Data Science – Telegram
Data Science
7.46K subscribers
754 photos
49 videos
85 files
451 links
ارتباط با ادمین:
@Datascience
Download Telegram
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
introduction to programming in python.pdf
395.5 KB
خودآموز مقدمه ای بر برنامه نویسی با پایتون
@aryavisions
برگزاری اختصاصی دوره جامع علم‌داده دانشگاه تهران در بانک انصار

نخستین درس از دوره جامع دانشگاه تهران در سازمان‌ها به میزبانی بانک انصار در مهرماه 1399 برگزار شد. کلیه شرکت‌کنندگان در این دوره با تسلط بر ابزارهای علم‌داده قادر به تحلیل مسائل و چالش‌های کسب‌وکار به صورت داده‌محور خواهند بود.

در این دوره سازمانی 350 ساعتِ علاوه بر شخصی‌سازی برخی از دروس و سرفصل‌ها، دانش‌پذیران موظف خواهند بود که یک پروژه عملی در حوزه بانکی را در طول مدت زمان دوره با منتورینگ اساتید به صورت عملیاتی پیاده‌سازی نمایند.

با آرزوی موفقیت برای کلیه این عزیزان

@DataAnalysis
deep learning short desciption.pdf
4.2 MB
یادگیری عمیق به صورت خلاصه و فارسی
@aryavisions
ایام سوگواری رسول اکرم(ص)، امام حسن مجتبی(ع) و امام رضا(ع) تسلیت باد!

@DataAnalysis
آخرين تمديد ارسال مقاله به مجله وب‌پژوهي (2020)

🔴 مهلت ارسال مقاله: جمعه دوم آبان
🔸 زمان انتشار: پايان سال ٢٠٢٠
🔺محورهای موضوعی مجله: وب‌کاوی، وب معنایی، تحلیل شبکه اجتماعی و...

🔹 توجه مهم: در اين شماره مقالات با كيفيت به زبان فارسي نيز پذيرش مي شود كه در صورت تاييد در داوري، مراحل ترجمه آن با نويسندگان هماهنگ خواهد شد.
وب سايت مجله وب پژوهي: ijwr.usc.ac.ir

@DataAnalysis
برترین دوره‌های آنلاین یادگیری ماشین و یادگیری عمیق

https://bit.ly/3lXTKaq

در ادامه برترین دوره‌های آنلاین یادگیری ماشین و یادگیری عمیق که توسط برترین دانشگاه‌ها و کمپانی‌های جهان منتشر شده است معرفی می‌شود. شرکت در دوره‌های زیر علاوه بر ارتقا دانش روز تخصصی شما، می‌تواند بعنوان به یکی از بخش‌های اعتبار دهنده رزومه شما نیز تبدیل شود.

1️⃣ Python for Data Science and Machine Learning Bootcamp

2️⃣ Datacamp Data Science Path

3️⃣ Applied Machine Learning in Python

4️⃣ DeepLearning.AI TensorFlow Developer Professional

5️⃣ Machine Learning by Stanford University

6️⃣ Deep Learning Specialization

7️⃣ CS231n by Andrej Karpathy

8️⃣ Stat 451: Introduction to Machine Learning

9️⃣ MIT Introduction to Deep Learning | 6.S191

در دوره‌های شماره‌های 1 تا 4 جنبه‌های عملی پروژه یادگیری ماشین، یادگیری عمیق و ابزارهای تخصصی مرتبط آموزش داده میشود. در دوره‌های شماره 5 تا 9 نیز تمرکز بر تدریس مبانی و مفاهیم پایه یادگیری ماشین و یادگیری عمیق است.

@DataAnalysis
Python For Data Science Cheat Sheet.pdf
2.2 MB
دستورات کاربردی پایتون در علم‌داده (Cheat Sheet)

در این فایل دستورات کاربردی پایتون در کتابخانه‌های زیر به صورت خلاصه آموزش داده شده است.
▪️Pandas
▪️NumPy
▪️Matplotlib
▪️Bokeh
▪️Seaborn
▪️Jupyter Notebook
▪️SciPy
▪️Scikit-Learn
▪️Keras

@DataAnalysis
This media is not supported in your browser
VIEW IN TELEGRAM
روند تغییر میزان صادرات ١٠ اقتصاد بزرگ دنیا در نیم قرن گذشته

رشد گسترده صادرات کشور چین از سال 1995 و حضور ایران در جمع‌ برترین کشورها در سال 1975 از روندهای جالب این گزارش داده‌محور است

@DataAnalysis
فراخوان هاب همراه اول در شیراز برای شتابدهی
https://www.instagram.com/p/CG41b7KATTS/?igshid=1tuaqs8dkut7x
@aryavisions
فراخوان شتابدهی در جنوب کشور برای ایده هایی که از تکنولوژیهایی مانند هوش مصنوعی در ۵ زمینه هستند
فرآیندکاوی و کاربرد آن در سازمان ها

استاد: دکتر علی بزرگی امیری

دانشیار دانشکده مهندسی صنایع دانشگاه تهران

چهارمین همایش ملی پیشرفت های پعپاری سازمانی

شنبه، هفده آبان ماه ۱۳۹۹

لینک ثبت نام:
https://ncaea2020.ut.ac.ir/cnf/workshop

🆔 @BPERM_UT
📚 Instagram:
https://bit.ly/3gfYl5f
This media is not supported in your browser
VIEW IN TELEGRAM
برترین فریم‌ورک‌های یادگیری عمیق!

