1- دانش های مورد نیاز
2- زبان های مورد نیاز
برای یک متخصص علم داده
🌐 @datascienceedu | کانال آموزشی علم داده
2- زبان های مورد نیاز
برای یک متخصص علم داده
🌐 @datascienceedu | کانال آموزشی علم داده
⭕️💢 سؤالات مصاحبه استخدامی متخصص علمداده
یکی از مهمترین گامهای ارزیابی یک متخصص علمداده علاوه بر بررسی کردن رزومه کاری، مصاحبه استخدامی و پرسیدن برخی از سؤالات تخصصی از وی میباشد. لذا اگر در شرکت خود قصد استخدام دانشمند علمداده دارید میتوانید از سؤالات ذیل جهت بررسی هر چه بیشتر دانش تخصصی وی استفاده نمایید.
متخصصین و دانشمندان علمداده هم با پاسخ به سؤالات زیر میتوانند دانش خود را محک بزنند!
1- چرخه انجام یک پروژه علمداده چیست؟
2- روش Cross Validation چیست و چه مزایایی دارد؟
3- مراحل پیادهسازی یک محصول تجاری داده محور چگونه میباشد؟
4- بیشترین حجم دادگان مورداستفاده در پروژههای قبلی چه میزان بوده است؟ جهت مدیریت این حجم از چه پلتفرم و ابزارهایی استفاده کردهاید؟
5- مهمترین گام در چرخه متدولوژی CRISP-DM چیست و چرا؟
6- پاکسازی اطلاعات چیست و چگونه انجام میگردد؟
7- چگونه دادگان غیر ساختیافته به اطلاعات ساختیافته تبدیل میگردند؟
8- در پیادهسازی یک مدل مبتنی بر یادگیری ماشین، پایدار بودن(robust) اهمیت بیشتری دارد یا میزان صحت(Accurate)؟
9- گامهای بهینهسازی یک الگوریتم ازلحاظ سرعت و کیفیت چیست؟
10- تفاوت الگوریتمها و روشهای با نظارت با روشهای بدون نظارت چیست؟
11- تفاوت Overfitting و Underfitting چیست و چه زمانی اتفاق میافتند؟
12- تفاوت معیارهای ارزیابی precision و recall چیست؟ کدامیک کارآمدتر هست؟
13- از چه راهکارهایی جهت مدیریت دادگان غیرمتوازن(Unbalance Data) استفاده خواهید کرد؟
14- چه معیارهای جهت انتخاب یک الگوریتم یادگیری ماشین جهت پاسخ به یک مسئله وجود دارد؟
15- تفاوت پایگاه داده، انبار داده و Data Mart چیست؟
16- چه زمانی از الگوریتمهایی مانند SVM یا Random Forset استفاده میکنید و چرا؟
17- تحلیل مؤلفههای اصلی (Principal component analysis) چیست و چه مزایا و معایبی دارد؟
18- نسلهای معماریهای پردازشی کلان داده چیست و Map Redcue چه تفاوتی با موتور پردازشی Spark دارد؟
19- پایگاه دادههای غیر رابطهای به چند دسته تقسیم میشوند و در چه مسائلی میتوانند مورداستفاده قرار بگیرند؟
20- روشهای مبتنی بر شبکههای عصبی پیشرفته(یادگیری عمیق) چه مزایا و معایبی نسبت به سایر الگوریتمها و روشها دارد؟
✍️ محمدرضا محتاط
🌐 @datascienceedu | کانال آموزشی علم داده
یکی از مهمترین گامهای ارزیابی یک متخصص علمداده علاوه بر بررسی کردن رزومه کاری، مصاحبه استخدامی و پرسیدن برخی از سؤالات تخصصی از وی میباشد. لذا اگر در شرکت خود قصد استخدام دانشمند علمداده دارید میتوانید از سؤالات ذیل جهت بررسی هر چه بیشتر دانش تخصصی وی استفاده نمایید.
متخصصین و دانشمندان علمداده هم با پاسخ به سؤالات زیر میتوانند دانش خود را محک بزنند!
