/تکمیلی‌/
در نظرسنجی فوق این نکته قابل ذکر می باشد که در حدود 25 درصد متخصصین علم‌داده شرکت کننده در این نظرسنجی بیان کرده‌اند که طی 4 الی 6 سال آینده تقاضا برای جذب متخصصین علم‌داده و یادگیری ماشین با کاهش روبه‌رو خواهد شد.
این درصد برای مدت زمان هفت الی ده سال در حدود بیست درصد می‌باشد.
شایان ذکر هست که در حال حاضر اکثر کشورها با کمبود متخصص علم‌داده مواجه هستند!

طی مطلب آتی نیز مدت زمان مورد نیاز جهت تبدیل شدن به یک متخصص علم‌داده مورد بررسی بیشتر قرار خواهد گرفت!
@dataanalysis

موفق و موید باشید

فرصت‌های شغلی کارشناس و مدیر فنی تیم علوم‌داده در شرکت پایانه‌های داده‌ای نوین!

@dataanalysis

مدت زمان لازم جهت تبدیل شدن به یک متخصص علم‌داده براساس نظرسنجی وب‌سایت Kdnuggets

در قاره آسیا طبق بیان متخصصین علم‌داده این مدت زمان در حدود میانگین پنج سال بوده است.

@dataanalysis

شرکت مشاورین گسترش الکترونیک ایما(مگا) فعال در زمینه تجارت الکترونیکی جهت تکمیل کادر فنی خود دارندگان تخصصهای زیر را به صورت تمام وقت یا پاره وقت به همکاری دعوت مینماید:
1- برنامه نویس مسلط در حوزه تولید نرمافزارهای وب پایه، ترجیحاً دارای تخصصها و مهارتهای زیر:

• Experienced in building scalable enterprise applications using C#/.NET
• Deep understanding of modern web technologies (ASP.NET, MVC, Web API, etc.)
• Familiar with SQL, LINQ, and relational database design • Familiar with single page application structure and technologies

2- برنامه نویس آشنا به محیط Orchard یا سایر CMS های مشابه

علاقه مندان میتوانند رزومه خود را به آدرس info@megagroup.biz ارسال نمایند.

@dataanalysis

دعوت به همكاري پرتال جامع خودرو كشور

توسعه دهنده net. مسلط به Orchard به صورت پاره وقت


تجربیات و مهارت های مورد نیاز:

• Deep understanding of Orchard CMS
• Hands-on experience in Orchard CMS module development


موقعيت:
شيراز يا تهران


ارسال رزومه:
nouri@megagroup.biz

@dataanalysis

فرصت شغلی تحلیلگر داده در شرکت رایتل:

https://goo.gl/YeyLpF

شرکت رایتل در حوزه سیستم های تحلیل داده (سیستم هوش تجاری، مدیریت تقلب و تضمین درآمد)، از تعداد محدودی از فارغ التحصیلان دانشگاه های معتبر (حداقل کارشناسی)، با شرایط ذیل جهت همکاری بصورت تمام وقت دعوت بعمل می آورد:
1- رشته تحصیلی کامپیوتر، فناوری اطلاعات یا آمار
2- آشنایی کامل با SQL و پایگاه داده ها ترجیحا Oracle
3- سطح زبان بالا در هر چهار مهارت
4- آشنا به مفاهیم BI و تحلیل داده ها (با ابزارهای IBM Cognos یا Tableau)
5- علاقه مند به حوزه تحلیل داده های حجیم (Big Data) در یک محیط واقعی
از علاقه مندان تقاضا می شود رزومه کاری خود را حداکثر تا 15 آذر ماه 96 به آدرس BI-JV@rightel.ir ارسال نمایند.

@dataanalysis

مهم‌ترین دلایل شکست برخی از پروژه‌های فناوری اطلاعات کشور:

https://goo.gl/hDYBdh

یکی از مهم‌ترین ویژگی‌های یک متخصص علم‌داده توانایی در حوزه مدیریت پروژه و آشنایی با مفاهیم علمی و تخصصی این حوزه در راستای مدیریت هر چه‌بهتر پروژه‌ها می‌باشد. در این مقاله هدف بررسی مهم‌ترین دلایل شکست پروژه‌های فناوری اطلاعات بخصوص حوزه‌های مرتبط با علم‌داده، کلان داده و... در کشور می‌باشد:

•عدم وجود نیروی متخصص کافی:
یکی از مشکلاتی که در پروژه‌های فناوری اطلاعات وجود دارد عدم وجود نیروی متخصص کافی در کشور می‌باشد. در حوزه‌های سطح بالای تکنولوژی همچون کلان داده ، اینترنت اشیا ، علم‌داده ، داده‌کاوی ، متن‌کاوی ، پردازش ابری و... این خلأ بیشتر دیده می‌شود. عدم ارتباط دانشگاه با صنعت یکی از دلایل ایجاد این خلأ می‌باشد. این مشکل در حال حاضر در بسیاری از کشورهای توسعه‌یافته نیز وجود دارد.

