علم داده (Data Science)
Открыть в 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
Больше6 233
Подписчики
Нет данных24 часа
-17 дней
-2730 день
Архив постов
📖 Power BI DAX Formulas - Reference Guide
💡 منبع آموزشی بسیار جامع DAX که توسط شرکت Enterprise DNA آماده و منتشر شده است.
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
💡 Deep Learning Interviews
👨🏫 این منبع فوقالعاده و بسیار جامع، مسائل و سوالات یادگیری عمیق را در سطوح مختلف عنوان کرده و توضیحات مفصلی را برای هر یک ارائه داده است.
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
🔸لیستی از برترین کانالهای آموزشی در زمینه های هوشمصنوعی, پایتون و یادگیری ماشین
❯ هوش مصنوعی:
1️⃣ @Ai_NewsTv
2⃣ @ai_python
3⃣ @HomeAI
❯ علم داده :
1️⃣ @DataSciSchool
2⃣ @DataPlusScience
❯ یادگیری ماشین :
1⃣ @Machine_learn
❯ آموزش پایتون:
1⃣ @Programming4all_0to100
2⃣ @raspberry_python
📘 A Hands-On Introduction to Essential Python Libraries and Frameworks | Murat Durmus | 2023
💻 کتابچه آشنایی با کتابخانههای ضروری پایتون برای متخصصان علم داده
➖➖➖➖➖➖➖➖➖➖➖➖
✅ برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
تمامی دورههای گروه آموزشی 365datascience به مدت دو هفته رایگان شده است. از طریق لینک زیر میتوانید به دوره های این سایت دسترسی داشته باشید:
https://zaya.io/dxem2
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
🔸لیستی از برترین کانالهای آموزشی در زمینه های هوشمصنوعی, پایتون و یادگیری ماشین
❯ هوش مصنوعی:
1️⃣ @Ai_NewsTv
2⃣ @ai_python
3⃣ @HomeAI
❯ یادگیری عمیق :
1️⃣ @cvision
❯ منابع برنامهنویسی :
1⃣ @pythony
❯ علم داده :
1️⃣ @DataSciSchool
2⃣ @DataPlusScience
❯ آموزش پایتون:
1⃣ @Programming4all_0to100
2⃣ @raspberry_python
هفته رایگان سایت آموزشی دیتاکمپ شروع شده و امکان استفاده و دریافت گواهینامه رایگان بیش از 460 دوره دادهمحور تا دوازدهم نوامبر ایجاد شده:
https://zaya.io/zrhw4
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
🔴 What is Data Engineering? Overview of the Data Engineering role and responsibilities
✅ آشنایی با مهندسی داده: ابزارها، نقش ها و مسئولیتها
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
🔸لیستی از برترین کانالهای آموزشی در زمینه های هوشمصنوعی, پایتون و یادگیری ماشین
❯ هوش مصنوعی:
1️⃣ @Ai_Tv
2⃣ @ai_python
3⃣ @HomeAI
❯ یادگیری ماشین و یادگیری عمیق :
1️⃣ @Machine_learn
❯ منابع برنامهنویسی :
1⃣@pythony
❯ علم داده :
1️⃣ @DataSciSchool
2⃣ @DataPlusScience
❯ تنسورفلو :
1⃣ @cvision
❯ آموزش پایتون:
1⃣ @Programming4all_0to100
2⃣ @raspberry_python
درس مدلهای بزرگ زبانی دانشکده کامپیوتر دانشگاه شریف با تدریس اساتید دکتر رهبان، دکتر سلیمانی و دکتر عسگری
لینک دسترسی به ویدئوها و اسلاید درس
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
درس LLM دانشکده کامپیوتر دانشگاه شریف با تدریس اساتید دکتر سلیمانی، دکتر عسگری و دکتر رهبان
لینک دسترسی به ویدئو و اسلایدهای درس
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
🔸لیستی از برترین کانالهای آموزشی در زمینه های هوشمصنوعی, پایتون و یادگیری ماشین
❯ هوش مصنوعی:
1️⃣ @Ai_Tv
2⃣ @ai_python
❯ یادگیری ماشین و یادگیری عمیق :
1️⃣ @Machine_learn
❯ تنسورفلو :
1⃣ @cvision
❯ علم داده :
1️⃣ @DataSciSchool
2⃣ @DataPlusScience
❯ آموزش پایتون:
1⃣ @Programming4all_0to100
2⃣ @raspberry_python
📕 Data Warehousing Fundamentals
📚 این کتاب در ۲۵۸ صفحه و به صورت ساده مفاهیم پایهای "انباره داده" را شرح میدهد.
