Data Science

🎥🖥 Online access to the seminar (webinar) is also available For registeration, please visit the folowing link. http://cs.ipm.ac.ir/ds2017/webinarregistration.aspx @IPMDataScience

روند استفاده از زبانها در علم داده ها https://t.me/dataanalysis

پنجمین همایش ملی مدیران فناوری اطلاعات هم اکنون در سالن همایش‌های بین‌المللی برج میلاد! محور اصلی همایش حکمرانی داده‌ها و دولت الکترونیک از دیدگاه علوم و فناوری اطلاعات می‌باشد. @dataanalysis

مهم‌ترین دلایل شکست برخی از پروژه‌های فناوری اطلاعات کشور: https://goo.gl/hDYBdh یکی از مهم‌ترین ویژگی‌های یک متخصص علم‌داده توانایی در حوزه مدیریت پروژه و آشنایی با مفاهیم علمی و تخصصی این حوزه در راستای مدیریت هر چه‌بهتر پروژه‌ها می‌باشد. در این مقاله هدف بررسی مهم‌ترین دلایل شکست پروژه‌های فناوری اطلاعات بخصوص حوزه‌های مرتبط با علم‌داده، کلان داده و... در کشور می‌باشد: •عدم وجود نیروی متخصص کافی: یکی از مشکلاتی که در پروژه‌های فناوری اطلاعات وجود دارد عدم وجود نیروی متخصص کافی در کشور می‌باشد. در حوزه‌های سطح بالای تکنولوژی همچون کلان داده ، اینترنت اشیا ، علم‌داده ، داده‌کاوی ، متن‌کاوی ، پردازش ابری و... این خلأ بیشتر دیده می‌شود. عدم ارتباط دانشگاه با صنعت یکی از دلایل ایجاد این خلأ می‌باشد. این مشکل در حال حاضر در بسیاری از کشورهای توسعه‌یافته نیز وجود دارد. •تغییرات تکنولوژی: حوزه فناوری اطلاعات و به طبع پروژه‌های فناوری اطلاعات به تغییرات تکنولوژی و فناورانه بسیار وابسته می‌باشد به‌نحوی‌که یک تغییر در حوزه تکنولوژی ممکن هست سبب بروز شکست یک پروژه گردد. به‌عنوان‌مثال برخی از پروژه‌های فناوری اطلاعاتی که در کشور منعقد گردیده است ممکن هست پس از متن‌باز شدن پروژه مشابه آن توسط یک شرکت مطرح مانند گوگل دیگر توان رقابتی وجود نداشته باشد و کارفرما ترجیح خواهد داد تا از محصول باکیفیت شرکت گوگل در ادامه استفاده نماید. •عدم دانش مدیریت پروژه: یکی از دلایل بسیار مهم در شکست پروژه‌های فناوری اطلاعات عدم آشنایی مدیران پروژه‌ها با اصول و مفاهیم مدیریت پروژه می‌باشد. این کمبود دانش سبب بروز مشکلات فراوانی در حوزه‌های فنی و حوزه‌های مدیریتی در پروژه‌ها خواهد شد. •مشکلات حقوقی و تحریم‌ها: در برخی از پروژه‌های فناوری اطلاعات که نیازمند سخت‌افزارهای مخصوص و بعضاً بسیار قدرتمند می‌باشد به دلیل وجود تحریم‌ها علیه جمهوری اسلامی ایران امکان دسترسی به این قبیل سخت‌افزارها مقدور نیست یا با تأخیر فروان امکان دست‌یابی وجود دارد. •استعفا مدیر پروژه یا کارکنان خبره: در برخی از پروژه‌های فناوری اطلاعات به دلیل وابستگی بیش‌ازحد به مدیر پروژه یا برخی از کارکنان متخصص سبب بروز مشکلات متعددی همچون شکست گردیده است. با ترک این کارکنان یکپارچگی پروژه از بین رفته و سبب تأخیر یا درنهایت شکست پروژه شده است. @dataanalysis ارادتمند محمدرضا محتاط

