Data Science | علم داده
Открыть в Telegram
📊 دانشمند داده شوید! 👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼 🆔 @DataScienceir_Adv
Больше
📈 Аналитический обзор Telegram-канала Data Science | علم داده
Канал Data Science | علم داده (@datascience_ir) языкового сегмента Фарси является активным участником. Сейчас сообщество объединяет 50 207 подписчиков, занимая 2 656 место в категории Технологии и приложения и 7 009 место в регионе Иран.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 50 207 подписчиков.
Согласно последним данным от 10 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -215, а за последние 24 часа — -12, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 5.06%. В первые 24 часа после публикации контент обычно набирает 2.68% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 2 540 просмотров. В течение первых суток публикация набирает 1 347 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 3.
- 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 11 ноября, 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.
50 207
Подписчики
-1224 часа
-447 дней
-21530 дней
Архив постов
50 205
💵 اگر مهارت داری، چرا هنوز درآمدت ریالیه؟
طراح، برنامه‌نویس، معمار یا تولیدکننده محتوا هستی؟ هر مهارتی داری، فرقی نمی‌کنه!
حقیقت اینه که کارفرماهای خارجی برای همین مهارت فعلیِ تو، چند برابر بازار ایران هزینه می‌کنند.
اما احتمالاً این دغدغه‌ها تا الان مانعت شدن:
❓ چطور تحریم‌ها رو دور بزنم؟
❓ کدوم پلتفرم خارجی برای تخصص من بهتره؟
❓ اصلاً چطور اولین پروژه رو بگیرم و درآمدم رو داخل ایران نقد کنم؟
💎 وبینار رایگان: نقشه راه عملی فریلنسینگ بین‌المللی
💡 در این وبینار، حسین جوان یک نقشه راه عملی و قدم‌به‌قدم بهت می‌ده تا جواب تمام این سوالات رو بگیری و از همین امروز وارد بازار فریلنسری بین‌المللی بشی.
🎁 شرکت در این وبینار جامع کاملاً رایگان است، اما به دلیل محدودیت‌های پلتفرم برگزاری، ظرفیت محدودی دارد.
🗓 زمان: دوشنبه 19 مرداد
⏰ ساعت: ۱۹:۰۰
👇 قبل از تکمیل ظرفیت، از طریق لینک زیر ثبت‌نامت رو قطعی کن:
https://links.etekanesh.com/FJ21
50 205
💢بیست و سومین دوره حضوری / آنلاین جامع علم داده Data Science
🔆شروع از 2 شهریور
⏱️روزهای دوشنبه 16:00 الی 21:00
🌀استاد: وحید قربانی
✅ پنج درصد تخفیف ویژه دانشجویان
پیش نیاز: آشنایی با مفاهیم برنامه نویسی
👀سرفصل دوره + ثبت نام
📞تلفن ثبت نام: 02188738394
📣هر سوالی داری از @sematecr بپرس
✅لذت پیشرفت را تجربه کنیم
🔰سماتک، مرکز آموزش‌های تخصصی IT
🚀@sematecofficial
50 205
📚 بزرگ‌ترین رفرنس ریاضیات برای AI و علوم کامپیوتر!
👨🏻💻 ۲۲۰۴ صفحه ریاضیاتِ خالص و کاربردی حوزه دیتا، اون هم کاملاً رایگان!
▶️ این مرجع بی‌نظیر، تموم نیازهای ریاضیِ یه متخصص هوش مصنوعی رو (از جبر خطی و توپولوژی گرفته تا حساب دیفرانسیل و بهینه‌سازیِ محدب) صفر تا صد برطرف می‌کنه. صدها مثال و تمرین اختصاصی که دقیقاً بر اساس چالش‌های واقعیِ علوم کامپیوتر و دیتا ساینس طراحی شدن.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 205
Repost from مدرسه دقیقه
#پنجره_بازار_کار
#پروژه پیش‌بینی سفارش در شبکه خرده‌فروشی (شرکت پین‌دیس)
اگر به پیش‌بینی و مدلسازی از نوع classification با استفاده از داده‌های واقعی در خرده‌فروشی، تجارت الکترونیک، اف‌ام‌سی‌جی‌ها و مارکت‌پلیس‌ها علاقه‌مندید، انجام این پروژه فرصتی عالی برای دست‌و‌پنجه‌نرم‌کردن با مسائل علوم داده در یک کسب‌وکار، دریافت ارزیابی و بازخورد دقیق است.
