#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

🎯 آینده شغلی خود را تضمین کنید.

💯 دوره آموزش یادگیری عمیق و هوش تجاری
📋اعطای مدرک معتبر و قابل ترجمه جهاد دانشگاهی جهت ورود به بازار کار و ادامه تحصیل در خارج از کشور
✅همراه با مثال های کاربردی و مناسب بازار کار ایران
🎁ارائه فیلم جلسات
📌اطلاعات تکمیلی دوره و ثبت نام
http://www.armanbehnam.com/about-me/education/jd-dl-bi

📚@BigDataServe

#business_intelligence
#dashboard
🔻داشبورد مدیریتی چیست؟!
یکی از نیازهای امروز مدیران و کاربران، طراحی و استفاده از داشبوردهای مدیریتی با کمک نرم افزارها و ابزارهای فنی همچون Excel، Power BI و Tableau است. هر سازمان بزرگ و کوچک در هر جایگاهی از کسب و کارش هزاران دلیل دارد تا با قدرت بخواهد موقعیت فعلی خود را حفظ کند و برای رسیدن به این مهم باید قبل از هر چیز داده های موجود در منابع اطلاعاتی خود را پاکسازی و آماده کند تا بتواند با مصورسازی داده ها نظارت خوبی بر روند فعالیت های خود داشته باشد.
📚@BigDataServe

#business_intelligence
#dashboard

🔻به هرگونه مصورسازی و نمایش گرافیکی داده های مهم سازمان و یا یک کسب و کار در یک صفحه با نظم و طراحی مشخص و البته هدفدار شامل مجموعه ای از عناصر گرافیکی که قادر به اتصال دائمی (Direct Query) به منبع اصلی داده هستند، داشبورد گفته می شود.

🔻در تعریف دیگری از داشبورد داریم که در سیستم های اطلاعات مدیریت، داشبورد ارائه گرافیکی مهم ترین اطلاعات موردنیاز برای رسیدن به یک یا چند هدف مشخص است که در یک صفحه با دقت و نظم چیده شده اند تا مدیران بتوانند با یک نگاه وضعیت موجود را نظارت کنند.

📚@BigDataServe

کد تخفیف ۱۵ درصدی ویژه اعضای کانال
EJ6PHP

#multi_task_learning #meta_learning #deep_learning #meta_learning
part: 10/14

⚪️ Stanford CS330: Multi-Task and Meta-Learning, 2019 | Lecture 10 - Jeff Clune (Uber AI Labs)






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

قسمت دهم - سخنرانی جف کلون

📚@BigDataServe

#business_intelligence
#dashboard
🔻تفاوت داشبورد و گزارش در چیست؟!
🔸داشبوردها در تجزیه و تحلیل کردن داده ها و ارائه اطلاعات جهت رسیدن به اهداف کسب و کار بسیار کارآمد هستند. با داشبورد اتفاق های رخ داده در سازمان را در کمترین زمان می توان نظارت کرد و بر اساس آنها تصمیمات موثر و بهینه ای را اتخاذ نمود.
🔸اما بررسی کردن گزارش های سنتی به زمان بیشتری نیاز دارد. در نتیجه گزارش های سنتی برای نظارت سریع و تصمیم گیری مورد استفاده قرار نمی گیرند بلکه برای دیدن جزئیات بیشتر کارها و بررسی جزئی تر قابل استفاده می باشند.
📚@BigDataServe

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

قسمت بیست و دوم - انتخاب ویژگی با استفاده از تکنیک Feature Importance (قسمت دوم)