فرصت شغلی تحلیلگر داده در شرکت رایتل: https://goo.gl/YeyLpF شرکت رایتل در حوزه سیستم های تحلیل داده (سیستم هوش تجاری، مدیریت تقلب و تضمین درآمد)، از تعداد محدودی از فارغ التحصیلان دانشگاه های معتبر (حداقل کارشناسی)، با شرایط ذیل جهت همکاری بصورت تمام وقت دعوت بعمل می آورد: 1- رشته تحصیلی کامپیوتر، فناوری اطلاعات یا آمار 2- آشنایی کامل با SQL و پایگاه داده ها ترجیحا Oracle 3- سطح زبان بالا در هر چهار مهارت 4- آشنا به مفاهیم BI و تحلیل داده ها (با ابزارهای IBM Cognos یا Tableau) 5- علاقه مند به حوزه تحلیل داده های حجیم (Big Data) در یک محیط واقعی از علاقه مندان تقاضا می شود رزومه کاری خود را حداکثر تا 15 آذر ماه 96 به آدرس BI-JV@rightel.ir ارسال نمایند. @dataanalysis

دعوت به همكاري پرتال جامع خودرو كشور توسعه دهنده net. مسلط به Orchard به صورت پاره وقت تجربیات و مهارت های مورد نیاز: • Deep understanding of Orchard CMS • Hands-on experience in Orchard CMS module development موقعيت: شيراز يا تهران ارسال رزومه: nouri@megagroup.biz @dataanalysis

شرکت مشاورین گسترش الکترونیک ایما(مگا) فعال در زمینه تجارت الکترونیکی جهت تکمیل کادر فنی خود دارندگان تخصصهای زیر را به صورت تمام وقت یا پاره وقت به همکاری دعوت مینماید: 1- برنامه نویس مسلط در حوزه تولید نرمافزارهای وب پایه، ترجیحاً دارای تخصصها و مهارتهای زیر: • Experienced in building scalable enterprise applications using C#/.NET • Deep understanding of modern web technologies (ASP.NET, MVC, Web API, etc.) • Familiar with SQL, LINQ, and relational database design • Familiar with single page application structure and technologies 2- برنامه نویس آشنا به محیط Orchard یا سایر CMS های مشابه علاقه مندان میتوانند رزومه خود را به آدرس info@megagroup.biz ارسال نمایند. @dataanalysis

مدت زمان لازم جهت تبدیل شدن به یک متخصص علم‌داده براساس نظرسنجی وب‌سایت Kdnuggets در قاره آسیا طبق بیان متخصصین علم‌داده این مدت زمان در حدود میانگین پنج سال بوده است. @dataanalysis

فرصت‌های شغلی کارشناس و مدیر فنی تیم علوم‌داده در شرکت پایانه‌های داده‌ای نوین! @dataanalysis

/تکمیلی‌/ در نظرسنجی فوق این نکته قابل ذکر می باشد که در حدود 25 درصد متخصصین علم‌داده شرکت کننده در این نظرسنجی بیان کرده‌اند که طی 4 الی 6 سال آینده تقاضا برای جذب متخصصین علم‌داده و یادگیری ماشین با کاهش روبه‌رو خواهد شد. این درصد برای مدت زمان هفت الی ده سال در حدود بیست درصد می‌باشد. شایان ذکر هست که در حال حاضر اکثر کشورها با کمبود متخصص علم‌داده مواجه هستند! طی مطلب آتی نیز مدت زمان مورد نیاز جهت تبدیل شدن به یک متخصص علم‌داده مورد بررسی بیشتر قرار خواهد گرفت! @dataanalysis موفق و موید باشید

طی چند سال آینده تقاضا برای متخصصین علم‌داده و یادگیری ماشین نزولی خواهد گردید؟ منبع: وبسایت Kdnuggets @dataanalysis

