سلام دوستان، چون کانال تازه افتتاح شده، سعی کردیم تو پست‌های اولی که می‌گذاریم یه تعریف هم از علم داده‌ها داشته باشیم.
علم داده‌ها چیست؟

تعریف اول:
علم داده‌ها (Data Science) یک حوزه میان رشته‌ای است که از روش‌ها، فرآیندها، الگوریتم‌ها و سیستم‌های علمی برای استخراج دانش و بینش از داده‌های آلوده به نویز، ساختاریافته و بدون ساختار استفاده می‌کند و دانش و بینش‌های عملی را از داده‌ها در طیف گسترده‌ای از حوزه‌های کاربردی به کار می‌گیرد. علم داده‌ها با داده‌کاوی، یادگیری ماشین و کلان‌داده مرتبط است.

تعریف دوم:
علم داده‌ها شامل آماده‌سازی داده‌ها برای تجزیه و تحلیل، از جمله پاک‌سازی، تجمیع، و دست‌کاری داده‌ها برای انجام تجزیه و تحلیل پیشرفته داده‌ها است. پس از برنامه‌های کاربردی - تحلیلی، دانشمندان داده‌ می‌توانند نتایج را بررسی کنند تا الگوها را کشف کنند و رهبران کسب‌و‌کار را قادر سازند تا بینش‌های آگاهانه‌ای به دست آورند.
#مطالب_آموزشی

@Data_Science_Association

علم داده‌ها یا همون دیتاساینس که شاید به گوش خیلی از شما این اسم، آشناتر باشه؛
یک حوزه و رشته کاملاً بین رشته‌ای هست که اگر بخواهیم خیلی ساده‌سازی کنیم،
میشه گفت به دو قسمت تقسیم میشه؛
۱- آمار
(که درون‌مایه و اساس اون است)،
۲- علوم کامپیوتر
(که تکمیل‌کننده و پوشش‌دهنده خیلی از مباحث این حوزه است).

این شکل به طور بامزه‌ای داره این رابطه رو به تصویر می‌کشه :)

در نهایت موجود عجیب سمت راست پایین شکل، از ترکیب این دو، پدید میاد که در واقع میشه یک دیتاساینتیست!!

نکته اول: بدون داشتن یک کدوم از این دو دانش، که حداقلِ ماجرا هستند، دیتاساینتیستی (دانشمنده داده‌‌ای) به وجود نمیاد و حداقل ملزومات، این دو مورده!!

نکته دوم: البته دانش لازمه اما مثل همیشه کافی نیست و نیاز به مهارت‌های خاص این حوزه و تجربه‌کاری و کار عملی، در کنار دانش اصولی، برای تبدیل شدن به یک دانشمنده داده، ضروری است.

در پست‌های آینده راجع‌به این دانش و مهارت، بیشتر صحبت می‌کنیم ..
#مطالب_آموزشی

@Data_Science_Association

می‌دونم دوران دانشجویی اونم تو شرایط فعلی دوران سختیه و مسیرت، پر از دوراهی‌‌های بزرگه ..
اما مطمئن باش هر سختی که تو رو نابود نکنه، قوی‌ترت می‌کنه قطعا 😉💪

با آرزوی موفقیت و سربلندی برای همه پویندگان و جست‌وجوگران علم و دانش و آگاهی، روز دانشجو مبااارک☺🌻

@DataScience_TMU

به مناسبت هفته پژوهش، پژوهشکده آمار با همکاری انجمن آمار ایران و انجمن جمعیت شناسی ایران از روز شنبه مورخ ۱۴۰۰/۹/۲۰ تا روز چهارشنبه مورخ ۱۴۰۰/۹/۲۴ نسبت به برگزاری سخنرانی‌ها و نشست‌ها اقدام می‌نماید.

