رشتههای دانشگاهی مرتبط با حوزه علمداده در ایران:
یکی از دغدغههای اصلی علاقهمندان به حوزه علم داده شرکت در رشته مرتبط در مقطع کارشناسی ارشد با حوزههایی مانند علم داده، داده کاوی و... هست. در ادامه برخی از برترین رشتههای مرتبط با این حوزه را در دانشگاههای ایران مطرح خواهم کرد.
1-هوش مصنوعی:
یکی از بهترین رشته تحصیلی مرتبط با حوزههای علم داده، رشته هوش مصنوعی میباشد. از دروس مرتبط موجود در این رشته میتوان به درسهایی مانند پردازش زبان طبیعی، هوش مصنوعی، هوش محاسباتی، یادگیری ماشین، شبکه های عصبی پیشرفته، پردازش تصویر و... اشاره کرد. البته اکثر دروس فوق تنها در دانشگاههایی مانند شریف و تهران ارائه خواهد شد و معمولا در سایر دانشگاهها دانشجو حق انتخاب زیادی در انتخاب واحدهای تحصیلی نخواهد داشت.
2- مدیریت فناوری اطلاعات:
یکی از رشتههای جذابی که مرتبط با حوزه علمداده میباشد و به تازگی توجهات به آن بیشتر نیز گردیده است گرایش سیستمهای اطلاعاتی پیشرفته رشته مدیریت فناوری اطلاعات است. این رشته به متخصصین حوزه علمداده که در حوزه مدیریت و مدیریت پروژه فعال هستند پیشنهاد می شود. از دروس شاخص مرتبط این گرایش می توان به درسهای دادهکاوی و انبار داده، هوش تجاری، سیستمهای تصمیمیار، مباحث پیشرفته در سیستمهای اطلاعاتی، منطق فازی و هوش مصنوعی، تحلیل آماری و... اشاره کرد.
۳-مهندسی نرم افزار:
این رشته بیش از آنکه به حوزه علمداده نزدیک باشد به حوزه Big Data Developer نزدیک هست و علاقهمندان به حوزه کلانداده می توانند در مقطع ارشد در این رشته تحصیل نمایند. درسهایی مانند سیستمهای توزیع شده، یادگیری ماشین، پایگاه داده پیشرفته، سیستمهای تصمیم یار و... از برخی دروس این رشته هستند.
۴-مهندسی آینده پژوهی:
رشته مهندسی آینده پژوهی یکی از گرایشهای رشته صنایع میباشد و با توجه به ظرفیت کم دانشگاههای ارائه دهنده این رشته معمولا قبولی در آن کمی دشوار هست. این رشته برای افرادی که به حوزه علمداده علاقهمند هستند و رشته کارشناسی مرتبط با رشتههایی علوم انسانی یا صنایع داشتهاند توصیه میگردد. دروس شاخص مرتبط با حوزه علم داده این گرایش شامل درسهای مدیریت دادهکاوی، روشهای پیشبینی، مبانی و روشهای مدلسازی و... میباشد.
5- رشته آمار:
آمار همواره یکی از پایههای اصلی حوزههایی مانند دادهکاوی و علمداده بوده است و برخی از پیشگامان حوزه علمداده نیز در این رشته ادامه تحصیل دادهاند. اگر پایه ریاضی یا آمار قوی دارید این رشته میتواند برای شما مفید باشد. البته توصیه می گردد در حین تحصیل در این رشته در یکی از زبانهای برنامهنویسی R یا پایتون متخصص شوید.
در انتها قابل ذکر هست که برخی از متخصصین و پیشگامان حوزه علمداده در رشتههای کاملا غیرمرتبط مانند نجوم، اقتصاد و... تحصیل کردهاند و صرفا تحصیل در رشتههای مطروحه فوق نمیتواند موقعیت شما را در این فیلد کاری تضمین نماید. پشتکار، علاقه، تلاش و خیلی از المانهای دیگر بیش از رشته تحصیلی می تواند تاثیرگذار باشد.
https://goo.gl/Gs2tn6
پینوشت:
علاقهمندانی که قصد قبولی در رشته مدیریت فناوری اطلاعات و کسب رتبه تک رقمی در کنکور مدیریت را دارند در لینک زیر میتوانند مصاحبه وبسایت Modir.ir با بنده را مطالعه کنند.
http://www.modir.ir/Arshad/int9662.aspx
ارادتمند
محمدرضا محتاط
یکی از دغدغههای اصلی علاقهمندان به حوزه علم داده شرکت در رشته مرتبط در مقطع کارشناسی ارشد با حوزههایی مانند علم داده، داده کاوی و... هست. در ادامه برخی از برترین رشتههای مرتبط با این حوزه را در دانشگاههای ایران مطرح خواهم کرد.
