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

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

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

تبدیل شدن به یک متخصص یادگیری عمیق!

https://bit.ly/2RB5Doi

یکی از موضوعات روز و جذاب مرتبط با حوزه‌های علم‌داده، هوش مصنوعی و... حوزه یادگیری عمیق می‌باشد. کارکردها، کاربردها یادگیری عمیق با توجه به پتاسیل بالای آن، سبب افزایش اهمیت آن در کسب‌وکارها و مسائل مرتبط شده است. در فرصت‌های شغلی شرکت‌های فعال در حوزه تحلیل‌داده نیز میزان توجهات و درخواست‌ها در این فیلد تخصصی کاملا مشهود است.

با توجه به سوالات متعدد علاقه‌مندان، در ادامه منابع آموزشی شامل دوره‌ها، کتاب‌های مرجع و فریم‌ورک‌های مطرح یادگیری عمیق جهت کسب دانش تخصصی پیشنهاد می‌گردد.

1-دوره یادگیری عمیق Andrew Ng!
دوره یادگیری عمیق Andrew Ng در وبسایت Coursera یکی از منابع بسیار کاربردی و مفید جهت ورود به حوزه یادگیری عمیق می‌باشد. در این دوره مفاهیم تخصصی و پایه شبکه‌های عصبی، شبکه‌های CNN, RNN ,... به صورت تخصصی آموزش داده می‌شود.
لینک دوره: https://bit.ly/2OjIFUI

2-دوره یادگیری عمیق دانشگاه استنفورد!
دانشگاه استنفورد برخی دوره هاي تخصصی در حوزه یادگیری عمیق و یادگیری عمیق در پردازش زبان طبیعی را با کدهای CS229، CS230 , CS231و... ارائه کرده است. به همت برخی از دانشجویان ایرانی این دانشگاه، برخی محتویات مرتبط با یادگیری عمیق دوره CS229 کاملا به زبان فارسی ترجمه گردیده است. علاقه‌مندان می‌‌توانند از طریق لینک زیر به محتویات فوق دسترسی داشته باشند.
لینک دوره: https://stanford.io/2Ryuaum

3- دوره یادگیری عمیق موسسه فرادرس!
دوره یادگیری عمیق موسسه فرادرس را می‌توان جز نمونه‌های موفق دوره‌های آموزشی فارسی در حوزه‌های به‌روز فناوری اطلاعات معرفی کرد. در این دوره 3 ساعته مفاهیم پایه شبکه‌های عصبی و یادگیری عمیق، روش ها و مدل های یادگیری عمیق و... آموزش داده می‌شود. جهت ورود به حوزه تخصصی یادگیری عمیق مشاهده اولیه این دوره آموزشی جهت آشنایی بیشتر با کلیدواژه‌های تخصصی آن می‌تواند مفید باشد.
لینک دوره: https://bit.ly/2NzfEyZ

4- کتاب یادگیری ژرف!
در صورتی که قصد کسب دانش تخصصی و پایه‌ای شبکه‌های عصبی و یادگیری عمیق را دارید کتاب Deep Learning آقای Goodfellow جز منابع خوب این حوزه است. این کتاب توسط انتشارات آتی نگر ترجمه گردیده است.

5- فریم‌ورک‌های تنسورفلو و Keras!
در صورتی که قصد انتخاب فریم‌ورک تخصصی در حوزه یادگیری عمیق را دارید براساس تجربیات، نیازمندی‌های بازار و ترندهای جهانی دو فریم‌ورک Tensorflow یا Keras در حال حاضر بهترین انتخاب می‌باشند. جهت آموزش‌های تخصصی در فریم‌ورک‌های فوق کتاب‌های تخصصی متعدد و دوره‌های آموزشی با کیفیت در وبسایت‌هایی همانند Lynda, Udemy و... انتشار یافته است که قابلیت بهره‌برداری دارند.