نفرات برگزیده برای #استخدام به عنوان #متخصص_علوم_داده (Data Scientist)، #مهندس_یادگیری_ماشین (Machine Learning Engineer) و #تحلیلگر_داده (Data Analyst)، به #شرکت_پین‌دیس معرفی خواهند شد.
پس از ارزیابی پروژه‌ها در مدرسه دقیقه و ارائه بازخورد اختصاصی به شرکت‌کنندگان، از نفرات برگزیده برای دریافت مستندات روش‌شناسی و توضیحات بیشتر دعوت خواهد شد. نفرات برتر جهت مصاحبه شغلی به شرکت پین‌دیس معرفی خواهند شد. داده‌های این پروژه توسط همین شرکت تهیه و کاملا گمنام‌سازی شده است.
نام نفرات برگزیده پس از اتمام کامل این فرایند در وبسایت و شبکه‌های اجتماعی مدرسه دقیقه منتشر خواهد شد.
⏳ برای انجام این پروژه تا ۲۰ مرداد ۱۴۰۵ ثبت نام کنید:
👆 d-learn.ir/orderpredict-pindis
✨ ۳۵٪ تخفیف ویژه شبکه‌های اجتماعی مدرسه دقیقه:
کد تخفیف:
DLrnpn35
⚫ هر چه زودتر ثبت نام کنید فرصت بیشتری برای انجام پروژه خواهید داشت.
تماس با ما:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir50 205
🤖 این پرامپت جادویی جلوی توهم Claude رو می‌گیره!
👩🏻💻 یه نفر یه پرامپت برای کلاد منتشر کرده که هدفش کم کردن خطاها و جواب‌های ساختگی هوش مصنوعیه. به‌نظرم ایده جالبیه، چون به مدل یادآوری می‌کنه که دقت، مهم‌تر از جواب دادن به هر قیمتیه!
⬅️ متن دقیق پرامپت اینه (کافیه همینو کپی کنی):
📄 «بالاترین اولویت تو دقت باشه، نه صرفاً مفید بودن. یه جواب غلطِ با اعتمادبه‌نفس، خیلی بیشتر از گفتنِ "نمی‌دونم" آسیب می‌زنه. تو هر جوابی که می‌دی، این ۷ قانون رو رعایت کن:
🔠 “Your highest priority is accuracy, not helpfulness. A confident wrong answer causes more harm than admitting you don’t know.
1⃣ عدم قطعیت: اگه در مورد چیزی کاملاً مطمئن نیستی، واضح بگو. از جملاتی مثل «مطمئن نیستم، اما...» یا «ارزش داره این مورد رو بررسی کنی...» استفاده کن. هیچ‌وقت حدس و گمان رو به عنوان فکت و واقعیت بیان نکن.
🔠 UNCERTAINTY: If you are not fully certain about something, say so clearly. Use phrases like “I am not certain, but...” or “Worth verifying this...”. Never state guesses as facts.
➖ ➖ ➖
2⃣ منابع: اسم مقاله‌ها، نویسنده‌ها، لینک‌ها یا رفرنسِ کتاب‌ها رو از خودت درنیار. اگه نمی‌تونی یه منبع واقعی و قابل‌تأیید بیاری، بگو «منبع تأییدشده‌ای برای این موضوع ندارم.»
🔠 SOURCES: Do not invent paper titles, author names, URLs, or book references. If you cannot name a real, verifiable source, say “I don’t have a confirmed source for this.”
➖ ➖ ➖
3⃣ آمار و ارقام: هر عددی که ۱۰۰٪ ازش مطمئن نیستی رو مشخص کن. از کلمه «تقریباً» استفاده کن و پیشنهاد بده که خودم از یه منبع اصلی چکش کنم.
🔠 STATISTICS: Flag any number you are not 100 percent confident in. Say “approximately” and recommend I verify it from a primary source.
➖ ➖ ➖
4⃣ رویدادهای اخیر: اگه ممکنه موضوعی بعد از تاریخ آپدیتِ اطلاعات تو تغییر کرده باشه، حتماً بهم یادآوری کن. اطلاعات تاریخ گذشته رو به عنوان اطلاعات جدید و به‌روز ارائه نده.