1-هوش مصنوعی:
یکی از بهترین رشته تحصیلی مرتبط با حوزههای علم داده، رشته هوش مصنوعی میباشد. از دروس مرتبط موجود در این رشته میتوان به درسهایی مانند پردازش زبان طبیعی، هوش مصنوعی، هوش محاسباتی، یادگیری ماشین، شبکه های عصبی پیشرفته، پردازش تصویر و... اشاره کرد. البته اکثر دروس فوق تنها در دانشگاههایی مانند شریف و تهران ارائه خواهد شد و معمولا در سایر دانشگاهها دانشجو حق انتخاب زیادی در انتخاب واحدهای تحصیلی نخواهد داشت.
2- مدیریت فناوری اطلاعات:
یکی از رشتههای جذابی که مرتبط با حوزه علمداده میباشد و به تازگی توجهات به آن بیشتر نیز گردیده است گرایش سیستمهای اطلاعاتی پیشرفته رشته مدیریت فناوری اطلاعات است. این رشته به متخصصین حوزه علمداده که در حوزه مدیریت و مدیریت پروژه فعال هستند پیشنهاد می شود. از دروس شاخص مرتبط این گرایش می توان به درسهای دادهکاوی و انبار داده، هوش تجاری، سیستمهای تصمیمیار، مباحث پیشرفته در سیستمهای اطلاعاتی، منطق فازی و هوش مصنوعی، تحلیل آماری و... اشاره کرد.
۳-مهندسی نرم افزار:
این رشته بیش از آنکه به حوزه علمداده نزدیک باشد به حوزه Big Data Developer نزدیک هست و علاقهمندان به حوزه کلانداده می توانند در مقطع ارشد در این رشته تحصیل نمایند. درسهایی مانند سیستمهای توزیع شده، یادگیری ماشین، پایگاه داده پیشرفته، سیستمهای تصمیم یار و... از برخی دروس این رشته هستند.
۴-مهندسی آینده پژوهی:
رشته مهندسی آینده پژوهی یکی از گرایشهای رشته صنایع میباشد و با توجه به ظرفیت کم دانشگاههای ارائه دهنده این رشته معمولا قبولی در آن کمی دشوار هست. این رشته برای افرادی که به حوزه علمداده علاقهمند هستند و رشته کارشناسی مرتبط با رشتههایی علوم انسانی یا صنایع داشتهاند توصیه میگردد. دروس شاخص مرتبط با حوزه علم داده این گرایش شامل درسهای مدیریت دادهکاوی، روشهای پیشبینی، مبانی و روشهای مدلسازی و... میباشد.
5- رشته آمار:
آمار همواره یکی از پایههای اصلی حوزههایی مانند دادهکاوی و علمداده بوده است و برخی از پیشگامان حوزه علمداده نیز در این رشته ادامه تحصیل دادهاند. اگر پایه ریاضی یا آمار قوی دارید این رشته میتواند برای شما مفید باشد. البته توصیه می گردد در حین تحصیل در این رشته در یکی از زبانهای برنامهنویسی R یا پایتون متخصص شوید.
در انتها قابل ذکر هست که برخی از متخصصین و پیشگامان حوزه علمداده در رشتههای کاملا غیرمرتبط مانند نجوم، اقتصاد و... تحصیل کردهاند و صرفا تحصیل در رشتههای مطروحه فوق نمیتواند موقعیت شما را در این فیلد کاری تضمین نماید. پشتکار، علاقه، تلاش و خیلی از المانهای دیگر بیش از رشته تحصیلی می تواند تاثیرگذار باشد.
https://goo.gl/Gs2tn6
پینوشت:
علاقهمندانی که قصد قبولی در رشته مدیریت فناوری اطلاعات و کسب رتبه تک رقمی در کنکور مدیریت را دارند در لینک زیر میتوانند مصاحبه وبسایت Modir.ir با بنده را مطالعه کنند.
http://www.modir.ir/Arshad/int9662.aspx
ارادتمند
محمدرضا محتاط
Forwarded from Digiato | دیجیاتو
http://dgto.ir/mk1
✅ توسعه الگوریتمی برای تشخیص افسردگی با تحلیل پست های #اینستاگرام
🔸در این روش 44000 پست ارسالی از 166 کاربر (که 71 نفر از آنها دچار افسردگی بودند) توسط هوش مصنوعی و با نظارت پژوهشگران مورد بررسی قرار گرفت که در این میان، فاکتورهایی مانند رنگ های موجود در تصویر، نوع فیلترهای مورد استفاده و تعداد افراد حاضر در عکس به عنوان عوامل مؤثر در میزان افسردگی افراد شناسایی شد.
