#machinelearning
#scikit_learn
🔸دوره آموزش یادگیری ماشین با کتابخانه Scikit-learn

قسمت شانزدهم - ایجاد داده های آموزش و آزمایش و انتخاب مدل

📚@BigDataServe

#article
مقاله رویکرد مبتنی بر داده کاوی در مدیریت ارتباط با مشتری و بازاریابی

📚@BigDataServe

📣 دوره آنلاین جامع یادگیری عمیق و هوش تجاری جهاد دانشگاهی علم و صنعت

📌۸۵ ساعت آموزش به همراه رفع اشکال و پرسش و پاسخ با اساتید دوره

⏰کد ۱: پنجشنبه ها و جمعه ها ۹ تا ۱۲
⏰کد ۲: پنجشنبه ها و جمعه ها ۱۵ تا ۱۸

📅 ۸ آبان ماه لغایت ۱۶ بهمن ماه ۱۳۹۹

🔐انجام پروژه های واقعی متناسب با بازار کار

📋مدرک معتبر و قابل ترجمه جهاد دانشگاهی جهت ورود به بازار کار و ادامه تحصیل در خارج از کشور

🎁 بازگشت شهریه نفر اول دوره

🔴برای کسب اطلاعات بیشتر پیرامون دوره، کدهای تخفیف، رزومه اساتید و ریز سرفصل ها میتوانید به لینک زیر مراجعه فرمایید:
http://www.armanbehnam.com/about-me/education/jd-dl-bi

🔴 لینک ثبت نام کد ۱ پنجشنبه ها و جمعه ها ۹ تا ۱۲
http://www.jdrouyesh.ir/reg?rgn=41&cls=343246

🔴 لینک ثبت نام کد ۲ پنجشنبه ها و جمعه ها ۱۵ تا ۱۸
http://www.jdrouyesh.ir/reg?rgn=41&cls=343247

📚@BigDataServe

#course #coursera #deeplearning
📒اگر به دنبال آموختن یادگیری عمیق برای پردازش تصویر و کاربردهای آن شامل تشخیص و شناسایی صورت، شناسایی پلاک خودرو، تشخیص اشیا از هم و ... هستیم، به سراغ دوره مناسبی در این زمینه یعنی دوره شبکه های عصبی کانوولوشنی سایت کورسرا می رویم که مفاهیم و مراحل را به خوبی گفته و مقالات اخیر را هم بررسی کرده و آن ها را آموزش داده است.

برای شناخت بیشتر این دوره و این زمینه به صفحه زیر بروید.
http://www.armanbehnam.com/about-me/education/coursera-cnn/
📍محتوای این پست در لینکدین :
https://plink.ir/yj6PQ
🔎 اسلاید ها و کدها در گیت هاب :
https://plink.ir/IsD78
___________
📚@BigDataServe

#machinelearning
#scikit_learn
🔸دوره آموزش یادگیری ماشین با کتابخانه Scikit-learn

قسمت هفدهم - انتخاب ویژگی با استفاده از تکنیک Feature Importance

📚@BigDataServe

#book
#machinelearning
📖کتاب راهنمای جامع یادگیری ماشین

🧷این کتاب که توسط سروش نصیریانی ، گرت توماس و ویلیام وانگ در سال ۲۰۱۸ چاپ شده است ، به شکل جامع در رابطه با انواع مدل های یادگیری ماشینی شامل رگرسیون، شبکه های عصبی، طبقه بندی، خوشه بندی، درخت تصمیم و یادگیری عمیق توضیح داده و تمامی مبانی ریاضی آن ها را مرور کرده است.

💡کسانی که علاقمند به یادگیری مفاهیم الگوریتم ها و مبانی ریاضی آن ها می باشند، این کتاب به شکل بسیار مفیدی این مطالب را ارائه کرده است.

📚@BigDataServe

#business_intelligence
#ETL

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

#machinelearning
#scikit_learn
🔸دوره آموزش یادگیری ماشین با کتابخانه Scikit-learn

قسمت هجدهم - تعریف نقاط برش در الگوریتم درخت تصمیم

📚@BigDataServe

#book
#R
کتاب "داده کاوی با R به همراه تحلیل شبکه های اجتماعی و متن کاوی"
تالیف دکتر بابک تیمورپور
📚@BigDataServe

#business_intelligence
#datawarehouse
🔸تفاوت پایگاه داده و انبار داده در چیست؟
🔺وظیفه اصلی سیستم های پایگاه داده، پشتیبانی از تراکنش های آنلاین و پردازش پرس و جو است. این سیستم ها، سیستم پردازش تراکنش آنلاین یا OLTP System نامیده می شوند و بیشتر عملیات روزمره یک سازمان را پوشش می دهند.
🔺از سوی دیگر انبار داده که به عنوان نوع خاصی از پایگاه داده معرفی می شود به کاربران خدماتی در نقش تحلیلگر داده و تصمیم گیرنده ارائه می دهد. چنین سیستمی قادر است داده ها را در قالب های گوناگون برای هماهنگی با نیازهای مختلف کاربران، سازماندهی کرده و ارائه دهد. این سیستم ها با نام سیستم های پردازش تحلیلی آنلاین یا OLAP System شناخته می شوند.

