uk
Feedback
مهندسی و علم داده

مهندسی و علم داده

Відкрити в Telegram

در مورد ادمین کانال : - محمد عالیشاهی - دکترای هوش مصنوعی دانشگاه تهران - مدیر ارشد پروژه های هوش مصنوعی و علم داده -دبیر شورای حکمرانی داده انجمن هوش مصنوعی ایران

Показати більше
3 991
Підписники
Немає даних24 години
Немає даних7 днів
+430 день

Триває завантаження даних...

Хмара тегів
Немає даних
Виникли проблеми? Будь ласка, оновіть сторінку або зверніться до нашого support-менеджера.
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
серпень '26
серпень '26
+16
в 0 каналах
липень '26
+38
в 0 каналах
Get PRO
червень '26
+12
в 0 каналах
Get PRO
травень '26
+8
в 0 каналах
Get PRO
квітень '26
+2
в 0 каналах
Get PRO
березень '26
+3
в 0 каналах
Get PRO
лютий '26
+22
в 1 каналах
Get PRO
січень '26
+14
в 0 каналах
Get PRO
грудень '25
+74
в 0 каналах
Get PRO
листопад '25
+24
в 0 каналах
Get PRO
жовтень '25
+21
в 0 каналах
Get PRO
вересень '25
+16
в 0 каналах
Get PRO
серпень '25
+31
в 1 каналах
Get PRO
липень '25
+20
в 0 каналах
Get PRO
червень '25
+13
в 0 каналах
Get PRO
травень '25
+38
в 1 каналах
Get PRO
квітень '25
+17
в 1 каналах
Get PRO
березень '25
+28
в 0 каналах
Get PRO
лютий '25
+36
в 0 каналах
Get PRO
січень '25
+19
в 0 каналах
Get PRO
грудень '24
+95
в 0 каналах
Get PRO
листопад '24
+86
в 0 каналах
Get PRO
жовтень '24
+82
в 2 каналах
Get PRO
вересень '24
+41
в 2 каналах
Get PRO
серпень '24
+32
в 0 каналах
Get PRO
липень '24
+55
в 0 каналах
Get PRO
червень '24
+49
в 0 каналах
Get PRO
травень '24
+80
в 0 каналах
Get PRO
квітень '24
+67
в 1 каналах
Get PRO
березень '24
+93
в 0 каналах
Get PRO
лютий '24
+61
в 0 каналах
Get PRO
січень '24
+39
в 0 каналах
Get PRO
грудень '23
+141
в 4 каналах
Get PRO
листопад '23
+26
в 0 каналах
Get PRO
жовтень '23
+29
в 0 каналах
Get PRO
вересень '23
+43
в 0 каналах
Get PRO
серпень '23
+39
в 0 каналах
Get PRO
липень '23
+60
в 0 каналах
Get PRO
червень '23
+58
в 0 каналах
Get PRO
травень '23
+54
в 0 каналах
Get PRO
квітень '23
+37
в 0 каналах
Get PRO
березень '23
+23
в 0 каналах
Get PRO
лютий '23
+47
в 0 каналах
Get PRO
січень '23
+51
в 0 каналах
Get PRO
грудень '22
+165
в 0 каналах
Get PRO
листопад '22
+189
в 0 каналах
Get PRO
жовтень '22
+1
в 0 каналах
Get PRO
вересень '22
+11
в 0 каналах
Get PRO
серпень '22
+30
в 0 каналах
Get PRO
липень '22
+5
в 0 каналах
Get PRO
червень '22
+12
в 0 каналах
Get PRO
травень '22
+10
в 0 каналах
Get PRO
квітень '22
+43
в 0 каналах
Get PRO
березень '22
+54
в 0 каналах
Get PRO
лютий '22
+5
в 0 каналах
Get PRO
січень '22
+12
в 0 каналах
Get PRO
грудень '21
+17
в 0 каналах
Get PRO
листопад '21
+14
в 0 каналах
Get PRO
жовтень '21
+10
в 0 каналах
Get PRO
вересень '21
+20
в 0 каналах
Get PRO
серпень '21
+22
в 0 каналах
Get PRO
липень '21
+61
в 0 каналах
Get PRO
червень '21
+13
в 0 каналах
Get PRO
травень '21
+15
в 0 каналах
Get PRO
квітень '21
+16
в 0 каналах
Get PRO
березень '21
+19
в 0 каналах
Get PRO
лютий '21
+24
в 0 каналах
Get PRO
січень '21
+22
в 0 каналах
Get PRO
грудень '20
+3 540
в 0 каналах
Дата
Залучення підписників
Згадування
Канали
26 серпня0
25 серпня0
24 серпня+1
23 серпня0
22 серпня0
21 серпня0
20 серпня0
19 серпня+1
18 серпня+1
17 серпня+1
16 серпня0
15 серпня+1
14 серпня+2
13 серпня0
12 серпня0
11 серпня0
10 серпня+1
09 серпня+3
08 серпня0
07 серпня0
06 серпня0
05 серпня+3
04 серпня+1
03 серпня0
02 серпня+1
01 серпня0
Дописи каналу
photo content

