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

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

🏴 شهادت حضرت فاطمه زهرا(س) تسلیت باد!

@DataAnalysis

مثالی مفهومی از یادگیری تقویتی!

در مدل‌های یادگیری مبتنی بر یادگیری تقویتی (Reinforcement Learning) مکانیزم پاداش و جریمه یکی از مولفه‌های اصلی در هوشمندسازی یک Agent می‌باشد.

@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

شبیه سازی پارک ماشین با یادگیری تقویتی
.
این ویدیو تکامل عامل(Agent) هوش مصنوعی را از مرحله یادگیری حداقلی به هوشمندی را به صورت کامل نشان میدهد. این عامل برای رسیدن به دقت حداکثری بیش از 300 هزار تلاش (آزمون و خطا) انجام داده است.

@DataAnalysis

کاربرد پردازش تصویر در مدیریت فرایندهای تولید!

یکی از کاربردهای کلیدی پردازش تصویر شناسایی بلادرنگ موجودیت‌ها در تصاویر است. در ویدیو فوق علاوه بر شناسایی موجودیت‌ها، عمل شمارش محصول نیز در کسری از ثانیه انجام میشود.

این تکنولوژی میتواند سبب تحولی نوین در فرایندهای تولید و انبارداری شود.

@DataAnalysis

برترین کتابخانه‌های علوم داده پایتون

https://bit.ly/2ZAoKUK

در ادامه برترین کتابخانه‌های تحلیلی و تخصصی علوم داده زبان برنامه نویسی پایتون به تفکیک حوزه‌های پاکسازی و پردازش داده، جمع آوری داده، مصورسازی، مدل‌سازی، پردازش تصویر و پردازش صوت معرفی شده است.

Data Cleaning and Data Manipulation
▪️Pandas
▪️NumPy
▪️Spacy
▪️SciPy

Data Gathering
▪️Beautiful Soap
▪️Scrapy
▪️Selenium

Data Visualisation
▪️Matplotlib
▪️Seaborn
▪️Bokeh
▪️Plotly

Data Modelling
▪️Scikit-Learn
▪️PyTorch
▪️TensorFlow
▪️Theano

Image Processing
▪️Scikit-Image
▪️Pillow
▪️OpenCV

Audio Processing
▪️pyAudioAnalysis
▪️Librosa
▪️Madmom

@DataAnalysis

تکنولوژی جعل عمیق (Deep Fake) در کمک به نوستالژی!

شرکت MyHeritage به تازگی یک محصول با نام نوستالژی عمیق (Deep Nostalgia) را توسعه داده است که در آن به کمک هوش مصنوعی و تکنولوژی‌های یادگیری عمیق توانایی متحرک‌کردن عکس‌های قدیمی را دارد. ویدیو فوق نمونه‌ای از کیفیت محصول این شرکت می‌‌باشد.

به صورت خلاصه تکنولوژی جعل عمیق توسط دو سیستم هوش مصنوعی ایجاد میشود که یکی تولیدکننده و دیگری تفکیک کننده نام دارد. اساساً، تولید کننده، عکس یا ویدیویی جعلی میسازد و از تفکیک کننده میپرسد که آیا عکس یا ویدیو واقعی است یا خیر. هربار که تفکیک کننده، عکس یا ویدیویی را به درستی جعلی تشخیص دهد، به تولید کننده سرنخی میدهد درباره کاری که تولید کننده نباید هنگام ساخت عکس یا ویدیو بعدی انجام دهد. در این مکانیزم مدل نهایی (مدل بهینه شده) توانایی تولید عکس یا ویدویی جعلی را دارد که جعلی بودن آن نیز توسط انسان قابل تشخیص نخواهد بود.

شبکه عصبی عمیق ماحصل از این فرایند شبکه تخاصمی تولیدی (Generative Adversarial Network) یا GAN نام دارد.

@DataAnalysis

وبینار علوم داده در صنعت بانکداری و پرداخت

به دعوت مرکز مطالعات مهندسی فرایند و مدیریت منابع دانشگاه تهران در روز پنج‌شنبه مورخ 14 اسفندماه وبیناری در خصوص کاربردها و کارکردهای علوم‌داده در صنعت بانکداری ارائه‌ای با سرفصل‌های ذیل خواهم داشت:

▪️معرفی پروژه‌های کاربردی علوم داده در صنعت بانکداری

▪️چالش‌های پیشرو صنعت بانکی در حوزه علوم داده

▪️مسیرهای شغلی مرتبط با علوم داده در صنعت بانکی

علاقمندان برای شرکت در این وبینار رایگان می‌توانند از طریق لینک زیر ثبت نام نمایند:
📎 https://utperm.com/course/وبینار-علوم-داده-در-صنعت-بانکداری/

@DataAnalysis