@DataAnalysis
آخرین مهلت ثبت نام کد ۷ دوره جامع ۳۰۰ ساعته علم داده دانشگاه تهران با ظرفیت محدود!

این دوره مطابق با نیازسنجی‌ها و منطبق بر بازار کار داخلی و بین‌المللی می‌باشد و بصورت آنلاین در روزهای یکشنبه و سه شنبه در ساعات ۱۶ الی ۲۰ برگزار خواهد شد. در این دوره، بیش از ۱۰ ابزار تخصصی علم داده بصورت کاربردی آموزش داده می‌شود.

http://utperm.com/course/data7/

🔰 برخی از مزایای دوره:

🔸 اعطای مدرک معتبر دوزبانه از دانشگاه تهران

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

🔸 برگزاری آنلاین

🔸 پروژه محوری

🔸 ارائه پروژه‌پایانی توسط دانش‌پذیران به همراه تحلیل اساتید

🔸 امکان پرداخت نقد و اقساط

⁉️ پشتیبانی آنلاین:
@bperm_admin

📞 شماره تماس:
02182084160
09377516759

⛔️ ظرفیت محدود
🆔 @BPERM_UT
📚 Instagram:
https://bit.ly/3gfYl5f
برترین کتابخانه‌های علوم داده پایتون

https://bit.ly/3lCDWdh

در شکل زیر برترین کتابخانه‌های علم‌داده به تفکیک حوزه‌های یادگیری ماشین، مصورسازی داده، Auto ML, ریاضی، تحلیل اکتشافی و کار با منابع داده‌ای معرفی شده است.

برترین کتابخانه‌های یادگیری ماشین:
▪️Scikit Learn
▪️XGBoost

برترین کتابخانه‌های مصورسازی داده:
▪️Superset
▪️Matplotlib
▪️Plotly
▪️Seaborn

برترین کتابخانه‌های ریاضی و جبرخطی:
▪️Scipy
▪️Numpy

برترین کتابخانه‌های کار با منابع داده‌ای:
▪️Apache Spark
▪️Pandas
▪️Dask

برترین کتابخانه‌های تحلیل اکتشافی:
▪️Eli5
▪️LIME

برترین کتابخانه‌های Auto ML:
▪️TPOT
▪️Auto-Sklearn

حضور کتابخانه‌های تخصصی Big Data و Auto ML در میان برترین کتابخانه‌های تخصصی علوم داده نشان از روندهای جدید این حوزه دارد. البته بلوغ سیستم‌های یادگیری ماشین اتوماتیک همچنان به جای کار بسیار نیاز دارد.

پی‌نوشت:
جهت آشنایی بیشتر با جزییات و کاربردهای الگوریتم‌ها میتوانید از طریق لینک زیر به وبسایت Kdnuggets مراجعه نمایید.
https://bit.ly/3kBUReI

@DataAnalysis
مهمترین مهارت‌های متخصصین علم‌داده در سال 2021

@DataAnalysis
با سلام
در عصر داده‌ها و هوش مصنوعی
دانشگاه صنعتی امیرکبیر برگزار می‌کند:
*یک رویداد علمی – یک چالش – و کلی هیجان*

تحلیل و کاوش داده‌های کلان در حوزه بانکی و مالی
برترین روش‌های هوش‌مصنوعی جهت پیش‌بینی تقاضای نفت در بازار انرژی

*با بیش از 350 میلیون ریال جایزه نقدی* (شرکت در مسابقه رایگان است)
جهت اطلاع بیشتر به ai-challenge.aut.ac.ir مراجعه فرمایید.
راه‌های ارتباطی:
ایمیل : ai-challenge@aut.ac.ir
کانال تلگرام : https://news.1rj.ru/str/AUT_AI
@aryavisions
راهنما جامع کتابخانه یادگیری ماشین پایتون (Scikit-Learn)

‌کتاب Scikit-Learn User Guide یکی از جامع‌‌ترین منابع آموزشی جهت کار با مطرح‌ترین کتابخانه یادگیری ماشین پایتون است. در آخرین ورژن این کتاب که در سال 2020 منتشر گردیده، پیاده‌‌سازی اکثر ا‌لگوریتم‌های‌ کاربردی یادگیری ماشین در حوزه‌های طبقه‌بندی، پیش‌بینی، خوشه‌بندی و... آموزش داده می‌شود.

مطالعه این کتاب را بعنوان یک رفرنس پیاده‌سازی پروژه‌های یادگیری ماشین به تمامی متخصصین علم داده و مهندسین یادگیری ماشین توصیه می‌کنم.

@DataAnalysis