•تغییرات تکنولوژی:
حوزه فناوری اطلاعات و به طبع پروژه‌های فناوری اطلاعات به تغییرات تکنولوژی و فناورانه بسیار وابسته می‌باشد به‌نحوی‌که یک تغییر در حوزه تکنولوژی ممکن هست سبب بروز شکست یک پروژه گردد. به‌عنوان‌مثال برخی از پروژه‌های فناوری اطلاعاتی که در کشور منعقد گردیده است ممکن هست پس از متن‌باز شدن پروژه مشابه آن توسط یک شرکت مطرح مانند گوگل دیگر توان رقابتی وجود نداشته باشد و کارفرما ترجیح خواهد داد تا از محصول باکیفیت شرکت گوگل در ادامه استفاده نماید.

•عدم دانش مدیریت پروژه:
یکی از دلایل بسیار مهم در شکست پروژه‌های فناوری اطلاعات عدم آشنایی مدیران پروژه‌ها با اصول و مفاهیم مدیریت پروژه می‌باشد. این کمبود دانش سبب بروز مشکلات فراوانی در حوزه‌های فنی و حوزه‌های مدیریتی در پروژه‌ها خواهد شد.

•مشکلات حقوقی و تحریم‌ها:
در برخی از پروژه‌های فناوری اطلاعات که نیازمند سخت‌افزارهای مخصوص و بعضاً بسیار قدرتمند می‌باشد به دلیل وجود تحریم‌ها علیه جمهوری اسلامی ایران امکان دسترسی به این قبیل سخت‌افزارها مقدور نیست یا با تأخیر فروان امکان دست‌یابی وجود دارد.

•استعفا مدیر پروژه یا کارکنان خبره:
در برخی از پروژه‌های فناوری اطلاعات به دلیل وابستگی بیش‌ازحد به مدیر پروژه یا برخی از کارکنان متخصص سبب بروز مشکلات متعددی همچون شکست گردیده است. با ترک این کارکنان یکپارچگی پروژه از بین رفته و سبب تأخیر یا درنهایت شکست پروژه شده است.
@dataanalysis
ارادتمند
محمدرضا محتاط

پنجمین همایش ملی مدیران فناوری اطلاعات هم اکنون در سالن همایش‌های بین‌المللی برج میلاد!

محور اصلی همایش حکمرانی داده‌ها و دولت الکترونیک از دیدگاه علوم و فناوری اطلاعات می‌باشد.

@dataanalysis

روند استفاده از زبانها در علم داده ها https://news.1rj.ru/str/dataanalysis

🎥🖥 Online access to the seminar (webinar) is also available

For registeration, please visit the folowing link.

http://cs.ipm.ac.ir/ds2017/webinarregistration.aspx


@IPMDataScience

سمینار یک روزه علم داده

🔵 پژوهشگاه دانش‌های بنیادی با همکاری مرکز علوم داده آمستردام
🕖 9 آذر 1396

برای اطلاعات بیشتر به کانال زیر مراجعه کنید
@IPMDataScience

با توجه به اتمام زمان ثبت نام جهت شرکت در سمینار یک روزه علم‌داده امکان ثبت‌نام در وینار این همایش برای علاقه‌مندان مهیا گردیده هست.

کانال علم‌داده نیز این سمینار را پوشش خواهد داد. با ما همراه باشید

@dataanalysis

ارایه علم‌داده و موتورهای جستجو ذیل سمینار یک روزه علم داده هم اکنون در پژوهشگاه دانش‌های بنیادین!

@dataanalysis

ارایه کاربرد علوم داده در کسب‌وکار و بازاریابی در سمینار علم‌داده!

@dataanalysis

کتاب A Practical Guide to Sentiment Analysis انتشارات Springer

@dataanalysis

گروه تخصصی تحلیل احساسات

http://bit.ly/2nINEBn

پیرامون موضوع تحلیل احساسات( Sentiment Analysis) یک گروه تخصصی ایجاد گردیده است تا برخی اطلاع رسانی‌ها پیرامون رخدادهای آتی در کشور در این حوزه و انتقال دانش بین متخصصین کشور بهتر صورت پذیرد.
متخصص‌هایی که در این فیلد در حال فعالیت هستند به بنده پیغام بدهند تا به گروه اضافه گردند.

بستر ارتباطی:
@datascience

چرخه کاری پروژه‌‌های علم‌داده!

@dataanalysis

بیست شغل برتر در حال ظهور بر اساس گزارش لینکدین!

https://goo.gl/hr7k7s

از نکات قابل‌توجه در این گزارش که بر اساس برترین رشد سمت‌های شغلی در بازه زمانی سال‌های 2012 تا 2017 منتشر گردیده است قرار گرفتن مشاغل مرتبط با Machine Learning Engineer و Data Scientist در رتبه‌های اول و دوم این گزارش است.
مشاغل مرتبط با Big Data Developer نیز در رتبه پنجم این رتبه‌بندی قرارگرفته است.

لینک منبع:
https://economicgraph.linkedin.com/research/LinkedIns-2017-US-Emerging-Jobs-Report

@dataanalysis