علم داده (Data Science)
Open in Telegram
🗨 ارتباط با ما (تبلیغات، سوال، پیشنهاد و انتقاد): 📩 @Contact2Mebot 💯 کانال دوم ما: @Datascientists_Files 💎 در پیامرسان بله(آپدیت اتومات): https://ble.ir/dataplusscience 💡 در پیامرسان ایتا(آپدیت اتومات): https://eitaa.com/DataPlusScience
Show more6 233
Subscribers
No data24 hours
-17 days
-2730 days
Posts Archive
💡 منابعی فارسی برای یادگیری رایگان علم داده
💎 مفاهیم دادهکاوی و یادگیری ماشین:
کتاب مفاهیم و تکنیکهای دادهکاوی دکتر اسماعیلی
آموزشهای ساده و روان مسعود کاویانی در سایت چیستو
فیلم کلاس یادگیری ماشین دانشگاه شریف
آموزش دادهكاوی سایت فرابر
مجموعه ویدئوهای آموزش دادهکاوی دکتر پورزعفرانی در سایت مکتبخونه
💎 آموزش پایتون:
آموزش ویدئویی آقای جادی
آموزش کامل پایتون در سایت لیموناد
💎علم داده در پایتون:
سری ورکشاپهای آموزش علم داده در پایتون
کارگاه یادگیری ماشین با پایتون ایران امال
💎آموزش نرم افزار Tableau:
مجموعه آموزشهای ویدئویی مدرسه هوش تجاری
💎آموزش RapidMiner:
مجموعه آموزش ویدئویی آقای فخاریان
💎آموزش knime:
مجموعه آموزش ویدئویی آقای فخاریان
💎 تحلیل شبکه اجتماعی:
آموزش گفی (Gephi)
آموزش سایتواسکیپ(Cytoscape)
👈{عضویت در کانال}👉
.
💡 تفاوت های آمار و احتمال با دادهکاوی و یادگیری ماشین
🔹 علم آمار و احتمال مبتنی بر نمونه گیری هستند ولی دادهکاوی و یادگیری ماشین، مبتنی بر تحلیل کل جامعه
🔸 در علم آمار و احتمال، ابتدا فرضیه مطرح می شود و سپس برای اثبات یا رد فرضیه داده پیرامون فرضیه جمع آوری می شود حال آنکه در داده کاوی بر اساس الگوی ذاتی نهفته در داده ها، دانش و الگوی کسب شده تفسیر می شود.
آمار: تئوری => داده داده کاوی: داده => تئوری
🔹 تعداد ویژگی ها در آمار محدود بوده ولی در داده کاوی امکان پردازش داده ها با ویژگی های بزرگ نیز هستد.
🔸 فرض اولیه اساسی در آمار، نرمال بودن داده هاست، در داده کاوی، چنین فرضی وجود ندارد.
🔹 داده های آماری به جز در مواردی که خطای انسانی دخیل است، نیاز به پیشپردازش سنگینی ندارند ولی در داده کاوی معمولا بیشتر زمان داده کاو صرف پیش پردازش داده ها می شود.
@SyThinking | تفکر سیستمی
باید غبار صحن تو را توتیا کنند
«آنان که خاک را به نظر کیمیا کنند»
هو هوی باد نیست که پیچیده در رواق
خیل ملائکند رضا یا رضا کنند
«هرگز نمیرد آنکه دلش» جَلد مشهد است
حتی اگر که بال و پرش را جدا کنند
هر کس به مشهد آمد و حاجت گرفت و رفت
او را به درد کرب و بلا مبتلا کنند
از آن حریم قدسیات آقای مهربان!
«آیا شود که گوشهٔ چشمی به ما کنند؟»
🌺🌹 سالروز میلاد شمسالشموس، حضرت علی ابن موسی الرضا (ع) مبارک باد. 🌷🌸
.
🚨 هوش مصنوعی و اکتشافات علمی جدید بر اساس مقالات قدیمی
💡 پژوهشگران همه روزه قابلیتهای جدیدی از «هوش مصنوعی» (Artificial Intelligence) را کشف میکنند که به بهبود زندگی بشر کمک شایان توجهی میکند. در یکی از جدیدترین پژوهشهای انجام شده در حوزه هوش مصنوعی، پژوهشگران موفق شدهاند الگوریتم یادگیری ماشینی طراحی کنند که با استفاده از مقالات قدیمی به انجام اکتشافات علمی جدید میپردازد.
