Here is an awesome #Statistics Cheatsheet for Data Scientists
@machinelearningir

کلیه محتوای آموزشی یادگیری ماشین با پایتون
مدرس: دکتر مریم رهبرعالم
زبان: فارسی
در گیت هاب قرار داده شد.

برای دیدن کلیه ویدیوها ، پاورپوینت ها و کلیه کدها در گیت هاب در اینجا کلیک کنید:

👈🔺کلیک کنید🔻👉

کانال یوتیوب:

https://youtu.be/yFtpz54RGuA

#یادگیری_ماشین_با_پایتون
🔳کانال تلگرام
🔹پیج اینستاگرام
🔖کانال یوتیوب
📣تویتر

Commonly used Machine Learning Algorithms (with #Python and #R Codes)!!

Here is the list of commonly used #MachineLearning algorithms, along with codes both in R and Python. These #algorithms can be applied to almost any #Data problem:

1) Linear Regression
2) Logistic Regression
3) Decision Tree
4) SVM
5) Naive Bayes
6) KNN
7) K-Means
8) Random Forest
9) Dimensionality Reduction Algorithms
10) Gradient Boosting algorithms
(i) GBM
(ii) XGBoost
(iii) LightGBM
(iv) CatBoost

🔳کانال تلگرام
🔹پیج اینستاگرام
🔖کانال یوتیوب
📣تویتر

یادگیری عمیق, شبکه های کانولوشنی
Convolutional Neural Networks
-Types of layer
-Filter hyperparameters
-Tuning hyperparameters
-Commonly used activation functions
-Object detection
-Face verification and recognition

Credit: Afshine Amidi and Shervine Amidi
🔳کانال تلگرام
🔹پیج اینستاگرام
🔖کانال یوتیوب
📣تویتر

How to use the pandas #pivot_table

🔳کانال تلگرام
🔹پیج اینستاگرام
🔖کانال یوتیوب
📣تویتر

✴️Data Science Tools sheet:

1- Data retrieval with SQL
2-Working with data with R
3- Working with data with Python
4- Engineering productivity tips with Git, Bash and Vim
#datascience #sheet

✅Massachusetts Institute of Technology
Credit: Afshine Amidi and Shervine Amidi
https://www.mit.edu/
🔳کانال تلگرام
🔹پیج اینستاگرام
🔖کانال یوتیوب
📣تویتر

❇️Here is an awesome 5 page #MachineLearning Cheatsheet!!

✴️Scikit-learn website, for python implementation
http://scikit-learn.org/

🔳کانال تلگرام
🔹پیج اینستاگرام
🔖کانال یوتیوب
📣تویتر

بهترین راه برای یادگرفتن پایتون، تمرین کردنه.

☑️سایت تمرین پایتون:

https://www.w3resource.com/python-exercises/


🔳کانال تلگرام
🔹پیج اینستاگرام
🔖کانال یوتیوب
📣تویتر

❇️کتاب Python برای هوش مصنوعی
Python for Artificial Intelligence

✴️چرا پایتون بهترین زبان برنامه نویسی برای AI و ML است؟
Why Python is the best programming language for AI and ML?
1. A great library ecosystem
2. A low entry barrier
3. Flexibility
4. Platform independence
5. Readability
6. Good visualization options
7. Community support
8. Growing popularity

Credit: David L. Poole and Alan K. Mackworth
🔳کانال تلگرام
🔹پیج اینستاگرام
🔖کانال یوتیوب
📣تویتر

❇️10 min #Pandas sheet

🔳کانال تلگرام
🔹پیج اینستاگرام
🔖کانال یوتیوب
📣تویتر

✅۷ تکنیک که با استفاده شون میتونید دیتا رو بالانس کنید

✴️7 Techniques to Handle Imbalanced Data

https://www.kdnuggets.com/2017/06/7-techniques-handle-imbalanced-data.html

@machinelearningir
www.instagram.com/dr.maryrahbar
https://youtu.be/yFtpz54RGuA

با سلام خدمت شما عزیزان،

همانطور که قول داده بودم، در ۲ ویس زیر تجربیات خودم را باهاتون به اشتراک گذاشتم، شرایط و نحوه گرفتن ویزای تلنت استرالیا را توضیح دادم:

