Data Science – Telegram
Data Science
7.47K subscribers
754 photos
49 videos
85 files
451 links
ارتباط با ادمین:
@Datascience
Download Telegram
Forwarded from راه پرداخت
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
Python Data Science Handbook.pdf
7.3 MB
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
This media is not supported in your browser
VIEW IN TELEGRAM
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
This media is not supported in your browser
VIEW IN TELEGRAM
.

💥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
Doing Data Science.pdf
27.1 MB
کتاب Doing Data Science انتشارات O'reilly

@DataAnalys
دوستانی که توانایی کار با اسپارک و هدوپ را دارند و علاقمند به فعالیت تمام وقت در پروژه می توانند رزومه خود را به ایمیل زیر ارسال کنند. آشنا به مفاهیم بانکی مزیت محسوب می شود.
mn.nasiri@gmail.com
استراتژی‌های انتخاب پلتفرم و ابزار در یک پروژه علم‌داده!

در شکل فوق استراتژی انتخاب ابزار براساس رویکرد چابک، سطوح Enterprise، کاربر نهایی و قابلیت‌های برنامه‌نویسی تقسیم‌بندی شده است.

@DataAnalysis
Data Science
این #پخش_زنده رو ببین: صنعت داده محور https://lahzenegar.com/play/SAIqa
فایل ویدیویی جلسه صنعت داده‌محور!

فایل ویدیویی جلسه 86 از سلسله نشست های علم اطلاعات با موضوع صنعت داده محور با حضور آقایان دکتر مهدی نصیری و مهندس محمد روهینا از طریق لینک فوق قابل مشاهده می‌باشد.

@DataAnalysis
استراتژی‌های کلیدی جهت موفقیت در حوزه بازاریابی دیجیتال!

اخذ تصمیمات داده‌محور و بهره‌گیری از تکنولوژی‌ها تحلیل‌داده یکی از مولفه‌های کلیدی جهت موفقیت در حوزه Digital Marketing می‌باشد

@DataAnalysis
برترین ابزارهای کاربردی در حوزه‌های Big Data!

یکی از مهمترین گام‌ها در اجرای پروژه‌های کلان‌داده، انتخاب پلتفرم‌ها و ابزارهای بهینه بنا به کارکردها و نیازمندی‌های پروژه خواهد بود.

@DataAnalysis