ابن الگوریتم یادگیری ماشین، توانسته است تنها با بهرهگیری از زبان (ادبیات پژوهش) موجود در میلیونها مقاله علمی قدیمی، اکتشافات علمی کاملا جدیدی داشته باشد. در پژوهشی که سوم جولای سال 2۰1۹ در نشریه هفتگی جامع «نِیچِر» (Nature) چاپ شده و حاصل کار پژوهشگرانی از «آزمایشگاه ملی لارنس برکلی» (Lawrence Berkeley National Laboratory) است، از الگوریتم Word2Vec به عنوان روشی نام برده شده که برای برقراری ارتباط بین مفاهیم موجود در مقالات قدیمی و کشف آنچه از نظر انسانها دور مانده استفاده شده است. پژوهشگران آزمایشگاه لارنس، از این الگوریتم برای وارسی مقالات علمی قدیمی جهت کشف ارتباطات موجود در آنها که از چشم انسان دور مانده، استفاده کردهاند.
الگوریتم «Word2Vec» پس از بررسی مقالاتی که به آن داده شده، توانسته است پیشبینیهایی را پیرامون مواد «ترموالکتریک» (Thermoelectric) احتمالی انجام دهد (موادی که احتمالا دارای خصوصیت مواد ترموالکتریک هستند) که گرما را به انرژی تبدیل میکنند و در بسیاری از کاربردهای گرمایشی و سرمایشی مورد استفاده قرار میگیرند. این در حالی است که الگوریتم مذکور درکی از مفهوم ترموالکتریک نداشته است. این الگوریتم تنها با استفاده از ارتباطات موجود میان کلمات، کاندیداهایی احتمالی برای مواد ترموالکتریک آتی که کشف خواهند شد را پیشبینی کرده است. امکان دارد این کاندیداها حتی از مواد ترموالکتریک کنونی که در زمینههای مختلف استفاده میشوند نیز بهتر باشند.
@SyThinking | تفکر سیستمی
ارائه مفید مهارتهای دادهای در عصر دیجیتال!
در ارائه فوق که توسط استاد محمدرضا محتاط ارائه گردیده، مهارتهای مورد نیاز جهت تبدیل شدن به متخصص حوزههای زیر به تفکیک ذکر گردیده است.
1- علمداده
2- هوش تجاری
3- کلانداده
4- مهندس داده
@Data➕Science
🚨 سایتی برای دانلود رایگان کورسهای آموزشی
توی این سایت میتونید به خیلی از کورس های آموزشی سایت های مطرح مثل Lynda, Udemy, Packt, pluralsight و ... دسترسی پیدا کنید:
https://www.freetuts.download/
@SyThinking | تفکر سیستمی
تحلیل احساسات در عکس و ویدئو یکی از کاربردهای جالب یادگیری عمیق هستش.
تو این ویدئو تشخیص احساس نفرات حاضر در قاب دوربین رو میبینیم.
@SyThinking
💎 چشمانداز علم داده در سال ۲۰۱۹
معرفی پلتفرمهای مطرح در حوزههای مختلف علمداده
مطالعه بیشتر:
mattturck.com/data2019/
#datascience
@SyThinking | تفکر سیستمی
📊 مقایسه پرکاربردترین الگوریتمهای یادگیری ماشین در سال ۲۰۱۷ و ۲۰۱۹
@SyThinking
یک اتفاق خوب برای پژوهشگران
گوگل سرویس موتور جستجویی برای جستجوی دیتاست ها معرفی کرده که می تواند برای پژوهشگران بسیار کمک کننده باشد
👇👇
https://toolbox.google.com/datasetsearch
@SyThinking
🔔 دیپ فیک چیست؛ وقتی مرزی بین حقیقت و دروغ باقی نمیماند
دیپ فیک، نام تکنیک جدیدی برمبنای هوش مصنوعی است که بهواسطهی آن تصاویر و ویدئوهای دروغینِ واقعگرایانه درست میشود؛ موضوعی که اخیرا بسیاری را وحشتزده کرده است.
