sql vs nosql
@datascienceie

NoSql database
@datascienceie

آگهی استخدام شرکت spins
برای هوش تجاری
sql, etl, data science programming language, java, etl

@datascienceie

*آب پنهان چیست ؟*💦💦💧


در کالیفرنیا که یکی از سرسبزترین و زیباترین ایالت های امریکاست، دانشمندان از 5 سال پیش خطر خشکسالی را پیش بینی کرده اند.
همه نهادها احساس خطر کردند، کارواش ها و استخر ها دستور داده شده اند که از دستگاه های تصفیه آب استفاده کنند تا از همان آب مصرفی دوباره استفاده کنند.
شهرداری استاندارد شیرهای دستشویی ها و حمام ها را عوض کرد و همه ساختمان ها موظف شدند از شیرآلاتی استفاده کنند که حجم کمتری از آب را از خود بیرون می کنند.
آب آپارتمان ها محاسبه هزینه اش بر اساس تعداد نفر شد، خانه هایی که اتومبیل یا چمن زیاد آب می دهند جریمه های سنگین می شدند.
همه دانشگاه ها و ادارات دولتی موظف شدند تا سه سال اینده از چشم های الکترونیک برای شیر دستشویی های خود استفاده کنند و حتی استانداردهای حجم سیفون توالت ها هم تغییر کرد.
شرکت های تحقیقاتی روی شیوه جدید آبیاری کشاورزی کار کردند و میزان آب مصرفی کشاورزی 41 درصد کمتر شد.
خلاصه همه چیز در جهت صرفه جویی آب.💦💧
امروز گفته می شود خطر کم آبی در کالیفرنیا نسبت به دیگر ایالت ها 7 سال عقب تر می افتد.
اما اصل ماجرا، شاهکار کالیفرنیایی ها روی پدیده ای بود به اسم Embodied water ، یا آبی که به چشم نمی آید. *داستان چه هست؟*

شما حجم زیادی برگه در پرینترتان دارید یا چرک نویس های روزانه.
*آیا می دانید برای تولید هر برگه A4 تا رسیدن به شما،1 لیتر آب مصرف می شود؟*⁉
*آیا می دانید برای تولید هر کفش چرم زنانه یا مردانه تان 811 لیتر آب مصرف شده؟*⁉
*آیا می دانید برای تولید یک عدد نان سنگگ که هر روز خانواده می خورند 201 لیتر آب صرف شده؟*⁉
و آیا می دانید *هر شلوار لی* که هر یک از ما می پوشیم برای تولیدش *1000 هزار لیتر آب* صرف شده است؟⁉
این ها آب پنهان در زندگی ما هستند.
مصرف آب پنهان ما انسان ها، 91 درصد مصرف آبی است که هر روز مصرف می کنیم.
و بخش زیادی از آن مربوط به محصولات خوراکی و پوشش و لوازم زندگی می شوند.
وقتی یک کشور می گوید با خطر خشکسالی روبروست، معنی اش این است که تاثیرش پشت همه این خوراکی ها و لباس ها و حتی مانیتور و کتاب و یک لیوان شیر روی میز شماست اگر تمام شود، این محصولات هم کم کم دیگر تولید نمی شوند.
این یک بحران است. به آن توجه کنید.
دفعه بعد که *یک کیلو سیب زمینی خریدید،* حواس تان باشد در مصرف اش دقت کنید، برای تولید آن یک کیلو *111 لیتر آب* از آب ایران کم شده است و آن 111 لیتر به سختی جایگزین می شود!

دوستان عزيز با توجه به نقشه هاي هواشناسي تا سه ماه اينده فقط سه الي چهار روز بارندگي در استان واحتمالا كل كشور خواهيم داشت، با توجه به فقط بيست ميلي متر باران تا اين لحظه بايد شاهد شديدترين خشك سالي سالهاي اخير باشيم كه خود اين موضوع اوضاع امنيتي را صد چندان به مخاطره خواهد انداخت، عدم رعايت مصرف بهينه اب همه ما را به منجلابي سخت خواهد انداخت🙏🙏🙏🙏🙏🙏

💧ﺍﯾﺮﺍﻥ ﺗﺸﻨﻪ ﺍﺳﺖ .

