Data Science School

#Python ❇️یک روش جالب برای بهبود نمودارهای حرارتی (heatmap): ▪️در نمودار حرارتی سنتی، مقادیر با یک مقیاس رنگی نمایش داده می‌شوند. اما فهمیدن دقیق اعداد از روی رنگ‌ها همچنان چالش‌برانگیز است. ▪️اضافه کردن یک مؤلفه اندازه می‌تواند در چنین مواردی بسیار مفید باشد. به این معنا که هرچه اندازه بزرگ‌تر باشد، مقدار مطلق نیز بیشتر است. ▪️این روش به ویژه برای تمیزتر کردن نمودارهای حرارتی کاربردی است، چون مقادیری که به صفر نزدیک‌ترند به سرعت کوچک می‌شوند و دیدن آن‌ها آسان‌تر است. لینک کد: 🔗https://buff.page.link/GpRL 🏫 @DataScience_School 🌐Http://dsstalent.com

#Course 💎تمامی دوره های Datacamp به مدت یک هفته رایگان می باشد! ▪️از 26 آگوست تا 1 سپتامبر، دسترسی به تمامی دوره های سایت Datacamp رایگان می باشد. شما پس از گذراندن هر دوره می توانید گواهی پایان دوره را بدون پرداخت هیچ هزینه ای دریافت کنید. ▪️موضوعات دوره هایی که در دیتاکمپ آموزش داده می شود: - Data engineering - Data analysis - Programming - Importing and cleaning Data - Data manipulation - Probability and statistics - AI and machine learning - Data visualisation - Applied finance - Reporting لینک دسترسی: 🔗https://www.datacamp.com/ منبع: 🔗https://www.datacamp.com/blog/datacamp-free-access-week 🏫 @DataScience_School 🌐Http://dsstalent.com

#AI ❇️ابزار هوش مصنوعی برای تحلیل داده ▪️هوش مصنوعی Julius، داده های شما را تحلیل می‌ کند و اطلاعات جامعی در خصوص داده های دریافتی به شما ارائه می دهد. ▪️نکته جالب توجه اینجاست که، اگر شما هیچ تخصصی در تحلیل داده نداشته باشید، با کمک این ابزار می توانید اطلاعات زیادی در خصوص داده هایتان دریافت کنید. به کمک این هوش مصنوعی سوالات شما پاسخ داده می شود و تمامی این اقدامات به صورت خودکار و صرفا با نوشتن prompt انجام می گیرد. 🔹لینک دسترسی: 🔗https://julius.ai/ 🏫 @DataScience_School 🌐Http://dsstalent.com

#Power_BI ❇️مجاورت و نزدیکی بین شاخص های گزارش یا Proximity: در این پست به ادامه ی نکات حرفه ای یک گزارش می پردازیم. در یک گزارش، نزدیکی و همجواری اجزای گزارش اهمیت زیادی دارد. وقتی یک صفحه از گزارش شامل چندین گروه از اجزای مرتبط باشد، باید با استفاده از فضا، این گروه‌ها را به‌طور بصری از هم جدا کنیم. ▪️در طراحی گزارش فوق، به بخش بالا سمت چپ با عنوان "شاخص‌های کلیدی" توجه کنید. تصاویر مرتبط در کنار هم قرار گرفته‌اند و به‌طور منظم و هماهنگ مرتب شده‌اند تا یک بخش واضح و مشخص را تشکیل دهند. 🏫 @DataScience_School 🌐Http://dsstalent.com

#Data_Science ❇️ 8 ابزار قدرتمند بدون نیاز به کد برای علم داده: 1️⃣ Gigasheet: ▪️تحلیل داده در مقیاس بزرگ با استفاده از هوش مصنوعی ▪️ترکیب اکسل و پانداس بدون محدودیت مقیاس 2️⃣ Mito: ▪️ایجاد رابط صفحه‌گسترده در Jupyter notebook ▪️تولید خودکار کد پایتون 3️⃣PivotTableJS: ▪️ایجاد جداول محوری و نمودارها با کشیدن و رها کردن ▪️کار در Jupyter notebook 4️⃣Drawdata: ▪️رسم داده‌های پراکندگی دو بعدی با کشیدن موس ▪️خروجی داده به صورت DataFrame، CSV یا JSON 5️⃣PyGWalker: ▪️تحلیل DataFrame در Jupyter notebook مشابه Tableau 6️⃣Visual Python: ▪️مولد کد پایتون با رابط گرافیکی ▪️انجام ورودی/خروجی داده و ایجاد نمودارها با کلیک 7️⃣Tensorflow Playground: ▪️ساخت و آموزش شبکه‌های عصبی با رابط کاربری زیبا ▪️ابزار مبتنی بر مرورگر 8️⃣ydata-profiling: ▪️ایجاد گزارش EDA استاندارد برای مجموعه داده ▪️کار در Jupyter notebook 🏫 @DataScience_School 🌐Http://dsstalent.com

