و این پیج هم برای آشنایی کلی PyCham
https://www.kdnuggets.com/2019/05/pycharm-data-scientists.html

#IDE #Pythn #PyCharm

پایتون متوسط

برای ادامه نیاز به دانش بیشتری تو زمینه پایتون هست، نکاتی که به طور متوسط بهش احیاج داریم رو نوشتم:

شروع کار با pandas، کارهای اولیه دستکاری داده و data frameها، بارگذاری اولیه داده ها، بحث های اولیه آماری
نمایش داده ها در چارت های مختلف با Mathplotlib و Plotly
کار با کتابخانه Seaborn برای نمایش
انجام انواع تست های فرضیه (Hypothesis Test) با pandas مثل [t-tests, proportion tests, chi-square tests , . . .]
#Python #پایتون #پایتون_متوسط
@DataHobbies

یه خلاصه تمییز و مرتب از pandas برای مرور سریع

#پایتون
#Python #Pandas
@DataHobbies

به نظرم دوره پایتون پیشرفته جادی، برای این سطح مناسبه 👌

https://maktabkhooneh.org/course/%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D8%A8%D8%A7-%D9%BE%D8%A7%DB%8C%D8%AA%D9%88%D9%86-%D9%BE%DB%8C%D8%B4%D8%B1%D9%81%D8%AA%D9%87-mk387/

#پایتون #python
@DataHobbies

https://www.labri.fr/perso/nrougier/from-python-to-numpy/#id7

#پایتون_متوسط #پایتون #python
@DataHobbies

https://docs.scipy.org/doc/scipy/reference/?v=20170402183812


#پایتون_متوسط #پایتون #python
@DataHobbies

https://matplotlib.org/1.5.1/api/pyplot_summary.html

#پایتون_متوسط #پایتون #python
@DataHobbies

و انواع سورس های آموزشی پایتون که برای دیتاساینس ها تهیه شده میتونه مفید باشه

تو این سطح انتظار میره دیگه با انواع دستورات پایتون، شی گرایی و برنامه نویسی آشنا باشین با انواع روش های جمع آوری داده، تمییز کردن داده، پیش پردازش و نمایش داده ها رو بتونین انجام بدین و همینطور برای کارهای آماری و ریاضی مربوطه تسلط کافی پیدا کرده باشین

https://www.youtube.com/dataschool
اینم یکی از چنل های خوب یوتیوب 👌
#پایتون #Python
@DataHobbies

https://github.com/stevekwon211/Hello-Kaggle-Guide
این پیج توضیحات نحوه استفاده و ارتباط با سایت کگل خیلی خوب گفته
#kaggle #dataset
@DataHobbies

پایتون پیشرفته!
بهتره شروع آموزش پایتون پیشرفته رو با آموزش ماشین لرنینگ ادغام کنیم و به فراخور اینکه میخوایم چه کاری انجام بدیم آموزش پایتونمون ادامه بدیم.
اینم یه لیست مختصر از الگوریتم هایی که تو فریم ورک Scikit-Learn وجود داره:
Linear Regression
Logistic Regression
Decision Tree
Gradient Descent
Random Forest
Ridge and Lasso Regression
Naive Bayes
Support Vector Machine
KMeans Clustering


