Data Science | علم داده

✅ مصاحبه با 10 دیتا ساینتیست موفق ایرانی 👨🏻‍💻 اولین بار که می‌خواستم برای یه مصاحبه علم داده شرکت کنم، خیلی سردرگم بودم. بخاطر همین سعی کردم با یه سرچ توی اینترنت، از تجربیات افرادی که مصاحبه‌های موفقی رو با شرکت‌های بزرگ دنیا داشتن استفاده کنم، تا بتونم با درصد خطای کمتری، مصاحبه‌‌ام رو پشت سر بذارم. ⏪ الان و بعد چند سال بهتون پیشنهاد می‌کنم که اگه تو این بخش تجربه ندارین و اولین مصاحبه‌تونه و نمی دونین دقیقا باید چیکار کنین، حتما از تجربیات بقیه که مصاحبه‌های موفقی داشتند استفاده کنین. ✅ من تو این پست سعی کردم بهترین مصاحبه‌های دیتا ساینتیست‌های ایرانی رو که در شرکت های معروف دنیا کار کردن، جمع آوری کنم تا هم از تجربیاتشون برای مصاحبه‌هاتون استفاده کنین و هم در بخش یادگیری مباحث علم داده مسیر درستی رو طی کنین.👌🏼 👩🏻‍💻 مصاحبه با سمیرا گل سفید 📕 مدیر دیتا ساینس کمپانی PayPal و WePay 📥 لینک: YouTube 👨🏻‍💻 مصاحبه با امیر ضیایی 📙 مهندس ارشد ماشین لرنینگ کمپانی Netflix 📥 لینک: YouTube 👩🏻‍💻 مصاحبه با بهار بازرگان 📗 دانشمند داده کمپانی Pinterest 📥 لینک: YouTube 👩🏻‍💻 مصاحبه با دکتر پریسا منصوری فرد 📘 دانشمند داده کمپانی Meta 📥 لینک: YouTube 👩🏻‍💻 مصاحبه با بهار زرین 📓 محقق دیتا ساینس کمپانی Meta 📥 لینک: YouTube 👨🏻‍💻 مصاحبه با پروفسور احسان کمالی نژاد 📔 دانشمند ارشد ماشین لرنینگ در آمازون 📥 لینک: YouTube 👩🏻‍💻 مصاحبه با دکتر زهرا نظری 📕 محقق ماشین لرنینگ در Spotify 📥 لینک: YouTube 👨🏻‍💻 مصاحبه با دکتر مهدی معصومی 📗 دانشمند داده در کمپانی C3AI سیلیکون ولی 📥 لینک: YouTube 👩🏻‍💻 مصاحبه با دکتر شیرین مجرد 📒 متخصص ماشین لرنینگ در Google 📥 لینک: YouTube 👩🏻‍💻 مصاحبه با مونا حاتمی 📙 دانشمند داده در IBM 📥 لینک: YouTube 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir

🤩 تمدید شد — ۶۰⁒ تخفیف فرادرس برای آموزش‌های «پایتون و هوش مصنوعی»   ✳️ با جشنواره بهاری فرادرس، بهار شده فصل آموختن !!   🌱 تجزیه و تحلیل داده های مالی با پایتون   🌱 یادگیری ماشین با پایتون   🌱 شی‌ گرایی در پایتون – هفت پروژه کاربردی   🌱 کاربرد ChatGPT در پردازش تصویر   🌱 تشخیص داده پرت در پایتون – Outlier Detection   🎁 کد تخفیف ۶۰ درصدی: BHR26   👈 مشاهده سایر آموزش‌ها - [کلیک کنید] @FaraDars - فرادرس