📚@BigDataServe

#cheatsheet
#python
چیت شیت مقدمات زبان برنامه نویسی پایتون
📚@BigDataServe

#business_intelligence
#dashboard
🔸برخی از مزایای استفاده از داشبوردهای مدیریتی

🔻ارائه تصویری کارآمد از عملکرد سیستم
🔻ایجاد توانایی در شناسایی و تصحیح روندهای منفی
🔻قابلیت اندازه گیری کارآمدی و ناکارآمدی سیستم
🔻توانایی در تولید گزارش های جزئی از روندهای جدید
🔻توانایی تصمیم گیری آگاهانه تر بر اساس اطلاعات کسب و کار جمع آوری شده
🔻ذخیره زمان در ایجاد گزارش های سازمانی
🔻ایجاد تراز بین استراتژی ها و اهداف سازمانی
🔻ایجاد دید کلی و سریع از عملکرد سیستم
🔻نظارت بر عملکرد سازمان ها و واحدها
🔻کمک به تصمیم گیری سریع تر و بهتر
🔻نمایش وضعیت کل سازمان در یک نگاه
🔻دسترسی سریع به اطلاعات از مجموعه چند منبع

📚@BigDataServe

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

قسمت بیست و سوم - الگوریتم طبقه بندی چند کلاسه

📚@BigDataServe

#business_intelligence
#dashboard

🔸داشبوردها به طور کلی به چهار دسته تقسیم می شوند:
🔻داشبوردهای استراتژیک
🔻داشبوردهای تحلیلی
🔻داشبوردهای عملیاتی
🔻داشبوردهای تاکتیکی

📚@BigDataServe

#business_intelligence
#dashboard

🔻داشبوردهای استراتژیک غالباً به منظور مقایسه وضعیت سازمان با اهداف استراتژیک مورد استفاده قرار می گیرند. این داشبوردها امکان بازبینی کلی و سریع از وضعیت کنونی سازمان را فراهم کرده و به مدیران برای تصمیم گیری های اجرایی مانند تنظیم اهداف کوتاه مدت، میان مدت و بلند مدت کمک شایانی می کند. این داشبوردها با استفاده از اطلاعات دوره ای تهیه می شوند.

🔻داشبوردهای تحلیلی همانطور که از نامشان پیداست با آنالیز اطلاعات مدیریت را در اتخاذ تصمیم یاری می دهند. این داشبوردها شامل بازبینی و مقایسه اطلاعات سنواتی و ارزیابی عملکرد سازمان می باشند. با در اختیار داشتن یک داشبورد تحلیلی، مدیر به آسانی درک صحیحی از وضعیت موجود و دلایل آن را در اختیار خواهد داشت. به عنوان مثال با استفاده از یک داشبورد تحلیلی می توان مشخص کرد که چرا اهداف واحد فروش محقق نشده، چه مشکلاتی دستیابی به این اهداف را ناممکن نموده است و غیره.

🔻داشبوردهای عملیاتی به پایش کارکردهای حیاتی سازمان پرداخته و این امکان را برای مدیران فراهم می کنند تا از وضعیت چنین کارکردهایی در هر لحظه مطلع باشند. این داشبوردها از اطلاعات آماری استفاده نمی کنند و تحلیل و آنالیزی بر عهده ندارند. یک داشبورد عملیاتی خوب در هر لحظه، سریع و قابل اجرا است. چنین داشبوردهایی بیشتر توسط مدیران بخش های مختلف سازمان استفاده می شوند تا در سطوح اجرایی.

🔻داشبوردهای تاکتیکی در تجزیه و تحلیل و نظارت بر فرایندهای انجام شده توسط مدیران سطح میانی مورد استفاده قرار می‌گیرند. سپس یک سازمان به طور مؤثر عملکرد شرکت نسبت به هدف را ردیابی می‌کند و توصیه‌های تحلیلی را برای استراتژی‌های آینده ارائه می‌دهد. سطح جزئیات داشبوردهای تاکتیکی بین داشبوردهای استراتژیک و عملیاتی قرار دارد.

📚@BigDataServe

#DataScience #دانشمند_علم‌_داده

✅در این گزارش، شرح وظایف مشاغلی مانند: دانشمند داده، مهندس یادگیری ماشینی، تحلیلگر داده، مهندس نرم افزار به صورت تفکیک شده مورد بررسی قرار گرفته است.

📚@BigDataServe