#موقعیت_شغلی ✳️ تپسی، با شرایط زیر Senior Marketing Data Analyst استخدام می‌نماید: ▪️دارای مدرک کارشناسی در رشته علم داده، آمار، علوم کامپیوتر یا رشته‌های مرتبط ▪️بیش از ۲ سال تجربه به عنوان تحلیل‌گر داده، با تمرکز بر تحلیل مجموعه داده‌های بزرگ ▪️تسلط به ابزارهای تحلیل داده مانند Excel، SQL، Python ▪️مهارت‌های قوی در تحلیل و حل مسئله ▪️توانایی ارتباط و ارائه عالی ▪️توانایی کار به صورت مستقل و در قالب تیم ▪️آشنایی با ابزارهای مصورسازی داده (Power BI، Tableau) ▪️تجربه قبلی با ابزار WebEngage یک امتیاز محسوب می‌شود برای کسب اطلاعات بیشتر و ارسال رزومه از طریق لینک زیر اقدام نمایید: 🔗https://careers.tapsi.ir/jobs/466 🏫 @DataScience_School 🌐Http://dsstalent.com

#موقعیت_شغلی ✳️ شاپرک، فعال در حوزه ی شبکه الکترونیکي پرداخت کارت، کارشناس یادگیری ماشین با شرایط احراز زیر استخدام می نماید: ▪️مسلط به مفاهیم پایگاه‌داده و SQL. ▪️آشنایی با مفاهیم مدل‌سازی آماری و توانایی تشخیص تکنیک‌ آماری مناسب برای حل مسئله. ▪️مسلط به زبان برنامه‌نویسی پایتون و آشنایی با کتاب‌خانه‌های NumPy ،Pandas ،Matplotlib ،scikit-learn. ▪️آشنایی با مدل‌های یادگیری ماشین و داده‌کاوی و مزایا و معایب آن‌ها. ▪️توانایی بصری‌سازی و مهارت انتقال نتایج (توانایی استخراج دانش کاربردی از داده‌های خام و داستان‌سرایی بر اساس نتایج). ▪️آشنایی با Git. ▪️توانایی کار تیمی. ▪️اشتیاق به یادگیری. علاقمندان می توانند رزومه ی خود را از طریق زیر ارسال نمایند. 🔗https://buff.page.link/NUFJ 🏫 @DataScience_School 🌐Http://dsstalent.com

#Python #Excel ❇️تبدیل فایل اکسل به پایتون ▪️با استفاده از هوش مصنوعی به نام Pyoneer می‌توان فایل اکسل را به پایتون تبدیل کرد و تمام فعالیت هایی که در اکسل به صورت دستی انجام می‌شود، در پایتون با سرعت بیشتری انجام داد. ▪️این هوش مصنوعی از الگوریتم‌های سفارشی و مدل های پیشرفته OpenAI برای ایجاد فایل پایتون استفاده می کند. Pyoneer اسکریپت فایل اکسل را دقیقاً بازتولید می‌کند. شما یک اسکریپت پایتون کاملاً خودکار و آزمایش شده را دانلود می‌کنید. 🔗https://pyoneer.ai/ 🏫 @DataScience_School 🌐Http://dsstalent.com

#Power_BI ❇️تضاد یا Contrast نکته ی دیگری که در خصوص گزارش حرفه‌ای به آن اشاره کردیم، تضاد بود. تضاد را می توان با استفاده از رنگ‌های متضاد، فونت‌ها، ویژگی‌های فونت یا خطوط تاکیدی بر روی موضوعات مهم طراحی گزارش، نمایش داد. از این اصل زمانی استفاده می‌کنیم که میخواهیم مخاطب ابتدا به یک داده یا تصویر خاص نگاه کند. 🏫 @DataScience_School 🌐Http://dsstalent.com

#Python #visualisation ❇️بزرگنمایی با matplotlib ▪️در مصورسازی بخش های خاصی وجود دارد که اهمیت ویژه ای دارند، اما ممکن است بلافاصله برای مخاطب آشکار نشوند. یکی از راه های عالی این است که روی منطقه مورد نظر بزرگنمایی کنید. بزرگنمایی تضمین می کند که طرح ما با آنچه قصد به تصویر کشیدن آن را داریم ارتباط برقرار می کند. ▪️در matplotlib می توانید از 𝐢𝐧𝐝𝐢𝐜𝐚𝐭𝐞_𝐢𝐧𝐬𝐞𝐭_𝐳𝐨𝐨𝐦 استفاده کنید. همانطور که در تصویر نشان داده شده است، یک جعبه نشانگر اضافه می کند که می تواند روی قسمت های مهم زوم شود. 🏫 @DataScience_School 🌐Http://dsstalent.com

