Data Science | علم داده

🏳️‍🌈 ابزار PyOD؛ بهترین کتابخانه پایتون
✅ برای تشخیص ناهنجاری‌ها در داده‌های چند متغیره

👨🏻‍💻 فرض کن داری یه عالمه داده رو بررسی می‌کنی و یه سری داده عجیب و غریب به چشمت می‌خوره که اصلاً با بقیه همخوانی نداره. این داده‌های غیرعادی که بهشون میگیم ناهنجاری یا Outlier، می‌تونن کلی مشکل توی تحلیل‌ِ داده‌هات به وجود بیارن. اینجاست که PyOD وارد میشه و به دادت می‌رسه!

🐍 اصلاً PyOD چیه؟

⏪ یه کتابخانه‌ی، پایتونه که کارش شناسایی این داده‌های غیر عادیه. با استفاده از این کتابخانه، می‌تونین به راحتی داده‌های مشکوک رو توی دیتاست‌تون پیدا کنین و ببینین کجاها باید بیشتر دقت کنین.

📌 حالا چرا باید از PyOD استفاده کنیم؟

1️⃣ تنوع الگوریتم‌ها: PyOD پر از الگوریتم‌های مختلف برای تشخیص ناهنجاری‌هاست. از روش‌های قدیمی و معروف گرفته تا جدیدترین تکنیک‌ها، همه رو توی خودش جا داده. پس می‌تونی هر روشی که به درد کار و داده‌هات می‌خوره رو انتخاب کنی.

2️⃣ استفاده راحت: PyOD خیلی ساده و راحت طراحی شده. با چند خط کد می‌تونی ازش استفاده کنی و نیاز به مهارت خیلی پیشرفته نداری. یعنی حتی اگه تازه‌کار هم باشی، به راحتی می‌تونی باهاش کار کنی.

3️⃣ مستندات کامل و شفاف: PyOD کلی راهنما و مثال داره که کار رو برات آسون می‌کنه. مستنداتش طوریه که می‌تونی قدم به قدم باهاش پیش بری و سریع راه بیفتی.

4️⃣ جامعه کاربری قوی: کلی آدم توی دنیا دارن از PyOD استفاده می‌کنن و همیشه می‌تونی از تجربیات و راهنمایی‌های اون‌ها بهره ببری. از فروم‌ها و گیت‌هاب گرفته تا گروه‌های آنلاین، کلی جای خوب برای پرسش و پاسخ هست.

┌ 🐍 PyOD
├ 📄 Documentation
└ 🐱 GitHub-Repos


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

💥 هر آموزش، فقط ۷۹,۰۰۰ تومن — با فرادرس هر چی میخوای یاد بگیر!
 
♨️ در جشنواره شگفتی آموختن، ۵۰۰ آموزش منتخب، ۷۹ هزار تومن شد.
 
👌 برنامه نویسی پایتون + مثال های عملی
 
👌 یادگیری ماشین با پایتون – ماشین لرنینگ
 
👌 کتابخانه های NumPy و Matplotlib در پایتون
 
👌 آموزش دیتاگارد در اوراکل Oracle
 
👌 ساختمان داده ها با پایتون
 
📚 لیست تمامی ۵۰۰ آموزش — [کلیک کنید]
 
🎁 کد تخفیف: AMG54

🔄 FaraDars - فرادرس

💻 وبینار رایگان «اهمیت پایتون در بازارهای مالی و نقشه‌راه یادگیری آن»

✔️سرفصل‌ها
⬅️ کارکرد پایتون در بازارهای مالی چیست؟
⬅️ طریقه ساخت استراتژی معاملات الگوریتمی
⬅️ استفاده از پایتون در بازار برای مدیریت دارایی

👤اساتید:
🎙مهندس محمد ناطقی
متخصص بازارهای مالی با تحلیلگری داده
🎙دکتر کامیار بقا
متخصص علوم داده و معاملات الگوریتمی

📆 تاریخ: شنبه | ۲۲ دی| ساعت ۲۰:۰۰

📊 ثبت‌نام :

➡️ zaya.io/0sorl ⬅️


✨ موسسه آموزش عالی آزاد توسعه
➖➖➖➖➖➖➖
🌐 https://tihe.ac.ir
📞 021-86741
📞 021- 91203070

🏳️‍🌈 جزوه پانداس من
💰 نتیجه تجربیاتم در کار با کتابخانه Pandas

👨🏻‍💻 یکی از بخش‌های پرکار و زمانبر توی پروژه‌های علوم داده، آماده‌سازی و تمیز کردن داده‌هاست. تقریباً حدود 70 تا 80 درصد کار توی پروژه‌های علوم داده صرف جمع‌آوری، تمیز کردن و تحلیل داده‌ها می‌شه.

📄 کتابخونه Pandas هم یکی از اون ابزارهایی هست که اگه بهش مسلط باشی، می‌تونی در کمترین زمان ممکن فرآیند پاکسازی و پردازش داده‌ها رو انجام بدی.

✔️ من یه جزوه کار با پانداس آماده کردم که نتیجه سال‌ها تجربه‌م از کار با این کتابخونه‌س و بهتون پیشنهاد می‌کنم حتماً توی پروژه‌های علم داده ازش استفاده کنین.


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

.
🔹 ترم جدید حضوری/آنلاین

مسیر شغلی «مهندس هوش مصنوعی» 6 بهمن شروع می شود.

✅ یکساله مهندس AI شوید و آینده شغلی خودتان را تضمین کنید.

🔸 440 ساعت . 110 جلسه . 55 هفته . 20 پروژه . 8 کورس . 3 هیات علمی

♦️ مهارت‌های نرم‌افزاری . ریاضیات AI . یادگیری ماشین پیشرفته . یادگیری عمیق پیشرفته . MLOps . SDLC . پردازش ابری AWS/GCP . مدل‌های مولد و زبانی LLM/VLM


روش های پرداخت شهریه:
🔹 نقدی ۲۰% تخفیف
🔹 شرایط اقساطی
🔹 دانشجویی بلند مدت
🔹 سازمانی بدون پیش پرداخت
🔹 شهریه معوقه


مشاوره کامل قبل ثبت نام:
♦️ دایرکت: @daycheapply
♦️ پیامک: ارسال کد ۱ به ۰۹۳۰۰۲۱۴۴۴۱
♦️ اطلاعات بیشتر: dayche.com/ig

💲 5% کدتخفیف مخصوص این کانال: HY38PG66

t.me/daychecatalog
t.me/daycheapply

📊 دوره فارسی «مبانی علوم داده»


📺 قسمت هفتم: "ادامه مباحث آماری علوم داده"

🕓 مدت زمان: 01:33:56

📚 جزوه بخش اول: PDF

👨‍🦱 مدرس: دکتر سعیدرضا خردپیشه

🖥 دانشگاه شهید بهشتی


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

.
🔹 ترم جدید غیرحضوری

مسیر شغلی دانشمند داده 21 بهمن شروع می شود.

✅ یکساله دیتاساینتیست کارآزموده شوید و رزومه قوی برای خود بسازید.

🔸 330 ساعت . 150 جلسه . 50 هفته . 27 پروژه . 8 کورس . 7 مدرس

🔸 شیرجه در علم داده . آمار و احتمال . داده کاوی و حل مساله . پایتون . منابع داده . ماشین لرنینگ . دیپ لرنینگ . بیگ دیتا . لینوکس و داکر

روش های پرداخت شهریه:
🔹 نقدی ۲۰% تخفیف 🔹 اقساطی 🔹 دانشجویی بلند مدت
🔹 سازمانی بدون پیش پرداخت 🔹 شهریه معوقه

مشاوره کامل قبل ثبت نام:
♦️ دایرکت: @daycheapply
♦️ پیامک: ارسال کد ۱ به ۰۹۳۰۰۲۱۴۴۴۱
♦️ اطلاعات بیشتر: dayche.com/ig

💲 5% کدتخفیف مخصوص این کانال: HY38PG66
t.me/daychecatalog
t.me/daycheapply

✅ بهترین دیتاست‌ها برای پروژه‌های علوم داده
📄 16 منبع برای دسترسی به انواع دیتاست‌ها


👨🏻‍💻 اگه تا حالا دنبال داده‌های با کیفیت برای پروژه‌هاتون بودین و نمی‌دونستین از کجا پیداشون کنین، من اینجا براتون بهترین دیتاست‌های ممکن رو جمع آوری کردم!

💸 قراره با هم 16 تا از بهترین منابع دیتاست رو بررسی کنیم که می‌تونن پروژه‌هاتون رو به سطح جدیدی ببرن. از دیتاست‌های معروف کگل گرفته تا منابع آماری اتحادیه اروپا. پس اگه دنبال داده برای پروژه‌هاتون هستین، این لیست قطعاً به کارتون میاد.👌


1️⃣ وبسایت Kaggle

✏️ کگل یه پلتفرم معروف توی جامعه علم داده‌ست که دیتاست‌های متنوعی از حوزه‌های مختلف مثل سلامت، هنر، ورزش و غیره داره. استفاده ازش آسونه و یه انجمن فعال داره که می‌تونی سوالاتت رو بپرسی.


2️⃣ وبسایت UCI ML Repository

✏️ این مخزن که توسط دانشگاه کالیفرنیا پر از دیتاست‌های مناسب برای یادگیری ماشینه. برای تمرین و بهبود مهارت‌هاتون توی یادگیری ماشین، یه منبع عالیه.


