فرصت شغلی مهندس کلان داده در شرکت ایران کارت!

@DataAnalysis

برترین دوره‌های آموزشی یادگیری ماشین و هوش ‌مصنوعی

https://bit.ly/2YruuQJ

در ادامه 10 دوره تخصصی در حوزه‌های یادگیری ماشین و هوش مصنوعی در دو سطح مقدماتی و پیشرفته معرفی میشود. ویدیوهای تمامی این دوره‌های آموزشی به صورت رایگان با کلیک برروی عناوین آنها در یوتیوب در دسترس خواهند بود.

دوره‌های مقدماتی:

▪️دوره یادگیری ماشین دانشگاه استنفورد (CS229)

▪️دوره مقدمه‌ای بر هوش مصنوعی دانشگاه برکلی (UC CS188)

▪️دوره یادگیری سال 2020 دانشگاه کلمبیا

▪️دوره پردازش زبان طبیعی با یادگیری عمیق دانشگاه استنفورد (CS224N)


دوره‌های پیشرفته:

▪️ریاضیات در یادگیری ماشین دانشگاه واشنگتن

▪️یادگیری عمیق و یادگیری تقویتی پیشرفته شرکت DeepMind

▪️یادگیری ماشین دانشگاه واشنگتن

▪️مفاهیم پردازش زبان طبیعی دانشگاه استنفورد

▪️رباتیک پیشرفته دانشگاه برکلی

▪️یادگیری بدون نظارت در یادگیری عمیق دانشگاه برکلی

شرکت در دوره‌های آموزشی دانشگاه‌ها و مراکز آموزشی معتبر یکی از میان‌برهای موفقیت در بازار علوم داده و یادگیری ماشین است. در این فیلدها با توجه به تحولات سریع تکنولوژی میبایست بیش از گذشته خود را ملزم به یادگیری فعالانه و پویا نمایید.

با احترام
محمدرضا محتاط

@DataAnalysis

موقعیت شغلی تحلیلگر داده در اپلیکیشن آپ!

▪️شرح شغل
• طراحی مدل قیمت گذاری بر اساس پارامترهای سرویس و رفتار کاربران
• استفاده از مدل‌های داده کاوی متناسب با هر سرویس
• ارزیابی منابع داده و شیوه‎های گردآوری دیتا در جهت بهبود
• طراحی و اجرای نظرسنجی‌های مورد نیاز در حوزه کسب و کار
• یافتن مفاهیم عمیق از روندهای داده و استفاده از آنها در کسب و کار

▪️نیازمندی‌ها:
• مدرک کارشناسی ارشد در یکی از رشته‌های آمار، ریاضی یا علوم کامپیوتر
• حداقل 3 سال سابقه کار مشابه
• توانایی حل مسأله
• تجربه کار با نرم افزارهای آماری (SPSS، R، SAS، ...) و یا زبان‌های برنامه نویسی علم داده (Python، ...)
• توانایی استفاده از مفاهیم پیشرفته علم آمار (رگرسیون، سری‌های زمانی، آزمون‌های آماری و ...)

ارسال رزومه به e.kiyaninejad@asanpardakht.ir

@DataAnalysis

فرا رسیدن تاسوعا و عاشورا حسینی تسلیت باد!

@DataAnalysis

🔴 برنامه درسی رشته مهندسی کامپیوتر
گرایش علوم داده - کارشناسی ارشد
دانشگاه خاتم

بنظرم از دروس قابل توجه سرفصلهای وزارت علوم به دروس ۳ واحدی زیر میشه اشاره کرد:

▪️آمار و احتمالات مهندسی
▪️ریاضیات علوم داده
▪️تحلیل داده کاربردی
▪️پایگاه داده
▪️یادگیری ماشین
▪️شبکه های عصبی
▪️یادگیری ژرف
▪️یادگیری آماری
▪️داده کاوی پیشرفته
▪️بهینه سازی در علوم داده
▪️گراف کاوی
▪️سیستم های توزیع شده
▪️تحلیل مه داده
▪️محاسبات ابری
▪️سری های زمانی (🤞)
▪️پردازش زبان طبیعی
▪️بینایی ماشین