#Power_BI ❇️ چارت بندی صفحات گزارش و طراحی قرارگیری اشیاء در آن در پست قبلی به نکات یک گزارش حرفه ای اشاره کردیم. در این‌ پست به بررسی دو آیتم اول می پردازیم. ▪️اشیاء گزارش باید در گروه‌های منطقی قرار گیرند تا ارتباط‌ بین آنها روشن شود. با رعایت قاعده یک سوم و استفاده از بخش بندی منظم، می‌توانید به گزارشتان نظم دهید. این قاعده پیشنهاد میدهد که چیدمان صفحه باید به یک شبکه نامرئی از 9 بخش مساوی، تقسیم شود؛ یعنی صفحه با دو خط افقی و دو خط عمودی با فواصل یکسان تقسیم شود سپس، اشیاء گزارش می توانند در سلول های شبکه قرار گیرند. ▪️هم چنین به مکان مناسب اشیاء توجه نمایید. برای ایجاد ترتیب، اطلاعات اصلی را در گوشه بالاو سمت چپ صفحه و اشیاء گزارش را از چپ به راست و از بالا به پایین قرار دهید. این کار باعث تراز لبه‌های عمودی و افقی می شود و جذابیت بصری را افزایش می‌دهد. تصویر فوق، مثالی از گزارش فروش یک فروشگاه برای دو نکته فوق است که منطقه 1 فروش را بر اساس محصول، منطقه 2 فروش را بر اساس فروشگاه مشتری و منطقه 3 اقلامی را نشان می دهد که فروخته شده است. این پست ادامه دارد. 🏫 @DataScience_School 🌐Http://dsstalent.com

#موقعیت_شغلی ✳️ تیم هوش‌مصنوعی شرکت ایرانسل، در ۴ موقعیت شغلی زیر استخدام می نماید. ▪️Senior Data Scientist ▪️Senior Data Engineer ▪️Machine Learning Engineer ▪️Data Science Internship علاقمندان می توانند رزومه ی خود را با ایمیل یا شماره موبایل زیر ارسال نمایند. 📧 mohammadmahdi.h@mtnirancell.ir 📞 +989352001853 🏫 @DataScience_School 🌐Http://dsstalent.com

#Power_BI همیشه سوال بسیار پرتکراری که میبینم پرسیده میشه اینه که چرا خیلی از گزارشاتی که تهیه میشه از طرف افراد، علیرغم وقت بسیار زیادی که گذاشته میشه، حرفه ای بنظر نمیاد. در این پست و پست های آینده به این میپردازیم که چطور با استفاده از اصول زیر، گزارشات حرفه ای تری بسازیم: 🔹چارت بندی صفحات گزارش 🔹طراحی قرارگیری اشیاء گزارش، 🔹 تعادل بین اشیاء، 🔹️تضاد، 🔹مجاورت و نزدیکی بین شاخص های گزارش و 🔹 تکرار با ما همراه باشید. 🏫 @DataScience_School 🌐Http://dsstalent.com

#storytelling 5 مرحله مهم در هنر داستان سرایی: 1️⃣ ابزاری را انتخاب کنید که تجزیه و تحلیل داده ها را ارتقا دهد: نه تنها تجزیه و تحلیل داده ها را ساده می کند، بلکه تجربه داستان گویی بصری را نیز افزایش می دهد. 2️⃣ داستان خود را بسازید: هر تجسم عالی با یک روایت قانع کننده شروع می شود. 3️⃣ داده های خود را مصورسازی کنید: از نمودارها، نمودارها و تصاویر تعاملی برای انتقال اطلاعات پیچیده به شیوه ای واضح و جذاب استفاده کنید. 4️⃣ داده های مهم را در داستان خود برجسته کنید: تاثیرگذارترین بینش ها را شناسایی کنید و مطمئن شوید که در مرکز روایت شما قرار می گیرند. درک اهمیت یافته های شما را برای مخاطبان خود آسان کنید. 5️⃣ نیاز به اقدام را اعلام کنید: مصورسازی داده‌ها فقط ارائه اطلاعات نیست، بلکه در مورد ایجاد تعامل است. پیامدهای داده های خود را به وضوح بیان و گام های بعدی را اعلام نمایید. 🏫 @DataScience_School 🌐Http://dsstalent.com

#Course_DataAnalytics ❇️ پنج مورد از بهترین منابع و کورس های رایگانی که با استفاده از آنها میتوان به یک تحلیلگر داده قوی تبدیل شد: 🎓Data Analysis with Python by IBM 🔗https://lnkd.in/dQQnEAzu 🎓Mastering Data Analysis in Excel by Duke University 🔗https://lnkd.in/d669XRCy 🎓Data Analysis with R by IBM 🔗https://lnkd.in/enQamJsA 🎓The Ultimate Pandas Bootcamp: Advanced Python Data Analysis by Andy Bek 🔗https://lnkd.in/ef4WNR7f 🎓Learn SQL Basics for Data Analysis by University oif University of California 🔗https://lnkd.in/dHwC9YmA 🏫 @DataScience_School 🌐Http://dsstalent.com