3️⃣ وبسایت StrataScratch

✏️ این وبسایت دیتاست‌هایی از شرکت‌های واقعی داره که برای آماده شدن برای مصاحبه‌های علم داده خیلی مفیده.


4️⃣ وبسایت Google Dataset Search

✏️ این ابزار مثل گوگل یه سرچ معمولیه، ولی فقط روی پیدا کردن دیتاست‌ها تمرکز داره. از منابع مختلف مثل مقالات علمی و دیتابیس‌های دولتی داده‌ها رو براتون پیدا می‌کنه.


5️⃣ وبسایت AWS Public Datasets

✏️ برنامه دیتاست‌های عمومی AWS آمازون یه عالمه اُپن دیتا داره که می‌تونی با سرویس‌های ابری AWS ترکیب کنی. اگه پروژه‌هات به منابع محاسباتی بیشتری نیاز داشته باشه، اینجا خیلی کاربردیه.


6️⃣ وبسایت Data.gov

✏️ این سایت دیتاست‌های مختلفی از سازمان‌های آمریکایی داره. از کشاورزی و سلامت عمومی گرفته تا آموزش و محیط‌ زیست، هرچی بخوای اینجا می‌تونی پیدا کنی.


7️⃣ وبسایت FiveThirtyEight

✏️ این وبسایت داده‌ها و کدهای مربوط به مقالات و گرافیک‌های خودش رو به اشتراک می‌ذاره. اگه به داستان‌سرایی داده و پروژه‌های مرتبط با رویدادهای جاری علاقه داری، اینجا جای توست.


8️⃣ وبسایت The World Bank Open Data

✏️ این بانک داده از بانک جهانی شامل اطلاعات توسعه جهانیه. داده‌های اقتصادی، محیط‌زیستی و اجتماعی از کشورهای مختلف رو اینجا می‌تونی پیدا کنی.


9️⃣ وبسایت GitHub

✏️ گیت‌هاب فقط برای اشتراک‌گذاری کد نیست. خیلی از سازمان‌ها و کاربران دیتاست‌های خودشون رو اینجا قرار میدن که همراه با مستندات و کدهای تحلیلی هست.


1️⃣ وبسایت OpenML

✏️ این پلتفرم آنلاین برای یادگیری ماشین، نزدیک به ۵۴۰۰ دیتاست داره و به اشتراک‌گذاری، سازماندهی و بحث درباره داده‌ها و نتایج تجربیات یادگیری ماشین می‌پردازه.


1️⃣ وبسایت Reddit Datasets

✏️ این ساب‌ردیت یه منبع داده جامعه‌محوره. مردم اینجا دیتاست‌ها رو به اشتراک می‌ذارن و درخواست میدن.


1️⃣ وبسایت Eurostat

✏️ دفتر آماری اتحادیه اروپا، داده‌های آماری با کیفیتی درباره کشورهای عضو اتحادیه داره. از اقتصاد و جمعیت گرفته تا سلامت و تجارت، هر چی بخوای اینجا پیدا می‌کنی.


1️⃣ وبسایت The HDX

✏️ این پلتفرم باز توسط دفتر هماهنگی امور انسان‌ دوستانه سازمان ملل مدیریت میشه و داده‌های مربوط به بحران‌ها و شرایط اضطراری انسانی رو از سراسر جهان فراهم می‌کنه.


1️⃣ وبسایت The CDC

✏️ مرکز کنترل و پیشگیری از بیماری‌ها، داده‌های مرتبط با سلامت رو داره. اگه به موضوعات سلامت عمومی علاقه داری، اینجا پر از داده‌های کاربردیه.


1️⃣ وبسایت The Bureau of Labor Stat

✏️ سایت BLS داده‌های زیادی درباره شرایط اقتصادی آمریکا، بازار کار، تغییرات قیمتی و کیفیت زندگی داره. اگه به این موضوعات علاقه داری، اینجا پر از داده‌های کاربردیه.


1️⃣ وبسایت The NASA

✏️ ناسا بیشتر از 10000 دیتاست در زمینه هوافضا، علوم زمین، داده‌های خام و نرم‌افزار داره. اگه به این موضوعات علاقه داری، اینجا برات یه دنیا داده هست.



🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

🎁 فرصت ویژه — بیش از ۱۰۰ آموزش جذاب پایتون با ۷۰⁒ تخفیف در فرادرس🤩
 
◾️ از جمله کاربردهای برنامه‌نویسی پایتون می‌توان به طراحی سایت، توسعه نرم‌افزار، هک و امنیت، بازی‌سازی، تحللی داده، هوش مصنوعی، ساخت اپلیکیشن موبایل و ... اشاره کرد.
 
✔️ برخی از پرطرفدارترین آموزش‌ها 👇
 
▫️ پایتون Python مقدماتی
 
▫️ آموزش پایتون با مثال‌های عملی
 
▫️ برنامه نویسی پایتون پیشرفته + ترفندها
 
▫️ برنامه نویسی شی گرا در Python
 
▫️ کتابخانه های NumPy و Matplotlib در پایتون
 
⭐️ کد تخفیف: DSH77
 
📚 مشاهده سایر آموزش‌ها - [کلیک کنید]
 
💎 آموزش‌های رایگان [+]

🔄 FaraDars - فرادرس

🔸 هوش مصنوعی رو به کتابخانه Pandas اضافه کنین و با داده‌هاتون حرف بزنین!

👨🏻‍💻 می‌دونستین با PandasAI نه تنها می‌تونین از داده‌هاتون به صورت مکالمه سؤال بپرسین، بلکه می‌تونین داده‌هاتون رو پاک‌سازی کنین، تحلیل‌های پیچیده انجام بدین، نمودار رسم کنین و گزارش تهیه کنین. همش با زبان طبیعی!


⏪ این کتابخونه برای کسایی که زیاد برنامه‌نویسی بلد نیستن عالیه! چون کار با داده‌ها رو به شدت ساده می‌کنه. از طرفی، برای تحلیلگرها و داده‌کاوهای حرفه‌ای هم یه ابزار عالیه که زمان و انرژی زیادی رو صرفه‌جویی می‌کنه.

✅ می‌تونین از PandasAI توی Jupyter notebook یا اپلیکیشن‌های Streamlit استفاده کنین و یا به عنوان API با FastAPI یا Flask به کار ببرین. این ابزار کار تحلیل داده‌ها رو سریع‌تر و راحت‌تر می‌کنه.👇


┌ 🏳️‍🌈 PandasAI
├ 🧾 PandasAI Doc
└ 🐱 GitHub-Repos


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

✏️ جزوه جبر خطی کاربردی
⏪ به زبان فارسی و در 374 صفحه!

👨🏻‍💻 دکتر سعید عبادالهی استادیار دانشکده مهندسی برق دانشگاه علم و صنعت، جزوه‌ی جبر خطی کاربردی رو به زبان فارسی و رایگان در 374 صفحه منتشر کرده است! 👌🏼

✔️ جبر خطی یکی از اون موضوعاتی‌ایه که شاید اولش یه ماتریس و معادله ساده به نظر بیاد، ولی توی دنیای علم داده خیلی کاربرد داره! اصلاً پایه و اساس خیلی از الگوریتم‌های یادگیری ماشین و هوش مصنوعی همین جبر خطیه.

📄 هرچی هم جلوتر بری، می‌بینی جبر خطی تو هر مرحله از تحلیل داده حضور داره. انگار یه پایه ریاضیاتی محکم زیر این همه تکنولوژی‌ مدرنه که شاید اول به نظر نیاد، ولی بدون اون هیچ کاری پیش نمی‌ره!


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

📚 جزوه "پایتون برای علم داده"
📆 بر اساس تجربیات چندین ساله‌ام

👨🏻‍💻 تصمیم گرفتم تجربیات کاری و آموزشیم، در یادگیری و کار با پایتون برای علوم داده رو در قالب کتابی بنویسم و همه چیز رو از مقدماتی‌ترین مباحث پایتون آموزش بدم و کم‌کم وارد دنیای پیچیده و جذاب علوم داده‌ها بشم.

✅ مهم‌ترین کاری که در این کتاب انجام دادم، استفاده از مثال‌های کاربردی و
پروژه‌های عملی توی هر فصله. اینطوری نه تنها مباحث رو به صورت تئوری یاد می‌گیرین، بلکه می‌تونین اون‌ها رو توی پروژه‌های واقعی به کار ببرین و نتیجه کارتون رو ببینین.👌


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

📊 دوره فارسی «مبانی علوم داده»


📺 قسمت ششم: "ادامه مباحث آماری علوم داده"

🕓 مدت زمان: 01:25:00

📚 جزوه بخش اول: PDF

👨‍🦱 مدرس: دکتر سعیدرضا خردپیشه

🖥 دانشگاه شهید بهشتی


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

✅ راهنمای جامع انجام پروژه‌های علوم داده
⏪ چطور یک پروژه علوم داده رو انجام بدیم؟


👨🏻‍💻 اگه دنبال یادگیری و کار روی پروژه‌های علوم داده و یادگیری ماشین هستین، این مجموعه راهنمایی که نوشتم می‌تونه خیلی بهتون کمک کنه. من توی این راهنما از قدم اول که چطوری یه پروژه یادگیری ماشین رو شروع کنین، تا مراحل پیشرفته‌تر مثل مدل‌سازی و استقرار مدل‌ها توضیح دادم. هر بخش رو با زبان ساده و قابل فهم نوشتم تا هر کسی با هر سطحی از دانش بتونه ازش استفاده کنه.

