Data Science

معرفی دوره آموزشی Applied Data Science with Python: https://goo.gl/a4NoKA این دوره آموزشی توسط دانشگاه میشیگان آمریکا در حوزه علم‌داده و زبان پایتون به صورت آنلاین و در سطح مقدماتی و متوسط تدریس می‌گردد. این دوره آموزشی شامل 5 درس با عناوین زیر می‌باشد. 1-Introduction to Data Science in Python 2- Applied Plotting, Charting & Data Representation 3- Applied Machine Learning in Python 4- Applied Text Mining in Python 5- Applied Social Network Analysis in Python لینک دوره: https://www.coursera.org/specializations/data-science-python#courses پی‌نوشت: جهت ثبت‌نام پس از مراجعه به صفحه اصلی دوره با انتخاب درس مدنظر و رفتن به صفحه درس گزینه Enroll و سپس گزینه Audit را فعال نمایید. گفتنی است جهت‌ ثبت‌نام به دلیل تحریم بودن کشور ایران نیاز به فیلتر‌شکن خواهید داشت. @dataanalysis

فایل ارائه دانشگاه استنفورد پیرامون فریم‌ورک‌های یادگیری عمیق https://goo.gl/CFu3jD لینک دانلود: http://stanford.io/2eVHV7U @dataanalysis

به جامعه متخصصین علم‌داده ایران با حضور اساتید و متخصصین برجسته کشور در حوزه‌های تحلیل‌های پیشرفته کسب‌وکار، داده‌کاوی، هوش‌تجاری، کلان‌داده و پردازش متن بپیوندید! آدرس کانال: @dataanalysis

مقایسه کتابخانه‌های برتر یادگیری عمیق! @dataanalysis

معماری پروژه هوش تجاری مبتنی بر کلان داده: جهت پیاده‌سازی یک پروژه هوش تجاری مبتنی بر کلان داده نیازمند برخی ابزارها و پلتفرم‌های مطرح Big Data می‌باشد که در ادامه برخی از این ابزارها به تفکیک گام‌های یک پروژه هوش تجاری معرفی خواهند شد: http://bit.ly/2h7CCPI 1- فرایند ETL: *این گام یکی از مراحل مهم در پیاده سازی یک پروژه هوش تجاری می‌باشد. در صورتی که از پایگاه داده‌های رابطه همانند Sql, MySQL و... استفاده می کنید جهت انتقال اطلاعات و پیاده سازی فرایند Extract به پلتفرم‌های کلان داده همچون آپاچی هدوپ می‌توانید از پروژه آپاچی Sqoop استفاده نمایید. * جهت اعمال برخی فرایندهای پردازشی در گام Transform زبان اسکریپتی آپاچی Pig یا نرم افزار آپاچی Nifi جهت این فرایند کاربرد خواهد داشت. +برخی از Message Broker های مطرح نیز همچون آپاچی Kafka, Flume و Nifi جهت انتقال بلادرنگ اطلاعات از پایگاه داده‌ها و منابع ورودی اطلاعات سازمان شما به انبار داده در گام Load می‌تواند کاربرد داشته باشد. 2- انبار داده: جهت ایجاد انبارداده از پایگاه داده‌های Nosql یا فایل سیستم‌های مطرح در سطح کلان داده همچون فایل‌سیستم توزیعی هدوپ( HDFS), کاساندرا، HBASE و... بنا به معماری و ویژگی‌های پروژه خود می توانید انتخاب کنید. 3- پردازش تحلیلی آنلاین(OLAP): جهت ساخت OLAP و مکعب‌های پردازشی در کلان داده ها از پروژه آپاچی Kylin استفاده می‌شود. این معماری از معماری Map Reduce و اتصال به پایگاه داده های رابطه‌ای مانند Hive, Impala و... جهت ساخت مدل تحلیلی پردازشی آنلاین استفاده می‌گردد. جهت تحلیل‌های پیشرفته مبتنی بر یادگیری ماشین و داده‌کاوی هم کتابخانه‌های تحلیلی آپاچی ماهوت در هدوپ و MLlib در اسپارک وجود دارد. @dataanalysis ارادتمند محمدرضا محتاط