مطالب این کتاب شامل سرفصلهای زیر می باشد:
📊 Data warehousing – Evolution, Key Components & Techniques
🧐 Data warehousing - Basic Concepts
📐 Data Warehouse Design Considerations
💰 Value Consistency
🛠 Warehousing Tools – An Overview
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
Repost from علم داده (Data Science)
Free Course | ChatGPT for Data Analytics
دوره رایگان چت جیچیتی برای دیتا آنالیتیکس
سرفصلهای دوره:
Why AI for Data Analytics?
Intro to AI, LLMs & ChatGPT
Prompt Engineering
ChatGPT for Excel
ChatGPT for Google Sheets
ChatGPT for Power BI
ChatGPT for SQL
ChatGPT for Python
مدرس دوره هم آقای کریس داتون هستند
http://zaya.io/2zk88
📊 @DataPlusScience | @Data➕Science
🌟 PyGWalker: Turn your pandas dataframe into an interactive UI for visual analysis
💡 کتابخانه PyGWalker امکان مصورسازی ساده و جذابی را در محیط پایتون امکانپذیر کرده
🔗 لینک دسترسی به گیت این کتابخانه:
https://zaya.io/t0bam
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
📝 Top 50 Python Interview QNA
✅ در این جزوه به ۵۰ سوال پرکاربرد در مصاحبههای پایتون پاسخ داده شده است.
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
🌟 یکی از کاربران لینکدین 60 سوال علم دادهای از ChatGPT پرسیده که توی این فایل میتونید پرسشها، پاسخها و #کدهایی که ChatGPT نوشته رو ببینید.
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
📝 SQL Basics Cheat Sheet
📝 خلاصه برگ دستورات پایهای SQL
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
هزار؛ کتابخانه جامع هوش مصنوعی برای زبان فارسی شامل مدلهای مختلف برای پردازش متن، صوت، تصویر و …
هرچند این عنوانِ خلاصهای برای این پروژهست؛ اگر بخوایم دقیقتر توصیف کنیم «هزار» یک کتابخونه و فریموورک برای دموکراتیزه کردن تمام کارهای خفن هوش مصنوعی اعم از مدل، دیتاست، تکنیکهای پیشپردازش و آموزش مدل و … هست که یا قبلا توسط افرادی توی کامیونیتی فارسی انجام شده یا در آینده توسط این کامیونیتی (و به ویژه تیم هزار) انجام میشه.
در حال حاضر ما توی این پروژه، بیستواندی مدل برای کاربردهای مختلفی از جمله speech recognition، OCR، image captioning، masked language modeling، text generation، word embedding و … آموزش دادیم (یا از مدلهای آموزش داده شده قبلی استفاده کردیم)
بعضی از مدلامون در نوع خودشون نوین هستند و تا قبل از این مشابهشون به شکل عمومی منتشر نشده (مثل مدلهایی که برای image captioning و ocr و speech recognition زدیم) و خب این تازه اول راهمونه و برنامههای جدی برای آموزش مدلهای خیلی خفنتر در آینده داریم...
توصیه میکنم حتما به گیتهاب پروژه سر بزنید:
github.com/hezarai/hezar
📊 Machine Learning Model Metrics (Classification Metrics)
💡 این جزوه مفید به توضیح مختصر دوازده شاخص انتخاب بهترین الگوریتمهای طبقهبندی میپردازد.
🔍 الگوریتمهای مورد اشاره در این جزوه عبارتند از:
- Accuracy
- Precision
- Recall (Sensitivity or True Positive Rate)
- F1-Score
- ROC-AUC
- PR-AUC
- Confusion Matrix
- False Positive Rate (FPR)
- True Negative Rate (TNR) or Specificity
- Matthews Correlation Coefficient (MCC)
- Log Loss (Cross-Entropy Loss)
- Cohen's Kappa
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