1️⃣ چرخه عمر پروژه یادگیری ماشین: این بخش بهتون میگه که یک پروژه یادگیری ماشین از کجا شروع میشه و چطوری تا آخر پیش میره. یه جورایی مثل یه نقشه راهه که قدم به قدم راهنمایی‌تون می‌کنه.

📎 جریان کاری کامل یادگیری ماشین (بخش اول)
📎 جریان کاری کامل یادگیری ماشین (بخش دوم)


2️⃣ تعیین مبنای عملکرد و معیارهای موفقیت: اینجا یاد می‌گیرین چطوری می‌تونین بفهمین که پروژه‌تون داره خوب پیش میره یا نه و چه معیارهایی رو باید در نظر بگیرین.

📎 تعیین مبنای عملکرد پروژه یادگیری ماشین‌


3️⃣ پیش‌پردازش داده‌ها و مهندسی ویژگی‌ها: تو این بخش، نحوه آماده‌سازی داده‌ها و استخراج ویژگی‌های مهم رو توضیح میدم که خیلی مهمه تا داده‌های خوبی برای مدل‌سازی داشته باشین.

📎 تقسیم موثر داده‌ها برای پروژه علوم داده‌مون
📎 شش دلیل که چرا مدل شما نتایج بد می‌دهد؟


4️⃣ مدل‌سازی: اینجا می‌رسیم به انتخاب و استفاده از مدل‌های یادگیری ماشین. از مدل‌های ساده تا پیچیده‌تر رو معرفی می‌کنم و توضیح میدم چطوری ازشون استفاده کنین.

📎 راهنمای مختصر برای انتخاب مدل یادگیری ماشین
📎 راهنمای عملی برای ماشین بردار پشتیبانی در پایتون
📎 راهنمای عملی برای الگوریتم‌های بوستینگ در ML
📎 وظایف و کاربردهای یادگیری ماشین بدون نظارت
📎 راهنمای عملی برای کاهش ابعاد در پایتون
📎 یافتن تعداد بهینه خوشه‌ها به‌طور مؤثر
📎 ساخت مدل‌های پیچیده با API عملکردی Keras
📎 تنظیم سریع پارامترهای NN برای بهترین نتایج
📎 ساخت یک شبکه عصبی بازگشتی از ابتدا در پایتون


5️⃣ ارزیابی مدل: بعد از ساختن مدل، باید ببینین چقدر خوب کار می‌کنه. تو این بخش روش‌های ارزیابی مدل رو توضیح دادم.

📎 چرا نباید به‌طور کامل به دقت تست اعتماد کنیم؟


6️⃣ تفسیر پذیری یادگیری ماشین: اینجا یاد می‌گیرین که چطوری مدل‌هاتون رو تفسیر کنین و بفهمین چرا مدل‌تون یک تصمیم خاص رو گرفته.

📎 مدل‌های یادگیری ماشین دیگر جعبه سیاه نیستن


7️⃣ استقرار مدل و MLOps: در نهایت، بعد از اینکه مدل‌تون آماده شد، باید اون رو به کار بگیرین. این بخش نحوه استقرار مدل‌ها و چالش‌های مربوط به اون رو توضیح میده.

📎 راهنمای استقرار مدل Yolo3 بر روی Fast API
📎 استقرار و کاربرد الگوهای رایج یادگیری ماشین
📎 چالش‌های کلیدی استقرار مدل یادگیری ماشین
📎 چگونه داده‌های خود را تمیز و معتمد نگه داریم؟
📎 معرفی جامع ردیابی آزمایش‌های یادگیری ماشین


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir

📊 نقشه راه یادگیری «مصورسازی داده‌ها»

👩🏻‍💻 خیلی‌ها ازم می‌پرسن برای یادگیری «مصورسازی داده‌ها» از کجا باید شروع کنیم؟

✏️ واقعیت اینه که مصورسازی داده‌ها، یه زبانی خاص خودش داره که باید یادش بگیریم. اول باید با مفاهیم پایه شروع کنیم و بعد کم‌کم بریم سراغ مباحث پیچیده‌تر.

✅ من توی این مسیر از چندتا منبع خیلی خوب استفاده کردم که هنوزم ازشون یاد می‌گیرم. با هر پروژه، مشاوره یا دوره‌ای که می‌گذرونم، تجربیاتم بیشتر می‌شه. اینجا یه خلاصه از منابع مفیدی که به من کمک کردن رو براتون گذاشتم:👇


1️⃣ بخش اول: مقالات و کتاب‌ها:

📑 مقاله‌ای کامل از Lisa Charlotte Muth

🔗 لینک مقاله: started data visualization

➖➖➖➖➖➖➖➖➖

2️⃣ کتاب‌ها:

📚 کتاب: Storytelling with Data

📚 کتاب: Practical Charts

➖➖➖➖➖➖➖➖➖

3️⃣ جوامع یادگیری:

👤 لینک عضویت: Storytelling with Data

☑️ لینک عضویت: DataVis Community

➖➖➖➖➖➖➖➖➖

4️⃣ پادکست‌ها:

🌟 لینک: SWD Podcast
🌟 لینک: Data Viz Today
🌟 لینک: PolicyViz

➖➖➖➖➖➖➖➖➖

5️⃣ منابع کلیدی:

📚 راهنمای مصورسازی داده‌ها: این راهنما شامل منابع فوق‌العاده‌ای برای یادگیری و توسعه مهارت‌های مصورسازی داده است.

➖➖➖➖➖➖➖➖➖

6️⃣ دوره‌های آموزشی:

📣 مصورسازی مؤثر داده‌ها / یادگیری تبدیل داده‌ها به هنر.

📣 طراحی اطلاعات / داستان‌سرایی با داده‌ها در Illustrator.

📣 مصورسازی داده‌ها / این دوره ابزارها و تکنیک‌های خلاقانه‌ای رو برای مصورسازی ارائه می‌ده.

➖➖➖➖➖➖➖➖➖

7️⃣ ابزارهای بصری‌سازی داده‌ها:

⬅️ لینک: Scimago Graphica
⬅️ لینک: Datawrapper
⬅️ لینک: Flourish
⬅️ لینک: Tableau Public
⬅️ لینک: RStudio & Python



🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

📊 دوره فارسی «مبانی علوم داده»


📺 قسمت پنجم: "مباحث آماری علوم داده"

🕓 مدت زمان: 01:25:19

📚 جزوه بخش اول: PDF

👨‍🦱 مدرس: دکتر سعیدرضا خردپیشه

🖥 دانشگاه شهید بهشتی


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

🚀 افزایش سرعت پانداس تا 125 برابر بیش‌تر!

✅ با FireDucks / فقط با تغییر یک خط کد

👨🏻‍💻 اگه بهت بگم فقط با تغییر یه خط کد، می‌تونی سرعت Pandas رو تا 125 برابر افزایش بدی، باور می‌کنی؟! این دقیقاً کاریه که FireDucks انجام می‌ده. FireDucks یه جایگزین بهینه‌شده برای Pandas هست که همون API رو داره، ولی عملکردش فوق‌العاده سریع‌تره.


✏️ مشکلاتی که Pandas داره:

1⃣ فقط از یک هسته CPU استفاده می‌کنه.

🔢 دیتافریم‌هایی که تولید می‌کنه، حافظه زیادی مصرف می‌کنن.

🔢 اجرای فوری (Eager Execution) اجازه بهینه‌سازی کلی عملیات رو نمی‌ده.


✔️ سه روش استفاده از FireDucks :


1️⃣ از داخل Jupyter Notebook:

%load_ext fireducks.pandas
import pandas as pd

2️⃣ مستقیم FireDucks رو به جای Pandas ایمپورت کن:

import fireducks.pandas as pd

3️⃣ اگه اسکریپت داری، اینجوری اجراش کن:

python3 -m fireducks.pandas code.py

❔ عملکردش چطوره؟ طبق بنچمارک‌ها:

🔎 ابزار Modin: یک برابر سریع‌تر از Pandas،
🔎 ابزار Polars: تا 57 برابر سریع‌تر از Pandas،
▶️ ابزار FireDucks: تا 125 برابر سریع‌تر!👇


┌ 🏳️‍🌈 FireDucks
├ 📄 Documentation
├ ✏️ Article
├ 💰 Google Colab
└ 🐱 GitHub-Repos


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

🖥 جزوه «مبانی علم داده»
🖥 دانشگاه شریف

👨🏻‍💻 یه منبع کامل و با کیفیت برای شروع یادگیری علم داده، که هم برای افراد تازه‌کار و هم برای اونایی که کمی تو این حوزه تجربه دارن مفیده.

✏️ از پایه‌ترین مفاهیم شروع می‌کنه، مثل کار با داده‌های خام و تمیز کردن اونا، و به موضوعات پیشرفته‌تر مثل مدل‌های یادگیری ماشین، تحلیل داده‌های بزرگ و مصورسازی داده‌ها می‌پردازه.



🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

📊 دوره فارسی «مبانی علوم داده»


📺 قسمت چهارم: "مباحث مقدماتی علوم داده"

🕓 مدت زمان: 01:24:02

📚 جزوه بخش اول: PDF

👨‍🦱 مدرس: دکتر سعیدرضا خردپیشه

🖥 دانشگاه شهید بهشتی


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

👨🏻‍💻 یکی از محبوب‌ترین مخازن گیت‌هاب برای «یادگیری و استفاده از الگوریتم‌ها در پایتون»، ریپوی The Algorithms - Python با 196K ستاره است.