اول اینکه باید ابراز خوشحالی کرد بابت این اتفاق. (هرچند که دانشگاه تربیت‌مدرس و شهیدبهشتی هم یکی دوسال پیش حرکت مثبتی در مقطع ارشد زده بودند)

نکته قابل توجه تفکیک ۳ واحدی های یادگیری ماشین و داده کاوی در سرفصل وزارت علوم هست که همچنان یک عده اینارو یکی میدونند 😊

و نکته ارزشمند تر ۳ واحدی بهینه‌سازی در علم داده هست که اساسا جذاب کرده این پکیج رو

البته بخش قابل توجهی از این مطالب در دوره ۲۵۰ ساعته دانشگاه تهران پوشش داده میشه (که اینجا براتون گذاشته بودم) و بنظرم دوره ای در ایران قابل قیاس باهاش نیست واقعا

اما در کل اتفاق مثبتی هست.
☯ @Mr_IE

بررسی وضعیت فعلی علم داده ها و تصور اینده ان در صنعت
@aryavisions

نقدی بر مسابقه علم‌داده دیجی‌کالا!

به تازگی شرکت دیجی‌کالا در حال برگزاری مسابقه‌ای با محوریت علوم داده است. مسابقه‌ای که علاوه بر حل یک چالش سازمانی این شرکت امکان استخدام و جذب را برای افراد برگزیده فراهم می‌کند.

از نکات قابل تامل و تعجب در این مسابقه جایزه نفرات برتر است. در سایت این مسابقه در مجموع 6 میلیون تومان برای 3 نفر برگزیده اعلام شده است. امری که فارغ از شناسایی و جذب افراد مستعد، سودی بسیار بیشتر با حل چالش سازمانی این شرکت تحت مسابقات علوم داده با دریافت سورس کد تمامی شرکت‌کنندگان خواهد داشت.

در سال گذشته نیز یک مسابقه‌ای توسط شرکت هم‌آوا و ستاد توسعه علوم و فناوری‌های شناختی با حمایت‌های شرکت‌های دیجی‌کالا، تپسی، دیوار و... در حوزه علوم‌داده برگزار شد که با نقدهای بسیاری همراه گردید.

امید است بلوغ شرکت‌های کشور در برگزاری این قبیل مسابقات بیش از گذشته شود.

@DataAnalysis

کتاب مرجع یادگیری عمیق!

کتاب Deep Learning انتشارات MIT Press یکی از کتاب‌های مرجع یادگیری یادگیری عمیق است. این کتاب توسط آقای Goodfellow از مدیران ارشد یادگیری ماشین کمپانی‌های Apple و Google(اسبق) در سال 2016 نوشته شده است.
این کتاب در 20 فصل تخصصی نگارش شده است.
▪️Introduction
▪️Linear Algebra
▪️Probability and Information Theory
▪️Numerical Computation
▪️Machine Learning Basics
▪️Deep Feedforward Networks
▪️Regularization for Deep Learning
▪️Optimization for Training Deep Models
▪️Convolutional Networks
▪️Sequence Modeling
▪️Practical Methodology Applications
▪️Linear Factor Models
▪️Autoencoders
▪️Representation Learning
▪️Structured Probabilistic Models
▪️Monte Carlo Methods
▪️Confronting the Partition Function
▪️Approximate Inference
▪️Deep Generative Models

مطالعه این کتاب رو به تمامی متخصصین یادگیری عمیق، مهندسین یادگیری ماشین و متخصص علم‌داده پیشنهاد میکنم. قابل ذکر هست که کتاب فوق با نام یادگیری ژرف نیز به فارسی ترجمه شده است.

