ch
Feedback
Statistickit

Statistickit

前往频道在 Telegram

Statistickit

显示更多
6 001
订阅者
无数据24 小时
-107
-5930
吸引订阅者
七月 '26
七月 '26
+5
在0个频道中
六月 '26
+35
在1个频道中
Get PRO
五月 '260
在1个频道中
Get PRO
四月 '260
在0个频道中
Get PRO
三月 '260
在0个频道中
Get PRO
二月 '260
在0个频道中
Get PRO
一月 '260
在0个频道中
Get PRO
十二月 '25
+8
在0个频道中
Get PRO
十一月 '25
+140
在1个频道中
Get PRO
十月 '25
+144
在1个频道中
Get PRO
九月 '25
+60
在1个频道中
Get PRO
八月 '25
+146
在1个频道中
Get PRO
七月 '25
+136
在0个频道中
Get PRO
六月 '25
+14
在0个频道中
Get PRO
五月 '25
+19
在0个频道中
Get PRO
四月 '25
+1 012
在0个频道中
Get PRO
三月 '25
+30
在0个频道中
Get PRO
二月 '25
+24
在2个频道中
Get PRO
一月 '25
+1 498
在0个频道中
Get PRO
十二月 '24
+75
在1个频道中
Get PRO
十一月 '24
+138
在1个频道中
Get PRO
十月 '24
+168
在1个频道中
Get PRO
九月 '24
+131
在1个频道中
Get PRO
八月 '24
+268
在1个频道中
Get PRO
七月 '24
+156
在1个频道中
Get PRO
六月 '24
+23
在1个频道中
Get PRO
五月 '24
+23
在3个频道中
Get PRO
四月 '24
+1 951
在2个频道中
Get PRO
三月 '24
+1 601
在2个频道中
Get PRO
二月 '24
+152
在1个频道中
Get PRO
一月 '24
+1 284
在1个频道中
Get PRO
十二月 '23
+2 481
在2个频道中
Get PRO
十一月 '23
+126
在2个频道中
Get PRO
十月 '23
+86
在2个频道中
Get PRO
九月 '23
+63
在0个频道中
Get PRO
八月 '23
+165
在0个频道中
Get PRO
七月 '23
+61
在0个频道中
Get PRO
六月 '23
+11
在0个频道中
Get PRO
五月 '23
+4 558
在0个频道中
Get PRO
四月 '23
+39
在0个频道中
Get PRO
三月 '23
+39
在0个频道中
Get PRO
二月 '23
+55
在0个频道中
Get PRO
一月 '23
+88
在0个频道中
Get PRO
十二月 '22
+254
在0个频道中
Get PRO
十一月 '22
+163
在0个频道中
Get PRO
十月 '22
+95
在0个频道中
Get PRO
九月 '22
+156
在0个频道中
Get PRO
八月 '22
+167
在0个频道中
Get PRO
七月 '22
+54
在0个频道中
Get PRO
六月 '22
+39
在0个频道中
Get PRO
五月 '22
+92
在0个频道中
Get PRO
四月 '22
+62
在0个频道中
Get PRO
三月 '22
+92
在0个频道中
Get PRO
二月 '22
+125
在0个频道中
Get PRO
一月 '22
+93
在0个频道中
Get PRO
十二月 '21
+159
在0个频道中
Get PRO
十一月 '21
+184
在0个频道中
Get PRO
十月 '21
+30
在0个频道中
Get PRO
九月 '21
+124
在0个频道中
Get PRO
八月 '21
+228
在0个频道中
Get PRO
七月 '21
+56
在0个频道中
Get PRO
六月 '21
+27
在0个频道中
Get PRO
五月 '21
+45
在0个频道中
Get PRO
四月 '21
+22
在0个频道中
Get PRO
三月 '21
+3 594
在0个频道中
Get PRO
二月 '21
+116
在0个频道中
Get PRO
一月 '21
+77
在0个频道中
Get PRO
十二月 '20
+8 742
在0个频道中
日期
订阅者增长
提及
频道
01 七月+5
频道帖子
چرا در فارسی ده‌ها کتاب دربارهٔ زبان Python و یادگیری ماشین و هوش مصنوعی داریم، اما کتابی دربارهٔ طرز فکر داده‌محور به‌ندرت پیدا می‌شود؟ شاید چون آموزش ابزار آسان‌تر از آموزش اندیشیدن است. ابزارها هر چند سال عوض می‌شوند؛ اما توانایی تعریف مسئله، پرسیدن سؤال درست، تشخیص شواهد معتبر، تصمیم‌گیری در شرایط عدم قطعیت و استدلال مبتنی بر داده، مهارت‌هایی هستند که تاریخ انقضا ندارند. شاید بزرگ‌ترین خلأ آموزش علم داده در فارسی، کمبود کتاب‌هایی باشد که پیش از آموزش الگوریتم‌ها، شیوهٔ فکر کردن با داده را آموزش دهند