📚@BigDataServe

#business_intelligence
#datawarehouse

🔸تفاوت بین پایگاه داده و انبار داده را می توان از جنبه های زیر مورد بررسی قرار داد:

🔺مدل داده: از لحاظ مدل های داده ای، پایگاه داده برای مدل OLTP بهینه سازی شده که بر اساس مدل های رابطه ای امکان پردازش تعداد زیادی تراکنش هم روند که اغلب حاوی رکوردهای اندکی هستند را دارد. اما در انبار داده که برای پردازش تحلیلی آنلاین طراحی شدند امکان پردازش تعداد کمی پرس و جو پیچیده بر روی تعداد بسیار زیادی رکورد داده فراهم می شود. سرورهای OLAP هم می توانند رابطه ای باشند (Relational OLAP) و هم چند بُعدی باشند (Multi Dimensional OLAP).

🔺کاربران: از لحاظ کاربران، کاربران پایگاه داده کارمندان دفتری و مسئولان هستند در حالیکه کاربران انبار داده مدیران و تصمیم گیرندگان سازمان هستند.

🔺عملیات قابل اجرا: از لحاظ عملیات قابل اجرا بر روی آنها، عملیاتی که بر روی پایگاه داده ها صورت می گیرد عموماً شامل عملیات به هنگام سازی است در حالیکه عمل خواندن از انبار داده، عمده عملیات قابل اجرا بر روی انبار داده را تشکیل می دهد.

🔺مقدار داده: از لحاظ مقدار داده، مقدار داده های یک پایگاه داده در حدود چند مگابایت تا چند گیگابایت است در حالیکه این مقدار در یک انبار داده در حدود چند گیگابایت تا چند ترابایت می باشد.

📚@BigDataServe

#business_plan
📣گروه آموزشی شرکت بین المللی برسا صنعت یزد برگزار می کند:

📌دوره آموزشی تدوین طرح کسب و کار

🔐بیزینس پلن سندی است که استراتژی‌ها، اهداف آینده، نقاط قوت و ضعف اعضای تیم یک شرکت (یا شرکت جدید) و رقبا را در نظر گرفته و تحلیلی از وضع موجود کسب‌و‌کار و فرصت‌های بهبود را تشریح می‌کند. خروجی بیزینس‌پلن که طرح کسب‌وکار نامیده می‌شود، استراتژی کاهش فاصله وضع موجود و وضع مطلوب خواهد بود.

📎مخاطبان دوره: صاحبان ایده و صاحبان کسب و کارهای نوپا
💻آموزش آنلاین و به صورت ورکشاپ
🔖به همراه ارائه گواهی نامه شرکت در دوره
📆زمان برگزاری: آبان ماه ۱۳۹۹ با هماهنگی شرکت کنندگان
👤مدرس: خانم مهندس زحمتکش
مدیر دپارتمان نگهداشت مشتریان پذیرش ۲۴ واحد یزد

📚@BigDataServe

#book #Reiforcement_learning

📗کتابی مفید برای آشنایی با مبانی ریاضی و آماری یادگیری تقویتی و یادگیری پیش زمینه های مورد نیاز آن
___________
📚@BigDataServe

#multi_task_learning #meta_learning #deep_learning #meta_learning
part: 9/14

⚪️ Stanford CS330: Multi-Task and Meta-Learning, 2019 | Lecture 9 - Lifelong Learning





دوره متا لرنینگ دانشگاه استنفورد:
این دوره شامل مباحث پیشرفته ی deep learning و reinforcement learning است

قسمت نهم - یادگیری مادام العمر

📚@BigDataServe

#machinelearning
#scikit_learn
🔸دوره آموزش یادگیری ماشین با کتابخانه Scikit-learn

قسمت نوزدهم - معرفی الگوریتم Dummy Classifier

📚@BigDataServe

#business_intelligence
#datawarehouse
💡مدل های انبار داده: از منظر معماری انبار داده، ما سه مدل انبار داده داریم.
🔸انبار داده مجازی
🔸دیتا مارت
🔸انبار داده سازمانی