2
Немає тексту...
2 325
3
معماری مدالیون(Medallion Architecture)، سیر تحول داده‌ها را از حالت خام اولیه تا نسخه‌ای که آمادهٔ پشتیبانی از تصمیم‌گیری است
معماری مدالیون(Medallion Architecture)، سیر تحول داده‌ها را از حالت خام اولیه تا نسخه‌ای که آمادهٔ پشتیبانی از تصمیم‌گیری است، سازماندهی می‌کند. لایهٔ برنز (Bronze)، فایل‌ها، رویدادها و رکوردها را دقیقاً به همان صورتی که از سیستم‌های مبدأ دریافت می‌شوند، حفظ می‌کند. این لایه، سطحی از جزئیات را نگهداری می‌کند که برای ردیابی خطاها و بازسازی فرایندها ضروری است. لایهٔ نقره (Silver)، داده‌ها را پالایش، استانداردسازی، پاکسازی (deduplicate) و اعتبارسنجی می‌کند. در این مرحله، فرمت‌ها اصلاح، کدها یکسان‌سازی و بررسی‌های کیفی روی داده‌ها اعمال می‌شوند. لایهٔ طلا (Gold)، قوانین کسب‌وکار را به داده‌ها اضافه کرده و جداول، معیارها و محصولات داده‌ای را برای داشبوردها، تحلیل‌ها و مدل‌های پیش‌بینی آماده می‌سازد. @BIMining
2 586
4
Немає тексту...
1 643
5
🔺ورود چین به عصر ایجنت‌های هوش مصنوعی 🔹شرکت چینی بایت‌ دنس با معرفی مدل Doubao 2.0 رسماً به عصر ایجنت‌ها وارد شده و تلاش دا
🔺ورود چین به عصر ایجنت‌های هوش مصنوعی 🔹شرکت چینی بایت‌ دنس با معرفی مدل Doubao 2.0 رسماً به عصر ایجنت‌ها وارد شده و تلاش دارد جایگاه خود را در بازار رقابتی هوش مصنوعی حفظ کند. این مدل فراتر از یک چت‌بات است و برای انجام وظایف پیچیده دنیای واقعی طراحی شده است. نسخه Pro آن با مدل‌هایی مانند OpenAI و گوگل رقابت می‌کند. 🔹بایت‌دنس می‌گوید هزینه استفاده از Doubao 2.0 حدود ۱۰ برابر کمتر از رقبا است و این موضوع برای پردازش‌های پرمصرف مزیت مهمی به شمار می‌رود. این شرکت پس از غافلگیری از ظهور DeepSeek حالا می‌خواهد از تکرار آن تجربه جلوگیری کند. در بازار چین، Doubao با ۱۵۵ میلیون کاربر هفتگی در صدر قرار دارد و سایر رقبا نیز با سرعت در حال رشد هستند. @BIMining
2 582
6
Немає тексту...
1 772
7
Немає тексту...
2 482
8
برگزاری پنل هوش مصنوعی با عنوان سنجش داده تا سناریوسازی ،زیرساخت های فناورانه،داده کاوی و طراحی مدل های پیش بینی با هوش مصنوع
برگزاری پنل هوش مصنوعی با عنوان سنجش داده تا سناریوسازی ،زیرساخت های فناورانه،داده کاوی و طراحی مدل های پیش بینی با هوش مصنوعی دوشنبه 24 آذرماه 1404 پاویون هوش مصنوعی مصلی امام خمینی ساعت 11-12:15
2 406
9
Немає тексту...
4 268
10
Немає тексту...
3 047
11
Немає тексту...
2 224
12
سخنرانی با عنوان افزایش کارایی هوش مصنوعی با معماری توزیع شده کلیک هاوس در الکامپ تاکز @BIMining
سخنرانی با عنوان افزایش کارایی هوش مصنوعی با معماری توزیع شده کلیک هاوس در الکامپ تاکز @BIMining