✏️ یه عالمه کد مرتب و دسته‌بندی‌شده داره که می‌تونین الگوریتم‌های مختلف رو باهاش پیدا کنین، بخونین، و اجراشون کنین. هر چیزی که فکرشو بکنین اینجاست؛ از الگوریتم‌های ساده مثل مرتب‌سازی گرفته تا الگوریتم‌های پیشرفته برای یادگیری ماشین، هوش مصنوعی، شبکه‌های عصبی و...

✅ چرا باید ازش استفاده کنیم؟

🔢 برای یادگیری: اگه دنبال اینی که الگوریتم‌ها رو در عمل یاد بگیری، اینجا عالیه.

🔢 برای تمرین: می‌تونی کدها رو برداری، اجرا کنی، و تغییر بدی تا بهتر درک کنی.

🔢 برای پروژه‌ها: حتی می‌تونی از کدهای اینجا تو پروژه‌های واقعی یا دانشگاهی استفاده کنی.

🔢 برای مصاحبه‌ها: اگه واسه مصاحبه‌های علوم داده آماده می‌شی، اینجا پر از الگوریتم‌های کاربردیه.


┌ 🏳️‍🌈 The Algorithms - Python
└ 🐱 GitHub-Repos


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

📊 دوره فارسی «مبانی علوم داده»


📺 قسمت سوم: "روش‌های درک بهتر داده‌ها"

🕓 مدت زمان: 01:24:57

👨‍🦱 مدرس: دکتر سعیدرضا خردپیشه

🖥 دانشگاه شهید بهشتی


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

👨🏻‍💻 4 تا تجربه درست و واقعی اونم تو حوزه‌ای مثل علوم داده آدمو کلی می‌ندازه جلو. ببینید آقای ژارت اندره مربی علوم داده، برای کسایی که تازه می‌خوان وارد حوزه علوم داده بشن چه تجربیات ارزشمندی داره:


✏️ اگه تازه می‌خوای وارد حوزه‌ی علوم داده بشی، یه راه ساده‌تر برات دارم:


❗️ اینکارا رو نکن:

1⃣ سعی نکن از همون اول همه‌ی ابزارها و کتابخونه‌ها رو یاد بگیری! (مثل Python, R, TensorFlow, Hadoop و...).

🔢 ماه‌ها وقتت رو فقط روی مفاهیم تئوری بذاری، بدون اینکه روی تمرین‌ها و پروژه‌های عملی کار کنی.

🔢 رزومه‌ت رو پر از کلمات کلیدی کنی، به‌ جای اینکه روی پروژه‌های تأثیرگذار تمرکز کنی.

🔢 فکر کنی بدون مدرک دانشگاهی (ارشد و دکتری) هیچ شانسی برای ورود به این حوزه نداری.


✔️ بجاش بیا اینکارا رو بکن:

🔢 اول با Python یا R شروع کن و فقط تمرکزت رو، روی یکی‌شون بذار تا توش حرفه‌ای بشی.

🔢 یاد بگیر چطوری با داده‌های ساختاریافته کار کنی (مثل Excel یا SQL)، چون اینا پایه‌ی کارِتن.

🔢 با یه مدل ساده‌ی یادگیری ماشین (مثل رگرسیون خطی) شروع کن تا مفاهیم پایه رو یاد بگیری.

🔢 مسائل واقعی رو با دیتاست‌های اُپن سورس حل کن و نتایجت رو توی یه پورتفولیو به اشتراک بذار.

🔢 یه پروژه بساز که داستانی رو روایت کنه. مثل اینکه: چرا این پروژه مهمه، چه دستاوردهایی داشتی، و چه اقداماتی رو پیشنهاد می‌کنی.


🔔 پس تمرکزت توی شش ماه اول رو همینا باشه! یادت باشه: «کلید موفقیت توی حوزه علوم داده این نیست که همه چیز رو بدونی، بلکه اینه که بتونی با دانشی که بدست آوردی، پروژه‌های واقعی و مسائل معنادار رو حل کنی!».



🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

🐼 دوره فارسی «Pandas Project»

🎥 قسمت هفتم: "پروژه تحلیل دیتاست فیلم‌های برتر (3)"
⏳ مدت زمان: 12:27
💡 محصولی از: Pista Academy


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

✅ ویژگی‌هایِ یک رزومه‌یِ خوب دیتا ساینتیست!

👨🏻‍💻 رزومه‌‌ای که اینجا عکسشو گذاشتم، باعث شد برای مصاحبه‌ شغلی با شرکت‌های بزرگی مثل United Airlines ،Walmart Global Tech و American Express دعوت بشم.

✏️ خیلیا فکر می‌کنن برای دعوت به مصاحبه‌های شغلی حوزه داده، یه پروفایل لینکدین قوی و حرفه‌ای کافیه، ولی این یه رزومه‌ قوی که بازی رو تغییر میده! چیزی که خیلیا ازش غافل میشن، بهینه‌سازی مرتب رزومه‌شونه!


🖊 برای همین می‌خوام سه تا استراتژی طلایی برای ساخت یه رزومه برجسته دانشمند داده رو اینجا با شما به اشتراک بذارم:


🔢 مهارت‌هاتون رو با قدرت نشون بدین!

🖥 تو بخش مهارت‌ها حتماً ابزارهایی مثل SQL، اکسل، پایتون یا R و ابزارهای بصری‌سازی داده رو برجسته کنین تا کارفرما از همون اول بفهمه که چه چیزایی تو چنته دارین.


🔢 دستاوردهاتون رو به زبون اعداد بیان کنین!

🖥 مثلاً بنویسین: «افزایش 30 درصدی بهره‌وری در گزارش‌گیری». اینطوری نشون می‌دین که حضور شما چه تغییری ایجاد کرده.


🔢 پروژه‌های مرتبط و تاثیرگذار رو توضیح بدین!

🖥 بگین که تو تحلیل داده‌ها چطور مهارت‌هاتون رو به کار گرفتین و چه تاثیری تو تصمیم‌گیری‌های کلیدی داشتین.


💸 یادتون باشه رزومه‌تون اولین برخورد کارفرما با شماست؛ پس کاری کنین که همون اول یه ذهنیت خوب از شما در خاطرش باقی بمونه!


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

💥 فرصت ویژه — ۷۰ درصد تخفیف در بزرگترین جشنواره سال فرادرس 💥
 
❇️ در جشنواره دانشجو، همه آموزش‌ها را با ۷۰ ٪ تخفیف دریافت کنید.
 
▫️ پردازش سیگنال های پزشکی در متلب
 
▫️ داکر با پایتون و SQL Server + حل مثال
 
▫️ برنامه نویسی پایتون Python – تکمیلی
 
▫️ یادگیری ماشین با پایتون – ماشین لرنینگ
 
▫️ محاسبات عددی در پایتون Python
 
🔗 مشاهده سایر آموزش‌ها – [کلیک کنید]
 
🎁 کد تخفیف: DSH77

🔄 FaraDars - فرادرس

📄 جزوه «ساختارهای داده» برای علم داده

👨🏻‍💻 اوایل که یادگیری دیتا ساینس رو شروع کردم، فکر می‌کردم همه چیز فقط مربوط به الگوریتم‌های یادگیری ماشین، پردازش و پاکسازی داده‌ها و مصورسازی داده‌هاست. اما وقتی شروع به کار با داده‌های بزرگ کردم، فهمیدم که اگه ساختارهای داده و الگوریتم‌ها رو خوب بلد نباشم، تحلیل داده‌هام کاملا ناکارآمده.

✅ توی این فایل به صورت کامل توضیح دادم که چطور می‌تونین مهارت‌های DSA رو برای علم داده تقویت کنین. این فایل ترکیبی از تجربیات شخصی، پروژه‌ها و آزمون و خطاهایی هست که تو این مسیر داشتم.


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

🇮🇷 💥 سرمایه گذاری هوشمند

↩️ تا 75 درصد معاملات بازارهای مالی در کشورهای توسعه یافته توسط الگوریتم‌ها انجام می‌شود و این عدد روزبه‌روز در حال افزایش است. با 100 ساعت آموزش می‌توانید مبانی پایتون، آموزش‌های مقدماتی ماشین لرنیگ، اوراق مشتقه و معاملات الگوریتمی را یاد بگیرید.

📱 ifc.ir/915


↩️ همچنین با 48 ساعت آموزش تخصصی می‌توانید مفاهیم و الگوریتم های پیشرفته هوش مصنوعی از جمله مدل های آماری و اقتصادسنجی، یادگیری ماشین و یادگیری عمیق را بیاموزید و نحوه استفاده از آنها برای پیش بینی دقیق تر بازارهای مالی و متغیرهای اقتصادی را یاد بگیرید.

📱 ifc.ir/8961

🟫 مشاوره رایگان:
📱 @ifcpublic

🛍 کد تخفیف 25% برای یک دوره: ifca

🛍 کد تخفیف 40% ثبت نام همزمان 2 دوره:ifcs

📱 ifc.ir/c

🇮🇷🇮🇷🇮🇷بازوی آموزشی بازار سرمایه

📢بوت‌کمپ مهندسی داده رهنما کالج با توجه به نیاز روز بازار کار دنیای داده طراحی شده است.
چرا که با افزایش حجم داده‌ها و اهمیت روزافزون تحلیل داده‌ها در تصمیم‌گیری‌های استراتژیک، مهندسی داده به یکی از نیازهای اساسی بازار کار تبدیل شده است.

📌این دوره مناسب افرادی است که:

🔸تجربه حداقل ۶ ماه تا ۱ سال کار در حوزه مهندس نرم‌افزار یا یادگیری ماشین دارند

🔸یا به عنوان برنامه‌نویس با یکی از زبان‌های Java یا Python کد نویسی کرده‌اند

🔸یا تجربه کار با یک پایگاه داده در محیط عملیاتی را دارند.

