اینده علم داده
http://bicorner.com/2015/10/12/the-future-of-data-science/

100 سایت برتر در حوزه تحلیل داده
http://www.datasciencecentral.com/profiles/blog/show?id=6448529%3ABlogPost%3A334512

کلمات کلیدی در حوزه علم داده

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

مفتا: مقایسه Tableau, SPSS, R, Excel, Matlab, JS, Pyth و…
http://mfta.ir/application/id=9531

telegram.me/mfta_ir

مفتا : چگونه پروژه داده کاوی خود را ارائه دهیم؟
http://mfta.ir/data-science/id=10244

@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

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

مفتا: معرفی سایت CodeSchool برای آموزش زبان R

با انجام دادن یاد بگیرید.
این شعار زیبا مربوط به سایت آموزشی codeschool.com است. این سایت خود را جز مجموعه بزرگ Pluralsight معرفی می کند که به حق یکی از پیشروهای آموزش بر خط برای توسعه دهندگان نرم افزار، متخصصان فناوری اطلاعات و فناوران خلاق است. اما چیزی که تصمیم گرفتیم به شما معرفی کنیم محیط تعاملی و زیبای سایت codeschool.com برای آموزش زبان R است که از طریق لینک زیر قابل دسترسی است.
http://tryr.codeschool.com/

http://mfta.ir/data-science/id=10157

@mfta_ir

وب سایت های مجموعه داده:
http://aws.amazon.com/public-data-sets/
http://stackoverflow.com/questions/381806/large-public-datasets
http://archive.ics.uci.edu/ml/datasets.html
https://archive.org/details/stackexchange
http://snap.stanford.edu/data/
https://networkdata.ics.uci.edu/resources.php
https://www.kaggle.com/
http://www.data.gov/
http://www.kdnuggets.com/datasets/index.html
http://socialcomputing.asu.edu/pages/datasets
http://nodexlgraphgallery.org/Pages/Default.aspx
http://konect.uni-koblenz.de/networks/