ده الگوریتم برتر علم داده ها که در سالهای 2018 و 2019 استفاده شده اند. https://news.1rj.ru/str/AryaVisions

معیارهای ارزیابی روشهای رده بندی متنوع هستند. اما اینکه در یک مساله کدامیک را استفاده کنیم بستگی به هدف دارد. عکس زیر یک راهنمایی ساده از برخی از این ارزیابی ها با توجه به هدف مساله بیان می کند.
https://news.1rj.ru/str/AryaVisions

دوره رایگان تفکر آماری برای حل مسائل صنعت
شفافیت برداشت از داده اساس حل، نواوری و رشد مساله است. بدون درک داده روش استفاده شده و چگونگی تفسیر نتایج کیفیت لازم را نخواهد داشت. یک دوره رایگان برای کسانی که می خواهند مهارتهای کار با داده را در صنعت انجام دهند از طریق لینک زیر قابل ثبت نام است. این دوره از امروز شروع می شود.
برای ورود از فیلتر شکن استفاده کنید
https://www.jmp.com/en_us/statistical-thinking.html?utm_source=kdnuggetsli&utm_medium=advertisement&utm_campaign=stips
https://news.1rj.ru/str/AryaVisionshttps://news.1rj.ru/str/AryaVisions

کتاب مفاهیم علم داده های کلینیکی
در این کتاب کاربردهای کلینیکی علم داده ها، مدلسازی و جمع اوری داده مورد بررسی قرار گرفته است. دو بخش اول بیشتر عمومی و بخش سوم کتاب در مورد سیستم تصمیم گیری کلینیک است که در مورد کاربردهای علم داده ها در حوزه سلامت تمرکز کرده است.
لینک دانلود کتاب
https://link.springer.com/content/pdf/10.1007%2F978-3-319-99713-1.pdf https://news.1rj.ru/str/AryaVisionshttps://news.1rj.ru/str/AryaVisions

#استخدام

🔹شرکت توسعه فناوری رفاه پردیس (RPTD) وابسته به بانک رفاه کارگران در تخصص‌های زیر دعوت به همکاری می‌نماید.

‌
🔸برنامه نویس حرفه‌ای Full Stack . NET Developer

▪️شرایط احراز شغل:

- 3 سال سابقه کاری مرتبط
- مسلط به #C
- مسلط به ASP. NET MVC
- مسلط به مفاهیم مدل‌سازی و طراحی بانک‌های اطلاعاتی به خصوص MS SQL Server
- آشنایی با Design Pattern
- آشنایی با مفاهیم معماری نرم‌افزار و معماری‌های چندلایه و توزیع ‌شده
- تجربه کاری در زمینه توسعه سرویس‌های Restful و وب سرویس‌ها
- بهینه سازی و خطایابی کدهای نرم افزار
- ذهن خلاق در تحلیل، طراحی و تولید نرم افزار و داشتن انضباط کاری و روحیه مسئولیت پذیری و دارای روحیه کار تیمی
- توانمند در برنامه ریزی کار و تمام کننده فعالیت


🔸کارشناس تحلیل داده و هوش تجاری

▪️شرایط احراز شغل:

- کارشناس تحلیل داده و هوش تجاری؛ مسلط به طراحی و توسعه ساختارهای اطلاعاتی و مفاهیم پایگاه داده، هوش تجاری و و آشنا با داده کاوی
- با انگیزه، علاقه مند به یادگیری و سخت کوش
- مسلط به پایگاه داده Server SQL Developer
- آشنا به مفاهیم طراحی و توسعه ساختارهای اطلاعاتی، پایگاه داده و انبار داده ها
- مسلط به SSIS و ایجاد و به روزرسانی و بهینه سازی فرآیندهای ETL
- مسلط به SSAS مفاهیم Cube و زبان MDX
- آشنایی با ابزار SSRS و ابزارهای Visualization
- آشنا با الگوریتم‌های Data Mining
- آشنا با روش‌های مستند سازی، گزارش نویسی، شبیه سازی و مدل سازی جریان داده‌ها
- مسلط به مدل‌سازی Snowflake ،Star و Multidimensional
- مسئولیت پذیر و دارای روحیه کار تیمی
- توانمند در برنامه ریزی کار و تمام کننده فعالیت
- سابقه کاری مرتبط در حوزه بانکی و آشنایی با مباحث SQL Server DB Administration مزیت به شمار می‌آید.


شماره تماس:

📞: 021-62951

لطفا رزومه‌های خود را به آدرس زیر ارسال نمایید.

✉️: job@refah-td.com


ID: @Nikamooz
@AryaVisions

https://www.linkedin.com/feed/update/urn:li:activity:6534323017055641600
وبینار نحوه استفاده از الگوریتمهای یادگیری ماشین زبان R بصورت api در محصولات

@AryaVisions

ظنزی برای دیدگاه مدیران از کلان داده و انتظار سریع اثر آن
@AryaVisions

راهنمای استقرار مدلهای الگوریتمهای یادگیری ماشین استفاده از الگوریتمهای یادگیری ماشین در نرم افزارها اهمیت دارد. اما استفاده از این مدلها می تواند چالش داشته باشد. از لینک زیر نحوه استفاده و کاربردی کردن مدلها را می توان انجام داد. از نحوه اموزش مدل تا استفاده از خروجی مدل نهایی
https://www.kdnuggets.com/2019/05/deploy-machine-learning-models-guide.html @AryaVisions

راهنمای انتخاب مصورسازی visualization که در راستای تحلیل داده ساخت یافته یک ضرورت است.
https://www.kdnuggets.com/2019/06/how-choose-visualization.html
@AryaVisions

سال ۹۶ ما با حضور آقای دکتر ابوالحسنی، مهندس ارشد نرم‌افزار گوگل، یک کارگاه دو روزه‌ی یادگیری ماشینی داشتیم که خیلی با استقبال مواجه شد. کارگاه قبل با ابزارها و روش های گوگل برگزار شد.
امسال هم آقای دکتر مجددا به ایران می آیند و سه کارگاه ۵ ساعته برای 19 20 و 21 خرداد برنامه ریزی کردیم. اما متاسفانه به خاطر شرایط موجود نمی توانیم در تبلیغات اسمی از ایشون یا شرکتشون داشته باشیم.


