http://takhtesefid.org/user/mahdinasiri#page=1;sort=time;order=-1
مقدمه ای بر داده کاوی -دو فیلم در مجموع 2:30ساعت
مقدمه ای بر داده کاوی -دو فیلم در مجموع 2:30ساعت
Forwarded from Deleted Account
100 سایت برتر در حوزه تحلیل داده
http://www.datasciencecentral.com/profiles/blog/show?id=6448529%3ABlogPost%3A334512
http://www.datasciencecentral.com/profiles/blog/show?id=6448529%3ABlogPost%3A334512
Datasciencecentral
100 Blogs on Analytics, Big Data, Data Science, and Machine Learning
Originally posted on KDNuggets. We've added some blogs that were missing in the original list, and eliminated some that aren't worth mentioning, hoping to make…
Forwarded from Deleted Account
این کلمات کلیدی در DSC است
Data Science: 4,370
Big Data: 4,330
Analytics: 4,380
Machine Learning: 1,090
Data Mining: 2,080
Hadoop: 2,410
Pivotal: 1,840
Visualization: 2,620
Deep Learning: 326
Python: 1,130
Business Intelligence: 2,550
R Programming: 1,120
Data Scientist: 4,200
Predictive Modeling: 898
Clustering: 468
Operations Research: 513
Statistician: 1,090
NoSQL: 221
Graph Database: 202
Database: 1,460
SQL: 945
Excel: 3,800
IoT (Internet of Things): 1,800
Data Warehouse: 408
Data Engineer: 1,940
Data Architect: 911
API: 3,220
Data Science: 4,370
Big Data: 4,330
Analytics: 4,380
Machine Learning: 1,090
Data Mining: 2,080
Hadoop: 2,410
Pivotal: 1,840
Visualization: 2,620
Deep Learning: 326
Python: 1,130
Business Intelligence: 2,550
R Programming: 1,120
Data Scientist: 4,200
Predictive Modeling: 898
Clustering: 468
Operations Research: 513
Statistician: 1,090
NoSQL: 221
Graph Database: 202
Database: 1,460
SQL: 945
Excel: 3,800
IoT (Internet of Things): 1,800
Data Warehouse: 408
Data Engineer: 1,940
Data Architect: 911
API: 3,220
مفتا: مقایسه Tableau, SPSS, R, Excel, Matlab, JS, Pyth و…
http://mfta.ir/application/id=9531
telegram.me/mfta_ir
http://mfta.ir/application/id=9531
telegram.me/mfta_ir
مفتا: آشنایی با الگوریتم Word2Vec گوگل
برای بسیاری از روشهای پردازش متن و NLP، نیاز به نمایش عددی کلمات و متون داریم تا بتوانیم از انواع روشهای عددی حوزه یادگیری ماشین مانند اکثر الگوریتم های دسته بندی روی لغات و اسناد استفاده کنیم. یکی از رهیافت هایی که در این حوزه بسیار رایج شده است ، نمایش برداری کلمات و جملات است . روشی که توسط گوگل در سال ۲۰۱۳ پیشنهاد شده است و روشی بسیار کارآمد و مناسب برای نمایش لغات و متون و پردازش آنها است روش Word2Vec است. در این روش به کمک شبکه عصبی یک بردار با اندازه کوچک و ثابت برای نمایش تمام لغات و متون در نظرگرفته شده و با اعداد مناسب در فاز آموزش مدل یا training برای هر لغت این بردار محاسبه می شود. بعد از ایجاد بردارهای مرتبط با هر لغت، برای نمایش برداری هر متن یا خبر ، می توان بردار تک تک کلمات به کار رفته در آنرا یافته و میانگین اعداد هر ستون را به دست آورد که نتیجه آن یک بردار برای هر متن یا سند خواهد بود. این روش که الگوریتم آن به صورت متن باز نیز منتشر شده است و کتابخانه های مختلفی برای زبانهای مختلف برای کار با آن تولید شده است، زمانی که توسط گوگل بر روی حجم بالای متون و اطلاعات به کار رفته است ، نتایج بسیار شگرفی را به همراه داشته است .
http://mfta.ir/data-science/id=10394
@mfta_ir
برای بسیاری از روشهای پردازش متن و NLP، نیاز به نمایش عددی کلمات و متون داریم تا بتوانیم از انواع روشهای عددی حوزه یادگیری ماشین مانند اکثر الگوریتم های دسته بندی روی لغات و اسناد استفاده کنیم. یکی از رهیافت هایی که در این حوزه بسیار رایج شده است ، نمایش برداری کلمات و جملات است . روشی که توسط گوگل در سال ۲۰۱۳ پیشنهاد شده است و روشی بسیار کارآمد و مناسب برای نمایش لغات و متون و پردازش آنها است روش Word2Vec است. در این روش به کمک شبکه عصبی یک بردار با اندازه کوچک و ثابت برای نمایش تمام لغات و متون در نظرگرفته شده و با اعداد مناسب در فاز آموزش مدل یا training برای هر لغت این بردار محاسبه می شود. بعد از ایجاد بردارهای مرتبط با هر لغت، برای نمایش برداری هر متن یا خبر ، می توان بردار تک تک کلمات به کار رفته در آنرا یافته و میانگین اعداد هر ستون را به دست آورد که نتیجه آن یک بردار برای هر متن یا سند خواهد بود. این روش که الگوریتم آن به صورت متن باز نیز منتشر شده است و کتابخانه های مختلفی برای زبانهای مختلف برای کار با آن تولید شده است، زمانی که توسط گوگل بر روی حجم بالای متون و اطلاعات به کار رفته است ، نتایج بسیار شگرفی را به همراه داشته است .
http://mfta.ir/data-science/id=10394
@mfta_ir
مفتا: علت موفقیت زنان در تبدیل شدن به دانشمند داده
مایکل والکر(دانشمند داده): علم داده میتواند به عنوان یک انتخاب خوب و حرفه ای برای زنان باشد تا بتوانند تبدیل به یک دانشمند داده شوند. زنان متفکران بزرگ متضاد هستند. یکی از مهارت های کلیدی دانشمندان بزرگ داده داشتن تفکرات معکوس و تحلیلی همراه با توانایی برقراری ارتباط دوطرفه با اعضای تیم و رهبران سازمان برای رسیدن به اهداف میباشد که تمام اینها در خصوصیات اخلاقی زنان دیده می شود.
http://mfta.ir/data-science/id=10459
@mfta_ir
مایکل والکر(دانشمند داده): علم داده میتواند به عنوان یک انتخاب خوب و حرفه ای برای زنان باشد تا بتوانند تبدیل به یک دانشمند داده شوند. زنان متفکران بزرگ متضاد هستند. یکی از مهارت های کلیدی دانشمندان بزرگ داده داشتن تفکرات معکوس و تحلیلی همراه با توانایی برقراری ارتباط دوطرفه با اعضای تیم و رهبران سازمان برای رسیدن به اهداف میباشد که تمام اینها در خصوصیات اخلاقی زنان دیده می شود.
http://mfta.ir/data-science/id=10459
@mfta_ir