در تلگرام آریا ویژن پاسخگوی سوالات شما هستیم
t.me/aryavisions_bot

@aryavisions

یادگیری عمیق با استفاده از اسپارک
https://www.kdnuggets.com/2018/04/deep-learning-apache-spark-part-1.html
در این مقاله که بخش اول ان است به معماری پیاده سازی یادگیری عمیق با استفاده از اسپارک و بازدهی سرعت با حالتهای مختلف اشاره شده است.
https://news.1rj.ru/str/AryaVisions

16 کتابخانه و پلت فرم کدباز درباره یادگیری عمیق
در این مقاله پلت فرم ها و کتابخانه های مطرح مانند تنسورفلو معرفی شده اند.
https://www.kdnuggets.com/2018/04/top-16-open-source-deep-learning-libraries.html
https://news.1rj.ru/str/AryaVisions

محصولی جدید مبتنی بر اینترنت اشیا سامانه هوشمند سرویس مدارس پند
برای کسب اطلاعات بیشتر
https://www.instagram.com/smartpand/

استخدام توسعه دهنده frontend در شیراز
حقوق تا سقف ۲.۵ میلیون تومان
با بیمه و مزایا
به آدرس najafi@aryahamrah.com رزومه خود را ارسال نمایید

با داده‌هایتان چت خواهید کرد
خوشبختانه، کارایی چت‌بات‌های هوش تجاری به خدمات نمایندگان فروش محدود نمی‌شود و آن‌ها را می‌توان یک عضو کلیدی از تیم تحلیل داده دانست.
چت‌بات‌هایی که به داده‌ها و سیستم هوش تجاری مرتبط می‌شوند، قادرند به پرسش‌هایی که با زبان انسانی از آن‌ها پرسیده می‌شود، پاسخ دهند.
این امر، کاوش داده و دسترسی به هوش تجاری را تسهیل می‌کند. اگر به دنبال توسعه‌ی دیدگاه در حوزه‌ی کسب‌وکارتان هستید، دیگر نیازی نیست به سطرهای طولانی کدها و تصویرهای رنگارنگ، خیره شوید؛ کافی است پرسشی که در ذهن دارید را به زبانی ساده، مطرح کنید و پاسخ آن را به ساده‌ترین شکل ممکن، بگیرید. هر پاسخی که در مکالمه با چت‌بات‌های هوش تجاری دریافت می‌کنید، ذهن شما را تغذیه می‌کند و زمینه را برای سؤال بعدی، مهیا می‌سازد.
انجام مکالمه در اکثر چت‌بات‌های هوش تجاری حاضر، از طرق پلتفرمی مانند اسلک، اسکایپ، فیس‌بوک مسنجر و یا تلگرام انجام می‌گیرد. چت‌بات‌های هوش تجاری به «یکی از اعضای تیم شما» تبدیل می‌شوند و وظیفه‌ی گزارش، بازیابی و تجزیه‌وتحلیل داده را به عهده می‌گیرند.

@aryavisions

تمامی چت‌بات‌های هوش تجاری یکسان نیستند
سطح پیچیدگی هوش مصنوعی به کار رفته در چت‌بات‌ها، آن‌ها را از هم متمایز می‌کند.

چت‌بات‌های هوش مصنوعی پیچیده، مانند ربات هوش تجاری سیسنس (Sisense)، به‌منزله‌ی دستیاران تحلیل داده هستند. آن‌ها به دسته‌ی عظیمی از منابع داده‌ی کسب‌وکار متصل می‌شوند و در پاسخ به سؤالات، از آن‌ها استفاده می‌کنند. آگاه‌سازی سایر اعضای تیم از دیدگاه انتخابی یک نفر، تنظیم هشدارهای هوشمند و جریان کاری برای افراد، نمونه‌هایی از کاربردهای دیگر ربات سیسنس هستند.

