ده روند حوزه تحلیل داده در سال 2018!

از روندهای کلیدی می‌توان به اینترنت اشیا، هوش مصنوعی، یادگیری ماشین، تحلیل شخصیت و رفتار، تحلیل گراف و... اشاره کرد.

منبع:
https://bit.ly/2MqxIQb

@dataanalysis

عید قربان عید عبادت و بندگی و عید اطاعت از قادر یکتا برشما تهنیت باد . . .

برنامه مستمر #کتاب‌خوانی در حوز‌ه‌های علم‌داده و کلان داده!

https://bit.ly/2w6AhwJ

در راستای آشنایی با کتاب‌های مطرح و مفید حوزه‌های علم‌داده و کلان داده و گسترش دانش کاربردی، هر دو هفته یک‌بار یک کتاب کاربردی جهت مطالعه در کانال معرفی خواهد شد. به دلیل همراهی تمامی علاقه‌مندان، کتاب‌های انتخابی از کتاب‌های فارسی ترجمه‌شده یا تألیفی موجود در بازار خواهند بود.

پس از دو هفته یک نقد و بررسی بر روی محتویات کتاب و یک خلاصه کاربردی از اهم نکات آن در کانال منتشر خواهد شد.

عزیزانی که علاقه‌مند هستند می‌تواند در این برنامه کتاب‌خوانی شرکت نمایند.

کتاب شماره یک‌جهت مطالعه کتاب داده‌های بزرگ در عمل ترجمه انتشارات آتی نگر(Big Data at Work) خواهد بود. کتابی که از جنبه‌های مدیریتی و فنی به حوزه Big Data و کاربردهای آن توجه می‌کند.

@dataanalysis

ارادتمند
محمدرضا محتاط

انواع روش‌ها و کارکردهای تحلیل‌‌داده پیشرفته!

جهت استقرار تصمیم‌گیری‌های داده‌محور در کسب‌وکار امکان بهره‌گیری از طیف وسیعی از تحلیل‌ها بنا به نیازمندی‌ها وجود دارد.

@Dataanalysis

معرفی مشاغل و فرصت‌های کاری جذاب در حوزه داده!

در ادامه برخی از مشاغل و شرح شغلی‌های مطرح و جذاب در حوزه علم‌داده و کلان‌داده معرفی خواهند شد.

https://bit.ly/2wwB61l

1- متخصص علم‌داده:
جهت ورود به حوزه علم‌داده نیاز به کسب دانش و تخصص در موضوعاتی همانند مهندسی نرم‌افزار، ریاضیات، آمار، متخصص حوزه‌ و... خواهید داشت. ساخت مدل‌های توصیفی، پیش‌بینانه‌، استقرار مدل‌‌های مبتنی بر یادگیری ماشین و آمار از وظایف کلیدی یک متخصص علم‌داده است. آشنایی با زبان‌های پایتون و R، نرم‌افزارهای رپیدماینر، Knime، SPSS Modeler و توانایی کار با پایگاه داده‌های رابطه و زبان SQL از مؤلفه‌های موفقیت در این فیلد شغلی در بازار کار کشور است. توجه به مهارت‌های نرم همانند خلاقیت، فنون مذاکره، کار تیمی و... سبب تمایز شما در بازار کار خواهد شد.

2- متخصص هوش‌تجاری:
هوش‌تجاری مجموعه‌ای از ابزارها، برنامه‌های کاربردی و متدولوژی‌ها است که با جمع‌آوری داده‌ها و تحلیل بلادرنگ آن، سبب اتخاذ تصمیمات داده‌‍محور بهینه و بهبود فرایندها در کسب‌وکار می‌شود. درصورتی‌که علاقه‌مند به ورود به حوزه هوش‌تجاری هستید آشنایی و کسب دانش تخصص در پلتفرم‌ها و فریم‌ورک‌های هوش‌تجاری پایگاه داده‌های Microsoft SQL Server یا Oracle توصیه می‌شود. آشنایی با نرم‌افزارها و ابزارهای مطرح داشبورد سازی و مصورسازی همانند Qlik, Power BI و Tableau از پیش‌نیازها می‌باشد.

3- مهندس یادگیری ماشین:
بر اساس آمار برترین مشاغل در ایالات‌متحده آمریکا، امسال برترین شغل حوزه مهندسی یادگیری ماشین می‌باشد. حوزه‌ای کاملا جذاب و جدید که در آینده در داخل کشور نیز توجهات به آن افزایش پیدا خواهد کرد. توانایی پیاده‌سازی الگوریتم‌های تخصصی یادگیری ماشین، آشنایی با فریم‌ورک‌ها و پلتفرم‌های یادگیری عمیق، بهینه‌سازی و توسعه مدل‌های یادگیری ماشین در محیط‌های عملیاتی، استقرار مدل‌ها و الگوریتم‌های توزیعی و...از وظایف یک مهندس یادگیری ماشین خواهد بود.