📌 برنامه نشست‌ها به شرح زیر می باشد :

۱-شنبه مورخ ۱۴۰۰/۹/۲۰: نشست تخصصی با عنوان «تاثیرات اجتماعی-اقتصادی، جمعیتی و سلامت روان بیماری کووید-۱۹» و با سخنرانی دکتر اشکان شباک، دکتر روشنک علی اکبری صبا، دکتر لیدا کلهری ندرآبادی، دکتر محمد شیری، دکتر رسول صادقی و حسام خدامرادی؛ از ساعت ۱۲ الی ۹

۲-یک‌شنبه مورخ ۱۴۰۰/۹/۲۱: نشست تخصصی با عنوان «حکمرانی داده و نظام تبادل داده و استعلامات در کشور» و با سخنرانی دکتر اشکان شباک، دکتر سیدامیر اصغری، مهندس بهنام ولی‌زاده، مهندس صمد یوسفی؛ از ساعت ۱۱ الی ۹

۳-دوشنبه مورخ ۱۴۰۰/۹/۲۲: نشست تخصصی با عنوان «تحلیل قابلیت‌ها و نارسایی‌های حساب‌های منطقه‌ای» و با سخنرانی دکتر تقی ترابی، دکتر علی‌اصغر بانویی و محمد غلامی؛ از ساعت ۱۱ الی ۹

۴-چهارشنبه مورخ ۱۴۰۰/۹/۲۴: نشست تخصصی با عنوان «کاربرد علوم داده در تحلیل داده‌های کرونا» و با سخنرانی دکتر رزا اقدم، دکتر سمیرا چای‌بخش، دکتر مجتبی تفاق و دکتر علی دولتی؛ از ساعت ۱۶ الی ۱۸

📌 برنامه سخنرانی‌ها به شرح زیر می‌باشد:

۱-شنبه مورخ ۱۴۰۰/۹/۲۰: سخنرانی با عنوان «انقلاب شناسایی اثرات علی در اقتصاد» و با سخنرانی آقای دکتر منوچهر وصال؛ از ساعت ۱۸الی۱۶

۲-یک‌شنبه مورخ ۱۴۰۰/۹/۲۱: سخنرانی با عنوان «افزایش طلاق یا رکود ازدواج؟ تحلیل مساله‌شناسانه بر اساس آمارهای ثبت احوال ایران در ۱۵ سال اخیر» و با سخنرانی آقای دکتر سعیدخانی؛ از ساعت ۱۸ الی ۱۶

۳-دوشنبه مورخ ۱۴۰۰/۹/۲۲: سخنرانی با عنوان Infection disease modeling: anew approach with an application to COVID-۱۹ Data و با سخنرانی دکتر محمود ترابی؛ از ساعت ۱۸ الی ۱۶

💡 شرکت در این نشست‌ها و سخنرانی‌ها برای عموم علاقه‌مندان آزاد است.

🌐 لینک ورود به نشست‌ها:

https://www.skyroom.online/ch/srtc/meeting1400

🌐 لینک ورود به سخنرانی‌ها:

https://www.skyroom.online/ch/srtc/research1400

اساسی‌ترین دانش یک دانشمند داده، دانش یادگیری است.
بخش عمده‌ای از مبحث یادگیری، در حوزه #یادگیری_ماشین می‌گنجه؛ که هدف از یادگیری ماشینی پیدا کردن بهترین مدل برای پیش‌بینی دقیق‌تر در زمان کمتر است.

یادگیری ماشین یک حوزه گسترده است که شامل مباحث آمار، ریاضی و علوم کامپیوتر میشه؛
این شکل شمای خوبی از این حوزه رو بهمون نشون میده.

البته شبکه عصبی رو هم میشه در سه دسته راهنماییده، ناراهنماییده و تقویتی در نظر گرفت.

سلسله پست‌های #مطالب_آموزشی
#دانش #دانشمند_داده

@Data_Science_Association

#سومین_کارگاه_مصورسازی_داده‌ها

☑️ آشنایی با نحوه ایجاد وب-اپلیکیشن‌ها با استفاده از R-Shiny


🗓 جمعه ۲۹ بهمن ؛ ساعت ۱۷ الی ۲۰
👤 ارائه دهنده: دکتر سید مهدی صالحی

🔗 لینک برگزاری کارگاه:
vroom.um.ac.ir/mathj

#آزمایشگاه_علم_داده
📈@DSLab_FUM

سخنرانی علمی از سلسله برنامه های معاونت امور بین الملل با موضوع:
Pooling and Systematic Risk
تجمیع و ریسک سیستماتیک