3 934
13
Немає тексту...
1 889
14
Немає тексту...
2 712
15
مقایسه پلتفرم های بیگ دیتا LICKHOUSE ، Apache Druid , Apache Doris بر اساس سایت معتبر DBEngines ClickHouse : به وضوح بر کارای
مقایسه پلتفرم های بیگ دیتا LICKHOUSE ، Apache Druid , Apache Doris بر اساس سایت معتبر DBEngines ClickHouse : به وضوح بر کارایی فوق‌العاده بالا و پردازش کوئری‌های OLAP با حداقل زمان ممکن تمرکز دارد. استفاده از C++ و معماری ستونی (Column-oriented) این امکان را فراهم می‌کند. نقطه قوت: بهترین عملکرد را برای تجمیع‌های پیچیده و کوئری‌های تحلیلی بر روی داده‌های عظیم ارائه می‌دهد. پشتیبانی گسترده از زبان‌های برنامه‌نویسی و انواع API، آن را بسیار انعطاف‌پذیر می‌کند. نقاط متمایز: تنها پلتفرمی است که در این مقایسه قابلیت‌های In-memory و DBaaS (سرویس ابری مدیریت شده) را ارائه می‌دهد و از replication فیزیکی همزمان و غیرهمزمان با پشتیبانی از ذخیره‌سازهای ابجکت بهره می‌برد. Apache Druid: به صورت خاص برای کوئری‌های OLAP زیر ثانیه بر روی داده‌های با ابعاد بالا و کاردینالیتی بالا (High Dimensionality & High Cardinality) طراحی شده است. نقطه قوت: بسیار مناسب برای داده‌های سری زمانی (Time Series Data) و داشبوردهای لحظه‌ای (Real-time Dashboards) که نیاز به پاسخگویی بسیار سریع دارند. موتور اصلی آن جاوا است. @BIMining
1 402
16
چگونه RAG کار می‌کند: تولید تقویت‌شده با بازیابی یا RAG به مدل زبان اجازه می‌دهد تا پاسخ‌ها را بر اساس دانش خارجی ارائه دهد،
چگونه RAG کار می‌کند: تولید تقویت‌شده با بازیابی یا RAG به مدل زبان اجازه می‌دهد تا پاسخ‌ها را بر اساس دانش خارجی ارائه دهد، نه فقط آنچه که روی آن آموزش دیده است: 1️⃣ کاربر یک سؤال می‌پرسد. ممکن است ورودی فاقد زمینه کافی باشد، مثلاً: «آیا امکان خروجی PDF دارد؟» 2️⃣ مدل زبان بزرگ (LLM) سؤال را بازنویسی می‌کند. با استفاده از تاریخچه گفتگو، سؤال را به یک پرسش مستقل تبدیل می‌کند: «ویژگی‌های پلن Pro چیست؟ آیا می‌تواند PDF صادر کند؟» 3️⃣ جستجوی معنایی فعال می‌شود. پرسش مستقل به صورت برداری تبدیل شده و با بخش‌های موجود در اسناد از طریق شباهت برداری مقایسه می‌شود. 4️⃣ پرامپت (ورودی مدل) ساخته می‌شود. سیستم مرتبط‌ترین بخش‌ها را جمع‌آوری و آنها را در قالب پرامپتی ساختارمند قرار می‌دهد. این مرحله توسط یک زنجیره پرسش و پاسخ (QA Chain) انجام می‌شود که ترکیب می‌کند: ▪️ پرسش مستقل ▪️ زمینه بازیابی شده ▪️ قالب پاسخ 5️⃣ مدل زبان بزرگ پرامپت کامل را با دانش خارجی استدلال کند، حتی اگر روی آن آموزش ندیده باشد. 6️⃣ پاسخ نهایی تولید می‌شود. پاسخ بر اساس اسناد بازیابی شده است، نه فقط حافظه داخلی مدل.