2
تفاوت «تحلیل‌گر داده»، «مهندس داده» و «دانشمند داده» در یک نگاه وقتی وارد دنیای داده می‌شویم، معمولاً با سه عنوان شغلی روبه‌رو می‌شویم که گاهی با هم اشتباه گرفته می‌شوند؛ درحالی‌که هر کدام نقش متفاوتی در یک پروژه داده‌محور دارند. تحلیل‌گر داده (Data Analyst) تحلیل‌گر داده با اطلاعاتی که در اختیار دارد، به دنبال پاسخ دادن به پرسش‌های کسب‌وکار است. او داده‌ها را بررسی می‌کند، الگوها را پیدا می‌کند و نتایج را در قالب گزارش یا داشبورد به مدیران ارائه می‌دهد تا تصمیم‌های بهتری گرفته شود. مهارت‌های مهم: SQL، Excel، Power BI یا Tableau و آمار کاربردی. مهندس داده (Data Engineer) اگر داده‌ها به‌درستی جمع‌آوری، ذخیره و آماده نشوند، نه تحلیل‌گر می‌تواند تحلیل دقیقی انجام دهد و نه دانشمند داده می‌تواند مدل مناسبی بسازد. این بخش از کار بر عهده مهندس داده است. او زیرساختی ایجاد می‌کند که داده‌ها به‌صورت منظم، سریع و قابل اعتماد در دسترس باشند. مهارت‌های مهم: Python، SQL، ابزارهای ETL، فناوری‌های Big Data و پلتفرم‌های ابری مانند AWS، Azure یا GCP. دانشمند داده (Data Scientist) دانشمند داده یک قدم جلوتر می‌رود. او علاوه بر تحلیل داده‌ها، از روش‌های آماری و الگوریتم‌های یادگیری ماشین استفاده می‌کند تا الگوهای پنهان را کشف کند، آینده را پیش‌بینی کند یا برای تصمیم‌گیری، مدل‌های هوشمند بسازد. مهارت‌های مهم: Python یا R، آمار، یادگیری ماشین و مصورسازی داده. اگر بخواهیم خیلی ساده تفاوت این سه نقش را بیان کنیم: تحلیل‌گر داده، از داده‌ها برای پاسخ دادن به سؤال‌های امروز کسب‌وکار استفاده می‌کند. مهندس داده، داده‌ها را آماده و قابل استفاده می‌کند. دانشمند داده، با استفاده از داده‌ها تلاش می‌کند آینده را پیش‌بینی کند و راه‌حل‌های هوشمند ارائه دهد. هیچ‌کدام از این نقش‌ها از دیگری «بهتر» نیست؛ هر کدام مهارت‌ها، مسئولیت‌ها و مسیر شغلی متفاوتی دارند. انتخاب درست، بیشتر از آنکه به درآمد یا عنوان شغلی وابسته باشد، به نوع علاقه، شیوه فکر کردن و توانایی‌های شما بستگی دارد «بسیاری از متخصصان داده، مسیر شغلی خود را از تحلیل‌گری داده آغاز می‌کنند، سپس با یادگیری برنامه‌نویسی و مباحث پیشرفته‌تر، به سمت مهندسی داده یا علم داده حرکت می‌کنند» #تحلیلگرداده_مهندسی‌داده_دانشمند‌داده
156
3