ميزبان: دكتر سعيد رضاخواه، استاد دانشكده رياضي و علوم كامپيوتر، دانشگاه صنعتي اميركبير

سخنران: Prof. Hirbid Assa
Kent Business Shool
چهارشنبه ۴ اسفند ماه ۱۴۰۰، ساعت ۲۰:۳۰

لينك ثبت نام : https://intrel.aut.ac.ir/en/19-2/
لینک شرکت در سخنرانی:
https://bluemeet.aut.ac.ir/ch/statistics/guest

لینک برگزاری
http://vroom.shirazu.ac.ir/elmi31

برنامه کلاس‌ها

@Data_Science_Association

با رشد رویکرد داده محور و افزایش تقاضا برای متخصصان علم داده‌ها، این رشته مسیر شغلی فریبنده‌ای را، برای دانشجویان و متخصصان ارائه می‌دهد.
برای رسیدن به تخصص در این زمینه، در کنار #دانش لازم که در پست‌های قبل راجع‌به آن صحبت شد، مهارت‌های کلیدی متعدد و بعضاً زیادی، مورد نیاز است. به طور کلی، می‌توانیم این مهارت‌ها را در دو نوع دسته‌بندی کنیم؛ که عبارتند از:
- مهارت‌های سخت
- مهارت‌های نرم

مهم‌ترین مهارت‌های سخت را می‌توان به صورت زیر، نام برد:
- کار با نرم‌افزارهای تحلیل داده‌ها
- کار با نرم‌افزارهای مدل‌سازی و پیش‌بینی
- کار با پایگاه‌های داده‌
- کار با نرم‌افزارهای پردازش موازی

در ادامه، راجع‌به مهارت‌های نرمِ مورد نیاز نیز، صحبت می‌کنیم.

سلسله پست‌های #مطالب_آموزشی
#مهارت #دانشمند_داده

@Data_Science_Association

گروه آمار دانشگاه تربیت مدرس برگزار می‌کند:
🔶سلسله سخنرانی‌های علمی
🗓زمان : شنبه 17 اردیبهشت ساعت 14-16
🗓زمان : شنبه 7 خرداد ساعت 15:30-17:30
🗓زمان : شنبه 4 تیر ساعت 14-16
سخنرانان: دکتر تابان باغفلکی دانشگاه تربیت مدرس، دکتر سیامک نوربلوچی دانشگاه مینه‌سوتا آمریکا، دکتر رضا دریکوندی دانشگاه دورام انگلستان

عمده مهارت‌های نرمی که هر دانشمند داده موفقی، باید داشته باشد:
• ارتباطات (Communication): این مهارت به متخصص کمک می‌کند که بینش مبتنی بر داده خود را به گونه‌ایی قابل درک، برای صاحبان مشاغل و ذی‌نفعان بیان کنند و به کمک داستان‌سرایی و تکنیک‌های رایج در این زمینه، افراد را راحت‌تر متقاعد کند.
• کنجکاوی (Curiosity): کنجکاوی دانشمندان داده را ترغیب می‌کند تا به دنبال یادگیری روش‌های متدوالی که به صورت روز افزون به وجود می‌آیند، رود و بتواند به مسائل پیچیده موجود، پاسخ مناسبی دهد.
• تطبیق‌پذیری (Adaptability): این متخصصان باید با به روزترین تکنولوژی‌ها، سازگار شوند.
• تفکر انتقادی (Critical Thinking): تفکر انتقادی به دانشمند داده این امکان را می‌دهد که برای یک مسئله، تحلیل علمی انجام دهد و سوالات خود را با توجه به چگونگی بهبود سازمان تعیین کند و هر بار درستی آن را، بسنجد.
• درک محصول (Product Understanding) : به عنوان یک دانشمند داده، طراحی مدل همه چیز نیست و باید بینش‌ کاربردی، برای بهبود کیفیت محصول و خدمت نهایی ارائه دهد.

سلسله پست‌های #مطالب_آموزشی
#مهارت #دانشمند_داده

@Data_Science_Association

🔷 برنامه زمانی و لینک #نشست‌های_تخصصی کنفرانس‌ 🍃‌

#شانزدهمین_کنفرانس_آمار_ایران‌
#دانشگاه_مازندران‌

@ISC_16 🌱