@aryavisions

به‌عنوان‌مثال، هنگامی‌که یک مدیر خرده‌فروشی وارد حساب تیم اسلک خود می‌شود و از معیارهای گردش کالا در سه‌ماهه‌ی گذشته، می‌پرسد، ربات هوش تجاری وی، یک جدول دقیق از تمام داده‌های مرتبط را تهیه و ارائه می‌کند. این مدیر، با وجود این‌که هیچ تسلطی بر پرس‌وجو در پایگاه داده‌ی اس‌کیوال(sql) ندارد، قادر است سؤالات طبقه‌بندی‌شده را مطرح کند، به جزئیات بپردازد و در کوتاه‌ترین زمان ممکن، یک استراتژی جدید را به هیئت‌مدیره ارائه کند.

بیایید کلاه‌مان را به افتخار ربات هوش تجاری، از سرمان برداریم. این ربات‌ها، پیچیدگی کمتری دارند، اما باز هم می‌توانند از پس تحلیل‌های هوشمندانه و سودمند برآیند. بسیاری از این ربات‌ها، مانند ایستتس‌بوت (Statsbot)، کار گزارش داده را انجام می‌دهند؛ کافی است که یک هدف مشخص کنید، مثلاً درآمد ماهیانه. در این صورت، چت‌بات با داده‌های شما ارتباط برقرار می‌کند و اطلاعات لازم را در اختیار شما قرار می‌دهد.

هانچ (Hunch)، مثال دیگری است که به آن اشاره می‌کنیم. این ربات، به‌غیراز گزارش دهی و بازیابی، خدمات دیگری را نیز انجام می‌دهد. بیشینه‌سازی بهره‌وری، نمونه‌ای از همین خدمات بوده و در محیط پرطرفدار اسلک، ارائه می‌شود. هانچ به گوگل آنالیتیکس، متصل می‌شود و جهش‌های ناگهانی و ناهنجاری‌ داده‌ها را گزارش می‌دهد. اگر سؤالی با زبان معمولی انسان‌ها از این ربات، پرسیده شود، (مثلاً: بازدیدهای صفحه‌ی ما در ۱۲۰ روز گذشته، چه تعداد بوده است؟) پاسخی سریع و دقیق را ارائه می‌کند.
@aryavisions

دموی ساده از نسخه 2 اریاویژن
در این نسخه در دو بستر RDBMS و کلان داده پیاده سازی شده است که یکی از دو حالت با توجه به داده قابل استفاده است.
https://www.aparat.com/v/Hw4T7

از بین نرم افزارهای داده کاوی سقوط ای بی ام و رشد رپیدماینر و نایم نسبت به سالهای قبل و حضور تیبکو در جمع لیدرها قابل توجه است

برای سال 2019 گارتنر لیست جدید ابزارهای حوزه هوش تجاری را منتشر کرد. مایکروسافت فاصله را از تبلو که سال گذشته جلو زد بیشتر کرده است. اوارکل هم به لیست اضافه شده است. https://news.1rj.ru/str/AryaVisions

الگوریتمهایی که روی داده از نوع گراف مانند شبکه های اجتماعی کار می کنند متفاوت از داده تراکنشی هستند. عموما چالش الگوریتمهای روی داده گراف چالش بیشتری بخصوص بخاطر تنکی داده دارند. آخرین سخنرانی Lescovec که سالهاست در زمینه گراف در دانشگاه استفورد فعالیت می کند برای ارائه الگوریتم یادگیری عمیق روی داده گراف بوده است. اسلاید این سخنرانی را از لینک زیر می توانید دانلود کنید.
https://news.1rj.ru/str/AryaVisions
http://i.stanford.edu/~jure/pub/talks2/graphsage_gin-ita-feb19.pdf

10 مهارتی که در 2019 بر اساس امار لینکدین بیشترین تقاضا را خواهند داشت.
محاسبات ابری، هوش مصنوعی، استدال تحلیلی و طراحی کاربر محور جز این 10 مورد است. منبع اقتصاد انلاین
https://news.1rj.ru/str/AryaVisions

10 روند تکنولوژی استراتژیک برتر در سال 2019 از نظر گارتنر https://news.1rj.ru/str/AryaVisions

روش انجام پروژه داده کاوی بر اساس فرایند کریسپ. این متن ترجمه ای است که سال 90 انجام شده است. https://news.1rj.ru/str/AryaVisions