🔻انبار داده مجازی: تعداد کمی از انبار داده های عملیاتی به عنوان انبار داده مجازی شناخته می شوند و ساخت آن نیازمند به یک ظرفیت مازاد بر روی سرورهای پایگاه داده های عملیاتی هستند.
🔻دیتا مارت: شامل یک زیر مجموعه از داده های سازمانی است. این زیر مجموعه از داده ها حاوی داده های خاصی برای یک گروه یا واحد خاص از سازمان است. مثلا دیتا مارت بازاریابی ممکن است حاوی اطلاعات مربوط به مشتریان، اقلام و فروش باشد و نهایتاً این که دیتا مارت ها به موضوعات محدود می شوند.
🔻انبار داده های سازمانی: یک انبار داده سازمانی، همه اطلاعات و موضوعاتی که در کل سازمان جود دارد را جمع آوری می کند. این نوع انبار داده، داده های سراسر سازمان را به صورت یکپارچه در اختیار ما قرار می دهد. داده ها از سیستم های عملیاتی داخلی و تأمین کنندگان اطلاعات خارجی فراهم می آید و نهایتاً اینکه در این نوع از انبار داده، حجم اطلاعات می تواند تا چند ترابایت و حتی فراتر باشد.

📚@BigDataServe

#Recommendationـsystem
📈 سیستم توصیه‌گر

🔴این سیستم از مهمترین ابزار خرده‌فروشی است و خرده‌فروشان به وسیله این سیستم مشتریان را به سمت خرید سوق می‌دهند. این سیستم به خرده‌فروشان کمک میکند که فروششان را افزایش دهند و روند را به مشتریان خود دیکته میکنند.

🟣 این سیستم چگونه کار میکند؟
این سیستمها از الگوریتمهای یادگیری ماشین و یادگیری عمیق استفاده میکنند. آنها راهی را طراحی کرده‌اند که می‌توانند رفتار خرید آنلاین مشتریان را ردیابی و الگوها را تحلیل کنند و براساس این داده‌ها به مشتریان پیشنهاداتی دهند.

🟡 مثلا نتفلیکس براساس فیلمهایی که شما نگاه میکنید پیشنهادهایی به شما می دهد. همچنین آمازون براساس جستجو های شما و تاریخچه خرید شما، محصولات و تخفیفات مناسب را به شما پیشنهاد می دهد. در طول این فرآیند از داده ها و الگوریتم‌های یادگیری ماشین استفاده میشود.
_____
📚@Bigdataserve

#machinelearning
#scikit_learn
🔸دوره آموزش یادگیری ماشین با کتابخانه Scikit-learn

قسمت بیستم - مقایسه الگوریتم Dummy Classifier و DecisionTree Classifier با استفاده از یک دیتاست ساختگی

📚@BigDataServe

#book
#python
کتاب آموزش زبان برنامه نویسی پایتون
انتشارات دامیز
📚@BigDataServe

#business_intelligence
#datawarehouse

🔐طراحی انبارداده و لایه های مختلف معماری آن
امروزه طراحی انبارداده بر اساس متدهای جدید از دغدغه های کارشناسان خبره حوزه دیتا می باشد.

در این قسمت به معرفی لایه های مختلف انبارداده می پردازیم.

🔻لایه پایینی: سرور معماری انبارداده، شامل سرور پایگاه داده رابطه ای است که از ابزارهای Back-End و دیگر ابزارهای کاربردی برای انتقال اطلاعات از منابع مختلف داده ای مانند پایگاه داده های تراکنشی (OLTP) و غیره به لایه پایینی استفاده می شود. این ابزارهای کاربردی و ابزارهای Back-End عملگرهای Load، Clean، Extract و Refresh را انجام می دهند.

🔻لایه میانی: لایه میانی یک سرور OLAP را در اختیار دارد که به وسیله آن داده ها را به یک ساختار مناسب تر تبدیل می کند تا بتوان به کوئری های پیچیده بر روی داده ها و تحلیل آنها دسترسی داشت. این سرور به دو روش می تواند کار کند:
Relational OLAP
Multidimensional OLAP

🔻لایه بالایی: لایه بالایی، لایه Client یا Front-End است. این لایه، ابزارهایی را برای استفاده در زمینه تجزیه و تحلیل داده، گزارش گیری و داده کاوی فراهم می آورد.

📚@BigDataServe

#machinelearning
#scikit_learn
🔸دوره آموزش یادگیری ماشین با کتابخانه Scikit-learn

قسمت بیست و یکم - مقایسه بین شماری از الگوریتم های طبقه بندی یادگیری ماشین

📚@BigDataServe