.ﻓﻘﻂ ﯾﮏ ﻟﯿﻮﺍﻥ ﺁﺏ ﮐﻤﺘﺮ ﻣﺼﺮﻑ ﮐﻨﯿﻢ
ﺗﺎ :
ﺭﻭﺯﯼ 17000000
ﻟﯿﺘﺮ آﺏ ، ﺫﺧﯿﺮﻩ ﺷﻮﺩ.
ﺍﯾﻦ ﻣﻄﻠﺐ ﺭﺍ ﺑﻪ ﺍﺷﺘﺮﺍﮎ بگذارید
💧ﻭﺭﻭﺩ ﺍﯾﺮﺍﻥ ﺑﻪ ﻫﺸﺘﻤﻴﻦ ﺳﺎﻝ ﺧﺸﮑﺴﺎﻟﻰ
(ﻣﺨﺼﻮﺻﺎ ﺑﻮﺷﻬﺮ ﻭ ﺍﺳﺘﺎﻧﻬﺎﻯ ﻫﻤﺠﻮﺍﺭ ﺍﺳﺘﺎﻥ ﺑﻮﺷﻬﺮ. ﻭ ﻧﻮﺍﺣﻰ ﺟﻨﻮﺏ ﺷﺮﻕ ﻭ ﺷﺮﻕ ﮐﺸﻮﺭ )
ﻃﺒﻖ ﮔﻔﺘﻪ ﻫﺎﻯ ﻧﺎﺳﺎ ﺍﻳﺮﺍﻥ ﺍﺯ 8ﺳﺎﻝ ﭘﻴﺶ ﻭﺍﺭﺩ ﺩﻭﺭﻩ30ﺳﺎﻝ ﺧﺸﮑﺴﺎﻟﻰ ﺷﺪﻩ ﺍﺳﺖ...
💧ﻭ ﺍﮔﺮ ﻣﻦ ﻭ ﺗﻮ ﻭ ﮐﻞ ﺟﺎﻣﻌﻪ ﻭ ﺩﻭﻟﺖ ﺑﻪ ﻓﮑﺮ
ﻧﺒﺎﺷﯿﻢ،
ﺗﺎ ۱۰ﺳﺎﻝ ﺁﺗﯽ ﺍﯾﺮﺍﻥ،
ﮐﺎﻣﻼ ﺑﯿﺎﺑﺎﻥ ﺧﻮﺍﻫﺪ ﺷﺪ!
💧ﻃﺒﻖ ﮔﺰﺍﺭﺵ ﻧﺎﺳﺎ ﺷﺪﺕ ﺧﺸﮑﺴﺎﻟﯽ ﺩﺭ ﺍﯾﺮﺍﻥ ﺑﻪ ﺣﺪﯼ ﻫﺴﺖ ﮐﻪ ﮐﺸﺎﻭﺭﺯﯼ ﺍﯾﺮﺍﻥ ﺑﻪ ﮐﻞ ﻧﺎﺑﻮﺩ ﻭ ﺍﯾﺮﺍﻥ ﺗﺒﺪﯾﻞ ﺑﻪ ﻭﺍﺭﺩ ﮐﻨﻨﺪﻩ ﻣﺤﺾ ﻣﺤﺼﻮﻻﺕ ﺯﺭﺍﻋﯽ ﺧﻮﺍﻫﺪ ﺷﺪ.
ﺍﮔﺮ ﺗﺪﺍﺑﯿﺮ ﺟﺪﯼ ﮔﺮﻓﺘﻪ ﻧﺸﻮﺩ ﺑﮕﻔﺘﻪ ﻧﺎﺳﺎ ﺍﯾﺮﺍﻥ ﺍﺯ ﮐﺸﻮﺭ ﻧﯿﻤﻪ ﺧﺸﮏ ﺑﻪ ﯾﮏ ﮐﺸﻮﺭ ﺧﺸﮏ ﺗﺒﺪﯾﻞ ﺧﻮﺍﻫﺪ ﺷﺪ!!