Types of Data! @dataanalysis

مقایسه میان جستجوهای کاربران موتور جستجو گوگل پیرامون زبان پایتون و R @dataanalysis

مقایسه بین استفاده از زبان‌های پایتون و R در پیاده‌سازی‌های صورت گرفته در مسابقات علم‌داده وبسایت Kaggle @dataanalysis

💻پایتون مقدماتی: ۲۹و۳۰شهریور 📝تئوری داده‌کاوی: ۲۹و۳۰شهریور ⛏داده‌کاوی با پایتون: ۶مهر ‌‌‌ 🗂کلان‌داده‌ها: ۱۳مهر 🏦کلان‌داده‌های بانکی: ۱۶مهر 🌐اطلاعات بیشتر: autdmc.ir 🔍سؤال:@ceitssc

دوره آموزشی کلان داده و پلتفرم آپاچی هدوپ در مرکز تحقیقات امنیت سایبری دانشگاه علوم و تحقیقات! @dataanalysis

مزایای کتابخانه یادگیری ماشین‌(MLlib) آپاچی اسپارک @dataanalysis

الْحَمْدُ لِلَّهِ الَّذِی جَعَلَنَا مِنَ الْمُتَمَسِّکِینَ بِوِلاَیَةِ أَمِیرِ الْمُؤْمِنِینَ وَ الْأَئِمَّةِ عَلَیْهِمُ السَّلاَمُ الْحَمْدُ لِلَّهِ الَّذِی جَعَلَ کَمَالَ دِینِهِ وَ تَمَامَ نِعْمَتِهِ بِوِلاَیَةِ أَمِیرِ الْمُؤْمِنِینَ عَلِیِّ بْنِ أَبِی طَالِبٍ عَلَیْهِ السَّلاَم‏. الْحَمْدُ لِلَّهِ الَّذِی أَکْرَمَنَا بِهَذَا الْیَوْمِ وَ جَعَلَنَا مِنَ الْمُوفِینَ بِعَهْدِهِ إِلَیْنَا وَ مِیثَاقِهِ الَّذِی وَاثَقَنَا بِهِ مِنْ وِلاَیَةِ وُلاَةِ أَمْرِهِ وَ الْقُوَّامِ بِقِسْطِهِ‏ وَ لَمْ یَجْعَلْنَا مِنَ الْجَاحِدِینَ وَ الْمُکَذِّبِینَ بِیَوْمِ الدِّین‏.

معرفی کاربردهای یادگیری عمیق https://goo.gl/EuyWcZ پرسوناژ نرم‌افزاری است که با استفاده از الگوریتم‌های یادگیری عمیق در شناسایی چهره، نام بازیگرهای ایرانی را از روی چهره آن‌ها تشخیص می‌دهد و از آن‌ها اطلاعات کاملی ارایه می‌کند. این‌ استارتاپ از اولین کاربردهای شبکه‌های عصبی مصنوعی عمیق در اپلیکیشن‌های عمومی در ایران است و در حوزه سرگرمی و کاوش برنامه‌های تلویزیونی فعالیت می‌کند. می‌توانید نرم‌افزار را از این لینک برای اندروید دریافت و امتحان کنید: https://cafebazaar.ir/app/com.systemnegar.personage/?l=fa @dataanalysis

روشهای برتر در بازار دیجیتال در سال 2017 https://t.me/dataanalysis

پایتون و R بهترین پلت فرمهای یادگیری ماشین در علم داده ها(در نظرسنجی شاپیرو) پیشی گرفتن پایتون از R در 2017. چیزی که پیش بینی می شد. https://t.me/dataanalysis

داده‌های نانویی؛ سلسله نشت‌های علم اطلاعات و داده‌شناسی حسینیه ارشاد @dataanalysis

۱۰ تکنولوژی برتر که آینده اقتصاد دنیا را شکل می‌دهند: 1-هوش مصنوعی 2-رباتیک 3- اینترنت اشیا 4- ژنتیک 5- پهباد 6- بلاک‌چِین 7- کلان داده 8- واقعیت افزوده 9- واقعیت مجازی 10- پرینتر ۳ بعدی @dataanalysis

شهادت امام جواد(ع) تسلیت باد!