🔴در این بوت‌کمپ یاد می‌گیریم چگونه در لایه‌های متفاوت یک کسب و کار امکان جمع‌آوری، ذخیره‌سازی و دسترس‌پذیری انواع داده‌های متنوع در شرکت ها را فراهم کنیم.
با دانلود چالش اولین قدم برای ثبت‌نام رو بردارید، ارزیابی و مصاحبه بر اساس اولویت زمان ارسال چالش است، بهتر است اگر قصد شرکت در این دوره را دارید، هر چه زودتر ثبت‌نام‌تان را کامل کنید.

📎اطلاعات کامل بوت‌کمپ مهندسی داده

مشتاق دیدن‌تون در جمع حرفه‌ای‌های رهنما کالج هستیم.

🆔@Rahnemacollege

💻 فرصتی بی‌نظیر برای ورود به دنیای جذاب علم داده⚡️

جامعترین دوره علم داده کل کشور در دانشگاه تهران با تخفیف 5️⃣2️⃣ درصدی در روزهای بلک فرایدی تا سایبر ماندی

⁉️ چرا این دوره...

🔵 آموزش از برترین اساتید: با تجربه و متخصصین برجسته در حوزه علم داده، دانش و مهارت‌های لازم را کسب کنید.

🔴 محتوای کاربردی و پروژه‌محور: با برگزاری پروژه‌های عملی، می‌توانید دانش خود را به صورت کاربردی پیاده‌سازی کنید.

🟢 فرصت‌های شغلی بیشتر: با یادگیری علم داده، شانس خود را برای ورود به بازار کار و فرصت‌های شغلی جذاب افزایش دهید.

🟣 شبکه‌سازی با حرفه‌ای‌ها: با شرکت در دوره، با افرادی هم‌فکر و حرفه‌ای آشنا شوید و روابط کاری خود را گسترش دهید.

این فرصت ویژه را از دست ندهید و دانشگاه تهرانی شوید✅

 🗣️تخفیف‌ها ادامه دارد و شما در یک گام به آینده‌ای روشن‌تر نزدیک‌ می‌شوید🗣️

🆘 برای کسب اطلاعات بیشتر و ثبت‌نام، هم‌اکنون به وب‌سایت ما مراجعه کنید یا با ما تماس بگیرید.
🔗 https://tehrandata.org/courses/datascience

📞 تماس با ما: 09377516759

✈️ Telegram |📞 whatsapp |🎰linkedin |📷 Instagram |🌐 website |💬 admin

👍 با ما همراه شوید و علم داده را به ابزاری برای تغییر زندگی خود تبدیل کنید‼️

📽️ یادگیری ماشین با رویکرد بهینه‌سازی در پایتون

#ویدئوی_معرفی_دوره_آموزشی

🎓 علیرضا سرودی؛ متخصص ارشد علوم داده و راهبر پروژه‌های بهینه‌سازی و تحقیق در عملیات در شرکت ایرگرید و عضو ارشد موسسه مهندسان برق و الکترونیک، استاد سابق دوبلین‌کالج ایرلند

بهینه‌سازی یکی از پایه‌های فهم عمیق‌تر الگوریتم‌های یادگیری ماشین است. دوره آموزشی «یادگیری ماشین با رویکرد بهینه‌سازی» فرصتی منحصر به فرد برای شماست تا روش‌های متداول یادگیری ماشین را با تمرکز بر حل مسائل بهینه‌سازیِ درون آن‌ها فرا بگیرید و به این ترتیب دانش و مهارت خود در این حوزه را تقویت کنید.

🕰️ جمعه‌ها ۱۷:۳۰ تا ۲۰:۴۵
🗓 از ۲۸ دی ۱۴۰۳
6️⃣ ۶ هفته ۱۸ ساعت
🧭 سطح: متوسط و پیشرفته
🎞 دسترسی به فیلم جلسات

👈 تخفیف‌های ویژه ثبت نام زودهنگام:

📍 کد تخفیف 25% برای پرداخت کامل: LMYptr25
📍 کد تخفیف 15% برای پرداخت قسطی: Lmyip15

🔴 اعتبار تخفیف‌ها تا ۲۰ آذر ۱۴۰۳

لینک ثبت نام:
d-learn.ir/mlopt

تماس:
@dlearnsup

@dlearn_ir

🖥 پلی‌لیست جامع و کاربردی
✏️ برای آمادگی در مصاحبه‌های علوم داده


📄 سیستم‌های ML برای مقابله با تقلب: LINK
📄 تشخیص تقلب در مرجوعی کالاها: LINK
📄 روندهای جدید مصاحبه‌های شغلی: LINK
📄 ریاضیات پایه برای یادگیری ماشین: LINK
📄 روش‌های رمزگذاری متغیرهای دسته‌ای: LINK
📄 پلی‌لیست رگرسیون خطی: LINK
📄 پلی‌لیست رگرسیون لجستیک: LINK
📄 معیارهای ارزیابی مدل‌های دسته‌بندی: LINK
📄 شناسایی تغییرات داده و پایش مدل‌ها: LINK
📄 هوش مصنوعی محاوره‌ای: LINK
📄 پیشرفت در مدل‌های زبان بزرگ: LINK
📄 مقدمات LINK :PySpark



🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

🔴❌🔴❌🔴❌🔴
🔴کارگاه جامع  تربیت مشاور تحصیلی و انتخاب رشته
🔴دوره 31 ام
🔴مدرس: دکتر مهدی عرب زاده
✅عضو هیئت علمی دانشگاه خوارزمی

🔴 شروع دوره از چهارشنبه 21 آذر 1403

🔴روزهای برگزاری دوره: چهارشنبه ها  و پنجشنبه ها از ساعت 14:30 الی 18

⏳مدت دوره: 88 ساعت ، 25 جلسه | 3 ساعت و 30 دقیقه ای

✅دریافت گواهی پایان دوره از دانشگاه تهران به صورت دو زبانه

❌تخفیف ویژه برای دانشجویان و فرهنگیان

❌ امکان پرداخت به صورت اقساط در  4 قسط
🔴به صورت غیرحضوری، آنلاین و آفلاین برگزار می‌شود.

⚡️ لینک ثبت نام : ⬇️
✅  https://psyravanchi.ir/course/tahsili31/

🔴 برای کسب اطلاعات بیشتر و ثبت نام به لینک بالا مراجعه کرده یا با شماره های زیر تماس حاصل نمایید. ⬇️

🔴شماره‌های تماس: ⬇️

09378487718
09208487718
تیمورنیا
09378484418
روحانی

آیدی های تلگرام پاسخگوی شما: ⬇️

🔴 https://t.me/Psyravanchi_admin
 🔴 https://t.me/Ravanchi_admin

❌ جهت اطلاع از دیگر دوره ها در آکادمی_خردگستر_روانچی به ما بپیوندید:
🔴 https://zil.ink/psyravanchi
🌸🌸

🐼 دوره فارسی «Pandas Project»

🎥 قسمت ششم: "پروژه تحلیل دیتاست فیلم‌های برتر (2)"
⏳ مدت زمان: 14:09
💡 محصولی از: Pista Academy


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

📊 تحلیل داده و توسعه داشبورد با PowerBI

هوش تجاری فرآیندی است که طی آن اطلاعاتی ارزشمند و قابل اطمینان از داده‌های روزمرۀ سازمان استخراج می‌شود و در زمان مناسب در قالب داشبوردهای تحلیل داده در اختیار مدیران سازمان و کسب‌وکار گذارده می‌شود تا در تصمیم‌گیری‌ به آن‌ها استناد شود. پاوربی‌آی (PowerBI) مهم‌ترین ابزار توسعه داشبورد و استقرار سامانه‌های هوش تجاری در دنیاست و در حال حاضر مهم‌ترین نیاز بازار کار داده به شمار می‌رود. با یادگیری پاوربی‌آی یک مزیت بزرگ به دست بیاورید و کسب‌وکار خود را متحول کنید.

🎓 مجید پورکاشانی | هم‌بنیان‌گذار، توسعه‌دهنده سامانه‌های هوش تجاری و مهندس داده در شرکت پردازش و تحلیل داده دقیقه، کارشناسی مهندس برق از دانشگاه شریف و کارشناسی ارشد هوش مصنوعی از دانشگاه علم و صنعت

#دوره_آموزشی_آنلاین

💡 یادگیری یک ابزار قدرتمند: تسلط بر مهم‌ترین ابزار هوش تجاری در دنیا بدون پیش‌نیاز ویژه
💡 یادگیری مهم‌ترین نیاز بازار کار داده: پاسخ به مهم‌ترین نیاز بازار کار داده و افزایش شانس ورود به فعالیت حرفه‌ای هوش تجاری
💡 بهبود عملکرد سازمان و کسب‌وکار: توسعه داشبوردهای هوش تجاری و تحلیل داده،بهترین راهکار برای بهینه‌سازی عملکرد کسب‌وکار

📆 چهارشنبه‌ها ۱۸:۰۰ تا ۲۱:۱۵
🗓 از ۱۹ دی تا ۸ اسفند ۱۴۰۳
⏺️ ۸ هفته ۲۴ ساعت
🎞 با دسترسی به ویدئوی جلسات
🏅 گواهی پایان دوره


⏳ برای استفاده از تخفیف بیشتر زودتر ثبت‌نام کنید.