1- چرخه انجام یک پروژه علمداده چیست؟
2- روش Cross Validation چیست و چه مزایایی دارد؟
3- مراحل پیادهسازی یک محصول تجاری داده محور چگونه میباشد؟
4- بیشترین حجم دادگان مورداستفاده در پروژههای قبلی چه میزان بوده است؟ جهت مدیریت این حجم از چه پلتفرم و ابزارهایی استفاده کردهاید؟
5- مهمترین گام در چرخه متدولوژی CRISP-DM چیست و چرا؟
6- پاکسازی اطلاعات چیست و چگونه انجام میگردد؟
7- چگونه دادگان غیر ساختیافته به اطلاعات ساختیافته تبدیل میگردند؟
8- در پیادهسازی یک مدل مبتنی بر یادگیری ماشین، پایدار بودن(robust) اهمیت بیشتری دارد یا میزان صحت(Accurate)؟
9- گامهای بهینهسازی یک الگوریتم ازلحاظ سرعت و کیفیت چیست؟
10- تفاوت الگوریتمها و روشهای با نظارت با روشهای بدون نظارت چیست؟
11- تفاوت Overfitting و Underfitting چیست و چه زمانی اتفاق میافتند؟
12- تفاوت معیارهای ارزیابی precision و recall چیست؟ کدامیک کارآمدتر هست؟
13- از چه راهکارهایی جهت مدیریت دادگان غیرمتوازن(Unbalance Data) استفاده خواهید کرد؟
14- چه معیارهای جهت انتخاب یک الگوریتم یادگیری ماشین جهت پاسخ به یک مسئله وجود دارد؟
15- تفاوت پایگاه داده، انبار داده و Data Mart چیست؟
16- چه زمانی از الگوریتمهایی مانند SVM یا Random Forset استفاده میکنید و چرا؟
17- تحلیل مؤلفههای اصلی (Principal component analysis) چیست و چه مزایا و معایبی دارد؟
18- نسلهای معماریهای پردازشی کلان داده چیست و Map Redcue چه تفاوتی با موتور پردازشی Spark دارد؟
19- پایگاه دادههای غیر رابطهای به چند دسته تقسیم میشوند و در چه مسائلی میتوانند مورداستفاده قرار بگیرند؟
20- روشهای مبتنی بر شبکههای عصبی پیشرفته(یادگیری عمیق) چه مزایا و معایبی نسبت به سایر الگوریتمها و روشها دارد؟
✍️ محمدرضا محتاط
🌐 @datascienceedu | کانال آموزشی علم داده
دانشمند داده: سکسیترین شغل قرن بیست و یکم
اگر سکسی بودن یک شغل را به معنی داشتن ویژگیهای نادر که خیلی زیاد از طرف کارفرماها مورد تقاضا است در نظر بگیریم، قطعا دانشمندان داده شغل سکسی دارند.
این مقاله جالب البته کمی قدیمی رو از سایت هاوارد بیزنس ریویو در این لینک بخونید.
🌐 @datascienceedu | کانال آموزشی علم داده
اگر سکسی بودن یک شغل را به معنی داشتن ویژگیهای نادر که خیلی زیاد از طرف کارفرماها مورد تقاضا است در نظر بگیریم، قطعا دانشمندان داده شغل سکسی دارند.
این مقاله جالب البته کمی قدیمی رو از سایت هاوارد بیزنس ریویو در این لینک بخونید.
🌐 @datascienceedu | کانال آموزشی علم داده
🛠 ابزارهای مورد استفاده در علم داده و مهندسی داده
دایره زرد حوزه علم داده و دایره آبی حوزه مهندسی داده است، در حوزه مهندسی داده ابزارهای پروگرامینگ قویتر است و در حوزه علم داده ابزارهای تحلیلی قویتر هستند. همچنین چگالی ابزارهای مربوط به آمار در علم داده بیشتر است، و چگالی ابزارهای طراحی و کنترل پایگاه داده در حوزه مهندسی داده.
اینفوگرافی از سایت دیتا کمپ
🌐 @datascienceedu | کانال آموزشی علم داده
دایره زرد حوزه علم داده و دایره آبی حوزه مهندسی داده است، در حوزه مهندسی داده ابزارهای پروگرامینگ قویتر است و در حوزه علم داده ابزارهای تحلیلی قویتر هستند. همچنین چگالی ابزارهای مربوط به آمار در علم داده بیشتر است، و چگالی ابزارهای طراحی و کنترل پایگاه داده در حوزه مهندسی داده.