«مرکز نوآوری علم داده و هوش مصنوعی ICDS» برگزار می‎‌کند: ⌛️ سومین مدرسه فصلی مقدماتی هوش مصنوعی و علم داده 🎙 با حضور اساتید برجسته داخل و خارج کشور 🔴سرفصل جلسات: روز اول: پایتون برای علم داده روز دوم: جمع آوری داده و پیش پردازش داده روز سوم: اکتشاف داده و مصور سازی داده، پایگاه داده(بخش اول) روز چهارم:پایگاه داده(بخش دوم)، آمار برای علم داده روز پنجم: یادگیری ماشین روز ششم: داده و بیزینس و مهارت‌های نرم، اسکرام و مدیریت پروژه، گیت و ورژن کنترل، تحلیل و بازگشایی یک پروژه واقعی علم داده ❗️ چهارشنبه ۳/۲ پنجشنبه ۳/۳ جمعه ۳/۴ ❗️ چهارشنبه ۳/۹ پنجشنبه ۳/۱۰ جمعه ۳/۱۱ 🌐 از ساعت ۸ الی ۱۹ 🍴☕️علاوه بر همه اینها هر روز ناهار و کافی رو مهمان ما هستید. 📍مکان: دانشگاه تهران به صورت حضوری 🔣در صورت کسب نمره قبولی در پروژه پایانی مدرک قابل ترجمه از دانشگاه تهران را کسب می‌کنید. 📣 این مدرسه هیچ پیش نیازی ندارد. ✅ امکان ثبت نام اقساطی هم وجود دارد. 🔣 ثبت نام و کسب اطلاعات بیشتر: 🕸 eds3.icds.ai Instagram 🆔 Instagram telegram 🆔 t.me/icdsai 🕸 icds.ai

🖥 99 چهره تاثیرگذار حوزه داده که باید در لینکدین دنبال‌شان کنید! 👨🏻‍💻 پلتفرم Data Science Connect در این فایل PDF، به معرفی 99 اینفلوئنسر حوزه دیتا پرداخته و ازشون خواسته تا پیش‌بینی‌هاشون رو درباره آینده علم داده و هوش مصنوعی ارائه کنند. ✅ در واقع پاسخ اون‌ها فقط یه پیش بینی ساده نیست؛ بلکه یه نقشه راه برای حرفه‌ای‌ها و علاقه‌مندان حوزه داده، و شرکت هایی است که روند حرکتشون، مبتنی بر داده است.👌🏼 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir

🔹 دوره آنلاین «تربیت تحلیلگر داده با پایتون (Python)» 📌 برخی از مخاطبان این دوره ☑️ دانشجویان و فارغ التحصیلان تحصیلات تکمیلی ☑️ کارشناسان و مدیران فعال در کسب و کارها ☑️ علاقمندان به کسب جایگاه شغلی خوب در داخل و خارج از کشور ☑️ فارغ التحصیلان که به دنبال کسب مزیت رقابتی در بازار کار هستند 🏛 موسسه آموزش عالی آزاد توسعه ⭐️ با گواهینامه مورد تایید وزارت علوم، تحقیقات و فناوری 📌 مشاوره رایگان و مشاهده جزئیات دوره: ➡️ httb.ir/yCzhY ➡️ httb.ir/yCzhY ➡️ httb.ir/yCzhY ➖➖➖➖➖