1 030
17
در سال ۲۰۳۰ واقعاً چه چیزی اهمیت خواهد داشت؟ این نمودار یک تغییر چشمگیر را نشان می‌دهد: راهبرد، سازگاری و تسلط بر فناوری به س
در سال ۲۰۳۰ واقعاً چه چیزی اهمیت خواهد داشت؟ این نمودار یک تغییر چشمگیر را نشان می‌دهد: راهبرد، سازگاری و تسلط بر فناوری به سرعت در حال رشد هستند ، در حالی که مهارت‌های سنتی مانند کنترل کیفیت، آموزش و حتی برنامه‌نویسی در اولویت پایین‌تری قرار می‌گیرند. چرا؟ چون هوش مصنوعی در حال بازنویسی قواعد بازی است. کارفرمایان دیگر فقط به دنبال «مهارت» به معنای سنتی آن نیستند آن‌ها به دنبال افرادی هستند که در این موارد برجسته باشند: → تفکر تحلیلی → تاب‌آوری، انعطاف‌پذیری و چابکی → رهبری و تأثیرگذاری اجتماعی → انگیزه و خودآگاهی → تفکر خلاق → تفکر سیستمی → کنجکاوی و یادگیری مادام‌العمر این دقیقاً همان جایی است که چارچوب شایستگی جدید ما با عنوان «پنج‌گانه بزرگ راهبردی» وارد می‌شود. این فقط یک چارچوب یا مجموعه‌ای از مهارت‌های نرم و سخت نیست—بلکه مجموعه‌ای متمرکز از مهارت‌های قدرت‌مند است که برای دنیای پر از عدم قطعیت و تغییر طراحی شده‌اند. @BIMining
1 064
18
#استخدام #دعوت_به_همکاری #بانک
#استخدام #دعوت_به_همکاری #بانک
1 210
19
#استخدام #دعوت_به_همکاری #bi #هوش_تجاری
#استخدام #دعوت_به_همکاری #bi #هوش_تجاری
1 448
20
✅تحلیل‌گر داده (Data Analyst) شرح وظایف: تحلیل داده‌های موجود برای استخراج اطلاعات و پشتیبانی از تصمیم‌گیری مبتنی بر داده. ✅د
✅تحلیل‌گر داده (Data Analyst) شرح وظایف: تحلیل داده‌های موجود برای استخراج اطلاعات و پشتیبانی از تصمیم‌گیری مبتنی بر داده. ✅دانشمند داده (Data Scientist) شرح وظایف: توسعه و پیاده‌سازی مدل‌های آماری و الگوریتم‌های یادگیری ماشین برای استخراج بینش و انجام پیش‌بینی‌های مبتنی بر داده. ✅تحلیل‌گر کسب‌وکار (Business Analyst) شرح وظایف:تحلیل و مستندسازی فرآیندهای کسب‌وکار برای شناسایی فرصت‌ها، نیازمندی‌ها و ارائه پیشنهادات برای بهبود. ✅مهندس یادگیری ماشین (ML Engineer) شرح وظایف: طراحی، توسعه و پیاده‌سازی سیستم‌های یادگیری ماشین برای تضمین مقیاس‌پذیری، عملکرد و قابلیت اطمینان در محیط تولید. مهارت‌ها: یادگیری ماشین- مهندسی داده (ETL، پایپ‌لاین‌ها)-پایتون / جاوا-SQL-ابزارهای داده حجیم-مهندسی نرم‌افزار ✅مهندس هوش مصنوعی مولد (GenAI Engineer) شرح وظایف: توسعه و پیاده‌سازی مدل‌ها و برنامه‌های هوش مصنوعی مولد برای تولید محتوا، خودکارسازی و ارائه تجربه‌های شخصی‌سازی‌شده. مهارت ها: پایتون (Transformers، PyTorch، TensorFlow)-HuggingFace-LangChain-LangAPIها-مدل‌های LLMs @BIMining
1 391