اینفوگرافی از سایت دیتا کمپ
🌐 @datascienceedu | کانال آموزشی علم داده
9 مهارت لازم برای تبدیل شدن به یک "دانشمند داده"
1. تحصیلات تکمیلی (88 درصد از دانشمندان داده حداقل فوق لیسانس دارند)
2. تسلط برنامه نویسی R
📌 برای مطالعهی بقیه مهارتها این مطلب را کلیک کنید.
🌐 @datascienceedu |
کانال آموزشی علم داده
1. تحصیلات تکمیلی (88 درصد از دانشمندان داده حداقل فوق لیسانس دارند)
2. تسلط برنامه نویسی R
📌 برای مطالعهی بقیه مهارتها این مطلب را کلیک کنید.
🌐 @datascienceedu |
کانال آموزشی علم داده
🗽در رخداد AWS: Innovate شرکت آمازون به رایگان شرکت کنید.
این رویداد آنلاین رایگان، برای برنامه نویسان مشتاق ماشین لرنینگ، توسعه دهندگان برنامه های کاربردی، و دانشمندان داده به کمک می کند تا بفهمند چگونه از ابزارهای ابری آمازون برای برنامه های کاربردی هوش مصنوعی (AI) و مدل های یادگیری ماشین (ML) استفاده کنند. این رویداد از سوی کارشناسان آمازون ارائه شده است و برای برنامه نویسان و دانشمندان داده در همه سطوح مهارت دارد.
🖋 ثبت نام از طریق این لینک و رایگان
🌐 @datascienceedu | کانال آموزشی علم داده
این رویداد آنلاین رایگان، برای برنامه نویسان مشتاق ماشین لرنینگ، توسعه دهندگان برنامه های کاربردی، و دانشمندان داده به کمک می کند تا بفهمند چگونه از ابزارهای ابری آمازون برای برنامه های کاربردی هوش مصنوعی (AI) و مدل های یادگیری ماشین (ML) استفاده کنند. این رویداد از سوی کارشناسان آمازون ارائه شده است و برای برنامه نویسان و دانشمندان داده در همه سطوح مهارت دارد.
🖋 ثبت نام از طریق این لینک و رایگان
🌐 @datascienceedu | کانال آموزشی علم داده
💵 حقوق یک دانشمند داده چه قدر است؟
📌 برای آگاهی از حقوق و پست سازمانی یک "متخصص علم داده" کلیک کنید.
🌐 @datascienceedu | کانال آموزشی علم داده
📌 برای آگاهی از حقوق و پست سازمانی یک "متخصص علم داده" کلیک کنید.
🌐 @datascienceedu | کانال آموزشی علم داده
جدول تناوبی "علم داده"
در این جدول که توسط موسسه DataCamp تدوین شده است به تفکیک مولفهها و موضوعات زیر، فضای حوزه علومداده افراز گردیده است.
1-موسسات برگزار کننده دورههای آموزشی
2- دورههای آموزشی
3- کنفرانسها و سمنیارهای حوزه علمداده
4-زبانهای برنامهنویسی
5- پایگاه داده و ابزارهای مدیریت داده
6- ابزارها و کتابخانههای یادگیری ماشین
7- نرمافزارهای گزارشگیری و مصورسازی داده
8- ابزارهای مدیریت پروژههای نرمافزاری
9- وبسایتهای مرجع حوزه علمداده
10- پاکدستهای حوزه علومداده
11- اجتماعات و شبکههای تخصصی علمداده
12- مسابقات علمداده
13- منابع ارائه دهنده Open Data
🌐 @datascienceedu | کانال آموزشی علم داده
در این جدول که توسط موسسه DataCamp تدوین شده است به تفکیک مولفهها و موضوعات زیر، فضای حوزه علومداده افراز گردیده است.
1-موسسات برگزار کننده دورههای آموزشی
2- دورههای آموزشی
3- کنفرانسها و سمنیارهای حوزه علمداده
4-زبانهای برنامهنویسی
5- پایگاه داده و ابزارهای مدیریت داده
6- ابزارها و کتابخانههای یادگیری ماشین
7- نرمافزارهای گزارشگیری و مصورسازی داده
8- ابزارهای مدیریت پروژههای نرمافزاری
9- وبسایتهای مرجع حوزه علمداده
10- پاکدستهای حوزه علومداده
11- اجتماعات و شبکههای تخصصی علمداده
12- مسابقات علمداده
13- منابع ارائه دهنده Open Data
🌐 @datascienceedu | کانال آموزشی علم داده
مهارت هاي مورد نياز در موقعيت هاي شغلي مرتبط با كلان داده
مهندس داده، توسعه دهنده كلان داده، دانشمند علم داده و تحليلگر كسب و كار جز فرصت هاي شغلي جذاب اين حوزه ميباشد.