💧ﻭ ﺟﺎﻟﺐ ﺍﯾﻨﮑﻪ ﻓﻘﻂ ﺑﺎ ﺍﻧﺠﺎﻡ ۲۵ % ﺻﺮﻓﻪ ﺟﻮﯾﯽ،
ﺍﺯ ﺍﯾﻦ ﺑﺤﺮﺍﻥ ﻋﺒﻮﺭ ﻣﯿﮑﻨﯿﻢ!

ﺩﻭﺳﺘﺎﻥ ﺍﯾﻦ ﻫﺸﺪﺍﺭ ﺭﺍ ﺟﺪﯼ ﺑﮕﯿﺮﯾﺪ!
ﻣﻮﻗﻊ ﺷﺴﺘﻦ ﻇﺮﻑ،
ﺣﻤﺎﻡ،
ﻟﺒﺎﺱ،
ﻣﺴﻮﺍﮎ،
ﺍﺗﻮﻣﺒﯿﻞ ،
ﻭﺿﻮ
ﻭ ...
ﺑﻪ ﺍﺭﺯﺵ
ﺁﺏ ﻓﮑﺮ ﮐﻨﯿﺪ!
ﺑﺎ ﺁﺏ ﺑﺎﺯﯼ ﻧﮑﻨﯿﻢ!
ﻣﻮﺿﻮﻉ ﺧﯿﻠﯽ ﻣﻬﻢ ﺍﺳت
💧ﺁﺏ ﻣﺎﯾﻪ ﺣﯿﺎﺕ ﺍﺳﺖ...💧
ـــــــــــــــــــــــــــــــــــــــــ
خواهشا فقط نخونید
اگه شما هم ذره ای ناراحت شدین پس کپی کنین بفرستین واسه دوستان و هر گروهی که توش هستید

kind of visualization
@datascienceie

Big Data Analytics, Apple,, @datascienceie

data mining
@datascienceie

field of data science
theorotical
experimental
@datascienceie

Modern data scientist
@datascienceie

deep learning by python
@datascienceie

steps for analyze the data
@datascienceie

⚫️ارزیابی #ریسک_پروژه‌ها به کمک علم #داده_کاوی


🔘با توجه به گسترش روز افزون پروژه ها درکاربردهای مختلف و آمار بالای شکست این پروژه ها, مدیریت و ارزیابی ریسک ها امری ضروری به شمار می آید و زمینه تحقیقات زیادی درحوزه مهندسی صنایع است.

امروزه با گسترش تکنیک های داده کاوی، می توان با استفاده از تجربیات و داده های پروژه های گذشته به ارزیابی ریسک پروژه های جدید پرداخت.

▪️ به طور مثال در این روش می‌توان پارامترهای موثر بر ریسک به عنوان ورودی مدل #شبکه_عصبی به کار گرفت و سپس شاخص های نشان دهنده ریسک پروژه را به کمک مدل شبکه عصبی پیش‌بینی نمود.



Channel: @datascienceie

فرصت شغلی متخصص هوش تجاری در شرکت #اسنپ‌فود

ویژگی‌ها:

⚙ تسلط بر مفاهیم پایگاه داده و تجربه کار با یکی از پایگاه داده‌های شناخته شده (MS Sql Server, Oracle, MySql, PostgreSql, …)

⚙ آشنایی با ابزارهای گزارش‌گیری و تولید داشبوردهای مدیریتی

⚙ تجربه کار با برنامه‌های ETL

⚙ آشنایی با مفاهیم و ابزارهای data mining

⚙ تسلط بر مفاهیم انبار داده و تجربه ایجاد و مدیریت انبار داده

✉️ رزومه خود را به آدرس hr@snappfood.ir ارسال کنید. در قسمت موضوع ایمیل حتما عنوان BI Expert قید شود.

استارت‌آپ‌ها و شرکت‌های فناوری آمریکایی مشغول ساخت نرم‌افزاری مجهز به هوش مصنوعی هستند که در دوربین‌های همراه نیروی پلیس و نظارتی به کار می‌رود تا افراد مظنون و گمشده را ردیابی کند. به گزارش خبرگزاری مهر به نقل از وال استریت ژورنال، پلیس آمریکا در دوربین همراه نیروهای خود از هوش مصنوعی استفاده کرده تا بتواند مظنونان و کودکان گمشده را ردیابی کند.

