Data Science – Telegram
Data Science
7.47K subscribers
754 photos
49 videos
85 files
451 links
ارتباط با ادمین:
@Datascience
Download Telegram
This media is not supported in your browser
VIEW IN TELEGRAM
یادگیری تقویتی در عمل!

یادگیری تقویتی یا Reinforcement Learning گونه‌ای از روش‌های یادگیری ماشین است که یک عامل (agent) را قادر به یادگیری در محیطی تعاملی با استفاده از آزمون و خطاها و استفاده از بازخوردهای اعمال و تجربیات خود می‌سازد.

در ویدیو فوق یکی از کاربردهای این مدل‌هایی مبتنی بر هوش مصنوعی را مشاهده میکنید.

@DataAnalysis
فرصت شغلی متخصص یادگیری عمیق (پاره وقت/مشاوره)

شرکت هوش تجاری ویترای، از متخصصین یادگیری عمیق با شرایط زیر دعوت به همکاری می‌نماید:

مهارت‌های تخصصی:
▪️تسلط به شبکه‌های عصبی و یادگیری عمیق و پیاده‌سازی الگوریتم‌های مربوطه
▪️تسلط به زبان Python
▪️تسلط و سابقه کار با کتابخانه‌های Tensorflow ، Keras , Pytorch , Fastai
▪️تسلط و سابقه کار در تشخیص ناهنجاری
▪️تسلط و سابقه کار در سری‌های زمانی

🔸 محل کار: محدوده پاسداران

▪️از علاقه‌مندان خواهشمند است رزومه خود را ضمن درج "متخصص یادگیری عمیق" در عنوان, به آدرس ایمیل ذیل ارسال نمایند.

✉️: jobs@vitrayco.ir

@DataAnalysis
This media is not supported in your browser
VIEW IN TELEGRAM
روند محبوب‌ترین ابزارهای علم داده طی 20 سال گذشته!

در ویدیو فوق روند محبوب‌ترین ابزارها و زبان‌های برنامه نویسی علوم داده براساس نظرسنجی‌های وبسایت Kdnuggets مصورسازی شده است. روندهای زیر از حائز اهمیت‌ترین تغییرات صورت گرفته است:

▪️رشد گسترده زبان برنامه نویسی پایتون در مقابل کاهش محبوبیت زبان برنامه نویسی R از سال 2015

▪️رشد محبوبیت نرم افزار RapidMiner از سال 2010 به نسبت سایر نرم‌افزارهای داده‌کاوی

▪️ارتقا جایگاه فریم‌ورک‌های یادگیری عمیق تنسورفلو و Keras از سال 2017

▪️حضور باثبات نرم افزار اکسل در میان 10 ابزار برتر علوم داده

▪️حضور نرم افزار هوش تجاری Tableau در میان برترین ابزارهای علوم داده طی سالیان اخیر

پی نوشت:
طراحی یک مسیر هدفمند جهت کسب برترین مهارت‌های استاندارد در بازار آتی علوم داده در سطوح سازمانی و فردی، سبب ارتقا جایگاه شما بعنوان یک متخصص پیشرو علم داده خواهد شد.

با احترام
محمدرضا محتاط

@DataAnalysis
برترین روندهای تحلیل داده در سال 2021

در گزارش فوق که توسط کمپانی Softweb Solutions منتشر شده، آخرین روندهای حوزه‌های Data و Analytics معرفی گردیده است.

@DataAnalysis
Top Data and Analytics Trends.pdf
2.4 MB
برترین روندهای تحلیل داده در سال 2021

@DataAnalysis
Media is too big
VIEW IN TELEGRAM
داده‌های عظیم، داده‌های بهتری هستند! (#TED)

Big data is better data

"داده بیشتر فقط دید وسیع‌تر نمی‌دهد بلکه اجازه می‌دهد بهتر ببینیم، اجازه میدهد متفاوت ببینیم."

جملات فوق بخشی از ویدیوی سخنرانی جذاب آقای Kenneth Cukier از نویسندگان و سخنران فعال حوزه Big Data با نزدیک به 2 میلیون مشاهده در Ted است. در این سخنرانی کاربردها و قابلیت‌های داده‌های عظیم و یادگیری ماشین به نمایش گذاشته می‌شود.