پی‌نوشت:
1- بهترین زبان برنامه‌نویسی در حوزه یادگیری عمیق با توجه به پشتیبانی از طیف وسیعی از فریم‌ورک‌ها و کتابخانه‌های تخصصی، زبان برنامه‌نویسی پایتون است.
2- در صورتی که منابع آموزش فوق را به صورت تخصصی دنبال نمایید می‌توانید بدون شرکت در دوره‌های آموزشی حضوری به دانش تخصصی مورد نیاز خود دست پیدا کنید. تلاش و پشتکار جز مولفه‌های کلیدی جهت موفقیت در این حوزه جذاب و البته چالشی خواهد بود.

@Dataanalysis
ارادتمند
محمدرضا محتاط

استراتژی مدیریت ‌داده!

یکی از مهمترین مولفه‌های یک سازمان داده‌محور بهره‌گیری از استراتژی، متدها و اقدامات مدیریت داده است.

در سازمان شما کدام یک از اجزا و اقدامات فوق استقرار دارد؟!

@DataAnalysis

فرصت‌ شغلی هوش تجاری در شرکت رایانه خدمات امید!

شرکت رایانه خدمات امید، جهت تکمیل کادر خود در پروژه‌های هوش تجاری و انبار داده، در محیطی پویا از فارغ‌التحصیلان دانشگاه‌های دولتی و یا افراد متخصص و علاقمند دعوت به همکاری می‌کند.
این شرکت برای ردیف‌های شغلی زیر استخدام می‌کند:

1. طراح و توسعه‌دهنده برنامه کاربردی هوش تجاری توسط ابزار OBIEE

💻تخصص‌های لازم ردیف شغلی اول:
🎯مسلط به ابزار OBIEE
🎯مسلط به ابزار Administration
✔️آشنا با مباحث usage tracking
✅آشنا با معماری داده‌ای چندبٌعدی
✔️آشنا با پایگاه داده اوراکل

2. طراح و توسعه‌دهنده انبارداده توسط ابزار ODI

💻تخصص‌های لازم ردیف شغلی دوم:
🎯مسلط به ابزار ODI
🎯مسلط به پایگاه داده Oracle
🎯مسلط به مفاهیم انبارداده
🎯مسلط به مفاهیم ETL
🎯مسلط به معماری داده snowflake و star
✅آشنا به مباحث Oracle DB Administration

لطفا در صورت تمایل رزومه خود را به ایمیل زیر ارسال فرمایید.
r.bahadori@ocs.co.ir

@DataAnalysis

کتابخانه‌های برتر پایتون در حوزه علم‌داده!

https://bit.ly/2S3BiPx

کتابخانه Scikit-learn: کتابخانه Scikit-learn یکی از محبوبترین کتابخانه‌های یادگیری ماشین در پایتون است. این کتابخانه از طیف وسیعی از الگوریتم‌های طبقه‌بندی و خوشه‌بندی و... پشتیبانی می‌کند.

کتابخانه Tensorflow: جهت پیاده‌سازی مدل‌های مبتنی بر یادگیری عمیق بر فریم‌ورک تسنورفلو در زبان پایتون از کتابخانه Tensorflow می‌توانید استفاده کنید.

کتابخانه Theano: از دیگر کتابخانه‌ مطرح حوزه یادگیری عمیق می‌توان به لایبرری Theano اشاره کرد. کتابخانه Keras نیز با توجه به قابلیت‌های بالا آن نیز در حوزه یادگیری عمیق سهولت و کارایی بسیار بالایی دارد.

کتابخانه Pandas: جهت کار با داده‌های ساختاریافته و آماده‌سازی دادگان از این کتابخانه محبوب استفاده می‌شود.

کتابخانه Matplotlib: کتابخانه Matplotlib جز معروف‌ترین کتابخانه‌های پایتون در حوزه Data Visualization است.

کتابخانه Seaborn: کتابخانه دیگر مطرح در حوزه مصورسازی داده‌ها در پایتون Seaborn است. طیف وسیعی از نمودارها در این کتابخانه پشتیانی می‌شود.

کتابخانه NumPy: با استفاده از این کتابخانه امکان استفاده از آرایه‌ها، ماتریس‌های بزرگ چند بعدی و استفاده از تابع‌های ریاضیاتی سطح بالا در پروژه‌های علم‌داده فراهم می‌شود.

@DataAnalysis