Data Science – Telegram
Data Science
7.47K subscribers
754 photos
49 videos
85 files
451 links
ارتباط با ادمین:
@Datascience
Download Telegram
مسیر تبدیل شدن به دانشمند علم داده:

با توجه به علاقه مندی دانشجویان و افزایش توجهات به حوزه علم داده و سوالات مطرح شده توسط علاقه مندان این حوزه، مسیر فرآیندی زیر جهت دستیابی به تخصص کافی جهت ورود به بازار کار توصیه می شود:

1- دستیابی به تخصص در یکی از زبان های پایتون و R:
انتخاب هر یک از دو زبان ها کامل هوشمندانه می باشد و هر دو زبان جز برترین زبان های حوزه علم داده می باشند. زبان های مانند اسکالا و جاوا بیش از حوزه علم داده در بخش Big Data Developer مطرح می باشد و در علم داده کارایی مانند پایتون و R را نخواهند داشت.
2- کسب تخصص در نرم افزارهای مرجع داده کاوی:
در میان نرم افزارهای رایج داده کاوی یادگیری یک الی دو نرم افزار از میان Knime, Spss Modeler و رپیدماینر توصیه می شود.
۳- آشنایی با مفاهیم اصلی یادگیری ماشین و آمار:
بهترین مرجع جهت یادگیری کاربردی دو حوزه آمار و الگوریتم های یادگیری ماشین دوره های آنلاین وب سایت کرسرا و کتاب های مرجع داده کاوی می باشد. گفتنی است بهترین یادگیری، یادگیری در حین انجام پروژه عملی می باشد.
4- پلتفرم های هوش تجاری:
در ایران به دلیل تجربیات موفق شرکت ها معمولا حوزه هوش تجاری مورد توجه قرار گرفته است. در همین راستا معمولا در فرصت های شغلی مرتبط با حوزه علم داده کسب دانش در حوزه BI و برخی پلتفرم های آن لازم می باشد. در این حوزه توصیه به یادگیری یک نرم افزار مطرح هوش تجاری همچون Qlik یا Tableau و پلتفرم های BI پایگاه داده هایی مانند Sql یا اراکل می باشد.
5- پلتفرم های Big Data: حوزه Big Data فرصت های شغلی مختص خود را دارد و کسب تخصص کامل در تمامی پلتفرم ها در مدت زمان کوتاه امری نشدنی خواهد بود. در حوزه علم داده نیاز به کسب دانش در پلتفرم های Big Data Analytics شامل کتابخانه های یادگیری ماشین و تحلیل شبکه اجتماعی هدوپ، اسپارک و... را خواهید داشت. جهت زبان برنامه نویسی در این بخش توصیه پایتون می باشد.
@dataanalysis

ارادتمند
محمدرضا محتاط
Forwarded from A M
رتبه بندی پلت فرمها از دید گارتنر و عدم استقبال دانشمندان علم داده ها از این رتبه بندی https://news.1rj.ru/str/dataanalysis
A M
Photo
لینک وب سایت دومین کارگاه آموزشی تخصصی مه داده دانشگاه امیر کبیر

http://bigdata.aut.ac.ir/workshop2017/fa.html
در کدام یک از حوزه های ذیل تخصص دارید یا علاقه مند به یادگیری هستید؟
anonymous poll

Data Mining – 138
👍👍👍👍👍👍👍 38%

Business Intelligence – 76
👍👍👍👍 21%

Text Mining – 64
👍👍👍 18%

Big Data Analytics – 63
👍👍👍 18%

Big Data Developer – 18
👍 5%

👥 359 people voted so far.
سال نو مبارک....
Data Science
سال نو مبارک....
سال نو تمام عزیزان مبارک

سپاس از همراهی حدود یکسال شما با کانال علم داده

ان شالله در سال جدید خبرهای خوب و جذابی پیرامون حوزه علم داده در ایران برای شما عزیزان خواهیم داشت.

ارادتمند
محمدرضا محتاط
ده روند کلان داده ها در سال 2017

@dataanalysis
پنج روند فناوری که در سال 2017 بر کسب و کارها تاثیر خواهند گذاشت!

http://bit.ly/2olJ8F8

@dataanalysis
علم داده و اینترنت اشیا!

@dataanalysis
یکی از منابع برتر جهت تبدیل شدن به دانشمند علم داده واقعی!

https://cdn.datafloq.com/cms/2015/10/26/long-road-to-data-scientist.png

@dataanalysis
مـــــژده ای اهلِ ولا، دادرسی می آید
پشت در صوتِ قدمهای کسی می آید

فاطمه بنت اسد جــــامه ی نو میبافد
کعبه آماده شده سینه ی خود بشکافد

آب و جارو بنماید، که علی در راهست
چشمِ احمد بــــه رهِ آمدنِ آن مـاهست

جبرئیل آمده و مژده بــــــه احمد داده
خبرِ آمــدنش را بـــــــه "محمــد" داده

سببِ روشنی چشـمِ شمــــــا می آید
صوتِ "هو یاعلی" از عرشِ خدا می آید


#پیشاپیش میلاد مولای متقیان علی علیه السلام و روز پدر مبارک
برترین ابزارهای های متن باز علم داده!

@dataanalysis
تفاوت میان دانشمند علم داده با مهندسین نرم افزار و مهندس داده!

@dataanalysis
Forwarded from بیشتر بدانیم
کتابخانه های تحلیلی پایتون برای انجام پروژه های علم داده!

@dataanalysis
ابزارهای برتر علم داده ها از دید فارستر در مقایسه با گارتنر 4 ابزار گارتنر در لیست برترهای فارستر هستند به اضافه 3 ابزار دیگر https://news.1rj.ru/str/dataanalysis