برای پایتون
___________
📚@BigDataServe

#AI #beyesian_networks
part: 14/19

⚪️ Lecture 14: Bayesian Networks 2 - Forward-Backward | Stanford CS221: AI (Autumn 2019)



دوره هوش مصنوعی دانشگاه استنفورد
قسمت چهاردهم- شبکه بیزی


📚@BigDataServe

#book
#r
کتاب آموزش محاسبات آماری با استفاده از نرم افزار R

📚@BigDataServe

#python #python3 #Course
📍دوره رایگان یودمی📍

دوره آموزش Python3؛ این دوره معروف ترین دوره ی یودمی در زمینه ی برنامه نویسی پایتون است و مباحث مفیدی در آن پوشش داده می شود

🧷مباحث این دوره:
Python3 basics, web development, web scraping, pyQT, OOP,...

https://www.udemy.com/course/python-complete/?couponCode=F5A851B1116F5AA890DD


⚠️ این دوره برای مدت محدود به صورت رایگان عرضه شده است.

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

#datamining
Source: www.Lynda.com
Part 14/53
دوره آموزش اصول و مبانی علم داده
قسمت چهاردهم - خوشه بندی داده با استفاده از نرم افزار R

📚@BigDataServe

Linear and Nonlinear Programming

📖 #Book


توضیح کتاب:
"Linear and Nonlinear Programming" is considered a classic textbook in Optimization. While it is a classic, it also reflects modern theoretical insights. These insights provide structure to what might otherwise be simply a collection of techniques and results, and this is valuable both as a means for learning existing material and for developing new results. One major insight of this type is the connection between the purely analytical character of an optimization problem, expressed perhaps by properties of the necessary conditions, and the behavior of algorithms used to solve a problem. This was a major theme of the first and second editions. 


📚 @BigDataServe

Linear And Nonlinear Programming


📖 #Book
🖼 #Programming

📚 @BigDataServe

#Machine_Learning
#Linear_Regression
Source: www.Lynda.com
Part 14/47
دوره آموزش مبانی یادگیری ماشین و هوش مصنوعی
💡رگرسیون چندگانه
قسمت چهاردهم - Regression Assumptions Summary

📚@BigDataServe

همه ما کم و بیش با ETL به عنوان یکی از گام های معماری پیاده سازی هوش تجاری در سازمان و کسب و کار آشنا هستیم.
در فرایند ETL داده ها از منابع مختلف جمع آوری شده و پس از تغییرات و تبدیلات مورد نیاز، در انبار داده بارگذاری می شوند. مفهوم Extract و Transform و Load همین است. اما فرآیندی که با ترتیب استخراج، پالایش و بارگذاری انجام می شود ممکن است در مورد داده های حجیم (BigData) به مشکل برخورد کند. در فرایند ELT قسمت بارگذاری و پالایش جابجا شده است. در واقع داده ها از منابع مختلف ابتدا در انبار داده بارگذاری می شوند و سپس در آنجا اگر نیاز باشد عملیات پالایش روی آنها انجام می شود. داده هایی که به صورت NoSQL ذخیره شدند و حجم بالایی دارند، معمولا از روش ELT استفاده می کنند.

📚@BigDataServe

#database #data_warehouse
انبار داده چیست؟
انـبـار داده بـه مجـموعـه‌ای از داده‌هــا گفـتـه می‌شود که از منابع مختلف اطلاعاتی سازمان جمع‌آوری، دسته‌بندی و ذخیره می‌شود

در لینک زیر اطلاعاتی در این مورد قرار داده ام.
http://www.armanbehnam.com/about-me/education/what-is-dw/
📍محتوای این پست در لینکدین :
https://plink.ir/SscW8
___________
📚@BigDataServe

#AI #beyesian_networks
part: 15/19

⚪️ Lecture 15: Bayesian Networks 3 - Maximum Likelihood | Stanford CS221: AI (Autumn 2019)



دوره هوش مصنوعی دانشگاه استنفورد
قسمت پانزدهم- شبکه بیزی


📚@BigDataServe

#book #Machine_Learning

📓An introduction to Machine Learning
کتابی جامع و مفید جهت یادگیری مفاهیم و روش های ماشین لرنینگ

📚@BigDataServe

#book #Data_mining

📓Principles of Data Mining
کتابی مفید در زمینه استخراج داده

📚@BigDataServe

#data #data_structure

🔗اینکه از دل داده ها و اطلاعات خام چه چیزی عرضه شود،بسیار مهم و تاثیر گذار است

🔵- مجموعه ای از داده ها را می توان به شکل خام نمایش داد که پر از درهم ریختگی و عدم تناسب می باشد.
🔴- می توان به شکل بسیار ساده بدون توجه به ذات داده ها ان را مرتب نمود و نمایش داد....بسیاری از مفاهیم و نکته هایی که در دل این اطلاعات وجود دارد،با این شیوه بیان نمی شود.
🟡- می توان داده هارا مرتب کرد و نمایش داد که در هم ریختگی ذاتی داده ها بازهم مشهود است و علی رغم کار زیاد بر روی داده ها خروجی مناسبی به ما نمی دهد.
🟢-می توان داده ها را به بهترین شکل و با توجه به ویژگی ها و توزیع آن ها مصور سازی نمود و اطلاعات و الگوهای نهفته بسیاری از دل آن ها پیدا کرد...

___
📚@BigDataServe

#datamining
Source: www.Lynda.com
Part 15/53
دوره آموزش اصول و مبانی علم داده
قسمت پانزدهم - خوشه بندی داده با استفاده از نرم افزار پایتون

📚@BigDataServe

Linear Algebra

📖 #Book


توضیح کتاب:
This self-contained textbook takes a matrix-oriented approach to linear algebra and presents a complete theory, including all details and proofs, culminating in the Jordan canonical form and its proof. Throughout the development, the applicability of the results is highlighted. Additionally, the book presents special topics from applied linear algebra including matrix functions, the singular value decomposition, the Kronecker product and linear matrix equations.

📚 @BigDataServe

Linear Algebra

📖 #Book
📊 #Linear_Algebra

📚 @BigDataServe

#AI #logic
part: 16/19

⚪️ Lecture 16: Logic 1 - Propositional Logic | Stanford CS221: AI (Autumn 2019)



دوره هوش مصنوعی دانشگاه استنفورد
قسمت شانزدهم- منطق


📚@BigDataServe

#datascience
تمامی نکاتی که میتواند به شما در مسیر تبدیل شدن به یک دانشمند داده و همچنین یافتن شغل در این حوزه کمک کند!

📚@BigDataServe