🔠 RECENT EVENTS: Remind me when a topic may have changed since your knowledge cutoff. Do not present outdated info as current.
➖ ➖ ➖
5⃣ افراد و نقل‌قول‌ها: هیچ‌وقت یه نقل‌قول رو به یه آدم واقعی نسبت نده، مگر اینکه کاملاً مطمئن باشی اون حرف رو زده. اگه شک داری، بگو «نمی‌تونم دقیق بودن این نقل‌قول رو تأیید کنم.»
🔠 PEOPLE and QUOTES: Never attribute a quote to a real person unless you are certain they said it. If unsure, say “I cannot confirm this quote is accurate.”
➖ ➖ ➖
6⃣ کد و مباحث فنی: هیچ‌وقت اسم توابع، متدهای کتابخونه‌ها یا سینتکس APIها رو از خودت اختراع نکن. اگه مطمئن نیستی یه تابع وجود داره یا نه، بهم بگو که برم داکیومنت‌های جدید رو چک کنم.
🔠 CODE and TECHNICAL: Never invent function names, library methods, or API syntax. If unsure a function exists, tell me to verify it in the current docs.
➖ ➖ ➖
7⃣ شکاف‌های منطقی: اطلاعاتی که گفته نشده رو با فرضیات خودت پر نکن. اگه چیزی مبهمه، قبل از جواب دادن، برای شفاف‌سازی از من سؤال بپرس.»
🔠 LOGIC GAPS: Do not fill missing context with assumptions. If something is unclear, ask a clarifying question before answering."
📣 از این متن مستقیماً داخل بخش دستورالعمل‌های سفارشی (Custom Instructions) کلود استفاده کن تا برای همیشه روی تمام چت‌هات اعمال بشه.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 205
Repost from N/a
📣 وبینار رایگان از Excel به Power BI 🗒📊
🟢مسیر حرفه‌ای ساخت داشبوردهای مدیریتی
🎙سخنران:
⭐️ مهندس امیر ایمن‌پور
✅ مدیر و تحلیلگر کسب‌وکار، مدرس و مشاور هوش تجاری
هنوز برای گزارش‌گیری و تحلیل داده‌ها فقط از Excel استفاده می‌کنید؟
وقت آن رسیده با Power BI، داده‌های پراکنده را به داشبوردهای حرفه‌ای و بینش‌های مدیریتی تبدیل کنید! 🚀
در این وبینار می‌آموزید:
🟡 مقایسه کاربردهای Excel و Power BI
🟡 آشنایی با محیط Power BI Desktop
🟡 پاکسازی و آماده‌سازی داده‌ها با Power Query
🟡 انجام محاسبات پیشرفته با زبان DAX
🟡 آشنایی با مسیر ساخت داشبوردهای مدیریتی و تعاملی
👩🎓 مناسب برای مدیران، کارشناسان، تحلیلگران داده و علاقه‌مندان به حوزه هوش تجاری و تصمیم‌گیری داده‌محور
🗓 یکشنبه ۱۸ مرداد
⏱ ساعت ۲۰
📌 ثبت‌نام رایگان سریع در ربات رسمی تلگرام موسسه :
📎 برای ثبت‌نام رایگان کلیک کنید (ظرفیت محدود)
📌 ثبت در فرم وبینار
📎 برای ثبت‌نام رایگان کلیک کنید (ظرفیت محدود)
⚠️برای ثبت نام روی فرم وبینار👇🏻
لطفا بدون VPN روی لینک کلیک بفرمایید
✨ مؤسسه آموزش عالی توسعه
➖➖➖➖➖➖➖➖➖
🌐 https://tihe.ac.ir
📞 021-86741
50 205
🚀 دوره جامع Next.js در جهاد دانشگاهی صنعتی شریف
💡 می‌خوای یه دولوپر حرفه‌ای Next.js بشی و پروژه‌هات رو با استانداردهای روز دنیا بسازی؟
این دوره دقیقاً برای توست! 🌟
🧭 در طول ۳۰ ساعت آموزش کاربردی، از مفاهیم پایه تا پیاده‌سازی پروژه واقعی و آماده‌سازی برای Production رو گام‌به‌گام یاد می‌گیری.
👨🏫 همراه با تمرین‌های عملی و نکات تجربی از مدرس باتجربه
🎓 با گواهینامه معتبر از جهاد دانشگاهی صنعتی شریف
➖➖➖➖➖➖➖➖➖➖➖➖
برای ورود به وبسایت کلیک کنید ↙️
https://link.sharif.ac/xRGiM
➖➖➖➖➖➖➖➖➖➖➖➖
☎️مشاوره وثبت نام : 02167641999
📲مشاوره بله: https://ble.ir/Jdsharif974
➖➖➖➖➖➖➖➖➖➖➖➖
🔹 جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص...
50 205
☁️ ۱۵ سرویس کلیدی AWS که هر متخصص داده باید بشناسه!
👨🏻💻 پلتفرم AWS بیشتر از ۲۰۰ تا سرویس مختلف داره، اما برای دیتا ساینس نهایتاً به ۱۵ تاش نیاز داری.
◀️ سیستم‌های دیتا هرچقدر هم پیچیده باشن، آخرش روی این ۵ لایه اصلی بنا می‌شن:
📝 ذخیره‌سازی داده ← پردازش داده ← تحلیل داده ← یادگیری ماشین ← امنیت داده
⬅️ تو فایل زیر اون ۱۵ سرویسی ضروری رو بر اساس همین لایه‌ها دسته‌بندی کردم تا بتونی معماری پروژه‌های دیتایی رو تو فضای ابری به راحتی درک و پیاده‌سازی کنی.
📔 جزوه فارسی: PDF
➖ ➖ ➖ ➖ ➖
⚙️ منابع رایگان برای شروع یادگیری AWS:
1⃣ پلتفرم آموزشی AWS Skill Builder
2⃣ دوره AWS Cloud Practitioner
3⃣ مستندات و آموزش‌های رسمی AWS
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 205
📄 چیت‌شیت فارسی «آمار برای علم داده»
👨🏻💻 واسه استفاده از آمار تو پروژه‌های دیتا، نیازی به دکترای آمار نداری! فقط باید مفاهیم پایه رو درک کنی و بدونی کجا به کار میان.
⬅️ من تمام این مفاهیمِ کلیدی رو تو این چیت‌شیت خلاصه کردم. همین مبانی رو خوب یاد بگیری؛ بقیه‌ش با تکرار و تجربه تو پروژه‌ها خودبه‌خود برات جا می‌افته.
📔 منبع: لینک
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 205
📝 راهنمای فارسی «موفقیت در مصاحبه‌های کیس استادی علم داده»
👩🏻💻 مصاحبه‌های کیس‌استادی دیتا ساینس بدقلقن! چون اصلاً جواب مطلقی برای خواسته‌هاشون وجود نداره! ریکروتر فقط می‌خواد ببینه ذهن شما تو شرایط گنگ و مبهم چطور مسیر رو پیدا می‌کنه.
✏️ من بعد از چند بار رد شدن، بالاخره استراتژیِ موفقیت تو این مصاحبه‌ها رو پیدا کردم. تو این جزوه، تمام فریم‌ورک‌های ذهنی و ساختارهایی رو که خودم ازشون جواب گرفتم، برات قرار دادم.
😋 منبع: لینک
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 205
Repost from N/a
‼️ فقط با ۱۱۹ هزار تومن، مهارت جدید یاد بگیر ‼️
♨️ قیمت استثنایی برای ۶۰۰ دوره آموزشیِ فرادرس
📣 برای مشاهده آموزش‌های هر دسته بندی، روی عنوان مورد نظر کلیک کنید: 👇
✅ هوش مصنوعی | برنامه نویسی
✅ علوم کامپیوتر و شبکه | پایتون
✅ یادگیری ماشین و داده کاوی
✅ بازاریابی و کسب و کار | زبان‌های خارجی
✅ مهارت‌های عمومی | طراحی سایت
🔗 لیست تمامی ۶۰۰ آموزش - [کلیک کنید]
🔄 FaraDars - فرادرس
50 205
💰 فرمول رزومه‌ای که برام از گوگل و آمازون مصاحبه دیتا جور کرد!
👨🏻💻 این همون رزومه‌ایه که پای منو به مصاحبه با گوگل، آمازون و SoFi باز کرد؛ در حالی که نسخه قبلیش حتی یه زنگِ خشک‌وخالی هم برام نداشت!
✏️ ایراد از از تخصص و تجربه من نبود، ایراد از لحن رزومه‌م بود که با خواسته‌ی ریکروترها مچ نمی‌شد. تو راهنمایی که این پایین قرار دادم، یه ساختارِ مهندسی‌شده رو معرفی کردم که هر بولت‌پوینتِ رزومه رو به ۵ بخش تقسیم می‌کنه.
◀️ با این فرمول، هر خط از رزومه‌ی شما به ۵ تا سوال حیاتیِ ریکروتر جواب می‌ده: چه‌کار کردی؟ چطور؟ با چی؟ چه تاثیری داشت و دقیقاً چقدر؟
✅ همین فرمول ساده، رزومه‌ای که هیچ تماسی برام نمی‌آورد رو به بلیط ورودم برای مصاحبه با غول‌های تکنولوژی تبدیل کرد.
❗ نکته: برای پیدا کردن کلیدواژه‌های مهم هر پوزیشن هم دیگه نیازی نیست مثل من دستی عمل کنی؛ ابزار Teal این کار رو تو چند ثانیه برات اتوماتیک انجام می‌ده تا خیلی هدفمندتر اپلای کنی.
📔 جزوه فارسی: PDF
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 205
🥲 نقشه راه ۶۰ روزه یادگیری پایتون
🔃 برای دیتا ساینس
👨🏻💻 یه اشتباه رایج بچه‌ها تو شروع دیتا ساینس، پیچیده کردنِ بی‌دلیلِ مسیر یادگیری پایتونه! واقعاً نیازی نیست کل پایتون رو فول باشی!
📍 این نقشه راه ۶۰ روزه، از مبانیِ پایه تا پروژه‌های ماشین‌لرنینگ رو تو ۸ هفته برات برنامه‌ریزی کرده و تمرکزش دقیقاً روی همون مفاهیمی که برای مصاحبه‌ها و گرفتن پوزیشن‌های دیتا نیاز داری.
✅ به جای درگیر شدن با دوره‌های طولانی، کافیه همین مسیر رو روزی نیم ساعت عملی کد بزنی تا خیلی زود نتیجه‌اش رو ببینی و دستت تو پروژه‌ها راه بیفته.
❤️ جزوه فارسی: PDF
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 205
🗒️ جزوه فارسی «۲۰ مفهوم آماری که هر متخصص دیتا باید بلد باشه!»
👨🏻💻 حساب کردن P-Value راحته، ولی توضیح دادنِ مفهوم واقعیش تو مصاحبه‌های دیتا آسون نیست!
✅ به جای حفظ کردن فرمول‌های آماری، پیشنهاد می‌کنم این جزوه رو حتما بخونید. ۲۰ مفهوم کلیدیِ آمار رو جوری توضیح داده که کامل بهش مسلط می‌شید.
👐 منبع: لینک
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 205
📘 کتاب «جبر خطی برای علوم کامپیوتر»
👨🏻💻 جبر خطی تو حوزه دیتا دقیقاً مثل الفبا می‌مونه. اگه مباحثی از جبر خطی رو که مربوطه به دیتاست مسلط نباشی، نهایت هنرت می‌شه ران کردنِ کدهای آماده! دیگه درک عمیق الگوریتم‌ها بدون دونستن مفاهیمی مثل تجزیه ماتریس‌ها و فضاهای برداری تقریباً غیرممکنه!
✅ کتاب Linear Algebra for Computer Science دقیقا همین مباحث رو از زاویه‌دید یه دانشمند داده باز کرده.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 205
اکانت Gemini Pro با دسترسی کامل به فیچرهای پلن پرو با وارانتی ۷ روزه
✨ امکانات این پلن:
🔹 دسترسی به مدل Gemini 3.1 Pro و دیگر مدل‌ها
🔹 دسترسی به Deep Research و Deep Search و قابلیت‌های Agentic در Google Search 🔍
🔹 دسترسی به Google AI Studio 🛠️
🔹 ساخت تصویر با مدل‌های Nano Banana Pro و دیگر 🎨
🔹 دسترسی به ابزار Google flow 🌊
🔹 امکان ساخت ویدیو با مدل‌های Veo و Omni در جمینای 🎥
🔹 دسترسی به امکانات پلن Pro در NotebookLM 📚
🔹 امکان تحلیل فایل‌های ویدیویی 📹
🔹 دسترسی به جمینای در Google Colab 💻
🔹 5 ترابایت فضای ذخیره‌سازی Google Drive، Photos و Gmail ☁️
⏳ فعال‌سازی بین ۱ ساعت تا ۱ روز انجام می‌شود. ⏲️
💸 هزینه:
پلن 18 ماهه:
699,000 تومان
649,000 تومان
پلن 12 ماهه:
999,000 تومان
949,000 تومان
⚠️ فقط تا آخر این هفته تخفیف بر روی پلن جمینای پرو برقرار است.