🌐 @datascienceedu | کانال آموزشی علم داده
مهندس داده، توسعه دهنده كلان داده، دانشمند علم داده و تحليلگر كسب و كار جز فرصت هاي شغلي جذاب اين حوزه ميباشد.
🌐 @datascienceedu | کانال آموزشی علم داده
برترین فناوریها از نظر جذب سرمایه در 5 سال آینده!
1- کلانداده و علمداده(Big Data & Data Science)
2- آنالیز کسبوکار(Business Analytics)
3- کسب و کار ابری(Cloud Business)
4- بازاریابی دیجیتال(Digital Marketing)
5- مدیریت تجربه مشتری(Customer Experience Management)
6- تجارت الکترونیک(Ecommerce)
🌐 @datascienceedu | کانال آموزشی علم داده
1- کلانداده و علمداده(Big Data & Data Science)
2- آنالیز کسبوکار(Business Analytics)
3- کسب و کار ابری(Cloud Business)
4- بازاریابی دیجیتال(Digital Marketing)
5- مدیریت تجربه مشتری(Customer Experience Management)
6- تجارت الکترونیک(Ecommerce)
🌐 @datascienceedu | کانال آموزشی علم داده
Forwarded from موسسه توسعه
💎 دوره بلند مدت #علم_داده (#Data_Science)
⏳ آغاز ثبت نام دورههای حضوری و آنلاین #سال_98 (ظرفیت محدود)
🔬آموزش با Case Study ها و تحلیل های واقعی از صنایع مختلف نظیر خودروسازی، خدمات درمانی، خدمات شهری، فروشگاهی، تولیدی و ...
👤 با تدریس #دکتر_زره_ساز (فارغ التحصیل دانشگاه میشیگان، مشاور و مجری پروژه های علم داده در ایران و آمریکا)
🔥 فارغ التحصیلی از این دوره برای افرادی که میخواهند به #اروپا، #آمریکا و #استرالیا مهاجرت شغلی یا تحصیلی داشته باشند، بسیار میتواند مفید باشد
🔥 فارغ التحصیلان این دوره قابلیت ورود به بازار کار در ایران را خواهند داشت و #اولین_نسل #دانشمندان_علم_داده را تشکیل خواهند داد
🔗 رزرو از طریق: https://bit.ly/2VI2Wn8
☎️ 021-86741 داخلی 120 و 124 و 125 و 127
🥇 @tiheac
🌐 tihe.ac.ir
⏳ آغاز ثبت نام دورههای حضوری و آنلاین #سال_98 (ظرفیت محدود)
🔬آموزش با Case Study ها و تحلیل های واقعی از صنایع مختلف نظیر خودروسازی، خدمات درمانی، خدمات شهری، فروشگاهی، تولیدی و ...