🙂 کد تخفیف 35% برای پرداخت کامل:
🙂 کد تخفیف 25% برای پرداخت قسطی:

⏳ اعتبار کدهای تخفیف تا ۲۰ آذر ۱۴۰۳

✍️ثبت نام:
👆 d-learn.ir/pwbi?utm=gh_adv

🤙 تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

🔹 پلی‌لیست کاربردی و جامع
🔹 برای شروع یادگیری علوم داده و ML!


1⃣ بخش اول: مفاهیم پایه علم داده

🖥 رمزگذاری متغیرهای دسته‌ای: LINK
🖥 ریاضیات یادگیری ماشین: LINK
🖥 مروری بر مفاهیم کلی علوم داده: LINK
🖥 روندهای مصاحبه: LINK
🖥 رگرسیون خطی: LINK
🖥 رگرسیون لجستیک: LINK
🖥 معیارهای ارزیابی مدل: LINK
🖥 الگوریتم بیز ساده: LINK
🖥 انواع متغیرها: LINK
🖥 کاهش ابعاد: LINK
🖥 واگرایی کولبک لیبلر: LINK
🖥 قیمت‌گذاری پویا: LINK


🔢 بخش دوم: سیستم‌های توصیه‌گر

💬 سیستم توصیه‌گر نتفلیکس: LINK
💬 مدل یکپارچه LINK: ML
💬 تحولات سیستم توصیه‌گر: LINK
💬 استفاده از تعبیه‌ها در سیستم توصیه‌گر: LINK
💬 جستجوی تقریبی نزدیک‌ترین همسایه‌ها: LINK
💬 کوانتیزاسیون محصولات: LINK
💬 سیستم توصیه‌گر حساب‌ها: LINK
💬 کنترل‌کننده LINK :PID
💬 سیستم توصیه‌گر اینستاگرام: LINK
💬 پیش‌بینی نرخ کلیک در لینکدین: LINK
💬 مدل دوبرجی: LINK
💬 جستجوی مقیاس‌پذیر پرس‌وجو-آیتم: LINK
💬 سیستم توصیه‌گر توییتر: LINK
💬 سیستم توصیه‌گر LINK :eBay
💬 غلبه بر تعصب در سیستم‌های توصیه‌گر: LINK
💬 مدل‌سازی اثرگذاری: LINK
💬 سیستم توصیه‌گر LINK :Spotify


🔢 بخش سوم: تکنیک‌ها و کاربردهای پیشرفته

🏷 کالیبراسیون مدل: LINK
🏷 تشخیص LINK :Drift
🏷 تقریب تابع‌های عمومی: LINK
🏷 تبلیغات LINK: Pinterest
🏷 تعبیه موجودیت‌ها با LINK :BERT
🏷 تقطیر دانش: LINK
🏷 بخش LINK :Multi-Armed Bandit
🏷 مدل‌های مولد و انتشار: LINK
🏷 اصول پایه LINK :PySpark
🏷 مدیریت بودجه لینکدین: LINK
🏷 تشخیص تقلب بازگشت کالا: LINK
🏷 تشخیص کالاهای تقلبی: LINK


🔢 بخش چهارم: مدل‌های زبان بزرگ (LLMs)

◀️ یادگیری ماشین با LINK :GenAI
◀️ فناوری LINK: ChatGPT
◀️ هوش مصنوعی محاوره‌ای: LINK
◀️ ارتقای مدل‌های زبان بزرگ: LINK
◀️ تنظیم دقیق مدل‌های زبانی: LINK1, LINK2
◀️ مدل LINK :LLama V2



🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

✅ راهنمای موثر «جمع آوری داده»

👨🏻‍💻 همیشه که دیتاست آماده وجود نداره. گاهی باید خودمون دست به کار بشیم و اون دیتای مورد نیازمون رو جمع آوری کنیم.

✏️ یکی از مهم‌ترین درس‌هایی که توی کار با داده‌ها یاد گرفتم اینه که تحلیل خوب با سوال درست شروع می‌شه! سواله که مشخص می‌کنه باید چه داده‌هایی رو جمع آوری کنیم، چه الگویی رو پیش ببریم و به چه نتیجه‌ای برسیم.

🖥 اخیراً روی پروژه‌ای کار کردم که در مورد طراحی پرسشنامه و جمع‌آوری داده‌ها بود. برای همین یه راهنمای کامل آماده کردم که می‌تونه تو مسیر جمع آوری داده به دردتون بخوره.


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

🔥 مسابقه برنامه‌نویسی ستارگان آینده گلرنگ

✨ قراره ستاره یکی از این جهان‌ها بشی

✅ در ۲ مسیر Front-End و ‌Back-End

🗓 جمعه، ۱۶ آذر ۱۴۰۳ ساعت ۱۶:۰۰

💠 نفرات برتر این مسابقه، به مدت یک ماه ونیم توی شرکت‌های تکنولوژی محور تپسی، اکالا، زپ، گلرنگ سیستم، شب، اکتیو کلینرز و پاتوقی همراه با یک منتور با تجربه برنامه‌نویسی می‌کنند.


🌐 ثبت‌نام رایگان:
🔗 https://quera.org/r/z05gv

〰️〰️〰️〰️
#Quera #Quera_Contest

🐼 دوره فارسی «Pandas Project»

🎥 قسمت پنجم: "پروژه تحلیل دیتاست فیلم‌های برتر"
⏳ مدت زمان: 11:02
💡 محصولی از: Pista Academy


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

💢دوره آنلاین جامع مهندسی داده Data Engineer

⬅️شروع از 22 آذر
⬅️روزهای پنجشنبه ساعت 14:30 الی 18:30
⬅️استاد : وحید قربانی

پیش نیاز: ندارد

👀 سرفصل دوره + ثبت نام

📞تلفن ثبت نام: 02188738394
📣هر سوالی داری از @sematec بپرس

✅لذت پیشرفت را تجربه کنیم
🔰سماتک، مرکز آموزش‌های تخصصی IT
🚀@sematecofficial

❌ 6 ماهه یک تخصص پردرآمد رو یاد بگیر!

بوت‌کمپ Data Science & Machine Learning

📌 همراه با منتورینگ تخصصی و پروژه عملی

📌 ارائه مدرک پایان دوره

📌 کمک به استخدام و معرفی به شرکت‌های معتبر

الان ثبت‌نام کن؛ 6 ماه دیگه استخدام شو👇

https://dnkr.ir/2wA5X
https://dnkr.ir/2wA5X

🐼 20 تا از پرکاربردترین توابع پانداس + PDF

👨🏻‍💻 بار اولی که از پانداس استفاده کردم قرار بود یه دیتاست خام و پیچیده رو به کمک توابع Pandas به‌ سرعت تمیز و مرتب کنم. با استفاده از تابع groupby، تونستم داده‌ها رو دسته‌بندی کنم و تحلیل‌های عمیقی از رفتار مشتری‌ها بدست بیارم. از همه بهتر، زمانی بود که از loc و iloc استفاده کردم و تونستم داده‌ها رو براحتی فیلتر کنم.

✔️ از اون زمان تصمیم گرفتم که یه لیست از پرکاربردترین توابع پانداس که به صورت روزمره ازشون استفاده می‌کنم آماده کنم. حالا این لیست آماده‌ست! در ادامه به معرفی 20 تا از بهترین و پرکاربردترین توابع پانداس می‌پردازم:



🏳️‍🌈 read_csv(): آپلود سریع داده از فایل‌های CSV

🏳️‍🌈 head(): نگاهی به پنج ردیف اول دیتا‌بیس برای شروع..

🏳️‍🌈 info(): بررسی ساختار داده‌ها مثل نوع داده و مقادیر خالی.

🏳️‍🌈 describe(): آمار توصیفی برای ستون‌های عددی تولید کن.

🏳️‍🌈 loc[ ]: دسترسی به سطرها و ستون‌ها بر اساس برچسب یا شرط.

🏳️‍🌈 iloc[ ]: دسترسی به داده‌ها بر اساس شماره ردیف.

🏳️‍🌈 merge(): ترکیب دیتافریم‌ها با ستون‌های مشترک.

🏳️‍🌈 groupby(): گروه‌بندی برای تحلیل راحت‌تر.

🏳️‍🌈 pivot_table(): خلاصه‌سازی داده‌ها در فرمت جدول محوری.

🏳️‍🌈 to_csv(): ذخیره داده‌ها به صورت فایل CSV.

🏳️‍🌈 pd.concat(): چند دیتافریم رو در راستای سطر یا ستون ادغام کن.

🏳️‍🌈 pd.melt(): داده‌های فرمت گسترده رو به فرمت طولی تبدیل کن.

🏳️‍🌈 pd.pivot_table(): ایجاد جدول محوری با چند سطح.

🏳️‍🌈 pd.cut(): داده‌ها رو به بازه‌های خاص تقسیم‌بندی کن.

🏳️‍🌈 pd.qcut(): دسته‌بندی داده‌ها بر اساس درصد.

🏳️‍🌈 pd.merge(): ادغام داده‌ها به سبک دیتابیس برای لینک‌دهی پیشرفته.

🏳️‍🌈 DataFrame.apply(): اجرای یک تابع سفارشی روی داده‌ها.

🏳️‍🌈 DataFrame.groupby(): تحلیل داده‌های گروه‌بندی‌شده.

🏳️‍🌈 DataFrame.drop_duplicates(): حذف ردیف‌های تکراری.

🏳️‍🌈 DataFrame.to_excel(): ذخیره مستقیم داده‌ها در فایل اکسل.