پیش‌بینی می‌شود به زودی این فناوری برای نیروهای پلیس سراسر آمریکا به کار گرفته شود. نرم‌افزار جدید از الگوریتمی مخصوص استفاده می‌کند. این نرم‌افزار در دوربین‌های همراه نیروهای پلیس یا دوربین‌های مدار بسته به کار می‌رود و با شناسایی مظنون به افسر پلیس هشدار می‌دهد. درمرحله بعد افسر پلیس تصمیم می‌گیرد اقدامی درباره مظنون شناسایی شده، انجام دهد یا خیر. البته این فناوری در مراحل اولیه است و نیروی پلیس هنوز آن را نخریده است. به‌عنوان مثال شرکت «موتورلا سلوشنز» که فناوری مخابرات و دوربین‌های همراه پلیس را می‌سازد، به تازگی با شرکت هوش مصنوعی Neurala همکاری خود را آغاز کرده تا دوربین همراهی بسازد که مظنونان یا افراد گمشده را ردیابی کند. هوش مصنوعی اطلاعات مربوط به یک مخزن تصاویر افراد مظنون و گمشده را در خود دارد، ویژگی‌های فرد گمشده یا مظنون (مانند سن، رنگ مو یا ویژگی های متمایز فردی) نیز در مخزن اطلاعاتی وارد می‌شود. در مرحله بعد دوربین همراه افراد را بررسی می‌کند تا مشخصات تصاویر موجود در مخزن را ردیابی کند. در این هنگام در صورت رصد مشخصات فردی همخوان پیام هشداری به پلیس ارسال می‌شود. همچنین این نرم‌افزار با مرور زمان هوشمندتر می‌شود و اطلاعات بیشتری را در خود جذب می‌کند. با این وجود منتقدان معتقدند احتمال دارد این فناوری همیشه درست کار نکند.
@datascienceie

براساس گفته‌های محققان دانشگاه «پلیموث» (Plymouth) پیشرفت‌های هوش مصنوعی می‌تواند به ما در پیش‌بینی احتمال زندگی در دیگر سیارات کمک کند. در این مطالعه از «شبکه‌های عصبی مصنوعی»(ANNs) برای طبقه‌بندی سیارات به پنج نوع برای تخمین احتمال زندگی در هر کدام از آنها، استفاده شده است. این تحقیق امروز از سوی «کریستوفر بیشاپ» (Christopher Bishop) در گردهمایی «هفته نجوم و علوم فضایی اروپا»(EWASS) در لیورپول ارائه شده است. شبکه‌های عصبی مصنوعی سیستم‌هایی هستند که تلاش می‌کنند تا همانند مغز انسان چیزها را بیاموزند. آنها یکی از ابزارهای اصلی مورد استفاده در یادگیری ماشین هستند و در شناسایی الگوهایی که برای مغز بیولوژیکی پردازش آنها بسیار پیچیده است، بسیار خوب عمل می‌کنند. تیم مرکز روباتیک و سیستم عصبی دانشگاه پلیموث، شبکه خود را برای طبقه‌بندی سیارات به پنج نوع مختلف زمین کنونی، زمین اولیه، سیاره مریخ، زهره و تیتان بزرگ‌ترین قمر زحل تنظیم کرده‌اند. تمام این پنج جرم(سیارات)، یکی از اجزای قابل سکونت در منظومه شمسی ما هستند. @datascienceie

محبوب‌ترین شبکه اجتماعی جهان این روزها اوضاع خوبی ندارد، چرا که اخیرا مشخص شده برخی موسسات تحقیقاتی از کمبریج آنالیتیکا در زمان برگزاری انتخابات ریاست جمهوری سال ۲۰۱۶ آمریکا به نفع ترامپ فعالیت کرده و تلاش می‌کردند رفتار رای‌دهی کاربران اینترنت را بررسی و تجزیه و تحلیل کنند. این شرکت‌ها با بررسی و تحلیل گسترده رفتار کاربران فیس بوک تلاش داشتند تا ذهن آنها را علیه هیلاری کلینتون تحریک کنند. این در حالی بود که معلوم شد فیس‌بوک اطلاعات تماس‌ها و پیامک‌های رد و بدل شده و حتی ویدئوهای منتشر نشده کاربران را نگهداری می‌کند. به نظر می‌رسد، الگوی درآمدی فیس‌بوک مبتنی بر فروش چنین اطلاعات و دیتاهایی(داده) است که کاربرانش در فضای مجازی این شبکه به جا می‌گذارند، چراکه تغییر ساختار مدیریتی فیس‌بوک پس از این افشاگری باعث شد ارزش آن ۵۸ میلیارد دلار سقوط کند. به این بخش از دیتا و اطلاعاتی که کاربران اینترنت به دنبال هر فعالیت دیجیتالی به جا می‌گذارند، اصطلاحا data exhaust می‌گویند. این اطلاعات می‌تواند، سناریوی جامعی از عادات، ترجیحات، شیوه استفاده آنها از ابزارها یا محتوای دیجیتالی را فاش سازد.