✅Global Talent Visa Program(GTI)

۱- ویس اول: شرایط گرفتن ویزای تلنت استرالیا چیست؟
🔺لینک ویس اول🔻

۲- ویس دوم: نحوه اقدام گرفتن ویزای تلنت استرالیا چگونه است؟
🔸لینک ویس دوم🔸

↩️لینک جهت اقدام:
https://immi.homeaffairs.gov.au/visas/working-in-australia/visas-for-innovation/global-talent-independent-program

🔳کانال تلگرام
🔹پیج اینستاگرام
🔖کانال یوتیوب

✴️ویس اول: شرایط گرفتن ویزای تلنت استرالیا را چیست؟

@machinelearningir
www.instagram.com/dr.maryrahbar
https://youtu.be/yFtpz54RGuA

✴️۲- ویس دوم: نحوه اقدام گرفتن ویزای تلنت استرالیا چگونه است؟

@machinelearningir
www.instagram.com/dr.maryrahbar
https://youtu.be/yFtpz54RGuA

روحتان شاد خسروی آواز ایران🖤
در آرامش باشید، صدای شما ماندگار است❤️

🔸What is the meaning of the Overfitting in Machine Learning?🔸

Overfitting refers to a model that models the training data too well.
Overfitting happens when a model learns the detail and noise in the training data to the extent that it negatively impacts the performance of the model on new data. This means that the noise or random fluctuations in the training data is picked up and learned as concepts by the model. The problem is that these concepts do not apply to new data and negatively impact the models ability to generalize.

🔳کانال تلگرام
🔹پیج اینستاگرام
🔖کانال یوتیوب
📣تویتر

🔸How to Prevent Overfitting🔸

The possible solutions are:
• To simplify the model by selecting one with fewer parameters, or by reducing the number of features
• To gather more training data
• To reduce the noise in the training data (e.g., fix data errors and remove outliers)
• Cross-validation
• Early stopping
• Regularization
• Ensembling

🔳کانال تلگرام

📌استخدام کارشناس زیرساخت
📌شرکت: هلدینگ مالی بانکی
📌 محل کار: تهران

✅مهارت و تخصص‌های مورد نیاز:
🔺تسلط به تنظیمات فایروال‌ها و UTMها و آشنایی کامل با رخداد‌های آنها
🔺تسلط به مجازی سازیVMware و نرم افزار‌های مرتبط
🔺تسلط به VCenter و VMware view، virtualization
🔺آشنا و مسلط به راه‌اندازی خصوصیات پیشرفته مثلStorage DRS، DRs،VMotion،FT،HA
🔺آشنا و مسلط به مجازی سازی دسکتاپ (VDI)
🔺 آشنا و مسلط بهStorage and SAN Switch Optimization
🔺مسلط به پیاده سازی و نگهداری زیر ساخت پشتیبان‌گیری از سیستم‌های مجازی و فیزیکی
🔺 مسلط به نرم افزار مانیتورینگVMware vROPS و Veeam ONE
🔺آشنا و مسلط به راه‌اندازی،نگهداری و به‌روز رسانی انواع سرور‌هایHP
🔺مسلط به مفاهیمMCITP
🔺آشنایی با ساختارهای Container و Orchestration
🔺آشنایی با ساختار های ابری

✅توانایی عمومی:
🔹انجام کار گروهی
🔹استفاده روان از متون انگلیسی تخصصی مرتبط
🔹دارای پشتکار ،پیگیر و توانایی پیشبرد اهداف سازمانی
🔹آشنایی کلی با مفاهیم خدمات فناوری اطلاعات
🔹۵سال سابقه کار مفید مرتبط همراه با رزومه مناسب


🔈قرارداد همکاری به صورت پاره وقت و پروژه محورتنظیم خواهد شد.

