به جامعه متخصصین علم‌داده ایران با حضور اساتید و متخصصین برجسته کشور در حوزه‌های تحلیل‌های پیشرفته کسب‌وکار، داده‌کاوی، هوش‌تجاری، کلان‌داده و پردازش متن بپیوندید!

آدرس کانال:
@dataanalysis

فایل ارائه دانشگاه استنفورد پیرامون فریم‌ورک‌های یادگیری عمیق
https://goo.gl/CFu3jD

لینک دانلود:
http://stanford.io/2eVHV7U

@dataanalysis

معرفی دوره آموزشی Applied Data Science with Python:

https://goo.gl/a4NoKA

این دوره آموزشی توسط دانشگاه میشیگان آمریکا در حوزه علم‌داده و زبان پایتون به صورت آنلاین و در سطح مقدماتی و متوسط تدریس می‌گردد. این دوره آموزشی شامل 5 درس با عناوین زیر می‌باشد.

1-Introduction to Data Science in Python

2- Applied Plotting, Charting & Data Representation

3- Applied Machine Learning in Python

4- Applied Text Mining in Python

5- Applied Social Network Analysis in Python

لینک دوره:
https://www.coursera.org/specializations/data-science-python#courses

پی‌نوشت:
جهت ثبت‌نام پس از مراجعه به صفحه اصلی دوره با انتخاب درس مدنظر و رفتن به صفحه درس گزینه Enroll و سپس گزینه Audit را فعال نمایید. گفتنی است جهت‌ ثبت‌نام به دلیل تحریم بودن کشور ایران نیاز به فیلتر‌شکن خواهید داشت.

@dataanalysis

تعداد اتفاق در یک دقیقه در اینترنت سال 2017 https://news.1rj.ru/str/dataanalysis

مقایسه کامل الگوریتم‌های بانظارت یادگیری‌ماشین:

https://goo.gl/Fte7WZ

لینک کامل مطلب‌:
http://www.dataschool.io/comparing-supervised-learning-algorithms/

@dataanalysis

برترین کتابخانه‌های زبان برنامه‌نویسی پایتون در حوزه علم‌داده در سال 2017:
https://goo.gl/74UmP4

1. NumPy
2. SciPy
3. Pandas
4.Matplotlib
5. Seaborn
6. Bokeh
7. Plotly
8. SciKit-Learn
9.Theano
10. TensorFlow
11. Keras
12. NLTK
13. Gensim
14. Scrapy
15. Statsmodels

لینک کامل مقاله وب‌سایت kdnuggets:
http://www.kdnuggets.com/2017/06/top-15-python-libraries-data-science.html

@dataanalysis

مراحل اجرایی یک پروژه مبتنی بر علم داده:

https://goo.gl/ui6XdW

@dataanalysis

مقایسه میان ابزارهای مورد استفاده توسط مهندس داده و دانشمند علم‌داده

https://goo.gl/CkwBDp

ملاحظه:
بخش زرد: دانشمند علم‌داده
بخش آبی: مهندس داده

@dataanalysis

❇️ روایت جالب دکتر نخعی زاده در کنفرانس MIPIS از روند آشنایی با داده کاوی در شرکت مرسدس بنز و نحوه ی ارتباط این علم با آمار

@Amaresh96

ده مهارتی که بیشترین استفاده را در فرصت‌های شغلی مرتبط با دانشمند علم داده دارد!
https://goo.gl/HukHtH

1-Python
2-R
3-SQL
4-Hadoop
5-Java
6-SAS
7-Spark
8-Matlab
9-Hive
10-Tableau

@dataanalysis

دکتر مهدی نصیری، مدیر واحد علم داده‌ها شرکت آریا همراه در کارگاه آموزشی نمایشگاه تراکنش ایران، به ارائه دستاوردهای آریاهمراه در حوزه داده‌کاوی و کلان‌داده خواهد پرداخت.

http://www.itefaba.com/fa/news/%D8%B3%D8%AE%D9%86%D8%B1%D8%A7%D9%86-%D9%85%D9%87%D8%AF%DB%8C-%D9%86%D8%B5%DB%8C%D8%B1%DB%8C/

ویژگی‌های جدید Sql Server 2017!