🔸داده ها سپس با پردازش از طریق یادگیری ماشینی، الگوریتمی را به وجود آوردند که محققان توانستند با استفاده از آن، افسردگی 70 درصد از افراد در گروه آزمایشی متفاوتی را به درستی تشخیص دهند. لازم به ذکر است که میزان موفقیت روانپزشکان بدون کمک هوش مصنوعی برابر 42 درصد (با صرف زمان بیشتر) بوده است.
📱 @Digiato 📡
✅ توسعه الگوریتمی برای تشخیص افسردگی با تحلیل پست های #اینستاگرام
🔸در این روش 44000 پست ارسالی از 166 کاربر (که 71 نفر از آنها دچار افسردگی بودند) توسط هوش مصنوعی و با نظارت پژوهشگران مورد بررسی قرار گرفت که در این میان، فاکتورهایی مانند رنگ های موجود در تصویر، نوع فیلترهای مورد استفاده و تعداد افراد حاضر در عکس به عنوان عوامل مؤثر در میزان افسردگی افراد شناسایی شد.
🔸داده ها سپس با پردازش از طریق یادگیری ماشینی، الگوریتمی را به وجود آوردند که محققان توانستند با استفاده از آن، افسردگی 70 درصد از افراد در گروه آزمایشی متفاوتی را به درستی تشخیص دهند. لازم به ذکر است که میزان موفقیت روانپزشکان بدون کمک هوش مصنوعی برابر 42 درصد (با صرف زمان بیشتر) بوده است.
📱 @Digiato 📡
Forwarded from Data Science (محمدرضا محتاط)
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
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
ما بعنوان یکی از شرکتهای برتر در حوزه امنیت شبکه و امنیت اطلاعات، علاقمندیم تا با فردی در حوزه #BigData بعنوان عضو جدید تیم امن سازی همکاری نماییم.
ما علاقمندیم تا عضو جدید این تیم:
* به مجازی سازی و مفاهیم #شبکه آشنا باشد.
* به #تست_نرم_افزار آشنا باشد.
* بر مفاهیم #داده_کاوی مسلط و به اکوسیستم #Hadoop آشنا باشد.
* با پروتکلهای ارتباطی IOT و کار با Rasbery Pi و Arduino آشنا باشد.
* بر برنامه نویسی به زبان #Java یا #Python آشنا باشد.
* در صورت تسلط بر برنامه نویسی به زبان Java لازم است فرد بر موارد زیر مسلط باشد:
Maven
Spring
Hibernate
MQ-JMX
Rest
Soap
*در صورت تسلط بر برنامه نویسی به زبان Python تسلط بر مهارتهای زیر ضروری است:
Numpy
SKlearn
Pandas
Tensorflow
NLTK
Stanford
در صورتی که علاقمند به همکاری با تیم امن سازی ما هستید، لطفا رزومه خود را به آدرس hr@amnafzar.ir ارسال فرمایید.
@dataanalysis
ما علاقمندیم تا عضو جدید این تیم:
* به مجازی سازی و مفاهیم #شبکه آشنا باشد.
* به #تست_نرم_افزار آشنا باشد.
* بر مفاهیم #داده_کاوی مسلط و به اکوسیستم #Hadoop آشنا باشد.
* با پروتکلهای ارتباطی IOT و کار با Rasbery Pi و Arduino آشنا باشد.
* بر برنامه نویسی به زبان #Java یا #Python آشنا باشد.
* در صورت تسلط بر برنامه نویسی به زبان Java لازم است فرد بر موارد زیر مسلط باشد:
Maven
Spring
Hibernate
MQ-JMX
Rest
Soap
*در صورت تسلط بر برنامه نویسی به زبان Python تسلط بر مهارتهای زیر ضروری است:
Numpy
SKlearn
Pandas
Tensorflow
NLTK
Stanford
در صورتی که علاقمند به همکاری با تیم امن سازی ما هستید، لطفا رزومه خود را به آدرس hr@amnafzar.ir ارسال فرمایید.