#python #advanced_python
#پایتون #پایتون_پیشرفته
@DataHobbies

برای شروع آموزش ماشین لرنینگ این چنل خوب AI آموزش ماشین Andrew Ng رو گذاشته

https://www.youtube.com/playlist?list=PLLssT5z_DsK-h9vYZkQkYNWcItqhlRJLN

#یادگیری_ماشین #ماشین_لرنینگ
#Machine_Learning #Andrew_Ng
@DataHobbies

دوره ماشین لرنینگ Andrew Ng تو سایت کورسرا هم با زیرنویس فارسی موجوده



https://www.coursera.org/specializations/machine-learning-introduction

این دوره ماشین لرنینگ رایگان IBM هم خیلی خوبه 👌
https://www.coursera.org/learn/machine-learning-with-python?specialization=ibm-data-science&utm_source=gg&utm_medium=sem&campaignid=1876641588&utm_campaign=10-IBM-Data-Science-US&utm_content=B2C&adgroupid=117357906417&device=c&keyword=&matchtype=&network=g&devicemodel=&adpostion=&creativeid=507196710149&hide_mobile_promo&gclid=CjwKCAiAk--dBhABEiwAchIwkeKxb3MYupwZIqXlI2agTDZNC2U8PTnCHGQIoR6wHRRCO-JlY7JKWRoCP6AQAvD_BwE


#یادگیری_ماشین #ماشین_لرنینگ
#Machine_Learning
@DataHobbies

مهم ترین کتابخانه های پایتون برای دیتا ساینس ها
@DataHobbies

بعد از ماشین لرنینگ کلاسیک، موارد تکمیلی تر هم احتیاجه مثله:
Measuring Accuracy
Bias-Variance Trade-off
Applying Regularization
Elastic Net Regression
Logistic Regression
Predictive Analytics
Exploratory Data Analysis
Hypothesis testing in machine learning


#یادگیری_ماشین #ماشین_لرنینگ
#Machine_Learning
@DataHobbies

برای ادامه چندین شاخه وجود داره که باید به فراخور علاقه و نیازمون تو یکی ازین زمینه ها وارد شیم. مثلا
پردازش زبان طبیعی Natural Language Processing
بینایی ماشین Computer Vision
یادگیری تقویتی Reinforcement Learning
یادگیری عمیق Deep Learning
و . . .
تو پست های بعدی منابع و مسیرهای پیشرفت هر کدوم توضیح میدم🙂

#Machine_Learning
#ماشین_لرنینگ #یادگیری_ماشین
@DataHobbies

یکی از مسائلی که اهمیت زیادی داره، بحث Visualization یا بصری سازیه و افراد تو پوزیشن های شغلی مختلف مرتبط با داده، ارائه داشبوردهای مدیریتی نیازشون میشه.
داشبوردها یکی از قدرتمندترین ابزارهایی که میتونیم با استفاده ازونها با ذینفعان و فعالین بیزینس ارتباط بگیریم، نتایج و خروجی تحلیل ها رو نمایش بدیم و با افرادی که خیلی درکی از جزئیات اجرا ندارن و قرار استفاده کننده نهایی باشن ارتباط برقرار کنیم.

ابزارهای بصری سازیه متفاوتی وجود داره، مثل Oracle BI، Power BI، Tableau، Click View و . . .

به نظرم اگر با حوزه طراحی داشبوردها آشنایی ندارین، تو تیم و مجموعه خاصی نیستین که الان در حال استفاده از ابزار خاصی باشن و خودتون تازه میخواین شروع کنین، Power BI برای شروع گزینه خوبیه

#بصری_سازی #پاور_بی_آی
#Power_BI #Visualization
@DataHobbies

با دیدن یه فیلم چند ساعته از Power BI میشه یه دید کلی به دست آورد و به فراخور نوع نیازمون یه پروژه رو شروع کنیم. مسائلی مثل اینکه درک کنیم بحث دیتامدل ها چطور انجام میشه، قسمت های مختلف ابزار چطور استفاده میشه و . . .
وگرنه اینکه کدوم ویژوال ها برای چه کاربردی استفاده میشن، طراحی به چه صورت باشه کاربرپسندتره و اینها یه سری شناخت مفهومی میخواد و یه جاهایی واقعا نیاز به UI/UX Developer داریم.
برای شروع و دید کلی گرفتن، دیدن یکی از ویدویهای زیر رو پیشنهاد میکنم:

#بصری_سازی #پاور_بی_آی
#Power_BI #Visualization
@DataHobbies

https://www.youtube.com/watch?v=5X5LWcLtkzg
#بصری_سازی #پاور_بی_آی
#Power_BI #Visualization
@DataHobbies