تفاوت «تحلیل‌گر داده»، «مهندس داده» و «دانشمند داده» در یک نگاه وقتی وارد دنیای داده می‌شویم، معمولاً با سه عنوان شغلی روبه‌رو می‌شویم که گاهی با هم اشتباه گرفته می‌شوند؛ درحالی‌که هر کدام نقش متفاوتی در یک پروژه داده‌محور دارند. تحلیل‌گر داده (Data Analyst) تحلیل‌گر داده با اطلاعاتی که در اختیار دارد، به دنبال پاسخ دادن به پرسش‌های کسب‌وکار است. او داده‌ها را بررسی می‌کند، الگوها را پیدا می‌کند و نتایج را در قالب گزارش یا داشبورد به مدیران ارائه می‌دهد تا تصمیم‌های بهتری گرفته شود. مهارت‌های مهم: SQL، Excel، Power BI یا Tableau و آمار کاربردی. مهندس داده (Data Engineer) اگر داده‌ها به‌درستی جمع‌آوری، ذخیره و آماده نشوند، نه تحلیل‌گر می‌تواند تحلیل دقیقی انجام دهد و نه دانشمند داده می‌تواند مدل مناسبی بسازد. این بخش از کار بر عهده مهندس داده است. او زیرساختی ایجاد می‌کند که داده‌ها به‌صورت منظم، سریع و قابل اعتماد در دسترس باشند. مهارت‌های مهم: Python، SQL، ابزارهای ETL، فناوری‌های Big Data و پلتفرم‌های ابری مانند AWS، Azure یا GCP. دانشمند داده (Data Scientist) دانشمند داده یک قدم جلوتر می‌رود. او علاوه بر تحلیل داده‌ها، از روش‌های آماری و الگوریتم‌های یادگیری ماشین استفاده می‌کند تا الگوهای پنهان را کشف کند، آینده را پیش‌بینی کند یا برای تصمیم‌گیری، مدل‌های هوشمند بسازد. مهارت‌های مهم: Python یا R، آمار، یادگیری ماشین و مصورسازی داده. اگر بخواهیم خیلی ساده تفاوت این سه نقش را بیان کنیم: تحلیل‌گر داده، از داده‌ها برای پاسخ دادن به سؤال‌های امروز کسب‌وکار استفاده می‌کند. مهندس داده، داده‌ها را آماده و قابل استفاده می‌کند. دانشمند داده، با استفاده از داده‌ها تلاش می‌کند آینده را پیش‌بینی کند و راه‌حل‌های هوشمند ارائه دهد. هیچ‌کدام از این نقش‌ها از دیگری «بهتر» نیست؛ هر کدام مهارت‌ها، مسئولیت‌ها و مسیر شغلی متفاوتی دارند. انتخاب درست، بیشتر از آنکه به درآمد یا عنوان شغلی وابسته باشد، به نوع علاقه، شیوه فکر کردن و توانایی‌های شما بستگی دارد «بسیاری از متخصصان داده، مسیر شغلی خود را از تحلیل‌گری داده آغاز می‌کنند، سپس با یادگیری برنامه‌نویسی و مباحث پیشرفته‌تر، به سمت مهندسی داده یا علم داده حرکت می‌کنند» #تحلیلگرداده_مهندسی‌داده_دانشمند‌داده
1
4
همانند همه کسانی که صاحب چیزی‌‌اند، برای اینکه ببیند اگر زمانی آن را نداشته‌باشد چه خواهد شد، آن را در ذهن خود بیرون کشیده اما بقیه چیزها را به همان حالت هنگام بودن آن باقی گذاشته بود. حال آنکه نبود یک چیز فقط این نیست و به یک جای خالی ساده محدود نمی‌شود، بلکه همه‌چیز را زیر و رو می‌کند، وضعیتی تازه پدید می‌آورد که در وضعیت کهنه پیش‌بینی‌شدنی نبود. #در_جستجوی_زمان_ازدست‌رفته #مارسل_پروست ما معمولاً گمان می‌کنیم فقدان،فقط یک جای خالی به جا می‌گذارد؛اما هر فقدان، معماریِ جهانِ درون ما را از نو می‌چیند. نبودنِ یک انسان، یک شغل، یک آرزو یا حتی یک باور، فقط حذفِ آن نیست؛جهانی تازه می‌آفریند که از دلِ جهانِ پیشین، قابل پیش‌بینی نبود. فقدان، جای خالی نمی‌سازد؛ جهانِ تازه‌ای می‌سازد.