بسیاری از کاربران از کنار این دیتا‌ها بسیار بی‌توجه می‌گذرند، در حالی که برای مدیران بازاریابی شرکت‌های تجاری که همواره به دنبال شناسایی الگوهای رفتار مصرفی افراد هستند، به مثابه یک سرمایه باارزش است که دسترسی به آن مزیت رقابتی محسوب می‌شود. مطالعات شرکت سیسکو در سال ۲۰۱۶ پیش‌بینی می‌کرد اینترنت اشیا(IoT) در سال ۲۰۱۸ حجم قابل توجهی، به میزان ۴۰۰زتابایت(معادل ۴۰۰هزار میلیاردگیگابایت) دیتا ایجاد خواهد کرد. منبع این دیتا‌ها هر شیء الکترونیکی می‌تواند باشد. از وسایل پوشیدنی و وسایل خانه هوشمند گرفته تا پلت‌فرم‌های اتصالی پیشرفته مانند بوئینگ ۷۸۷ که در هر ساعت پرواز ۴۰ترابایت دیتا تولید می‌کند یا عملیات معدنکاری ریو تینتو (یک شرکت استخراج معادن و فلزات بریتانیایی-استرالیایی) که می‌تواند در هر دقیقه ۴/ ۲ترابایت دیتا ایجاد کند. رقمی معادل ۲۰برابر آنچه در توییتر روزانه تولید می‌شود.

با وجود رشد عظیم دیتاهای به دست آمده از دستگاه‌های مجهز به IoT، تنها مقدار اندکی معادل ۶/ ۸زتابایت آن به مراکز داده برای ذخیره‌سازی و تجزیه و تحلیل فرستاده می‌شود. حجم data exhaust بسیار بیشتر از آن چیزی است که واقعا برای مطالعه و تجزیه و تحلیل به‌کار می‌رود. با این حال انتظار می‌رود، با پیشرفت سریع در ابعاد مختلف، بهبود قدرت اتصال IoT، کاهش هزینه به‌کارگیری حسگرها و رایانش ابری با استفاده از هوش مصنوعی، نه تنها اکثر این دیتا‌ها برای تجزیه و تحلیل‌های جدید استفاده ‌شود، بلکه استفاده از این دیتاها و به‌کارگیری آن برای اصلاح الگوی مصرف کاربران در لحظه و بی‌درنگ شود. خودروهای خودران نمونه خوبی از به‌کارگیری حجم بالایی از دیتا‌های حسگرها برای دستیابی به الگوهای رانندگی ایمن و کارآمد در محیط‌های جدید است.

طبق مطالعات گروه مشاوره بوستون، ۸۰درصد شرکت‌های نوآورانه شناخته شده جهان از دیتا‌ها برای استخراج مزایای رقابتی در کسب‌وکارشان استفاده می‌کنند. به همین دلیل شرکت‌هایی مانند شرکت بیمه Progressive، نایک و شرکت صنایع سنگین آمریکایی John Deere همچنان درصدد سرمایه‌گذاری روی تجهیز محصولاتشان به حسگر و بهره‌برداری از مزایای این داده‌ها برای طراحی محصول برحسب خواسته مشتری، نوآوری اقتصادی و مدل کسب‌وکار هستند. برای اکثر شرکت‌ها، ارزش دیتاها اندوخته خوبی در ارائه محصولات یا خدمات جدید است که به تنهایی منجر به ارتقای عملکرد کسب و کار آنها می‌شود.@datascienceie