@DataAnalysis

کتاب مرجع یادگیری عمیق!
@DataAnalysis

وبسایت‌های مرجع آموزش Data Science

https://bit.ly/33GGVd6

یکی از مولفه‌های کلیدی موفقیت در فیلدکاری علوم داده، یادگیری مستمر و بروزرسانی دانش خود است. در ادامه برترین وبسایت‌های ارائه دهنده مطالب آموزشی، دوره‌های آنلاین و دیتاست در این فیلدکاری معرفی میشوند.

▪️دوره‌های آموزشی آنلاین:
1️⃣ EDX
2️⃣ Coursera
3️⃣ DataCamp
4️⃣ Udemy
5️⃣ Udacity
6️⃣ Lynda

▪️وبسایت‌های آموزشی:
1️⃣ KDnuggets
2️⃣ Medium
3️⃣ Analytics Vidhya
4️⃣ Khan Academy
5️⃣ R-bloggers

▪️وبسایت‌های ارائه دهنده دیتاست:
1️⃣ Kaggle
2️⃣ UCI Machine Learning Repository
3️⃣ Google Custom Dataset Search
4️⃣ Quandl
5️⃣ VisualData

@DataAnalysis

تشکیل کمیسیون علم‌داده و هوش‌ مصنوعی

با تلاش‌های صورت پذیرفته در سازمان نظام صنفی رایانه‌ای، کمیسیون علم‌داده و هوش‌ مصنوعی به‌عنوان یکی از کمیسیون‌های اصلی این سازمان با مأموریت‌ها و اهداف زیر تأسیس گردید:
▪️ارتقا جایگاه هوشمند‌سازی و تحول دیجیتال داده‌محور در سازمان‌های دولتی و خصوصی
▪️تسهیل در تجاری‌سازی محصولات دانش‌بنیان مبتنی بر علم‌داده
▪️قیمت‌گذاری، تعرفه‌نویسی و استانداردسازی خدمات و محصولات مرتبط
▪️صیانت از حریم خصوصی کاربران
▪️کاربردی سازی حکمرانی داده در بازارهای دولتی و خصوصی
▪️ترویج و فرهنگ‌سازی داده‌های باز
▪️صادرات خدمات علوم داده و راهکارهای مبتنی بر هوش مصنوعی

تمرکز شرکت‌های حقوقی و افراد حقیقی عضو کمیسیون در حوزه‌های هوش‌تجاری، یادگیری ماشین، هوش مصنوعی، داده‌های عظیم، متن‌کاوی، بینایی ماشین و... است.

با توجه به اهمیت مصوبات این کمیسیون تمامی اطلاعیه‌ها و مصوبات آن از طریق همین کانال اطلاع‌رسانی خواهد شد. امید است تا با تشکیل این کمیسیون مسیر خوبی در جهت ارتقا جایگاه علم‌داده و هوش مصنوعی در سازمان‌های بخش خصوصی و دولتی برداشته شود.

با احترام
محمدرضا محتاط

@DataAnalysis

فرصت شغلی کارشناس یادگیری ماشین در شرکت مگفا

🖋وظایف شغلی:
✅طراحی و توسعه سیستم های یادگیری ماشین.