نقد و بررسی دومین مسابقه داده‌کاوی پارسی پرداز با محوریت نظرکاوی! http://uupload.ir/files/k8d_sentimentanalysis.jpg دومین دوره مسابقه داده‌کاوی پارسی پرداز با محوریت نظر کاوی توسط آزمایشگاه تخصصی فناوری وب دانشگاه فردوسی مشهد در هفته گذشته به‌صورت آنلاین برگزار شد. نکات ذیل پیرامون این مسابقه که به نسبت سایر مسابقات داده‌کاوی انجام‌شده در کشور دارای سطح بسیار پایین‌تری بوده است به شرح ذیل می‌باشد: 1- در تمامی مسابقات داده‌کاوی جهت آموزش و ساخت مدل، برخی اطلاعات و داده‌ها توسط برگزارکنندگان به شرکت‌کنندگان تحویل داده می‌شود. شرکت‌کنندگان نیز پس از پیاده‌سازی مدل بهینه بر اساس دادگان تست نتیجه را برای ارزیابی به طراحان مسابقه ارسال می‌نمایند. در مسابقه برگزارشده تنها دادگان تست شامل 100 هزار داده متنی به شرکت‌کنندگان تحویل داده گردید که کاملاً برخلاف اصول پایه‌ای مسابقات داده‌کاوی می‌باشد. 2- در این مسابقه تمامی شرکت‌کنندگان موظف بودند که تمامی سورس‌کدها، فایل‌های اجرایی، مستندات، فایل گزارش متنی و ... را در اختیار تیم برگزارکننده قرار دهند. قابل‌ذکر هست به‌طور مرسوم در اکثر مسابقات تنها تیم‌های برتر می‌بایست مستندات و سورس‌کدهای خود را جهت بررسی و اهدا جوایز به برگزارکننده مسابقه تحویل دهند. 3- از نکات بسیار جالب این مسابقه مدت‌زمان برگزاری آن بود. مدت‌زمان اعلامی توسط تیم برگزارکننده تنها سه ساعت و از ساعت 9 الی 12 روز جمعه اعلام شد! 4- در تمامی مسابقات و چالش‌های داده‌کاوی جوایز تیم‌های برتر به‌صورت دقیق اعلام و مشخص می‌باشد. در توضیحات این مسابقه ذکر شده بود که به تیم‌های برتر جوایز نفیسی اهدا خواهد گردید. با توجه به فعالیت‌های خوب دانشگاه فردوسی مشهد در حوزه متن‌کاوی و وجود اساتید برجسته و اهمیت حوزه تحلیل احساسات در زبان فارسی انتظار برگزاری مسابقه‌ای با سطح بسیار بالاتر و باکیفیت‌تر بود که متاسفانه میسر نگردید. @dataanalysis ارادتمند محمدرضا محتاط

هوش مصنوعی، کلان داده و سلامت https://www.linkedin.com/pulse/artificial-intelligence-big-data-healthcare-stella-guo/?trackingId=29c%2Bbo62GUPuRorxRi985Q%3D%3D https://t.me/dataanalysis

بهینه سازی کاربرد استریم اسپارک برای خواندن داده در اپاچی کفکا http://www.stratio.com/blog/optimizing-spark-streaming-applications-apache-kafka/ https://t.me/dataanalysis

جریان‌کاری پروژه‌های مبتنی بر علم داده! https://goo.gl/K1UGCa @dataanalysis

اسلاید کلان داده، کاربرد در بانک و ارتباط با هوش تجاری- ارائه شده در نمایشگاه تراکنش https://www.slideshare.net/secret/6NsPnQAuv8caxJ

جهت ثبت نام و کسب اطلاعات بیشتر به لینک های زیر مراجعه نمایید. http://cssbu.ir/ http://conf.sbu.ac.ir/index.php/data/data @cssbu

پکیج جدید نرم افزار آر برای استفاده از نقشه گوگل برای موقعیت یابی https://www.linkedin.com/groups/6728779/6728779-6328461879807213571 https://t.me/dataanalysis

مهارت‌های کلیدی و تخصصی مرتبط با حوزه علم داده! @dataanalysis