197
5
کرانی ندارد بیابان ما قراری ندارد دل و جان ما جهان در جهان نقش و صورت گرفت کدامست از این نقش‌ها آن ما چو در ره ببینی بریده سری که غلطان رود سوی میدان ما از او پرس از او پرس اسرار ما کز او بشنوی سر پنهان ما#مولانا جهان پر از صورت‌ها و هویت‌هاست،اما پرسش این است:کدامشان حقیقتِ ماست؟ آن‌که برای پسندیده‌شدن ساخته‌ایم؟ آن‌که از ترس تنهایی پوشیده‌ایم؟ یا آن‌که در خلوت، بی‌تماشاگر، بی‌دفاع،نَفَس می‌کشد.و آن «سرِ بریده» که به‌سوی میدان می‌غلتد، نمادِ انسانی‌ست که از خود گذشته؛ کسی که از منِ محدود عبور کرده و حالا راز را می‌داند.پیام مولانا ساده و عمیق است: تا از سَرِ خود نگذری، به سِرِّ خود نمی‌رسی
1
6
سقراط درست گفته بود که پذیرش نادانی، آغاز خردورزی است. انسان فقط زمانی خواهد توانست با استفاده از توانایی ذاتی خود خلاقانه عمل کند و از محدودیت‌های خود فراتر برود که محدودیت‌های خود را بشناسد و فروتنانه و صادقانه آن را بپذیرد و آنقدر فروتن باشیم که بدانیم از هیچ کس بهتر نیستم و آنقدر خردمند که بدانیم با بقیه تفاوت داریم
1
7
انتخاب دستیار ...
438
8
اگر این چند ویژگی را داری، خودت را معرفی کن: ۱-باهوش ۲-بی‌نظم (از آن بی‌نظمی‌های خلاق!) ۳-فروتن ۴-دست‌به‌قلم ۵- دارای تسلط نسبی به آمار علوم انسانی یا آمار مهندسی یا ساختمان داده والگوریتم ترجیح می‌دهم با یک ذهن خلاق و کنجکاو کار کنم تا یک آدم صرفاً منظم Tourani.book@gmail.com
428
9
انتخاب دستیار ...
1
10
اگر این چند ویژگی را داری، خودت را معرفی کن: ۱-باهوش ۲-بی‌نظم (از آن بی‌نظمی‌های خلاق!) ۳-فروتن ۴-دست‌به‌قلم ۵- دارای تسلط نسبی به آمار علوم انسانی یا آمار مهندسی یا ساختمان داده والگوریتم ترجیح می‌دهم با یک ذهن خلاق و کنجکاو کار کنم تا یک آدم صرفاً منظم Tourani.book@gmail.com
1
11
اگر این چند ویژگی را داری، خودت را معرفی کن: باهوش بی‌نظم (از آن بی‌نظمی‌های خلاق!) فروتن دست‌به‌قلم دارای تسلط نسبی به آمار ترجیح می‌دهم با یک ذهن خلاق و کنجکاو کار کنم تا یک آدم صرفاً منظم Tourani.book@gmail.com
5
12
کدام جمله دقیق‌تر است؟
1
13
ذات آدمی بیزار است از خو گرفتن به هیاهوی این جهان خاکی و دربندبودگی در این منزلگاه... در عوض، آنچه آدمی می‌جوید و نمی‌یابد همچون مِهی و به مانند جانِ بی‌قرار کوهساران، رام‌نشدنی است. 📕فراق بهشت_لوسی جونز رنجِ بنیادیِ انسان، دلتنگی برای چیزی است که گمان می‌کند روزی داشته و اکنون از آن جدا افتاده است.