✅ 12 نکته مهم در مورد «علم داده» که در هیچ دوره‌ای به شما یاد نمی دهند! 1️⃣ مشاغل زیادی در زمینه علم داده وجود دارد، (تحلیلگر داده، مهندس یادگیری ماشین، دانشمند داده و...) اما متقاضیان زیادی نیز وجود دارند و فرآیند مصاحبه و استخدام در مشاغل علوم داده یک بازی با اطلاعات نامتقارن عظیم است. صبور باشید، فرصت‌ها پیش خواهند آمد، اما بیشتر از آن چه که فکر می کنید گاهی طول می‌کشد. 2️⃣ اگر کنجکاو و عاشق یادگیری هستید، باید بدانید که هرگز هر چیزی را که دوست دارید در مورد Data Science بدانید، نخواهید دانست. علم داده یک زمینه بسیار گسترده است و زمان و دانش شما هم اندک. پس از این که همه چیز را نمی‌دانید ناامید نشوید. 3️⃣ هر دانشمند داده داستان خود را دارد، پس خود را با دیگران مقایسه نکنید. اگر همکار شما در مورد سری‌های زمانی - یا هر موضوع دیگری، بیشتر از شما می‌داند، نیاز نیست خود را با او مقایسه کنید. زیرا او همیشه با این ابزار کار کرده است، مطالعاتش در این زمینه بوده و تجربه بیشتری دارد. پس اگر دقیق‌تر نگاه کنید، می‌بینید که در موضوعات دیگر از او بهتر هستید (شاید برنامه‌نویس بهتری باشید یا دانش آماری و ریاضیات بیشتری داشته باشید). 4️⃣ درباره محصول/ محصولات کسب و کاری که فرآیند آنالیز داده را برای آن انجام می‌دهید، اطلاعات کسب کنید. هیچ مدیر سطح A واقعاً به الگوریتم‌ها، مقادیر p، دقت، AUC یا امتیاز f1 اهمیت نمی‌دهد. آن‌ها می خواهند بدانند که کدام مشکل در حال حل شدن است و درآمد (یا پس اندازی) که از انجام پروژه شرکت توسط شما بدست می‌آورند چقدر است. پس بهترین مدل، مدلی است که مشکل پروژه را حل کند؛ مدیران این را می‌خواهند. 5️⃣ مدل های یادگیری ماشین تنها بخش بسیار کوچکی از وظایف روزانه یک دانشمند داده را شامل می‌شوند. شما بیش‌تر زمان خود را در پروژه‌هایتان صرف پاکسازی داده‌ها و جمع آوری اطلاعات می‌کنید. 6️⃣ برخی از تکنیک‌های علوم داده در آموزش‌های تئوری و دوره‌هایی که می‌گذرانید به خوبی کار می کنند، اما در داده‌های دنیایِ واقعی تقریباً بی فایده هستند. من دوست دارم از SMOTE به عنوان مثال استفاده کنم. در Medium، این تکنیک بی عیب و نقص به نظر می‌رسد، در حالی که در دنیای واقعی ممکن است کاملاً ناکار آمد باشد (البته نه به طور کامل). 7️⃣ احتمالاً برخی از مفاهیم مثل نشت داده‌ها و اعتبار سنجی را در طول تحصیل یاد نگرفته‌اید. این به این معنی است که شما تنها زمانی که برخی از مدل‌ها در حال تولید هستند، از کار افتادن آن‌ها را تجربه خواهید کرد. یعنی کاربرد بعضی از مفاهیم علوم داده را تنها در زمان کار بر روی پروژه یاد خواهید گرفت. پس مطمئن شوید که برای جلوگیری از یک حادثه بزرگ، برای نظارت بر مدل‌های خود زمان صرف می‌کنید و یادگیری را ادامه می‌دهید! 8️⃣ همه شرکت‌ها دوست دارند بگویند که داده‌محور هستند، اما تعداد بسیار کمی از آن‌ها واقعاً از این فرهنگ استقبال می‌کنند. بدتر از آن، این است که شما همیشه رهبران را در کنار خود در این مبارزه نخواهید داشت!!! 9️⃣ تفاوت بین استنتاج و پیش بینی را بدانید. یک الگوریتم ممکن است بسته به موقعیت، مفروضات و خطرات متفاوتی داشته باشد. 1️⃣ ابزارهای Tensorflow، Pycaret، Catboost و دیگر کتابخانه‌ها ذهن شما را متحیر خواهند کرد. می‌دانم، من هم از آن‌ها استفاده کرده‌ام. اما هرگز قدرت Numpy، Pandas و Scikit-Learn را دست کم نگیرید. با استفاده از این سه کتابخانه، راه حل‌های باورنکردنی خواهید ساخت. 1️⃣ افتضاح است که ساعت ها (یا حتی روزها) را برای مطالعه صرف کنید و بعداً متوجه شوید که در مورد داده‌ها سوء تفاهم وجود دارد یا اشتباهی وجود دارد که متوجه نشده اید. این تجربه وحشتناک است، اما برای همه اتفاق می افتد. خودتان را سرزنش نکنید و صبوری خود را در مواجهه با همکارانتان از دست ندهید. آن‌چه را که باید یاد بگیرید، بیاموزید و همیشه به جلو حرکت کنید! 1️⃣ همیشه شرکت‌ها به هر کسی که موفق می‌شد نوعی از pd.merge() یا هر چیزی را با پایتون اجرا کند، هزینه زیادی پرداخت می‌کردند. اما الان این فاکتور تغییر کرده است. علم داده در حال تکامل است و امروزه تقاضاها بیشتر شده است. فضای ابری، دانش مهندسی داده، اینترنت اشیا، علیت و مهارت های دیگر برخی از پیش نیازهایی هستند که ممکن است امروزه در موقعیت های شغلی جدید با آن‌ها روبرو شوید. ✍🏼 یوکیو / دانشمند داده، کارشناس ارشد اقتصاد 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir

⭕️ شروع دوره پروژه محور دیتاساینس 🔈 به اطلاع همه علاقه‌مندان به حوزه علوم داده می‌رسانیم: ✅ شروع دوره پروژه محور دیتاساینس: 💻 مدرس: مونا حاتمی، دیتاساینتیست شرکت IBM 📆 از 29 اردیبهشت ماه ( 18 می 2024) 🏪 زمان کلاس‌ها: شنبه ها ساعت 21 به وقت ایران 💻 نحوه برگزاری دوره: شامل جلسات آفلاین و آنلاین و پشتیبانی ⏳ مدت جلسات: 12 هفته 📖 سطح دوره: مقدماتی، متوسط 📉 تا پایان هفته می‌توانید از تخفیف 10% ویژه بهره مند شوید! ⭕️ کد تخفیف: Data10 🔸 جهت ثبت نام می‌توانید از طریق لینک زیر اقدام نمایید: 👇 📊 teachmeroadmap.ir 📊 teachmeroadmap.ir 📊 teachmeroadmap.ir ✅ شماره واتساپ جهت ثبت نام و مشاوره:👇 📱00989398358306 📱00989398358306

دوره‌ی رایگان دانش ابری آروان‌آکادمی ☁️ آروان‌کلاد در راستای مسوولیت اجتماعی خود و با هدف توانمندسازی آموزشی، مرجع تخصصی دانش ابری را راه‌اندازی کرد. 👩‍🎓 اگر به دنبال ارتقای مهارت‌های خود، تغییر مسیر شغلی و حرفه‌ای یا ورود به دنیای تکنولوژی ابری هستید، کافی است به آروان آکادمی سر بزنید. 👨‍💻 شما با شرکت در این دوره می‌توانید بدون پرداخت هزینه و متناسب با استانداردهای جهانی، مباحث مرتبط با فناوری ابری را یاد بگیرید و با تکیه بر تخصص خود مسیر شغلی خود را مشخص کنید. ✨ ویژگی‌های دوره‌های رایگان آروان آکادمی: ✅ سرفصل‌های به‌روز ✅ اساتید حرفه‌ای و مجرب ✅ بدون پیش‌نیاز برای شروع رایگان به لینک زیر بروید: https://r1c.ir/4c3j3 ☁️ @Arvancloud

⭕️ دیتابیس شمــا در خطر است!💥 📢 وبینار رایگـان داشبورد سلامت دیتابیس: همه چیز در یک نگاه با مانیتورینگ SQL Server 🗓 زمان برگزاری: سه‌شنبه ۱ خرداد ۱۴۰۳ | ساعت ۱۱ صبح 🎤سخنـــران: مسعود طاهری ⬅️مخاطبـان وبینار: مدیران ، سازملن ها، کسب و کارهای دولتی و خصوصی تمام اشخاصی که علاقه‌مند به یادگیری نحوه نظارت بر پایگاه‌های داده هستند. ⬇️⬇️⬇️⬇️⬇️⬇️

آیا می دانید که بیش از 70% از خرابی های دیتابیس؛ به دلیل مانیتورینگ ناکافی رخ می دهد؟

✔️ این وبینار رایگــان نقطه شروع مانیتورینگ اصولی دیتابیس برای شماست. 🔗 همین الان، رایگان ثبت‌نام کنید 🔗 همین الان، رایگان ثبت‌نام کنید 🔗 همین الان، رایگان ثبت‌نام کنید 🔗 https://nkmz.ir/xu4vfwdymr nikamooz; l تجربه , آموزش , آینده l 📞 02191070017 💬@nikamooz

📄 جزوه جبر خطی برای علم داده ⏪ به زبان فارسی و در 246 صفحه! 👩🏻‍💻 هانیه مهدوی فارغ التحصیل رشته‌ی مهندسی کامپیوتر دانشگاه شهید بهشتی، جزوه‌ی دوره‌ی Essence of Linear Algebra از کانال یوتیوب 3blue1brown رو به زبان فارسی و رایگان در 246 صفحه منتشر کرده است! 👌🏼 ✅ اگه میخواین یه بار به معنای واقعی، تمام مباحث کاربردی جبرخطی در علوم داده رو به صورت جامع یاد بگیرین، این جزوه رو به هیچ‌وجه از دست ندین! 💯 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir