Data Science | علم داده

Открыть в Telegram

📊 دانشمند داده شوید! 👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼‌ 🆔 @DataScienceir_Adv

Больше

Сеть:Data Science | علم داده Иран6 670 Технологии и приложения2 659...

📈 Аналитический обзор Telegram-канала Data Science | علم داده

Канал Data Science | علم داده (@datascience_ir) языкового сегмента Фарси является активным участником. Сейчас сообщество объединяет 50 096 подписчиков, занимая 2 659 место в категории Технологии и приложения и 6 670 место в регионе Иран.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 50 096 подписчиков.

Согласно последним данным от 27 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -318, а за последние 24 часа — -10, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 7.25%. В первые 24 часа после публикации контент обычно набирает 3.00% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 3 630 просмотров. В течение первых суток публикация набирает 1 503 просмотров.
Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 8.
Тематические интересы: Контент сосредоточен на ключевых темах, таких как ابزار, داده, واقعی, پایتون, دیتا.

📝 Описание и контентная политика

Автор описывает ресурс как площадку для выражения субъективного мнения:
“📊 دانشمند داده شوید! 👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼‌ 🆔 @DataScienceir_Adv”

Благодаря высокой частоте обновлений (последние данные получены 28 июня, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.

50 096

Подписчики

-1024 часа

-477 дней

-31830 день

3 630

Просмотры поста

~ 1 50324 часа

~ 1 86948 часов

7.25%

Коэффициент вовлеченности

~ 1

Постов в день

Ads index

beta

Архив постов

50 091

✏️ جزوه جامع پاکسازی داده‌ها با Python, R, Excel, Power BI, SQL 👨🏻‍💻همیشه اولین توصیه‌ای که برای انجام یک پروژه علوم داده می‌کنم اینه که، قبل از اینکه مدل بسازین، داده‌هاتون رو تمیز کنین! ❗️ 80% از زمان یک دانشمند داده صرف پاکسازی و اصلاح داده‌های بهم‌ریخته می‌شه. ▶️ چرا پاک‌سازی داده‌ها انقدر ضروریه؟ ⏯️ حذف داده‌های تکراری: دیگه خبری از رکوردهای اضافی نیست! 2️⃣ اصلاح فرمت‌ها: داده استاندارد = تحلیل بی‌دردسر! 3️⃣ مدیریت داده‌های ناقص: بدون گپ، بدون خطا! 4️⃣ شناسایی داده‌های پرت: ناهنجاری‌ها رو کنترل کن! 5️⃣ افزایش دقت مدل‌ها: داده تمیز = پیش‌بینی بهتر! 🔀 مراحل ضروری پاک‌سازی داده: ✔️ حذف داده‌های تکراری و استانداردسازی ✔️ پر کردن یا حذف داده‌های ناقص ✔️ شناسایی و اصلاح داده‌های پرت ✔️ نرمال‌سازی و تبدیل داده‌ها ✔️ خودکارسازی پاک‌سازی با Python, SQL 💡 نکته طلایی: پاک‌سازی داده‌ها فقط یه کار روتین نیست، پایه و اساس تحلیل‌هایِ قابل اعتماد شماست! 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa

50 091

راه‌اندازی دیتاسنتر آروان‌کلاد در اروپا ☁️ با اضافه شدن دیتاسنتر جدید اروپا به محصول سرور مجازی آروان‌کلاد، شما می‌توانید ابرک‌های خودتان را در آلمان هم راه‌اندازی کنید. 🌍 ویژگی‌ متمایز این دیتاسنتر، ترافیک دانلود و آپلود رایگان تا ۱۰ ترابایت به‌شکل ماهانه است. با ایجاد ابرک در این دیتاسنتر از امکاناتی مانند موارد زیر نیز بهره‌مند شوید: ✅ امکان استفاده از IPv6 رایگان ✅ قابلیت پشتیبان‌گیری ✅ پرداخت به شکل ساعتی و روزانه ✅ و... 🎁 برای ساخت سرور مجازی در آلمان با ۳۰٪ تخفیف ویژه، همین حالا در حساب کاربری خود به بخش سرور بروید و ابرک جدیدتان را در دیتاسنتر گوته ایجاد کنید. 📌 برای دریافت اطلاعات بیش‌تر به لینک زیر بروید: https://r1c.ir/x8r7f ☁️ @ArvanCloud

50 091

🟡 دوره آموزشی برنامه نویسی Python🎓 مهارتی که به شما قدرت تغییر دنیا را می دهد! با پایتون آینده ای درخشان بسازید... 💰ویژه ورود به بازار کار 💰 🔻شروع دوره ۳۴ به صورت حضوری از ۲۱ بهمن 🔻شروع دوره ۳۵ به صورت آنلاین از ۱۹ بهمن 🔻با ارائه گواهینامه معتبر و قابل ترجمه 🔻تخفیف و اقساط حکمت کارت 🔻ثبت نام برای عموم آزاد است 📍 محل برگزاری: جهاد دانشگاهی صنعتی امیرکبیر ✅ ثبت‌نام: @amirkabirjde_admin 👈 [اطلاعات بیشتر] - ۰۲۱۸۸۸۰۷۰۰۸ #برنامه_نویسی #آموزش_پایتون #Python #آموزش_Python #جهاد_دانشگاهی @amirkabirjde

50 091

🔴 اولین AI Copilot ویژه دیتاساینستیست‌ها! 👨🏻‍💻 معرفی می‌کنم؛ Data Copilot یه دستیار خفن از Mito. دستیار هوشمندی که شیوه کار با Jupyter Notebook رو برای همیشه براتون تغییر می‌ده و باعث میشه سریع‌تر، راحت‌تر و بهینه‌تر کار کنین. ✏️ چرا عاشقش می‌شین؟ 🔢 کد رو فوری براتون می‌نویسه: فقط ازش بپرسین، خودش کد رو تولید می‌کنه. 🔢 خطاها رو تو چند ثانیه رفع می‌کنه: دیگه ساعت‌ها وقتتون روی دیباگ هدر نمی‌ره. 🔢 کدتون رو بهینه می‌کنه: پیشنهادهای هوشمند برای بهینه‌سازی می‌ده. 🔢 دیتافریم‌هاتون رو تعاملی می‌کنه و نمودارها رو خودکار می‌سازه. 🔢 تحلیل داده رو از صفر تا صد براتون انجام می‌ده: از پاکسازی داده‌ها گرفته تا ویژوال‌سازی، همه‌چی رو ساپورت می‌کنه! ✔️ و بهترین قسمتش؟ اوپن سورسه و فقط با یه دستور نصب میشه. فقط کافیه این یه خط رو اجرا کنین:👇

pip install mito-ai mitosheet

┌ 🤖 AI Copilot ├ 📄 Mito └ 🐱 GitHub-Repos 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa

50 091

🎓 آخرین فرصت را از دست ندهید! ۵ روز پرتخفیف 💢دوره آنلاین آموزش طراحی سایت Web Design HTML،CSS،JavaScript ⬅️روزهای یکشنبه و سه شنبه ساعت17:00 الی 20:00 ✅در دوره آموزشی طراحی سایت Web Design با مطالب زیر آشنا می‌شوید: آموزش HTML آموزش CSS آموزش فریمورک Bootstrap5 آموزش زبان برنامه نویسیJavaScript (ES6) آموزش کار با کتابخانه React 👈 این دوره پیش نیاز ندارد ➖➖➖➖➖➖➖➖➖➖➖➖ 🌐کسب اطلاعات بیشتر و ثبت نام با 15% تخفیف:👇 https://B2n.ir/z26875 ➖➖➖➖➖➖➖➖➖➖➖➖ 📞تلفن ثبت نام: 02167641999 📱مشاوره تلگرام : 09377533910 ➖➖➖➖➖➖➖➖➖➖➖➖ ✓ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص

50 091

✅ پنج درسی که تو 5 سال اولم به عنوان یه دانشمند داده یاد گرفتم: 🔢 اول داده، بعد مدل! ✏️ قبل از اینکه توی انتخاب مدل و مدل سازی غرق بشی، اول ببین اصلاً داده‌‌هایی که داری درست و تمیزه یا نه. 70% کار یه پروژه ML، تمیز کردن داده‌هاست، نه مدل زدن! پس اول داده‌هاتو بررسی و تمیز کن، بعد برو سراغ مدل! ➖ ➖ ➖ ➖ ➖ ➖ 🔢 انتخاب متریک درست، شاه‌کلید موفقیته! ✏️ هر مدلی که بزنی، بدون یه متریک درست، هیچ ارزشی نداره. یه مدل ممکنه روی کاغذ عالی به نظر بیاد، ولی اگه متریک درستی برای سنجیدنش نداشته باشی، نمی‌فهمی واقعاً خوبه یا نه. دقت (accuracy) همیشه بهترین گزینه نیست! گاهی F1-score یا AUC-ROC مهم‌تره. پس متریک رو هوشمندانه انتخاب کن. ➖ ➖ ➖ ➖ ➖ ➖ 🔢 همیشه کارِ تو با ساده‌ترین روش شروع کن! ✏️ قبل از این که مدل‌های سنگین و پیچیده رو امتحان کنی، یه بیس‌لاین (Baseline) ساده بزن. لازم نیست از همون اول مدل‌های پیچیده‌ای مثل شبکه‌های عصبی رو بیاری وسط. خیلی وقتا یه مدل ساده مثل رگرسیون خطی یا حتی یه رول‌بیس می‌تونه کلی از کارت رو راه بندازه. ➖ ➖ ➖ ➖ ➖ ➖ 🔢 تحلیل اکتشافی داده‌ها (EDA) واجبه! ✏️ بله، واجبه! چون با EDA می‌فهمی توی دیتاستت چی می‌گذره. پس قبل از مدل‌سازی، یه نگاه دقیق به داده‌هات بنداز. ببین توزیع‌شون چطوریه، مقدارهای گمشده (Missing Values) داری یا نه، داده‌های پرت (Outliers) چقدرن. این کار بهت کمک می‌کنه بفهمی چه ویژگی‌هایی مهمن و از اول، مسیر رو درست بری. ➖ ➖ ➖ ➖ ➖ ➖ 🔢 کدت رو طوری بنویس که چند وقت بعد خودت هم بفهمیش! ✏️ قابلیت تکرارپذیری، یعنی هر کسی بتونه کدت رو اجرا کنه و همون نتیجه رو بگیره. بارها پیش میاد که یه ماه بعد برمی‌گردی سراغ کدی که نوشتی و هیچی ازش نمی‌فهمی! همیشه مرتب کدنویسی کن و از notebooks بی‌نظم دوری کن، از کامنت‌گذاری، نسخه‌بندی (Git)، logging و documentation استفاده کن. ✍️ اگه اینارو زودتر می‌دونستم، کلی از زمانم ذخیره می‌شد! 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa

50 091

✅ 5 درسی که تو ۵ سال اولم به عنوان یه دانشمند داده یاد گرفتم: 🔢 اول داده، بعد مدل! ✏️ قبل از اینکه توی انتخاب مدل و مدل سازی غرق بشی، اول ببین اصلاً داده‌‌های که داری درست و تمیزه یا نه. ۷۰٪ کار یه پروژه ML تمیز کردن داده‌هاست، نه مدل زدن! پس اول داده‌هاتو بررسی و تمیز کن، بعد برو سراغ مدل! ➖ ➖ ➖ ➖ ➖ ➖ 🔢 انتخاب متریک درست، شاه‌کلید موفقیته! ✏️ هر مدلی که بزنی، بدون یه متریک درست، هیچ ارزشی نداره. یه مدل ممکنه روی کاغذ عالی به نظر بیاد، ولی اگه متریک درستی برای سنجیدنش نداشته باشی، نمی‌فهمی واقعاً خوبه یا نه. دقت (accuracy) همیشه بهترین گزینه نیست. گاهی F1-score یا AUC-ROC مهم‌تره. پس متریک رو هوشمندانه انتخاب کن. ➖ ➖ ➖ ➖ ➖ ➖ 🔢 همیشه کارِ تو با ساده‌ترین روش شروع کن! ✏️ قبل از این که مدل‌های سنگین و پیچیده رو امتحان کنی، یه بیس‌لاین (Baseline) ساده بزن. لازم نیست از همون اول مدل‌های پیچیده‌ای مثل شبکه‌های عصبی رو بیاری وسط. خیلی وقتا یه مدل ساده مثل رگرسیون خطی یا حتی یه رول‌بیس می‌تونه کلی از کارت رو راه بندازه. ➖ ➖ ➖ ➖ ➖ ➖ 🔢 تحلیل اکتشافی داده‌ها (EDA) واجبه! ✏️ بله، واجبه! چون با EDA می‌فهمی توی دیتاستت چی می‌گذره. پس قبل از مدل‌سازی، یه نگاه دقیق به داده‌هات بنداز. ببین توزیع‌شون چطوریه، مقدارهای گمشده (Missing Values) داری یا نه، داده‌های پرت (Outliers) چقدرن. این کار بهت کمک می‌کنه بفهمی چه ویژگی‌هایی مهمن و از اول مسیر رو درست بری. ➖ ➖ ➖ ➖ ➖ ➖ 🔢 کدت رو طوری بنویس که چند وقت بعد خودت هم بفهمیش! ✏️ قابلیت تکرارپذیری، یعنی هر کسی بتونه کدت رو اجرا کنه و همون نتیجه رو بگیره. بارها پیش میاد که یه ماه بعد برمی‌گردی سراغ کدی که نوشتی و هیچی ازش نمی‌فهمی! همیشه مرتب کدنویسی کن و از notebooks بی‌نظم دوری کن، از از کامنت‌گذاری، نسخه‌بندی (Git)، logging و documentation استفاده کن. ✍️ اگه اینارو زودتر می‌دونستم، کلی از زمانم ذخیره می‌شد! 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa

50 091

🖥جزوه «آمار برای علوم داده» 👨🏻‍💻 خیلیا هنوز فکر می‌کنن اولین قدم برای یادگیری علوم داده و ML، کدنویسیه. در صورتی که اول باید توی آمار و احتمال قوی بشین! ✏️ من خیلی وقت گذاشتم تا آمار رو عمیق یاد بگیرم و تو این مسیر یادداشت‌های خیلی مفصلی نوشتم تا مفاهیم اصلی رو که برای کار با داده‌ها نیاز دارم، به‌خوبی درک کنم. الان خیلی خوشحالم که می‌تونم این یادداشت‌ها رو به اشتراک بذارم. 🖥 اولش همه مباحث رو دست‌نویس نوشته بودم، ولی حالا با LaTeX دوباره بازنویسی‌شون کردم که خیلی مرتب‌تر و خواناتر بشن. 📝 می‌تونید از طریق لینک زیر به نسخه‌های دست نویس هم دسترسی داشته باشین:👇 🖥 آمار ➖ 🖥 احتمال 💰 لینک دوره‌هایی هم که برای نوشتن این جزوات ازشون استفاده کردم اینجا گذاشتم:👇 🖥 Statistics 🖥 Discrete Probability Distributions 🖥 Continuous Probability Distributions 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa

50 091

Repost from N/a

❇️ آخرین فرصت — ۶۰ درصد تخفیف ویژه در فرادرس، بهترین فرصت یادگیری!‎ 🎓 از دروس دانشگاهی تا مهارت‌های کاربردی 🎁 کد تخفیف: YAD56 👇 بعضی از پر‌فروش‌ترین آموزش‌ها 👇 ▫️ مجموعه آموزش ابزارهای علم داده – جامع و کاربردی ▫️ مجموعه آموزش هوش مصنوعی با پایتون ▫️ مجموعه آموزش پایتون برای علم داده ▫️ مجموعه آموزش پایتون برای یادگیری عمیق ▫️ مجموعه آموزش برنامه نویسی پایتون 📚 مشاهده سایر آموزش‌ها - [کلیک کنید] 🔄 FaraDars - فرادرس

50 091

2️⃣ ریپوی گیت‌هاب ROBIN آپدیت شد! 👨🏻‍💻 ابزار ROBIN یه محصول خفن برای شناسایی و حذف داده‌های پرت و افزایش دقت مدل‌ها بر اساس گراف‌های سازگاریه که قراره تحلیل داده‌ها و پروژه‌های ML شما رو حسابی مقاوم‌تر کنه! این ابزار توسط Jingnan Shi و Heng Yang تهیه شده و در آپدیت جدیدش کلی بهینه‌ش کردن. ✏️ چرا ابزار ROBIN یه شاهکاره؟ 🔢 دقیق و مقاوم در برابر نویزه. 🔢 سبک و سریع و بدون دردسر پردازشیه. 🔢 نصبش هم با یه خط کد حل می‌شه. 🔢 قبلا امتحانش رو پس داده! پارسال توی مسابقات NSS Challenge ازش استفاده‌ کردیم و تیم اول مسابقات شدیم! (فقط یه عدد ببینید: RMSE ما = ۰.۰۵۶ متر😎، نفر دوم؟ ۲.۴۱۴ متر🙂‍↔️!!!) 🔗 لینک ریپوی آپدیت‌شده: ROBIN 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa

50 091

🏐 فقط چند روز تا شروع مسیرهای حرفه ای: 🚨 دانشمند داده و مهندسی هوش مصنوعی دایکه 🚨Dayche Data Scientist & ML/AI Engineer 👈 ثبت نام در طرح های پرداخت متنوع نقد . اقساط . دانشجویی . شهریه معوق 🌐 t.me/daycheapply 👈 برنامه نویسی پایتون . آمار و داده کاوی . تحلیل بیگ دیتا . مهارت‌های نرم‌افزاری . ریاضیات AI . یادگیری ماشین پیشرفته . یادگیری عمیق پیشرفته . MLOps . SDLC . پردازش ابری AWS/GCP . مدل‌های مولد و زبانی LLM/VLM ✍️مشاوره کامل قبل ثبت نام: 👇👇 ✅ دایرکت: ➡️ @daycheapply ✅ تماس مستقیم: 📞 021-910-96122 ✅ پیامک: ارسال کد 1 به 📲 0930-0214441 ✅ اطلاعات بیشتر: 🌐 Dayche.com

50 091

🏳️‍🌈 ۸۰ سوال مصاحبه‌های Python 📄 با جواب و کد! 👨🏻‍💻 کریش نایک محقق و دانشمند داده معروف هندی، یه مجموعه عالی از ۸۰ سوال پرکاربرد در مصاحبه‌های Python رو همراه با جواب و کد منتشر کرده! 🤩 ✅ این می‌تونه یه منبع فوق‌العاده برای کسایی باشه که خودشون رو برای مصاحبه‌های برنامه‌نویسی و علوم داده آماده می‌کنن.👌🏼 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa

50 091

آزمون آیلتس میخوای شرکت کنی؟ میدونستی میتونی به همه سوالات آزمون آیلتس بصورت رایگان دسترسی داشته باشی؟ ما تو وبسایت تست‌هلپر دسترسی به همه آزمون های کمبریج (حتی کمبریج 19) و سوالات واقعی رو (Real Test) فراهم کردیم. اونم نه دسترسی عادی، بلکه تمام سوالات تو فضای شبیه‌سازی شده‌ی آزمون کامپیوتری آیلتس چیده شدن تا بتونی تو شرایط 100% واقعی تست بزنی. بعلاوه، کلی امکانات آموزشی مثل دسترسی به 5 دیکشنری فقط با یه کلیک، جعبه لایتنر، فلش کارت و از همه مهمتر تصحیح با هوش مصنوعی هم برات در نظر گرفتیم. تازه اپلیکیشن موبایل هم هست که می تونی همه جا و بصورت آفلاین به همه امکانات دسترسی داشته باشی. فقط کافیه یه سر به وبسایت تست هلپر بزنی و وارد بخش آیلتس بشی: TestHelper.ir TestHelper.ir راستی با استفاده از سایت تست هلپر، برای آزمون تافل هم میتونی تمرین کنی. برای تافل، انواع سوالات (شامل TPO، Neo-TOEFL، Zhenti و ...) و امکانات آموزشی متنوع رو آماده کردیم. در ضمن هر قدم از مسیرت به مشکل خوردی (از سوال درسی گرفته تا حتی ثبت نام و اطلاعات سنترها) می‌تونی تو گروه‌های اختصاصی این دو آزمون سوال کنی: 🔸گروه تافل 🔸گروه آیلتس

50 091

👨🏻‍💻 انتشارات O'Reilly Media یکی از معتبرترین ناشران در حوزه برنامه‌نویسی، داده کاوی و AI، اومده 10 تا از کتاب‌های حوزه علوم داده رو به رایگان در اختیار علاقه مندان این حوزه قرار داده. ✔️ برای استفاده از نسخه آنلاین و PDF این کتاب‌ها می‌تونید از لینک‌های زیر استفاده کنین:👇 0⃣ کتاب Python Data Science Handbook ┌ Online └ PDF 1⃣ کتاب Python for Data Analysis ┌ Online └ PDF 🔢 کتاب Fundamentals of Data Vis ┌ Online └ PDF 🔢 کتاب R for Data Science ┌ Online └ PDF 🔢 کتاب Deep Learning for Coders ┌ Online └ PDF 🔢 کتاب DS at the Command Line ┌ Online └ PDF 🔢 کتاب Hands-On Data Visualization ┌ Online └ PDF 🔢 کتاب Think Stats ┌ Online └ PDF 🔢 کتاب Think Bayes ┌ Online └ PDF 🔢 کتاب Kafka, The Definitive Guide ┌ Online └ PDF 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa

50 091

✏️ جزوه «جبرخطی برای علم داده» 👨🏻‍💻 گیلبرت استرنگ استاد معروف درس جبرخطی دانشگاه MIT، در دوران کرونا یک منبع خلاصه و منظم از مباحث کاربردی جبرخطی آماده کرد به نام ZoomNotes. 📄 بعد از دوران کووید این جزوه 80 صفحه‌ای، به یه منبع ارزشمند برای یادگیری جبرخطی — (از فاکتورگیری‌های ماتریسی بگیر تا مقادیر ویژه، فضاهای برداری و ارتباط جبر خطی با علوم داده) — تبدیل شد! ✔️ این جزوه مکمل کلاس‌های ویدیویی استرنگ در MIT هست. 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa

50 091

مدل‌های بنیادی هوش مصنوعی زیر ذره‌بین دیده‌بان ❓ این روزها همه دارن از هوش مصنوعی حرف می‌زنن، اما چند نفر واقعا می‌دونن پشت پرده چه خبره؟ 💥جدیدترین شماره فصلنامه دیده‌بان شما رو از 90% افرادی که فقط در سطح با ابزارهای AI کار می‌کنن متمایز می‌کنه. تو این شماره که عنوانش «هوش‌وارگی ماشین» هست، همه چیز از مدل‌های بنیادی بومی و خارجی به زبانی ساده و قابل فهم توضیح داده شده تا شما بتونید درست مثل یه متخصص واقعی، درک عمیق‌تری از مدل‌های بنیادی و مسیر تحول هوش مصنوعی پیدا ‌کنید. 📓 این شماره از فصلنامه با معرفی جامع مدل‌های بزرگ بینایی ماشین و مدل‌های بنیادی زبانی، چه داخلی و چه خارجی، تصویری کامل از پیشرفت‌های این حوزه ارائه می‌کنه. 👈 برای تهیه به روز‌ترین و جامع‌ترین فصلنامه در زمینه مدل‌های بنیادی هوش مصنوعی به لینک زیر مراجعه کنید: 🔗 https://B2n.ir/m88222 🆔 @partdpai

50 091

🚨 یک یادآوری ضروری برای دیتا ساینتیست‌ها! 👨🏻‍💻 قبل از اینکه بپرین توی دنیای یادگیری ماشین و علوم داده، اول مباحث پایه‌ رو خوب یاد بگیرین! این لیست کمکتون می‌کنه مسیر رو اصولی جلو ببرین: 1️⃣ قبل از یادگیری ماشین، آمار رو یاد بگیر! ✏️ چون الگوریتم‌ها ریشه در مفاهیم آماری دارن. ➖ ➖ ➖ ➖ 2️⃣ قبل از کار با BigQuery یا Snowflake، اول SQL رو یاد بگیر! ✏️ چون پایه‌ی همه‌ی کارهای دیتابیسیه. ➖ ➖ ➖ ➖ 3️⃣ قبل از TensorFlow یا PyTorch، اول پایتون رو یاد بگیر! ✏️ چون بدون پایتون هیچ کاری نمی‌تونی بکنی. ➖ ➖ ➖ ➖ 4️⃣ قبل از شیرجه توی یادگیری عمیق، اول Numpy و Pandas رو یاد بگیر! ✏️ چون ابزارهای اصلی برای کار با داده هستن. ➖ ➖ ➖ ➖ 5️⃣ قبل از PCA یا SVD، اول جبر خطی رو یاد بگیر! ✏️ چون این روش‌ها وابسته به مفاهیم جبرخطیه. ➖ ➖ ➖ ➖ 6️⃣ قبل از استنباط بیزی، اول آمار و احتمال رو یاد بگیر! ✏️ چون بدون فهم کامل مبانی احتمال، استنباط بیزی بی‌معنیه! ➖ ➖ ➖ ➖ 7️⃣ قبل از آموزش مدل، تمیز کردن داده‌ها رو یاد بگیر! ✏️ چون داده‌ی تمیز = مدل بهتر. ➖ ➖ ➖ ➖ 8️⃣ قبل از مهندسی ویژگی‌ها، تحلیل اکتشافی داده (EDA) رو یاد بگیر! ✏️ چون باید بفهمی داده‌هات چه شکلی هستن. ➖ ➖ ➖ ➖ 9️⃣ قبل از یادگیری تقویتی، یادگیری نظارت‌شده رو درک کن! ✏️ چون پایه‌ی خیلی از مفاهیم یادگیری ماشینه. ➖ ➖ ➖ ➖ 1️⃣ قبل از شبکه‌های عصبی، مدل‌های کلاسیک یادگیری ماشین رو یاد گیر! ✏️ چون همیشه شبکه‌های عصبی بهترین انتخاب نیستن! ➖ ➖ ➖ ➖ 1️⃣ قبل از دیپلوی کردن مدل‌های ML، مفاهیم پایه‌ای کلود رو یاد بگیر. ✏️ چون نیاز به زیرساخت‌های ابری داری. ➖ ➖ ➖ ➖ 1️⃣ قبل از یادگیری دریاچه‌های داده (Data Lakes)، اول پایپ‌لاین‌های داده رو بشناس! ✏️ چون مسیر حرکت داده رو باید بفهمی. ➖ ➖ ➖ ➖ 1️⃣ قبل از دیپلوی مدل، یاد بگیر چطوری مدل رو ارزیابی کنی! ✏️ چون یه مدل خوب = مدلی که درست تست شده باشه. ➖ ➖ ➖ ➖ 1️⃣ قبل از ردیابی آزمایشات، نسخه‌سازی کد (Version Control) رو یاد بگیر! ✏️ چون بدون VC، پروژه‌هات به‌هم می‌ریزه! ➖ ➖ ➖ ➖ 1️⃣ قبل از تنظیم هایپرپارامترها، الگوریتم‌ها رو خوب درک کن. ✏️ چون باید بدونی داری چی تنظیم می‌کنی! ➖ ➖ ➖ ➖ ✔️ و حرف آخر: 📄 اول مفاهیم پایه‌ رو خوب یاد بگیر و توش استاد شو، بعد برو سراغ بخش‌های پیچیده‌تر! 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir 📱 پیج اینستاگرام: 📊 @DataScience_fa