👤 با تدریس #دکتر_زره_ساز (فارغ التحصیل دانشگاه میشیگان، مشاور و مجری پروژه های علم داده در ایران و آمریکا)
🔥 فارغ التحصیلی از این دوره برای افرادی که میخواهند به #اروپا، #آمریکا و #استرالیا مهاجرت شغلی یا تحصیلی داشته باشند، بسیار میتواند مفید باشد
🔥 فارغ التحصیلان این دوره قابلیت ورود به بازار کار در ایران را خواهند داشت و #اولین_نسل #دانشمندان_علم_داده را تشکیل خواهند داد
🔗 رزرو از طریق: https://bit.ly/2VI2Wn8
☎️ 021-86741 داخلی 120 و 124 و 125 و 127
🥇 @tiheac
🌐 tihe.ac.ir
🔰 📊 مجموعه نمودارهای اولیه و نتایج خام نظر سنجی بزرگ کار و زندگی برنامه نویسان و مدیران سیستم ایران در سال 1397
📍 قسمت اول: آمار ابتدایی-بخش اطلاعات جمعیتی
🌐 @datascienceedu | کانال آموزشی علم داده
📍 قسمت اول: آمار ابتدایی-بخش اطلاعات جمعیتی
🌐 @datascienceedu | کانال آموزشی علم داده
🔰 📊 مجموعه نمودارهای اولیه و نتایج خام نظر سنجی بزرگ کار و زندگی برنامه نویسان و مدیران سیستم ایران در سال 1397
📍 قسمت دوم: آمار ابتدایی-بخش جنسیت
🌐 @datascienceedu | کانال آموزشی علم داده
📍 قسمت دوم: آمار ابتدایی-بخش جنسیت
🌐 @datascienceedu | کانال آموزشی علم داده
🔰 📊 مجموعه نمودارهای اولیه و نتایج خام نظر سنجی بزرگ کار و زندگی برنامه نویسان و مدیران سیستم ایران در سال 1397
📍 قسمت سوم: بخش سابقه ی کار
🌐 @datascienceedu | کانال آموزشی علم داده
📍 قسمت سوم: بخش سابقه ی کار
🌐 @datascienceedu | کانال آموزشی علم داده
🔰 📊 مجموعه نمودارهای اولیه و نتایج خام نظر سنجی بزرگ کار و زندگی برنامه نویسان و مدیران سیستم ایران در سال 1397
📍 قسمت چهارم: بخش سوابق تحصیلی
🌐 @datascienceedu | کانال آموزشی علم داده
📍 قسمت چهارم: بخش سوابق تحصیلی
🌐 @datascienceedu | کانال آموزشی علم داده
Forwarded from موسسه توسعه
🚀 #دیتا_میتینگ برگزار میکند...
⭐️ جلسات رایگان هم اندیشی در حوزه علم داده موسسه توسعه ...
🔥 دیتا میتینگ (1) -#آنلاین- با موضوع "بررسی #علم_داده اکنون و آینده"
📆 8 اردیبهشت 98 | 19 الی 21
👥 دکتر #ابوالفضل_واقفی (پژوهشگر و مجری پروژه های علم داده در #آمریکا)
👥 دکتر #یاسر_زره_ساز (مشاور و مجری پروژه های علم داده در #ایران و #آمریکا)
🔗 رزرو حضور از طریق: https://bit.ly/2UKTCB1
🥇 @tiheac
🌐 tihe.ac.ir
☎️ 021-86741 (EXT: 120-125-127)
⭐️ جلسات رایگان هم اندیشی در حوزه علم داده موسسه توسعه ...
🔥 دیتا میتینگ (1) -#آنلاین- با موضوع "بررسی #علم_داده اکنون و آینده"
📆 8 اردیبهشت 98 | 19 الی 21
👥 دکتر #ابوالفضل_واقفی (پژوهشگر و مجری پروژه های علم داده در #آمریکا)
👥 دکتر #یاسر_زره_ساز (مشاور و مجری پروژه های علم داده در #ایران و #آمریکا)
🔗 رزرو حضور از طریق: https://bit.ly/2UKTCB1
🥇 @tiheac
🌐 tihe.ac.ir
☎️ 021-86741 (EXT: 120-125-127)
🔰 📊 مجموعه نمودارهای اولیه و نتایج خام نظر سنجی بزرگ کار و زندگی برنامه نویسان و مدیران سیستم ایران در سال 1397
📍 قسمت پنجم
🌐 @datascienceedu | کانال آموزشی علم داده
📍 قسمت پنجم
🌐 @datascienceedu | کانال آموزشی علم داده
🔰 📊 مجموعه نمودارهای اولیه و نتایج خام نظر سنجی بزرگ کار و زندگی برنامه نویسان و مدیران سیستم ایران در سال 1397
📍 قسمت ششم - بخش: دیتابیس های مورد استفاده
🌐 @datascienceedu | کانال آموزشی علم داده
📍 قسمت ششم - بخش: دیتابیس های مورد استفاده
🌐 @datascienceedu | کانال آموزشی علم داده
🔰 📊 مجموعه نمودارهای اولیه و نتایج خام نظر سنجی بزرگ کار و زندگی برنامه نویسان و مدیران سیستم ایران در سال 1397
📍 قسمت هفتم و هشتم- بخش: چگونگی و شیوه ی کار
🌐 @datascienceedu | کانال آموزشی علم داده
📍 قسمت هفتم و هشتم- بخش: چگونگی و شیوه ی کار
🌐 @datascienceedu | کانال آموزشی علم داده