#فرصت_تحصیلی: دکتری در حوزه ماشین لرنینگ
Kamyar Azizzadenesheli

▪️ بورسیه PhD در دانشگاه Prudue آمریکا:
PhD students and postdoctoral candidates with strong foundation in mathematics, statistics, machine learning, and algorithms

▪️ اطلاعات بیشتر و اپلای از طریق لینک زیر:

https://www.cs.purdue.edu/homes/kamyar/


🏫 @DataScience_School

#موقعیت_شغلی

◾️شرکت Snapp trip، تحلیلگر کسب و کار استخدام می کند.

◾️ ارسال رزومه به:
Hr1@snapptrip.com


🏫 @DataScience_School

#Course

✅ دوره ی
[2021]Data Science: A-Z Bootcamp + Real Cases -Version 8.1
به مدت محدود در یودمی رایگان شد.

◾️Rate: 4.3
◾️link: bit.ly/2LVUv7k

🏫 @DataScience_School

#فرصت_تحصیلی: دکتری در حوزه ماشین لرنینگ

▪️ بورسیه PhD در دانشگاه Hertfordshire انگلیس:
The PhD Programme in Computer Science

▪️ اطلاعات بیشتر پروژه ها و اپلای از طریق لینک زیر:

https://buff.page.link/JiyA


🏫 @DataScience_School

#Dashboard

✅در پست قبلی، در خصوص قانون اول طراحی داشبورد صحبت کردیم.

و اما قانون دوم: آن را هیجان انگیز نگه دارید!

◾️ از widget های متنوع استفاده کنید. اگر چه در قانون اول به ساده بودن داشبورد اشاره کردیم، اما استفاده از widget ها، درک مخاطب از داشبورد را افزایش می دهد.

◾️از KPI های مشابه در widget متفاوت استفاده کنید. به عنوان مثال شما از طریق سرعت سنج می توانید رشد درآمد فعلی را با رشد درآمد هدف، مقایسه کنید و از widget جدول برای نمایش میزان مشارکت هر کارمند در دستیابی به این هدف، کمک بگیرید.

◾️سعی کنید از رنگ های زیادی استفاده نکنید زیرا ممکن است برای مخاطب گیج کننده به نظر برسد.

◾️استفاده از تصاویر در داشبورد، میتواند به تجزیه و تحلیل widget های مبتنی بر متن کمک نماید.

با ما همراه باشید.

🏫 @DataScience_School

#فرصت_تحصیلی: بیش از 30 موقعیت دکتری با فاند در حوزه ماشین لرنینگ

▪️ بورسیه PhD در دانشگاه های ایرلند:
University College Dublin
Dublin City University
Technological University Dublin Science

▪️ اطلاعات بیشتر و اپلای از طریق لینک زیر:

https://www.ml-labs.ie/apply/

🏫 @DataScience_School

بعد از تشریح گام اول و گام دوم در مراحل ورود به علم داده، نوبت به گام سوم رسید.

✅ یک زبان برنامه نویسی برای ساخت مدل انتخاب کنید.
◾️امروزه ابزارهای زیادی وجود دارد که می توان با آنها مدل های آماری و پیش بینی را ایجاد کرد.

📌منابع باز:
▪️پایتون: برای انجام برنامه نویسی در زمینه های مختلف و بیشتر در آمار و رویکرد یادگیری ماشین در علم داده استفاده می شود.
▪️آر (R): برای تجزیه و تحلیل آماری و گرافیکی استفاده می شود.

📌منابع تجاری:
▪️مورد اول SPSS: همچنین برای تحلیل آماری ابزاری از IBM استفاده می شود.
▪️ مورد دوم SAS: برای کسب و کار، پیش بینی، تجزیه و تحلیل و مدیریت داده و غیره استفاده می شود.

✅در ادامه، منابع مناسب آمده است.


🏫 @DataScience_School

#Course

✅ دوره ی

Python Bootcamp 2021 Build 15 working Applications and Games

به مدت محدود در یودمی رایگان شد.

◀️یکی از دوره های پر فروش یودمی

◾️Rate: 4.2
◾️link: http://bit.ly/3sQaJ2J


🏫 @DataScience_School

#فرصت_تحقیقاتی: Data Analyst و Data Manager

▪️دانشگاه جان هاپکینز آمریکا:
Research Positions at Johns Hopkins University

▪️ اطلاعات بیشتر و اپلای از طریق لینک زیر:

https://jobs.jhu.edu/go/Research/3654000/


🏫 @DataScience_School

#موقعیت_شغلی

◾️شرکت شناسا (پیشگامان امین سرمایه پاسارگاد)، تحلیل‌گر کسب‌وکار (کارشناس سرمایه‌گذاری) استخدام می کند.

◾️ ارسال رزومه به:
hr@shenasa.ir


🏫 @DataScience_School

#Dashboard

✅در پست قبلی، در خصوص قانون دوم طراحی داشبورد صحبت کردیم.

و اما قانون سوم: آن را منطقی نگه دارید!

◾️ اگر مخاطب شما از راست به چپ می نویسد، اطلاعات مهم را، بالا سمت راست، قرار دهید و برعکس. دلیل این موضوع این است که، اغلب افراد بر حسب غریزه، از سمتی که آموزش خواندن دیده اند، شروع به بررسی یک صفحه یا گزارش می کنند.