4- توسعه‌دهنده کلان داده:
یکی از مشاغل کلیدی در حوزه Big Data، توسعه‌دهنده کلان داده می‌باشد. وظیفه اصلی یک توسعه‌دهنده کلان داده استقرار و توسعه محصولات و سامانه‌های نرم‌افزاری در مقیاس کلان داده خواهد بود. آشنایی با پایگاه داده‌های غیر رابطه‌ای(NoSQL) و رابطه‌ای، تخصص در پلتفرم‌ها و کتابخانه‌های اکوسیستم آپاچی هدوپ و اسپارک، توانایی مدیریت، نگه‌داری و انتقال بلادرنگ داده‌ها، آشنایی با معماری‌های پردازشی توزیع‌شده و... از وظایف این حوزه کاری می‌باشد.

5- تحلیلگر کلان داده:
در فیلد Big Data Analysis و فرصت‌های شغلی این حوزه هدف اصلی استقرار مدل‌های تحلیلی بر روی دادگان حجیم می‌باشد. آشنایی با پلتفرم‌ها و کتابخانه‌های تحلیلی کلان داده همانند کتابخانه‌های یادگیری ماشین هدوپ(Mahout)، اسپارک(Spark Mllib)، تخصص در مفاهیم یادگیری ماشین و استقرار مدل‌های پیش‌بینانه و توصیفی از نیازمندی‌های این حوزه هست. در این فیلد نیز زبان پایتون بهترین انتخاب خواهد بود.

6- متخصص متن‌کاوی:
یکی از فیلدها جذاب که به‌تازگی توجهات به آن بر اساس کاربردها و کارکردهای که دارد افزایش یافته است حوزه متن‌کاوی می‌باشد. در این حوزه هدف استقرار مدل‌هایی در جهت تحلیل و آنالیز دادگان متنی و بدون ساختار موجود در سازمان همانند باشگاه مشتریان، شبکه‌های اجتماعی، کامنت‌ها و... می‌باشد. جهت ورود به این حوزه نیاز به آشنایی با زبان‌های برنامه‌نویسی همانند پایتون، جاوا یا R خواهید داشت. آشنایی با مفاهیم اصلی و پایه‌ یادگیری ماشین و داده‌کاوی نیز از پیش‌نیازها ورود به این حوزه است.

پی‌نوشت:
1- به علاقه‌مندانی که قصد ورود به هریک از حوزه‌های فوق را دارند توصیه می‌کنم جهت آموزش از دوره‌ها و منابع بسیار کاربردی و مفید وب‌سایت‌هایی همانند Udemy, Lynda, Edx, Coursera و... استفاده نمایند. انتخاب نقشه راه مناسب بنا به تخصص، دانش و علاقه‌مندی شما از گام‌های کلیدی در کسب موفقیت در هریک از فیلدهای کاری اعلامی می‌باشد.

2- به مدیران کسب‌وکارها نیز پیشنهاد می‌گردد درصورتی‌که قصد جذب کارشناس و متخصص در هر یک از فیلدها را دارید ابتدا برخی از شرح شغلی(Job Denoscription)های اعلامی شرکت‌های موفق را موردبررسی نمایید تا علاوه بر نیازمندی‌های فعلی سازمانتان بتوانید سایر نیازمندی‌های آتی خود را پوشش دهید.

3- برخی از شرکت‌ها بعضا در آگهی‌ها و فرصت‌های شغلی خود برخی از مهارت‌ها و دانش‌ها چند فیلد کاری را با یکدیگر تجمیع و تمامی مهارت‌ها را از یک فرد درخواست می‌نمایند. طبق تجربیات این قبیل اقدامات در نهایت برای شرکت کارآمد نخواهد بود و توصیه می‌کنم با تشکیل یک تیم تخصصی از هر کارشناس در جایگاه تخصصی خود استفاده نمایید.

@DataAnalysis
ارادتمند
محمدرضا محتاط

عيد کمال دين، سالروز اتمام نعمت و هنگامه اعلان وصايت و ولايت

امير المومنين عليه السلام

بر شيعيان و پيروان ولايت خجسته باد 🌺

جنگ برندهای مطرح جهان برای جذب استارت‌آپ‌های درجه یک فعال در حوزه هوش مصنوعی @newway2pay

ده روند حوزه هوش تجاری در سال 2018!