✅شناسایی و انتخاب دیتاست‌ها و روش‌های مصورسازی داده‌ها

✅انجام آنالیز آماری و fine-tuning  با استفاده از نتایج آزمایش‌ها

✅اطمینان از کیفیت و تاب‌آوری مدل‌های یادگیری ماشین

✅تحقیق و شناسایی استراتژی‌های یادگیری ماشین جدید برای حل مسائل مختلف

✅همکاری با سایر متخصصین جهت شناسایی زمینه‌های کاربردی علم داده

📍مهارت‌ها:
◾️دانش تخصصی در یادگیری ماشین و یادگیری عمیق

◾️آشنایی با سری‌های زمانی، پردازش گفتار و پردازش تصویر

◾️تسلط به زیان برنامه نویسی Python

◾️تسلط به کتابخانه‌های Numpy، Pandas، Matplotlib، Scikit-learn

◾️تجربه کار با فریم‌ورک‌های یادگیری عمیق Keras و Tensorflow

◾️تسلط به SQL

◾️دانش عمیق در زمینه‌های ریاضی، احتمالات، آمار و الگوریتم‌ها

◾️تسلط مهارت‌های آنالیز و حل مسئله 

◾️مدرک کارشناسی ارشد نرم افزار کامپیوتر، هوش مصنوعی و یا رشته های مرتبط

ارسال رزومه به:
Job@magfa.com

@DataAnalysis

برترین مهارت‌های پایه و داغ متخصصین علم‌داده 2020

https://bit.ly/3lcWFvJ

به تازگی نتایج نظرسنجی سال 2020 وب‌سایت KDnuggets در خصوص برترین مهارت‌های متخصصین علم‌داده منتشر شده است. در این نظرسنجی که توسط بیش از هزار Data Scientist تکمیل گردیده برترین مهارت پایه (Core Skills) و مهارت‌های داغ (Hot Skills) یک متخصص علم‌داده شناسایی شده است.

برترین مهارت‌های پایه:
▪️پایتون
▪️آمار و احتمالات
▪️مصورسازی داده
▪️ریاضی و جبرخطی
▪️تفکر انتقادی
▪️پاک‌سازی و پیش‌پردازش داده
▪️مهارت‌های ارتباطی
▪️اکسل
▪️زبان SQL
▪️تکنیک‌های یادگیری ماشین

برترین مهارت‌های روبه‌رشد:
▪️یادگیری تقویتی
▪️فریم‌ورک Tensorflow
▪️یادگیری عمیق
▪️فریم‌ورک Pytorch
▪️سرویس AWS
▪️پردازش زبان طبیعی
▪️آپاچی اسپارک
▪️داکر
▪️پایگاه داده غیررابطه‌ای
▪️بینایی ماشین

پی‌نوشت:
🔹منظور از مهارت‌های پایه، مهارت‌های فعلی متخصصین علم داده و منظور از مهارت‌های داغ مهارت‌هایی است که متخصصین علم‌داده قصد یادگیری آن را در آینده دارند. لذا اگر قصد فعالیت به صورت تخصصی در فیلد Data Science را دارید میبایست به هر دو لیست توجه ویژه‌ای نمایید.
🔹به نسبت لیست سال قبل که در این پست به آن اشاره شده است یادگیری تقویتی که یکی از ترندهای فیلد یادگیری عمیق هست جایگاه بسیار بالایی در مهارت‌های داغ کسب کرده است.
🔹تمرکز مهارت‌های آتی یک متخصص علم‌داده به سمت موضوعات کلان داده و یادگیری عمیق خواهد رفت. برنامه‌ریزی هدفمند در این دو فیلد میتواند سبب رشد جایگاه شما در بازار داخلی و بین‌المللی گردد.

با احترام
محمدرضا محتاط

@DataAnalysis

ثبت نام دوره جامع ۳۰۰ ساعته علم داده دانشگاه تهران آغاز شد!

کد ۵ و ۶ جامع ترین دوره علم داده کشور هم اکنون در حال ثبت نام برای علاقه مندان بوده و مطابق با نیازسنجی‌ها و منطبق بر بازار کار داخلی و بین‌المللی می‌باشد و بیش از ۱۰ ابزار تخصصی علم داده بصورت کاربردی آموزش داده خواهند شد.

شرکت‌کنندگان در پایان دوره توانایی این را خواهند داشت تا علاوه بر تحلیل کسب‌وکار، به ‌توصیف و پیش‌بینی‌های ‌داده‌محور با استفاده از فنون و روش‌های نوین بپردازند.