@dataanalysis
Forwarded from khabarjou
🔴دریافت لحظهای سوژههای خبری مورد علاقه در 200 منبع خبری🔴
👈برخوردار از پیچیدهترین الگوریتمهای هوش مصنوعی👉
t.me/khabarjou_bot
👈برخوردار از پیچیدهترین الگوریتمهای هوش مصنوعی👉
t.me/khabarjou_bot
۱۰ تکنولوژی برتر که آینده اقتصاد دنیا را شکل میدهند:
1-هوش مصنوعی
2-رباتیک
3- اینترنت اشیا
4- ژنتیک
5- پهباد
6- بلاکچِین
7- کلان داده
8- واقعیت افزوده
9- واقعیت مجازی
10- پرینتر ۳ بعدی
@dataanalysis
1-هوش مصنوعی
2-رباتیک
3- اینترنت اشیا
4- ژنتیک
5- پهباد
6- بلاکچِین
7- کلان داده
8- واقعیت افزوده
9- واقعیت مجازی
10- پرینتر ۳ بعدی
@dataanalysis
پایتون و R بهترین پلت فرمهای یادگیری ماشین در علم داده ها(در نظرسنجی شاپیرو) پیشی گرفتن پایتون از R در 2017. چیزی که پیش بینی می شد. https://news.1rj.ru/str/dataanalysis
روشهای برتر در بازار دیجیتال در سال 2017 https://news.1rj.ru/str/dataanalysis
معرفی کاربردهای یادگیری عمیق
https://goo.gl/EuyWcZ
پرسوناژ نرمافزاری است که با استفاده از الگوریتمهای یادگیری عمیق در شناسایی چهره، نام بازیگرهای ایرانی را از روی چهره آنها تشخیص میدهد و از آنها اطلاعات کاملی ارایه میکند. این استارتاپ از اولین کاربردهای شبکههای عصبی مصنوعی عمیق در اپلیکیشنهای عمومی در ایران است و در حوزه سرگرمی و کاوش برنامههای تلویزیونی فعالیت میکند.
میتوانید نرمافزار را از این لینک برای اندروید دریافت و امتحان کنید:
https://cafebazaar.ir/app/com.systemnegar.personage/?l=fa
@dataanalysis
https://goo.gl/EuyWcZ
پرسوناژ نرمافزاری است که با استفاده از الگوریتمهای یادگیری عمیق در شناسایی چهره، نام بازیگرهای ایرانی را از روی چهره آنها تشخیص میدهد و از آنها اطلاعات کاملی ارایه میکند. این استارتاپ از اولین کاربردهای شبکههای عصبی مصنوعی عمیق در اپلیکیشنهای عمومی در ایران است و در حوزه سرگرمی و کاوش برنامههای تلویزیونی فعالیت میکند.
میتوانید نرمافزار را از این لینک برای اندروید دریافت و امتحان کنید:
https://cafebazaar.ir/app/com.systemnegar.personage/?l=fa
@dataanalysis
Forwarded from کانال دانلود کتاب
Robert_Layton_Learning_Data_Mining.pdf
3.9 MB
الْحَمْدُ لِلَّهِ الَّذِی جَعَلَنَا مِنَ الْمُتَمَسِّکِینَ بِوِلاَیَةِ أَمِیرِ الْمُؤْمِنِینَ وَ الْأَئِمَّةِ عَلَیْهِمُ السَّلاَمُ
الْحَمْدُ لِلَّهِ الَّذِی جَعَلَ کَمَالَ دِینِهِ وَ تَمَامَ نِعْمَتِهِ بِوِلاَیَةِ أَمِیرِ الْمُؤْمِنِینَ عَلِیِّ بْنِ أَبِی طَالِبٍ عَلَیْهِ السَّلاَم.
الْحَمْدُ لِلَّهِ الَّذِی أَکْرَمَنَا بِهَذَا الْیَوْمِ وَ جَعَلَنَا مِنَ الْمُوفِینَ بِعَهْدِهِ إِلَیْنَا وَ مِیثَاقِهِ الَّذِی وَاثَقَنَا بِهِ مِنْ وِلاَیَةِ وُلاَةِ أَمْرِهِ وَ الْقُوَّامِ بِقِسْطِهِ وَ لَمْ یَجْعَلْنَا مِنَ الْجَاحِدِینَ وَ الْمُکَذِّبِینَ بِیَوْمِ الدِّین.
الْحَمْدُ لِلَّهِ الَّذِی جَعَلَ کَمَالَ دِینِهِ وَ تَمَامَ نِعْمَتِهِ بِوِلاَیَةِ أَمِیرِ الْمُؤْمِنِینَ عَلِیِّ بْنِ أَبِی طَالِبٍ عَلَیْهِ السَّلاَم.
الْحَمْدُ لِلَّهِ الَّذِی أَکْرَمَنَا بِهَذَا الْیَوْمِ وَ جَعَلَنَا مِنَ الْمُوفِینَ بِعَهْدِهِ إِلَیْنَا وَ مِیثَاقِهِ الَّذِی وَاثَقَنَا بِهِ مِنْ وِلاَیَةِ وُلاَةِ أَمْرِهِ وَ الْقُوَّامِ بِقِسْطِهِ وَ لَمْ یَجْعَلْنَا مِنَ الْجَاحِدِینَ وَ الْمُکَذِّبِینَ بِیَوْمِ الدِّین.
Forwarded from مسابقه دادهكاوی اميركبير