موضوعاتی از قبیل تحلیل‌های پیشگویانه، حاکمیت داده، پردازش زبان طبیعی، هوش مصنوعی، امنیت، رایانش تحت فضای ابری از روندهای اصلی حوزه BI هستند.

@DataAnalysis

مهارت‌های کلیدی جهت تبدیل شدن به یک متخصص علم‌داده!

کسب تخصص در حوزه‌های یادگیری ماشین، زبان‌های برنامه‌نویسی مطرح حوزه علم داده, مهارت‌های تحلیلی و... از پیش‌نیازهای کلیدی می‌باشد

@DataAnalysis

کتاب Python Data Science Handbook انتشارات O'reilly!

در کتاب فوق کتابخانه‌های مطرح زبان پایتون در حوزه علم‌داده همانند Pandas, Matplotlib, Scikit-Learn و... آموزش داده خواهد شد.

@DataAnalysis

کتاب Python Data Science Handbook انتشارات O'reilly!

@DataAnalysis

میزان داده‌های تولید شده در یک دقیقه اینترنت!

سازمان‌ و شرکت شما در جهت تولید دانش از این منابع ارزشمند چه میزان بهره می‌برد؟!

@DataAnalysis

مسیر تبدیل شدن به یک متخصص کلان‌داده!

در شکل فوق مسیر تبدیل شدن به یک توسعه‌دهنده کلان‌داده در پلتفرم‌های مرجع Big Data همانند هدوپ، اسپارک و... توصیه شده است.

@DataAnalysis

جذاب‌ترین صنایع برای متخصصین علم‌داده!

صنعت‌های فناوری اطلاعات، مشاوره، خدمات مالی، سلامت، تبلیغات، حاکمیت، خرده فروشی و ... جز برترین صنایع در جذب متخصصین علم‌داده می‌باشند.

@DataAnalysis

ویدیویی از مقایسه حوزه‌های علم‌داده، کلان‌داده و تحلیل‌داده!

#DataScience
#BigData
#DataAnalytics

@DataAnalysis

صَلِّ عَلَى الْحُسَيْنِ الْمَظْلُومِ الشَّهِيدِ

فرا رسیدن ایام غم بار و جانسوز تاسوعا و عاشورای حسینی بر تمامی مسلمانان جهان تسلیت باد!

برنامه مستمر #کتاب‌خوانی در حوز‌ه‌های علم‌داده و کلان داده!

https://bit.ly/2xFT2XH

در راستای آشنایی با کتاب‌های مطرح و مفید حوزه‌های علم‌داده و کلان داده و گسترش دانش کاربردی، هر دو هفته یک‌بار یک کتاب کاربردی جهت مطالعه در کانال معرفی خواهد شد. به دلیل همراهی تمامی علاقه‌مندان، کتاب‌های انتخابی از کتاب‌های فارسی ترجمه‌شده یا تألیفی موجود در بازار خواهند بود.

کتاب شماره دو ‌جهت مطالعه کتاب "علم‌داده: مفاهیم و مهارت‌ها" تالیف جناب آقای دکتر بابک سهرابی و سرکار خانم حمیده ایرج می‌باشد.

ارائه تعارف علمی و مرجع از حوزه علم‌داده، دسته‌بندی پروژه‌های علم‌داده، بیان مهارت‌های مورد نیاز جهت تبدیل شدن به یک متخصص علم‌داده، مطالعه موردی شرکت‌های کشور در حوزه علم‌داده و... برخی از محتواهای ارائه شده در این کتاب است.

در صورتی که قصد ورود تخصصی به حوزه علم‌داده را دارا هستید مطالعه این کتاب را به همه شما عزیزان توصیه می‌نمایم.
@dataanalysis

ارادتمند
محمدرضا محتاط

برترین فریم‌ورک‌های یادگیری عمیق در سال 2018!

@DataAnalysis

.

💥معرفی برخی از قابلیت های SQL Server 2019

Channel: @Nikamooz

.

کتاب Doing Data Science انتشارات O'reilly

در کتاب فوق علاوه بر ارائه مفاهیم پایه علوم‌داده، برخی از موردکاوی‌ها در حوزه یادگیری ماشین، مصورسازی و تحلیل‌های پیشرفته آموزش داده می‌شود.

@DataAnalysis

کتاب Doing Data Science انتشارات O'reilly

@DataAnalys