🔰 برخی از مزایای دوره:

🔸 اعطای مدرک معتبر دوزبانه از دانشگاه تهران

🔸 بهره‌گیری از اساتید برجسته آکادمیک و صنعت در حوزه علم داده

🔸 برگزاری آنلاین و حضوری

🔸 پروژه محوری

🔸 ارائه پروژه‌پایانی توسط دانش‌پذیران به همراه تحلیل اساتید

🔸 امکان پرداخت نقد و اقساط

🔗 توضیحات تکمیلی، مشاوره و پیش ثبتنام:
https://evnd.co/YYEPa

⁉️ پشتیبانی آنلاین:
@bperm_admin

📞 شماره تماس:
02182084160
09377516759

⛔️ ظرفیت محدود
🆔 @BPERM_UT
📚 Instagram: https://bit.ly/3gfYl5f

داستان دوره جامع علم‌داده دانشگاه تهران

از 2 سال گذشته با توجه به درخواست‌هایی متعددی که توسط علاقه‌مندان علوم داده مطرح می‌شد همواره دغدغه برگزاری یک دوره جامع علم‌داده را داشتم. از آغاز سال جدید این توفیق ایجاد شد که در دانشگاه تهران بتوانیم یک دوره جامع با حضور 10 استاد و بیش از 300 ساعت آموزشی و کاربردی را برگزار نماییم.

سرفصل‌های این دوره که تاکنون 4 کد از آن برگزار شده کاملا منطبق با بازارکار داخلی و بین‌المللی است. آموزش بیش از 12 سرفصل کاربردی و 11 ابزار تخصصی علم‌داده در این دوره برنامه‌ریزی شده است.

اهم سرفصل‌ها و ابزارهای تخصصی دوره جامع علم‌داده دانشگاه تهران:
🔹مبانی آمار و جبرخطی
🔹مبانی و مفاهیم علم‌داده (IBM SPSS Modeler)
🔹مدیریت پایگاه داده (Microsoft SQL Server)
🔹هوش تجاری (Power BI)
🔹علم‌داده (Python)
🔹تحلیل آماری (R)
🔹فرایندکاوی (ProM)
🔹داستان‌سرایی داده (Tableau)
🔹متن‌کاوی و وب‌‎کاوی کاربردی (Python- Gephi)
🔹مدیریت و حاکمیت داده
🔹تحلیل کلان داده (Apache Spark)
🔹یادگیری عمیق (Tensorflow - Keras)

یکی از اهداف اصلی این دوره تربیت متخصصین واقعی علم‌داده هست که بتوانند پروژه‌های واقعی را محیط‌های عملیاتی پیاده‌سازی نمایند. در این دوره جامع به ازای هر درس تمارین و پروژه‌های متعدد توسط دانش‌پذیران پیاده‌سازی میشود. برای اخذ گواهی دوره نیاز است تا دانش‌پذیران یک پروژه تخصصی را در طول برگزاری دوره با منتورینگ اساتید پیاده‌سازی و در انتها از آن دفاع نمایند.

یکی دیگر از مزایای این دوره اجرای طرح Course to Course است. در این طرح دانش‌پذیران در طول برگزاری دوره میبایست در 7 دوره تخصصی دانشگاه‌ها و موسسات برتر در وبسایت‌های Coursera یا EDX که توسط کمیته علمی دوره اعلام میشود به صورت موازی شرکت نمایند. ارائه گواهی دوزبانه و معتبر دانشگاه تهران برای افرادی که قصد Apply دارند می‌تواند بسیار مفید باشد.

پی‌نوشت:
جهت مشاهده جزئیات دوره، سرفصل‌ها، بروشور و... می‌توانید از طریق لینک زیر اقدام نمایید.
https://utperm.com/course/data3/

با احترام
محمدرضا محتاط
عضو کمیته راهبری دوره جامع علم‌داده دانشگاه تهران

@DataAnalysis

خودآموز مقدمه ای بر برنامه نویسی با پایتون
@aryavisions

یادگیری عمیق به صورت خلاصه و فارسی
@aryavisions

ایام سوگواری رسول اکرم(ص)، امام حسن مجتبی(ع) و امام رضا(ع) تسلیت باد!

@DataAnalysis