17
14
«ما موجوداتی در جست و جوی معنا هستیم که باید با دردسر پَرت شدن به دنیایی که خود ذاتا بی معناست ، کنار بیاییم»📕مامان و معنی زندگی / اروین یالوم شاید تلخیِ خبر درگذشت پسر یالوم، بیش از آنکه این جمله را نقض کند، آن را واقعی‌تر می‌کند. حتی کسی که عمرش را صرف فهم رنج، مرگ و معنای زندگی کرده بود، نتوانست خانواده‌اش را از تراژدیِ زندگی مصون نگه دارد. فلسفه و روان‌درمانی قرار نیست رنج را حذف کنند؛ تنها می‌توانند به ما بیاموزند چگونه در برابر آن، انسانی‌تر بایستیم https://www.tovima.com/world/irvin-yaloms-son-victor-died-by-suicide-family-confirms Irvin Yalom’s Son Victor Died by Suicide, Family Confirms His brother Ben shared the announcement on their father's official page, closing with the words: "Hold tight the people you love"
445
15
«مورد احترام بودن، لعنت است.»#کریشنامورتی در سال‌های پایانی عمر، مازلو قله‌ی هرمش را تغییر داد. او دریافت که خودشکوفایی آخرین منزل انسان نیست. در قله‌ی هرم، «فراروی از خود» قرار دارد؛ جایی که انسان دیگر اسیر این نیست که دیگران درباره‌اش چه فکر می‌کنند یا چقدر به او احترام می‌گذارند. تا وقتی ذهنمان درگیر «چرا جوابم را نداد؟»، «چرا سلام نکرد؟» و «چرا بی‌محلی کرد؟» است، هنوز از پله‌ی احترام عبور نکرده‌ایم. مثلاً تصور کنید در محل کار، همکارتان هنگام ورود به شما سلام نمی‌کند. تمام روز ذهن شما درگیر این می‌شود که آیا عمداً بی‌احترامی کرده یا نه، و همین فکر تمرکز و آرامش شما را از بین می‌برد. من باید به دیگران احترام بگذارم؛ اما انتظار احترام از دیگران، بیش از آنکه مرا بزرگ کند، رشد مرا متوقف می‌کند.
504
16
بیشتر از عطرهای پرفروش، از آدم‌هایی خوشم می‌آید که امضای عطری دارند.کسانی که هر بار با همان رایحه شناخته می‌شوند؛ نه چون مُد روز است، نه چون تِرِند شده، بلکه چون آن بو، بخشی از هویتشان شده است. عطر، برای بعضی‌ها فقط یک انتخاب نیست؛ امضایی است که سال‌ها پیش پای شخصیتشان گذاشته‌اند. حتی حالا که همه چیز گران شده اگر کمتر عطر بزنند، حاضر نیستند آن را با نسخه‌ای تقلبی عوض کنند.بعضی چیزها، فقط یک بو نیستند؛بخشی از هویت آدم‌اند، و هویت را نمی‌شود فیک خرید.
36
17
اگر سال‌ها به یک عطر وفادار مانده‌ایم، بیشتر به خاطر…
135
18
دلیل اصلی وفاداری‌ به یک عطر چیه؟
1
19
وقتی گفت: «تا ساعت ۶ بعدازظهر باید ۴۰۰ کیلومتر آن‌طرف‌تر باشی»، فهمیدم سرعت فقط یک کمیت فیزیکی نیست؛ لحظه‌ای است که زندگی از تو می‌خواهد، پیش از آنکه آماده شوی، جای دیگری باشی! پ.ن : ای بانک ملی ...😉
1
20
اینکه من شما را خوب می‌شِناسم برای من امنیتی به بار نمی‌آورد. فقط باعث می‌شود شما به خودتان بیهوده زحمتِ نقش‌ بازی کردن ندهید. #فرانتس کافکا / داستان‌های کوتاه. وقتی کسی را خوب بشناسی، دیگر نیازی نیست او برای حفظ تصویری که از خود ساخته، انرژی صرف کند. دیر یا زود، هر کس به اندازه‌ی شخصیتش رفتار می‌کند، نه به اندازه‌ی نقشی که بازی می‌کند!
204