برای دریافت اطلاعات بیشتر به دایرکت مراجعه کنید.
👉🏻 @sahand_ai_seller
🔰 @sahand_ai_market
50 205
👨🏻💻 با یه تغییر کوچیک تو معماری پروژه Fable 5، تونستم مصرف توکن‌ها رو ۲.۵ برابر کم کنم و نیاز به دخالت دستی برای رفع ارورها رو به صفر مطلق برسونم!
☑️ فایربیس با ارسال کانتکست‌های اضافه، باعث سردرگمی ایجنت هوش مصنوعی می‌شد. برای همین، ابزار اوپن‌سورس InsForge رو جایگزینش کردم؛ یه لایه‌ی فوق‌العاده که بک‌اند رو دقیقاً برای ایجنت‌ها ساختاردهی می‌کنه.
↖️ نتیجه‌ی این سوییچ؟ ایجنت خیلی سریع‌تر کانتکست رو می‌فهمه و خروجی‌ها به‌شدت دقیق‌تر شده. مصرف توکن‌ها از ۵.۵ میلیون به ۲.۳ میلیون کاهش پیدا کرد و از همه مهم‌تر، درگیریِ دستی برای رفع خطاها کلاً حذف شد!
┌ ✨ InsForge
├ 🌐 Website
└ 🐱 GitHub-Repos
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 205
👨🏻💻 از وقتی برای پروژه‌های دیتا سوییچ کردم روی Claude Code، کلاً با تب‌های اضافی خداحافظی کردم! چون مستقیم روی ترمینال میاد بالا، به کل فایل‌ها مسلطه و نیازی به توضیح اضافه نداره.
✅ الان دیگه کارهای روتینم، از پاکسازی داده و رسم نمودار گرفته تا ریفکتور کدهای قدیمی و کوئری‌زدن‌های سنگین رو می‌سپارم بهش و همه‌چیز تو همون محیط کدنویسی، تو چند دقیقه انجام می‌شه.
🐌 تو فایل زیر، قابلیت‌های کلاد رو که به‌درد دیتا ساینتیست‌ها و دیتا آنالیست‌ها می‌خوره بررسی کردم و ۷ تا از کاربردی‌ترین‌هاش رو آوردم.
😊 جزوه فارسی: PDF
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 205
📄 «پرتکرارترین سوالات مصاحبه‌های پانداس»
➕ همراه با پاسخنامه
👨🏻💻 از اونجایی که پانداس آچار فرانسه‌یِ ۷۷ درصد ما دیتا ساینتیست‌هاست، مصاحبه‌کننده‌ها به‌شدت روی درک عمیقِ شما از این کتابخونه حساب کردن.
↙️ واسه همین، این فایلی که قرار دادم پرتکرارترین سوالات مصاحبه‌های پانداس رو یه جا جمع کرده.
✔️ توش تمام تکنیک‌های کلیدی مثل تفاوت loc و iloc، کار با سری‌ها و دیتافریم‌ها و توابع ادغام داده‌ها با مثال‌های کاربردی اومده تا خیالتون از مصاحبه راحت بشه.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 205
📖 کتاب جامع و آکادمیک «مبانی علم داده»
👨🏻💻 همیشه داشتن یه رفرنسی که هر وقت تو فهمِ ساختار ریاضی یه مدل گیر کردی بهش رجوع کنی، لازمه.
✅ کتاب Foundations of Data Science هم، دقیقاً همون منبعیه که تو ۴۰۰ صفحه، تمام پایه‌های ریاضی و الگوریتمیِ تحلیل داده و یادگیری ماشین رو آموزش داده.
👍 خوبیش اینه که اصلاً درگیر کدنویسی نشده؛ مستقیم رفته سراغ درک عمیقِ الگوریتم‌ها، فضاهای چندبعدی و مدل‌های آماری.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