ارائه مثال‌های کاربردی از حوزه‌های داده‌‌های عظیم و یادگیری ماشین در صنایع خودروسازی، بازی و مخابرات، معرفی چالش‌‌های حقوقی و اخلاقی داده‌های عظیم و... سبب کاربردی‌تر شدن این سخنرانی شده است.

مشاهده این ویدیو را به همه متخصصین علم‌داده و داده‌های عظیم توصیه میکنم.

پی‌نوشت:
ویدیو دارای زیرنویس فارسی می‌باشد.

@DataAnalysis
کتاب راهنمای مدیران ارشد مدیریت داده!

مدیریت داده (Data Management) بر توسعه، اجرا و نظارت برنامه‌ها، سیاست‌ها و مکانیزم‌های تعامل با داده در سازمان تمرکز دارد. امروزه موفقیت سازمان‌ها به شیوه‌های مدیریت داده بستگی دارد. مدیریت باید با روش‌های استانداردی انجام پذیرد تا با چالش‌های روبه‌رو به درستی برخورد کند.


در کتاب The Chief Data Officer Management که توسط انتشارات Apress در سال 2020 منتشر شده است سرفصل‌های ذیل آموزش داده میشود:
▪️جنبه‌های مدیریت داده
▪️استراتژی داده
▪️کنترل کیفیت داده‌ها
▪️معماری داده‌ها برای کیفیت داده‌های شرکت
▪️بررسی جایگاه CDO در سازمان
▪️حاکمیت داده

مطالعه این کتاب کاربردی را به متخصصین ارشد داده توصیه می‌نمایم.

@DataAnalysis
The Chief Data Officer Management Handbook.pdf
5.8 MB
کتاب راهنمای مدیران ارشد مدیریت داده!

@DataAnalysis
#استخدام
دنبال یک همکار با توانمندی ری اکت در محل کار شهر شیراز ترجیحا تمام وقت که سابقه خوب، علاقمند به یادگیری و رشد فنی ، ذهن خلاق باشد هستیم.
لطفا رزومه خودتون را به ایمیل زیر ارسال کنید
اگر با جی میل ارسال می کنید لطفا ایمیل اول را انتخاب کنید
mn.nasiri@gmail.com
info@toobatree.com
@aryavisions
فرصت‌های شغلی کارشناس کلان داده و علم‌داده در شرکت مهندسی مشاور عصر فناوری دانش!

@DataAnalysis
🏴 شهادت حضرت فاطمه زهرا(س) تسلیت باد!

@DataAnalysis
پایان دوره مبانی و مفاهیم علم داده بانک سپه (انصار سابق)

دوره سازمانی مبانی و مفاهیم علم داده منطبق با موردکاربردهای بانکی همانند پیش‌‌بینی ریسک مشتریان، کشف ناهنجاری، توصیه هوشمند خدمات و محصولات، پیش‌بینی میزان مبلغ مورد نیاز در دستگاه‌های ATM، رتبه‌بندی مشتریان و... به همت بانک سپه (انصار سابق) توسط دانشگاه تهران برگزار گردید.

صنعت بانکداری جز صنایع پیشگام در استفاده از قابلیت‌های علوم داده و تصمیم‌گیری‌های داده‌محور در کشور می‌باشد. ارتقا تجربه مشتری، ارتقا اثربخشی در فرایندهای داخلی بانک و کشف ناهنجاری و تقلب از دستاوردهای کلیدی پروژه‌های علوم داده در این صنعت است.

آرزوی توفیقات بیشتر برای دانش‌پذیران این دوره دارم.

با احترام
محمدرضا محتاط

@DataAnalysis
نمونه پروژه‌های عملی علم داده (به همراه سورس کد)

https://bit.ly/3odOQXG

یکی از راهکارهای مفید در یادگیری مبانی و مفاهیم علم‌داده و یادگیری ماشین، یادگیری در حین پیاده‌سازی پروژه‌های عملی و واقعی است. در ادامه 11 پروژه کاربردی و به‌روز علم‌داده به همراه سورس‌کد و آموزش مسیر پیاده‌سازی آن در زبان برنامه نویسی پایتون معرفی میشود.