📣ارسال رزومه به
quant.job.recruitment@gmail.com
🔘خواهشمند است، رزومه خود را با عنوان کارشناس زیر ساخت ارسال بفرمایید.
➖➖➖➖➖➖➖➖➖➖
🔗کارشناس #زیر_ساخت
#استخدام
#پاره_وقت

#mcitp #vm #vmware #sys_admin

📌استخدام کارشناس داده‌کاوی
📌شرکت: هلدینگ مالی بانکی
📌محل کار: تهران

✅ تخصص مورد نیاز:
🔍تسلط به زبان برنامه نویسیPython
🔍تسلط به مفاهیم web/Social Media Scraping و توانایی و تجربه ساخت انواع Crawler با کتابخانه های پایتون
🔍آشنایی با مفاهیم داده‌های ساختار یافته و غیر ساختار یافته و نیز پایگاه داده‌های SQL و NoSQL
🔍آشنایی کافی با مفاهیم تحلیل کلان داده ،دسته‌بندی و خوشه‌بندی‌ داده‌ها،گراف‌کاوی و تحلیل شبکه‌ها
🔍آشنایی کافی با روش‌ها و ماژول‌های متن‌کا‌وی،پردازش‌ زبان طبیعی(NLP) و یادگیری ماشین
🔍آشنایی با سیستم عامل لینوکس، Docker و بازارهای مالی امتیاز محسوب می‌شود.

📍فارغ التحصیل رشته‌های فنی‌مهندسی(به ویژه مهندسی کامپیوتر )،علوم پایه،اقتصاد،آمار،مهندسی‌مالی و ریاضیات مالی

🔹حداقل دوسال سابقه کارمرتبط و اجرای حداقل یک پروژه مرتبط
🔹قرارداد همکاری به صورت پاره‌وقت و پروژه‌محورتنظیم خواهد شد. در صورت جلب نظرکارفرما امکان تبدیل به قرارداد تمام وقت نیز وجود دارد .
🔹فرآیند مصاحبه با افراد واجد شرایط، شامل آزمون فنی می‌شود.
🔹داشتن کارت معافیت خدمت برای آقایان ضروری نیست.

🔹توانایی همکاری بلندمدت توانایی حل مساله ،علاقمند به کار تیمی،باانگیزه و اخلاق مدار،خلاق و نوآور،دقیق و منظم،پیگیر و متعهد

📣ارسال رزومه به :

quant.job.recruitment@gmail.com
🔘خواهشمند است رزومه خود را با عنوان کارشناس داده‌کاوی ارسال بفرمایید.
➖➖➖➖➖➖➖➖➖➖➖
🔗کارشناس #داده_‌کاوی
#استخدام
#پاره_وقت
#متن_کاوی #پایتون

🔸Why are convolutional neural networks better than other neural networks in processing data such as images and video?🔸

The reason why Convolutional Neural Networks (#CNNs) do so much better than classic neural networks on images and videos is that the convolutional layers take advantage of inherent properties of images.

♦️1 Convolutions
- Simple feedforward neural networks don’t see any order in their inputs. If you shuffled all your images in the same way, the neural network would have the very same performance it has when trained on not shuffled images.
- CNN, in opposition, take advantage of local spatial coherence of images. This means that they are able to reduce dramatically the number of operation needed to process an image by using convolution on patches of adjacent pixels, because adjacent pixels together are meaningful. We also call that local connectivity. Each map is then filled with the result of the convolution of a small patch of pixels, slid with a window over the whole image.

♦️2 Pooling layers
a)There are also the pooling layers, which downscale the image. This is possible because we retain throughout the network, features that are organized spatially like an image, and thus downscaling them makes sense as reducing the size of the image. On classic inputs you cannot downscale a vector, as there is no coherence between an input and the one next to it.

🔳کانال تلگرام

🔸What are the Layers in CNN?🔸

There are five different layers in #CNNs
1-Input layer
2-Convo layer (Convo + ReLU)
3-Pooling layer
4-Fully connected(FC) layer
5-Softmax/logistic layer
6-Output layer

🔳کانال تلگرام