کارگاه روز ۱۹ و ۲۰ به ترتیب دو برنامه‌ی مقدماتی و پیشرفته ی یادگیری ماشینی بر اساس تنسور فلو هست. که در بخش پیشرفته (روز دوم) سعی شده مطالب تکمیلی سال گذشته اضافه بشه و دور مقدماتی بررسی اجمالی سال گذشته باشد. برای ثبت نام از اینجا استفاده کنید.
evnd.co/d1Hho

بر اساس فیدبک های شما کارگاه روز ۲۱ خرداد بیشتر کارگاهی در مورد این هست که شرکت پیشرویی مثل گوگل چطور کار می کند و تیم‌ها و توسعه‌ی نرم افزار را مدیریت می کند. برای ثبت نام می توانید از اینجا استفاده کنید.
evnd.co/1NVmP
@AryaVisions

اشتباهات یا عدم توجه به مسائلی توسط دانشمندان داده باعث می شود که پروژه مطلوبی نتوانند انجام دهند. ازجمله آنها 10 فعالیت آماری است که توسط دانشمندان داده کمتر مورد توجه قرار می گیرد. عدم توجه به این موارد باعث اجرای اشتباه پروژه می شود. مواردی مانند درک نامناسب از تابع ابجکتیو، عدم درک مناسب از فرضیه ای که باید روی آن کار کنند، عدم توجه به شناخت داده قبل از تفسیر نتایج آن و ...
از لینک زیر می توانید مواردی که کمتر مورد توجه قرار می گیرند را به همراه توضیحات آن مشاهده کنید.
https://www.kdnuggets.com/2019/06/statistics-mistakes-data-scientists.html
@AryaVisions

میانگین حقوق متخصصان علم داده ها در امریکا سالیانه حدود ۱۲۰هزار دلار است.
@aryavisions

یکی از اتفاقهای امروزه تغییر رویکرد از شبکه هایی مانند فیس بوک یا توییتر به سمت کانالهای شبکه های خصوصی تر مانند پیامرسانها است. در شکل زیر تعداد فعالیتهای در پیامرسانها در سال 2019 را نشان می دهد.
@aryavisions

هفت کتابی که رهبران هوش مصنوعی باید مطالعه کنند.
ata Science for Executives, by Nir Kaldero.
Own the A.I. Revolution, by Neil Sahota.
Artificial Intelligence in Practice, by Bernard Marr.
AI Superpowers, by Kai-Fu Lee.
The Algorithmic Leader, by Mike Walsh.
Applied Artificial Intelligence, by Mariya Yao.
The AI Advantage, by Tom H. Davenport.

@aryavisions

10پادکست برتر در زمینه علم داده ها، هوش مصنوعی، یادگیری ماشین و تحلیل
https://www.kdnuggets.com/2019/07/best-podcasts-ai-analytics-data-science-machine-learning.html
@aryavisions

اسلایدهای دوره یادگیری عمیق
https://m2dsupsdlclass.github.io/lectures-labs/
از این لینک می توانید نمونه کدها را علاوه بر اسلایدها نیز مشاهده کنید.
فهرست مطالب
@aryavisions
Intro to Deep Learning
Neural Networks and Backpropagation
Embeddings and Recommender Systems
Convolutional Neural Networks for Image Classification
Deep Learning for Object Detection and Image Segmentation
Recurrent Neural Networks and NLP
Sequence to sequence, attention and memory
Expressivity, Optimization and Generalization
Imbalanced classification and metric learning
Unsupervised Deep Learning and Generative models
@aryavisions

ویدیوهای اموزش اسپارک (دوره متوسط)
مواردی که در این دوره خواهید اموخت
Understanding Spark
Reviewing Spark components
Where Spark shines
Understanding data interfaces
Working with text files
Loading CSV data into DataFrames
Using Spark SQL to analyze data
Running machine learning algorithms using MLib
Querying streaming data
Connecting BI tools to Spark
لینک دوره
https://www.linkedin.com/learning/apache-spark-essential-training/welcome
@aryavisions

22 تفاوت متخصصان علم داده های سینیور و جونیور
با استفاده از این تفاوت ها می توان مشخص کرد که یک متخصص علم داده ها می تواند جونیور باشد یا سینیور. از جمله این تفاوت ها مدیریت تیم، درک کسب و کار و شرکت و ... است.

@aryavisions
https://www.datasciencecentral.com/profiles/blogs/10-differences-between-junior-and-senior-data-scientist
@aryavisions

علت رشد کندی هوش مصنوعی و یادگیری ماشین در حوزه سلامت
از جمله علتهای این کندی تفاوت درک پزشکان و متخصصان هوش مصنوعی از یکدیگر است. تفاوت فرهنگی دو گروه شاید از جمله مهمترین دلیل باشد
@aryavisions
https://www.datasciencecentral.com/profiles/blogs/doctors-are-from-venus-data-scientists-from-mars-or-why-ai-ml-is-
@aryavisions

۴مرحله کیفیت داده برای هوش مصنوعی
@aryavisions
https://ibm.co/2Z8PAkn

1️⃣ Make data available to the right people/systems
2️⃣ Treat structured + unstructured data equally
3️⃣ Pay attention to privacy/compliance
4️⃣ Eliminate the noise