▪️پروژه سیستم توصیه‌گر ویدیو

▪️پروژه تحلیل احساسات نظرات مشتریان

▪️پروژه پیش بینی قیمت مسکن

▪️
پروژه پیش بینی ریزش مشتری

▪️پروژه پیش بینی میزان گسترش ویروس کووید 19

▪️پروژه تحلیل سبد خرید مشتری

▪️پروژه توسعه چت‌بات هوشمند

▪️پروژه پیش بینی زلزله

▪️پروژه پیش بینی قیمت بیت‌کوین

▪️پروژه پیش بینی قیمت سهام

▪️پروژه طبقه‌بندی موضوعی متن

‌پی‌نوشت:
یکی از مطرح‌ترین افراد فعال در حوزه یادگیری عمیق پرفسور Andrew NG است که در وبسایت Coursera دوره‌های بسیار باکیفیتی را در حوزه‌های یادگیری ماشین و یادگیری عمیق تدریس می‌کند. یکی از دلایل حائز اهمیت در کسب چنین دانش تخصصی توسط ایشان پیاده‌سازی گام به گام اکثر مقالات یادگیری عمیق منتشرشده بود. در واقع ایشان در کنار مطالعه مقالات یادگیری عمیق سایر محققین این حوزه، شخصا اقدام به پیاده سازی گام‌ها و مراحل مندرج در مقالات می‌نمودند.
لذا تمرین و پیاده‌سازی عملی پروژه‌های علوم داده، بررسی پاسخ‌های تیم‌های برتر در مسابقات‌های مطرح علوم‌‌‌‌داده در پلتفرم Kaggle و.... می‌تواند از شما یک متخصص برجسته علم داده بسازد.

با احترام
محمدرضا محتاط
مدیرپروژه و مشاور ارشد علوم داده

@DataAnalysis
فرصت شغلی متخصص علم‌داده در شرکت مشاور سرمایه‌گذاری ترنج

شرکت مشاور سرمایه‌گذاری ترنج از فعالان و متخصصین علم داده دعوت به همکاری می نماید

مهارتهای تخصصی و عمومی:
▪️مسلط بر Python
▪️تجربه کار با زبان‌های R , SAS
▪️تجربه کار با SQL
▪️توانایی کار با داده های ساختارنیافته
▪️درک توابع تحلیل چندگانه
▪️تسلط نسبی به زبان انگلیسی
▪️نتیجه گرا و علاقمند به یادگیری

ارسال رزومه به HR@Toranjcapital.com

@DataAnalysis
آغاز ثبت نام کد ۸ دوره جامع علم داده دانشگاه تهران

هشتمین کد جامع ترین دوره علم داده کشور با بیش از ۳۵۰ ساعت آموزش تخصصی هم اکنون در حال ثبت‌نام برای علاقه‌مندان می باشد. این دوره کاملا مطابق با نیازسنجی‌ها و منطبق بر بازار کار داخلی و بین‌المللی طرح‌ریزی گردیده است.

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

🔸 آموزش تخصصی بیش از ۱۰ ابزار تخصصی علم‌داده

🔸 پروژه محوری

🔸 ارائه پروژه‌پایانی توسط دانش‌پذیران به همراه تحلیل اساتید

🔸 امکان پرداخت نقد و اقساط

🔸برگزاری به صورت آنلاین

ثبت نام و اطلاعات بیشتر:
https://utperm.com/course/ds-code8/

⁉️ پشتیبانی آنلاین:
@bperm_admin

📞 شماره تماس:
02182084160
09377516759

⛔️ ظرفیت محدود
🆔 @BPERM_UT
📚 Instagram: https://bit.ly/3gfYl5f
نظرسنجی دوره مبانی و مفاهیم علم‌داده دانشگاه تهران

🔸میزان سطح رضایتمندی: 97.9 درصد

🔸استاد درس: محمدرضا محتاط

دوره فوق ذیل دوره جامع علم داده دانشگاه تهران در مدت زمان 32 ساعت برگزار میشود. مبانی و مفاهیم بیش از 20 الگوریتم کاربردی یادگیری ماشین در مباحث طبقه‌بندی، خوشه‌بندی، پیش‌بینی، سری‌های زمانی، شناسایی ناهنجاری و... در کنار آموزش ملزومات کلیدی پروژه‌های علوم داده در این دوره تدریس می‌گردد.

در این دوره جامع درس متن‌کاوی و وب‌‌کاوی در زبان برنامه نویسی پایتون نیز توسط بنده تدریس میشود. جزئیات سرفصل‌‌های این دو درس در تصاویر فوق قابل مشاهده است.

@DataAnalysis