متخصصین علم‌داده از این نسخه می‌توانند از زبان پایتون(Anaconda)و R به صورت یکپارچه در Sql Server استفاده نمایند

@dataanalysis

فرصت شغلی Backend Developer و Lead Developer شرکت #دایکه!

@dataanalysis

ابزارها، تکنولوژی‌ها و مفاهیم مرتبط با حوزه علم‌داده!

@dataanalysis

سمینار تحلیل دادگان شبکیه چشم با رویکرد آماری و یادگیری ماشین!

زمان:چهارشنبه 19 مهر از ساعت 10 الی 12
مکان:سالن صدری دانشکده مهندسی کامپیوتر شیراز
مدرس:دکتر یوسفی از دانشگاه تنسی آمریکا
@dataanalysis

کتاب کاربردی یادگیری ماشین در اسپارک!

@dataanalysis

هفت مهارت برتر حوزه فناوری‌اطلاعات در سال 2017!

@dataanalysis

سه ویژگی کلیدی نسخه SQL Server 2017 برای دانشمندان علم‌داده:

https://goo.gl/GqnbRZ

1- پایتون و R: در این نسخه به صورت یکپارچه امکان استفاده از زبان‌های مطرح علم‌داده همچون زبان‌های برنامه‌نویسی پایتون و R را در SQL Server خواهید داشت.

2- پایگاه داده گرافی: در نسخه 2017 پایگاه داده SQL Server امکان مدیریت دادگان و اطلاعات مبتنی بر Graph ایجاد گردیده است.

3- هوش تجاری: با اضافه‌سازی ابزار داشبوردسازی Power BI، از طریق SSRS امکان ساخت داشبوردهای کارآمد را به صورت یکپارچه در پلتفرم هوش تجاری SQL Server وجود دارد.

@dataanalysis

بررسی سؤال مسابقه داده‌کاوی دانشگاه امیرکبیر:

مسابقه داده‌کاوی دانشگاه امیرکبیر با تمرکز بر حل مسائل روز بانکی آغاز گردیده است. با توجه به آگاهی علاقه‌مندان و مخاطبان کانال برخی از جزئیات مطرح‌شده در این مسابقه در ادامه بیان می‌گردد:
https://goo.gl/sFEVtd

این مسابقه سومین مسابقه رسمی داده‌کاوی برگزارشده در چند سال اخیر در کشور می‌باشد. سؤال اصلی مطرح‌شده پیش‌بینی وفاداری مشتریان از روی تراکنش‌های بانکی می‌باشد. دادگان اصلی مسابقه شامل اطلاعات تراکنش 5 ماه یکی از بانک‌‌های کشور با جامعه آماری 40 هزار مشتری می‌باشد.

در این سؤال هدف پیش‌بینی میانگین موجودی یک مشتری در ماه آتی بانک می‌باشد. دادگان تحویل داده‌شده به شرکت‌کنندگان شامل متغیرهای کد مشتری، شماره‌حساب، مبلغ تراکنش، مانده‌حساب، تاریخ تراکنش، شماره پایانه بانکی، حالت حساب و کد تراکنش بانکی می‌باشد.

قابل‌ذکر می‌باشد با توجه به اهمیت حفظ حریم خصوصی مشتریان بانکی برخی از ویژگی‌های فوق کدگذاری گردیده‌اند.

روش‌ها و ویژگی‌های مورد نیاز جهت حل مسئله فوق نیز پس از پایان مسابقات در همین کانال مورد بررسی بیشتر قرار خواهد گرفت.

ارادتمند
محمدرضا محتاط
@dataanalysis