◾️سعی کنید widgetهای مربوطه را نزدیک به هم نگه دارید. علت این امر این است که کاربر نهایی درک درست تری از ارتباط بین widget ها پیدا کند.

با ما همراه باشید.

🏫 @DataScience_School

آغاز ثبت نام کد ۸ دوره جامع علم داده دانشگاه تهران

هشتمین کد جامع ترین دوره علم داده کشور با بیش از ۳۵۰ ساعت آموزش تخصصی هم اکنون در حال ثبت‌نام برای علاقه‌مندان می باشد. این دوره کاملا مطابق با نیازسنجی‌ها و منطبق بر بازار کار داخلی و بین‌المللی طرح‌ریزی گردیده است.

شرکت‌کنندگان در پایان دوره توانایی این را خواهند داشت تا علاوه بر تحلیل کسب‌وکار، به ‌توصیف و پیش‌بینی‌های ‌داده‌محور با استفاده از فنون و روش‌های نوین بپردازند.

🔰 برخی از مزایای دوره:

🔸 اعطای مدرک معتبر دوزبانه از دانشگاه تهران

🔸 بهره‌گیری از اساتید برجسته آکادمیک و صنعت در حوزه علم داده

🔸 آموزش تخصصی بیش از ۱۰ ابزار تخصصی علم‌داده

🔸 پروژه محوری

🔸 ارائه پروژه‌پایانی توسط دانش‌پذیران به همراه تحلیل اساتید

🔸 امکان پرداخت نقد و اقساط

🔸برگزاری به صورت آنلاین

✅ ثبت نام و اطلاعات بیشتر:
https://utperm.com/course/ds-code8/

⁉️ پشتیبانی آنلاین:
@bperm_admin

📞 شماره تماس:
02182084160
09377516759

⛔️ ظرفیت محدود
🆔 @BPERM_UT
📚 Instagram: https://bit.ly/3gfYl5f

#موقعیت_شغلی

◾️شرکت اسنپ مارکت، تحلیل‌گر ارشد داده های بازاریابی استخدام می کند.

◾️ ارسال رزومه به:
https://snappmarket512.adilar.com/jobs/5437ee


🏫 @DataScience_School

#Machine_Learning

✅خلاصه ی آن چه درباره ی یادگیری ماشین باید بدانیم:

🔷یادگیری ماشینی با الگوریتم هایی روبرو است که می تواند داده های ورودی رادریافت نماید و تجزیه و تحلیل آماری را، برای پیش بینی خروجی مورد انتظار انجام دهد و با دسترسی به داده های جدید، خروجی را پیش بینی کند.

🔷ماشین لرنینگ، براساس سه اصول پایه ای زیر است:
▪️داده (برچسب ها، دانش و اطلاعات)
▪️قدرت محاسباتی (شبکه عصبی)
▪️الگوریتم ها (منطق و تجربه)

🔷انواع عمده ی یادگیری ماشین به شرح زیر می باشد:
▪️یادگیری با نظارت یا Supervised learning
▪️یادگیری بدون نظارت یا Unsupervised learning
▪️یادگیری تقویتی یا Reinforcement learning

🔷مراحل معمول در یادگیری ماشین عبارت از:
▪️جمع آوری داده
▪️فیلتر کردن داده
▪️تجزیه و تحلیل داده
▪️الگوریتم های آموزش
▪️الگوریتم های تست
▪️استفاده از الگوریتم ها برای پیشبینی آینده

🏫 @DataScience_School

#فرصت_تحقیقاتی: در حوزه ماشین لرنینگ

▪️ موقعیت تحقیقاتی و دانشگاهی در دانشگاه Surrey انگلستان:
Lecturers/Senior Lecturers In Machine Learning

▪️ اطلاعات بیشتر و اپلای از طریق لینک زیر:

https://jobs.surrey.ac.uk/vacancy.aspx?ref=004921



🏫 @DataScience_School

#موقعیت_شغلی

◾️شرکت فناوران اطلاعات خبره، بزرگترین مجموعه ی فناوری اطلاعات کارشناس تحلیلگر داده و کارشناس BI استخدام می کند.

◾️ ارسال رزومه به:
https://www.iraneit.com/Fanavaran/JoinUs/RegisterCandidate


🏫 @DataScience_School

✅ پس از تشریح گام اول، گام دوم و گام سوم برای ورود به علم داده در ادامه قصد داریم به گام چهارم این مسیر بپردازیم:

◾️جبر و حساب در ریاضیات پایه را یاد بگیرید.

🔹ریاضیات برای تحلیلگران داده یا هر فردی که به دنبال الگوریتم مناسب برای حل مشکل خود است، حیاتی است.

▪️جبر: مطالعه بردارها، ماتریس ها، توابع و غیره است.
▪️حساب: مطالعه ادغام، تمایز و محدودیت ها است.

نه تنها این دو حوزه بلکه بسیاری از مباحث دیگر را باید یاد بگیرید و آن قدر مرور کنید تا عملکرد الگوریتم‌ها و فرمول ها را درک کنید

📚در ادامه، یکی از بهترین منابع این حوزه آمده است.


🏫 @DataScience_School

#موقعیت_شغلی

◾️شرکت تپسی، کارشناس تحلیلگر داده استخدام می کند.

◾️ مشاهده ی شرایط شغلی و ارسال رزومه از طریق لینک زیر:

https://careers.tapsi.ir/jobs/72b650



🏫 @DataScience_School