🔴 طی روزها یا حتی ماههای گذشته، ممکن است بارها به ویدئوهای دیپفیک برخورده باشید؛ ویدئوهایی که اساساً هیچگونه انطباقی با حقیقت ندارند اما بهسبب واقعگرایانهبودنشان، نمیتوان متوجه جعلیبودن آنها شد. از سیاستمداران معروف تا هنرمندان مشهور و حتی مدیران مطرح دنیای فناوری، همگی در ماههای گذشته بهنوعی با این پدیده نوظهور دستوپنجه نرم کردهاند. از عکسهای غیراخلاقی و ساختگی هنرمندان مشهور بگیرید تا سخنرانیهای جعلی سیاستمداران و اظهارنظرهای طنزگونه مدیران فناوری درباره موضوعاتی نظیر حفظ حریم خصوصی، همگی نمونههایی کوچک از عملکرد تخریبگرایانه دیپفیک و اثر منفی آنها روی جامعه هستند.
درواقع این فناوری نیز برای ایجاد محتوای صوتی و تصویری متقاعدکننده و درعینحال غیرواقعی ساخته شده؛ یک فناوری که بهسرعت در حال رشد و بهبود است و انتظار میرود روزبهروز استفاده از آن گستردهتر شود. برنامههای ویرایش تصویر نظیر فتوشاپ، سالها کاری مشابه را ازطریق جعلکردن تصاویر انجام میدهند؛ اما چیزی که اکنون با آن روبهرو هستیم، مبحثی کاملاً متفاوت و نگرانکنندهتر از جعل عکس یک نفر در فتوشاپ است.
دیپفیک یک تکنیک مبتنیبر هوشمصنوعی است؛ بنابراین نیازی به دخالت مستقیم انسان ندارد؛ ازاینرو، هرکسی ازطریق دیپفیک میتواند ویدئویی جعلی و درعینحال واقعگرایانه درست کند.
چندین راه برای ساخت ویدئوهای دیپفیک وجود دارد؛ اما در تمام این راهها، شما باید مقدار زیادی از داده را به مدلهاییادگیری ماشین تغذیه کرد تا از این طریق محتوای جعلی تولید شود. واقعگرایانهترین نمونههای ساختهشده، حجم عظیمی از دادههای صوتی، تصویری و ویدئویی را طلب میکنند.
شاید برایتان عجیب باشد اما دیپفیک تنها در حوزههای بالا استفاده نمیشود و اپلکیشنی مانند اسنپچت نیز برای اعمال فیلترهای مبتنیبر چهره از چنین فناوری بهره میبرد. / زومیت
⁉️نظرتون دربارهی دیپ فیک چیست؟
@Data➕Science
#دیپ_فیک های قبل از تو سوءتفاهم بود. 😂
ویدئوییدیپفیک درباره فصل آخر سریال بازی تاج و تخت
#فان
@Data➕Science
چگونه تحریمهای اینترنتی را دور بزنیم؟
vrgl.ir/a1zgm
سایت شکن این امکان رو فراهم کرده که بدون محدودیت به سایتهایی که ایران رو تحریم کردن دسترسی پیدا کنیم.
اگر شما هم در دسترسی به سایتهایی مثل ابزارهای گوگل، کورسرا، یودمی و... مشکل دارید سایت shecan.ir میتونه بهتون کمک کنه.
آموزشش رو نسخه Instant بخونید:
@SyThinking | تفکر سیستمی
وقتی تو نرم افزار ورد، یه عکس به فایل پایان نامه ت اضافه می کنی 😬
#فان
@SyThinking
بعضی ها می خواهند کاری کنند و زندگی شادی داشته باشند
بعضی ها آرزو می کنند ولی اقدامی نمی کنند
دسته سوم فقط انجام میدهند ...
💡 جز دسته سوم باش و رویاتو محقق کن 💪
چرا باید متخصص علمداده بشیم؟
این اینفوگرافی علت انگیزشی متخصص داده شدن رو ذکر کرده. شاید علاوه بر تقاضا و درآمد، تاثیر دانشمندان داده در بهتر شدن دنیا جذابترین علت باشه
@syThinking | تفکر سیستمی
مفهوم و توانمندیهای تحلیلگر داده، مهندس داده و مختصص علم داده
@SyThinking
A data scientist is a “person who is better at statistics than any software engineer and better at software engineering than any statistician