┌ 🐼 Pandas Functions
└ 📄 PDF


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

📄 جزوه «ترکیب پایتون با ChatGPT»

👨🏻‍💻 جدیدا یه جزوه‌ای رو پیدا کردم که برای هر برنامه‌نویس پایتونی که دنبال استفاده عملی از ChatGPT تو پروژه‌هاشه، فوق‌العاده کاربردیه.

✅ با این جزوه یاد می‌گیرین چطور ChatGPT رو با پایتون ترکیب کنین و از این چت‌بات محبوب توی بخش‌های مختلف پروژه‌هاتون مثل کدنویسی، پاکسازی دیتاست، مصورسازی و نوشتن پرامپت‌های کاربردی و فوق العاده استفاده کنین.


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

چرا هکر نمیشی؟

ما تو کوئرا داریم هک و امنیت یاد میگیریم!

فقط ۲۴ ساعت‌ وقت‌ داری با ۴۰ درصد تخفیف ویژه انتشار، این‌ دوره رو‌ ثبت‌نام‌کنی‌، اونم قسطی.

🌟 بوت‌کمپ تحلیلگر داده آکادمی همراه اول 🌟
🎯 فرصتی استثنایی برای ورود به دنیای داده‌ها و ساخت آینده شغلی خود!
تصور کنید در ۹ هفته، به یکی از پرتقاضاترین مشاغل دنیا مسلط شوید و در مسیر موفقیت قدم بگذارید.

📋 ویژگی‌های بوت‌کمپ:
⏳ مدت زمان: ۹ هفته نیمه‌حضوری
📚 محتوا: ۱۳۰ ساعت آموزش حرفه‌ای
🌟 پروژه‌های واقعی: شبیه‌سازی وظایف تحلیلگر داده و استفاده از داده‌های واقعی
💼 امکان استخدام: استخدام و کارآموزی نفرات برتر دوره در خانواده همراه اول و شرکت‌های همکار

⚠️ ظرفیت این بوت‌کمپ محدود است.

🚀 چرا این بوت‌کمپ؟
چون شما فقط آموزش نمی‌بینید؛ بلکه با پروژه‌های واقعی و فرصت ورود به شرکت‌های برتر، مسیر شغلی خود را تضمین می‌کنید.

🔗 مشاوره رایگان و اطلاعات بیشتر:
https://link.hamrah.academy/i9a

@hamrah_academy | آکادمی همراه

#آکادمی_همراه #همراه_اول #بوتکمپ_تحلیلگر_داده #تحلیل_داده #آموزش_تحلیل_داده #دوره_آموزشی #کارآموزی #استخدام #آینده_شغلی #مهارت_آموزی

💠 آموزش رایگان Power BI با فرادرس – سریع و آسان در ۸۰ دقیقه
 
✨ یکی از ابزارهای بسیار محبوب هوش تجاری سلف‌سرویس، Microsoft Power BI است. در این فرادرس، پس از بررسی اجمالی مفاهیم هوش تجاری، به آموزش استفاده از نرم‌افزار Microsoft Power BI برای اتصال به داده‌ها، ساخت مدل داده و نیز مصورسازی داده‌ها با انواع نمودارها خواهیم پرداخت.
 
با توجه به روند رو‌به‌رشد پیاده‌سازی هوش تجاری در سازمان‌ها و محبوبیت نرم‌افزار Microsoft Power BI برای پیاده‌سازی هوش تجاری، بسیاری از سازمان‌ها به دنبال پیاده‌سازی هوش تجاری در سازمان خود با استفاده از این نرم‌افزار هستند. فراگیری این نرم‌افزار، راه شما را برای ورود به بازار کار در زمینه هوش تجاری تسهیل می‌کند.
 
🔗 آموزش رایگان Power BI - [شروع یادگیری]
 

🔄 FaraDars - فرادرس

👨‍💻 تجربه شخصی من در 4 تا از بهترین کارآموزی‌های مجازی و رایگان «علوم داده»

👨🏻‍💻 خیلی وقت‌ها برای تسلط به مباحث علوم داده کتاب می‌خونیم، ویدیوهای آموزشی می‌بینیم و دوره‌های آنلاین رو می‌گذرونیم، اما سوال مهم اینه که: آیا دانشی که یاد گرفتیم رو توی عمل پیاده کردیم؟

✏️ راستش خودمم همیشه دنبال فرصت‌هایی بودم که مباحثی که توی علم داده یاد گرفتم رو توی پروژه‌های واقعی پیاده سازی کنم.

👫 یکی از بهترین فضاهایی که پیدا کردم، کارآموزی‌های مجازی بود. چون این رویدادها شبیه‌سازی از فضای کاری واقعین و می‌تونین دانش تئوری‌تون رو به صورت عملی پیاده سازی کنین و تجربه کسب کنین.

✅ چرا کارآموزی‌های مجازی؟

✅ بهتون کمک می‌کنن مهارت‌هاتون رو توی پروژه‌های واقعی آزمایش کنین.
✅ اعتمادبه‌نفستون رو برای مصاحبه‌ها بالا می‌برن.
✅ رزومه‌تون رو قوی‌تر می‌کنن.


⏪ حالا، می‌خوام ۴ تا از بهترین کارآموزی‌های مجازی و رایگان رو که شخصاً امتحان کردم، معرفی کنم:

1⃣ کارآموزی با موضوع نقش دانشمند داده

🔢 کارآموزی با موضوع بصری‌سازی داده‌ها

🔢 کارآموزی با موضوع تحلیل داده

🔢 کارآموزی با موضوع Power BI



🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

🐼 دوره فارسی «Pandas Project»

🎥 قسمت چهارم: "نحوه اتصال به API در پانداس (4)"
⏳ مدت زمان: 11:41
💡 محصولی از: Pista Academy


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

▶️ بهترین ویدیوهای پروژه‌ محور
💻برای یادگیری علم داده

👨🏻‍💻 بهترین روش یادگیری علوم داده، ترکیب یادگیری تئوری با انجام پروژه‌های عملیه. بعد اینکه مفاهیم و ابزارهای اصلی رو مسلط شدین، وقتتون رو دیگه تلف نکنین و برین سراغ یادگیری پروژه محور و انجام پروژه‌های واقعی!

✅ من اینجا 17 تا پروژه واقعی علوم داده رو به صورت ویدیویی قرار دادم:👇


1️⃣ شفاف‌سازی یادگیری ماشین با LINK ⬅️ AI

2️⃣ راهنمای عملی LINK ⬅️ PySpark

3️⃣ ساخت مدل LINK ⬅️ SRKGPT

4️⃣ ساخت سیستم بازیابی ⬅️ LINK

5️⃣ تقویت مدل‌های کوچک ⬅️ (2),(1)

6️⃣ تنظیم Falon و لاما-2 ⬅️ (2),(1)

7️⃣ تعبیه داده‌ها با استفاده از LINK ⬅️ BERT

8️⃣ فشرده‌سازی مدل‌ها ⬅️ LINK

9️⃣ قیمت‌گذاری پویا در تجارت ⬅️ LINK

1️⃣ تعبیه محصول در داده‌های بزرگ ⬅️ LINK

1️⃣ سیستم‌های توصیه‌گر توییتر ⬅️ LINK

1️⃣ نحوه عملکرد الگوریتم توییتر ⬅️ LINK

1️⃣ سیستم‌های تبلیغاتی پینترست ⬅️ LINK

1️⃣ جستجوی نزدیک‌ترین همسایه ⬅️ LINK

1️⃣ کنترل‌کننده LINK ⬅️ PID

1️⃣ آموزش شبکه‌های عصبی ⬅️ LINK

⚫️ کاهش ابعاد داده با LINK ⬅️ PCA



🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

🔹 ترم جدید غیرحضوری
مسیر شغلی دانشمند داده 11 آذر شروع می شود.

✅ یکساله دیتاساینتیست کارآزموده شوید و روزمه قوی برای خود بسازید.

🔸 330 ساعت . 150 جلسه . 50 هفته . 27 پروژه . 8 کورس . 7 مدرس

♦️ شیرجه در علم داده . آمار و احتمال . داده کاوی و حل مساله . پایتون . منابع داده . ماشین لرنینگ . دیپ لرنینگ . بیگ دیتا . لینوکس و داکر

💲 5% کدتخفیف مخصوص این کانال: HY38PG66
t.me/daychecatalog
t.me/daycheapply

✏️ 10 پرامپت فوق العاده ChatGPT
✅ برای پروژه‌ها و کارهای روزمره علوم داده

👨🏻‍💻 تو این مدتی که ChatGPT اومده، کلی به من توی پروژه‌های دیتا ساینس کمک کرده. توی بعضی از مراحل پروژه واقعا نمی‌دونستم دقیقاً باید از کجا شروع کنم یا چه ابزاری برای رفع مشکل مناسب‌تره.

🖋 حالا یه لیست ده‌تایی از پرامپت‌هایی که خیلی این مدت بهم کمک کردن رو آماده کردم و اینجا براتون گذاشتم. هر کدوم یه بخش از مراحل انجام پروژه‌های دیتا ساینس رو پوشش میدن و توی چالش‌های پروژه‌ها خیلی بهتون کمک می‌کنن.


🔢 بررسی و پاکسازی داده‌ها: وقتی نمی‌دونین داده‌ها رو چطور بررسی کنین یا چجوری مقادیر گم‌شده و ناهنجاری‌ها رو رفع کنین، از این پرامپت استفاده کنین.