50 091

🗂 5 پلتفرم فرصت‌های کارآموزی علم داده 👨🏻‍💻 اگه تازه‌ کارین و دنبال یه فرصت کارآموزی در زمینه علوم داده و تحلیل داده هستین، سایت‌های زیادی وجود دارن که می‌تونن بهتون کمک کنن. من چندتا از این سایت‌ها رو اینجا براتون لیست کردم:👇 1️⃣ وبسایت Forage ⏪ ارائه‌دهنده کارآموزی‌های آنلاین و رایگان علوم داده برای تقویت مهارت‌های شغلی و کسب تجربه واقعی. ➖➖➖➖➖➖➖➖➖ 2️⃣ وبسایت Catchafire ⏪ امکان همکاری داوطلبانه با شرکت‌ها برای به‌کارگیری مهارت‌های تحلیل داده در پروژه‌های واقعی. ➖➖➖➖➖➖➖➖➖ 3️⃣ وبسایت DataKind ⏪ ایجاد پلی بین دانشمندان داده و شرکت‌ها برای استفاده از تحلیل داده‌ها در جهت حل مسائل اجتماعی. ➖➖➖➖➖➖➖➖➖ 4️⃣ وبسایت Statistics Without Borders ⏪ پیوند متخصصان آمار و تحلیلگران داده به پروژه‌های داوطلبانه جهانی و انسانی. ➖➖➖➖➖➖➖➖➖ 5️⃣ وبسایت Viz for Social Good ⏪ انجمنی برای داوطلبان که از طریق تصویری‌سازی داده‌ها به پروژه‌های خیریه و اجتماعی کمک می‌کنه. 🌐 #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📊 @DataScience_ir

50 091

Repost from N/a

🔴 فرصت محدود؛ ۶۰⁒ تخفیف برای ۱۲,۰۰۰+ عنوان آموزشی در فرادرس! 🗓 همین حالا برای یادگیری برنامه ریزی کن و دوره‌های مورد نظرتو با تخفیف ویژه از فرادرس دریافت کن. 🔗 تحلیل مالی با هوش مصنوعی ChatGPT 🔗 زبان انگلیسی برای اپلای و نامه‌ نگاری آکادمیک 🔗 آنالیز داده‌های Microarray در زبان R 🔗 داده کاوی حرفه‌ای با KNIME + پروژه عملی تحلیل داده 🔗 آموزش Apache Spark برای پردازش داده 📚 مشاهده سایر آموزش‌ها - [کلیک کنید] 🎁 کد تخفیف: YAD56 🔄 FaraDars - فرادرس

50 091

پایتون رو از پایه، اصولی و کاربردی یاد بگیر. از مقدماتی تا پیشرفته بدون هیچ پیش‌نیازی فقط کافیه علاقه‌مند باشی. قیمت ~~۱,۵۵۹,۰۰۰~~ تا ۲۴ ساعت فرصت داری فقط با قیمت 😉 ۹۹۹ هزار تومان ثبت‌نام کنی(قسطی) 🔗 https://quera.org/r/fhhrs