✍️ "Given this dataset summary: [خلاصه اطلاعات دیتاست], suggest methods to explore and clean the data. Include techniques for handling missing values and outliers."


🔢 مهندسی ویژگی‌ها: ایده‌هایی برای ساخت ویژگی‌های جدید و بهینه کردن مدل‌هاتون.


✍️ "Suggest advanced feature engineering techniques for a dataset related to [موضوع موردنظر مثل پیش‌بینی ترک مشتری]. Include ideas for creating new variables."



🔢 انتخاب مدل مناسب: شناسایی مدل‌های مناسب با تمام مزایا و معایبشون.


✍️ "What are the best machine learning models for [نوع مسئله مثل طبقه‌بندی]? Provide pros, cons, and use cases for each."


🔢 ارزیابی عملکرد مدل: شناخت دقیق روش‌های ارزیابی مدل‌ها.


✍️ "Explain the most effective methods to evaluate the performance of a [نوع مدل] for [وظیفه مثل طبقه‌بندی تصاویر]. Include key metrics and their interpretation."


🔢 ایده‌های مصورسازی داده‌ها: مناسب برای وقتی که می‌خواین گزارش‌های شفاف و جذاب ارائه بدین.


✍️ "Recommend visualization techniques to present findings from [نوع داده مثل فروش]. Suggest specific charts or graphs for maximum clarity."


🔢 تحلیل آماری: به‌ راحتی فرضیاتتون رو تست کنین و تحلیل‌های آماری دقیق داشته باشین.


✍️ "How can I perform statistical analysis to test the hypothesis: [فرضیه موردنظر]? Include steps and the statistical tests to use."


🔢 خودکارسازی جریان‌های داده: اگه می‌خواین کلی از زمان‌تون رو صرفه‌جویی کنین، این پرامپت خیلی کاربردیه.


✍️ "Outline a plan to automate data collection, cleaning, and storage for a [نوع پروژه]. Suggest tools and techniques for efficiency."


🔢 تشخیص ناهنجاری‌ها: مناسب برای کشف موارد غیرعادی و مشکلات احتمالی توی داده‌هاتون.


✍️ "What methods can I use to detect anomalies in [نوع داده مثل ترافیک شبکه]? Explain the process and algorithms suitable for this task."


🔢 تحلیل سری‌های زمانی: اگر با داده‌های زمان‌محور کار می‌کنین، این پرامپت کاربردیه.


✍️ "Guide me through building a predictive model for time series data, specifically for forecasting [متریک مثل قیمت سهام]. Include preprocessing steps and algorithms."


🔢 پردازش زبان طبیعی: برای تحلیل داده‌های متنی، مثل تحلیل احساسات یا استخراج اطلاعات کلیدی.


✍️ "Explain how to process and analyze textual data for [کاربرد مثل تحلیل احساسات]. Suggest tools, libraries, and workflows for an end-to-end solution."



🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

🟡🟡🟡🟡🟡🟡🟡🟡

🟡کارگاه جامع تربیت پژوهشگر
🟡پروپزال نویسی، پایان نامه و مقاله نویسی همراه با آموزش کامل نرم افزارهای آماری
🟡دوره 13 ام

🟡مدرس:
✅دکتر مهدی عرب زاده
✅عضو هیئت علمی دانشگاه خوارزمی

🟡شروع دوره:  از  19 آذر ماه ، دوشنبه ها و سه شنبه ها از ساعت 14:30 الی 18

🟡طول مدت دوره: 88 ساعت

☯️دریافت گواهی پایان دوره از دانشگاه تهران به صورت دو زبانه

❌ تخفیف ویژه دانشجویان و یا فرهنگیان گرامی. 

🟡دوره به صورت غیرحضوری، آنلاین و آفلاین برگزار می‌شود.

لینک ثبت نام: ⬇️

https://psyravanchi.ir/course/research13/

❌برای کسب اطلاعات بیشتر(قیمت دوره ، شرایط، سرفصل ها و ...) به لینک بالا مراجعه کرده یا با شماره های زیر تماس حاصل نمایید.⬇️

🟡 شماره‌های تماس:
09378487718
09208487718
تیمورنیا
09378484418
روحانی

آیدی تلگرام پاسخگوی شما: ⬇️
https://t.me/Psyravanchi_admin
https://t.me/ravanchi_admin

✅جهت اطلاع از دیگر دوره ها در آکادمی_خردگستر_روانچی به ما بپیوندید:
https://zil.ink/psyravanchi
https://t.me/psyravanchi
🟡🟡🟡🟡

📚 کتاب رایگان «ترفندها و ابزارهای بهینه پایتون برای دانشمندان داده»
🏳️‍🌈 بیش از 700 نکته و ابزار کاربردی

👨🏻‍💻 اگه می‌خوای کدنویسی پایتونت رو برای علم داده به سطح بالاتری برسونی، این کتاب یه راهنمای فوق العادست! خانم Khuyen Tran، نویسنده‌ی کتاب، بیش از 150 مقاله و 500 نکته روزانه در زمینه دیتا ساینس، تجربیات و ترفندهاش رو برای بهینه‌سازی کدنویسی در پایتون، در این کتاب به اشتراک گذاشته است.

✅ توی این کتاب، با بهترین روش‌ها و ابزارهای کار با پایتون آشنا می‌شی. از کار با iteratorها، دیکشنری‌ها، توابع و کلاس‌ها گرفته تا استفاده کارآمد از کتابخانه‌های محبوب مثل pandas و NumPy که می‌تونه زمان اجرای پروژه‌هات رو به‌طور قابل‌توجهی کاهش بده.👌

⏪ نکته جذاب اینه که این کتاب پر از کدهای کوچیک و کاربردیه که می‌تونی در کمتر از یک دقیقه یادشون بگیری. حتی اگه بخوای بیشتر در مورد هر موضوعی بدونی، لینک‌های مفید و منابع بیشتر هم تو کتاب برات قرار داده شده.👇


┌ 📚 Efficient Python Tricks for DS
├ 💰 WEB
├ 📄 CODECUT
└ 🐱 GitHub-Repos


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

⏰ ساعات پایانی — ۶۰۰ آموزش پر‌طرفدار فرادرس، هر آموزش فقط ۷۹ هزار تومن!
 
♨️ با اضافه شدن ۱۰۰ آموزش جدید(+)، حالا ۶۰۰ آموزش کاربردی و پُرفروش فرادرس با قیمت باورنکردنی ۷۹,۰۰۰ تومن در دسترس شماست...
 
🔗 برنامه نویسی پایتون و کاربردها
 
🔗 آموزش‌های هوش مصنوعی و ChatGPT + کاربردها
 
🔗 علوم کامپیوتر و شبکه
 
🔗 طراحی و مدیریت سایت
 
🔗 آموزش‌های برنامه نویسی - مقدماتی تا پیشرفته
 
📚 لیست تمامی ۶۰۰ آموزش — [کلیک کنید]
 
🎁 کد تخفیف: AMG52

🔄 FaraDars - فرادرس

ظرفیت بوتکمپ‌های برنامه‌نویسی کوئرا در حال اتمامه.
آخرین فرصت ثبت‌نام فقط تا ۱۰ آذر!

راستی با شرکت در مسیر مهندسی‌داده شانس استخدام در همراه اول رو هم داری.

🐼 دوره فارسی «Pandas Project»

🎥 قسمت سوم: "نحوه اتصال به API در پانداس (3)"
⏳ مدت زمان: 13:43
💡 محصولی از: Pista Academy


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

🥳 کوئراکالج با افتخار تقدیم می‌کند.
🌸 «کد پایلوت مبانی برنامه‌نویسی»

⚡️ با ثبت‌نام رایگان در این دوره می‌تونی تو زبان‌های Python، C#، C++، C و Javascript تمرین‌های مسئله محور حل کنی و مهارتت رو تقویت کنی؛ از طرفی می‌تونی خودت رو برای میان‌ترم و امتحاناتت آماده کنی.

👍 لازمه...
علاقه و پشتکار داشته باشید.
👎 لازم نیست…
در رشته‌ی کامپیوتر تحصیل کرده باشید.
دانش ریاضی قوی داشته باشید.

✅ ثبت‌نام رایگان:
🔗 https://quera.org/r/e5z99

💡کوئراکالج | پاییز ۱۴۰۳

🔹 فرصتی محدود برای تغییر آینده حرفه ای شما!

اگر علاقه‌‌مند به فراگیری عمیق تحلیل داده‌های کسب‌وکار و دریافت گواهینامه حرفه‌ای بین المللی IIBA®-CBDA هستید، مسیری بهینه پیش روی شماست.

📣 با تخفیف ویژه بلک فرایدی، مهارت‌ها و مسیر شغلی‌تان را متحول کنید.

🎉 قیمت اصلی دوره 17/900◀️◀️قیمت فعلی 13/425

⚠️ این فرصت را از دست ندهید!
ظرفیت باقی‌مانده: فقط 10 نفر

یادگیری دانش و کسب مهارت‌های کسب‌وکاری داده‌محور هیچ‌وقت تا این میزان در دسترس و آسان نبوده است!

☄️ همین امروز اقدام کنید و به رزومه حرفه‌ای خود اعتبار بین المللی دهید‼️

🖥 برای کسب اطلاعات بیشتر و ثبت‌نام، هم‌اکنون به وب‌سایت ما مراجعه کنید.
➡️https://tehrandata.org/courses/babok/

🎧 تماس با ما : 09377516835

⬛️ Telegram | 📨 whatsapp | 📱 linkedin | 📱 Instagram | 🌐 website|  💬 admin