Вже доступно! Дослідження Telegram за 2025 — головні інсайти року 
Data Science | علم داده
Відкрити в Telegram
📊 دانشمند داده شوید! 👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼 🆔 @DataScienceir_Adv
Показати більше📈 Аналітичний огляд Telegram-каналу Data Science | علم داده
Канал Data Science | علم داده (@datascience_ir) у мовному сегменті Фарсі є активним учасником. На даний момент спільнота об'єднує 50 145 підписників, посідаючи 2 680 місце в категорії Технології та додатки та 6 678 місце у регіоні Іран.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 50 145 підписників.
За останніми даними від 19 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -360, а за останні 24 години на -9, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 7.19%. Протягом перших 24 годин після публікації контент зазвичай збирає 3.04% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 3 605 переглядів. Протягом першої доби публікація в середньому набирає 1 527 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 6.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як ابزار, داده, واقعی, پایتون, دیتا.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“📊 دانشمند داده شوید!
👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼
🆔 @DataScienceir_Adv”
Завдяки високій частоті оновлень (останні дані отримано 20 червня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
50 145
Підписники
-924 години
-847 днів
-36030 день
Архів дописів
50 145
🔴 دوره جامع «دادهکاوی»
🖥 دانشگاه کارنگی ملون آمریکا
👨🏻💻 دانشگاه کارنگی آمریکا اومده دوره داده کاوی رو در 25 لکچر به رایگان در اختیار علاقهمندان این حوزه قرار داده.
◀️تو این دوره از یه طرف با مفاهیم آماری و روشهای انتخاب مدل سر و کار داری، و از یه طرف دیگه هم باید این مفاهیم رو به صورت عملی پیادهسازی کنی و نتایج رو ارائه بدی.
◀️تمرینها هم ترکیبیان؛ هم تئوری، هم کدنویسی و عملی.👇
┌ 🥵 Data Mining
└ ⏯️ Course Homepage
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 145
💠 کتابچه «یادگیری اصولی Git از پایه»
👨🏻💻 چند سالی بود با Git کار میکردم، ولی همیشه یه جاهایی گیج میشدم—مخصوصاً سر rebase یا stash!
✅ چند روز پیش یه کتابچه ۵۰ صفحهای پیدا کردم که Git رو از پایه و اصولی توضیح میده، از دستورات ساده تا حرفهای. کمکم کرد که بفهمم پشت هر دستور Git چه اتفاقی میافته.
✅ کار با دستورات مهمی مثل stash ،rebase و checkout
✅ مدیریت پیشرفته ریپوهای لوکال
✅ مدیریت Branchها و فرآیند Merge
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 145
🥇 دستورات طلایی Pandas و NumPy که هر دیتا ساینتیستی باید بلد باشه!
1️⃣ بررسی و شناخت دیتا
✅ ستونها، نوع داده، تعداد مشاهده:
df.info()
✅ آمار توصیفی:
df.describe()
✅ نمایش چند ردیف اول یا آخر:
df.head(5)
df.tail(5)
✅ شکل و ابعاد دیتافریم:
df.shape
➖ ➖ ➖
2️⃣ مدیریت دادههای گمشده
✅ شمارش دادههای Null هر ستون:
df.isna().sum()
✅ حذف ردیفهایی که داده گمشده دارن:
df.dropna(subset=['column_name'])
✅ جایگذاری مقدار جدید به جای missing values:
df.fillna({'col1': 0, 'col2': 'unknown'})
✅ پر کردن مقادیر گمشده با روش Interpolation:
df.interpolate(method='linear')
➖ ➖ ➖
3️⃣ انتخاب و فیلتر کردن دیتا
✅ انتخاب چند ستون خاص:
df[['col1', 'col2']]
انتخاب بر اساس ایندکس:
df.iloc[:, 1:5]
✅ انتخاب با لیبل:
df.loc[:, 'col1':'col5']
✅ فیلتر کردن براساس شرط:
df[df['age'] > 30]
✅ اعمال فیلتر پیچیده:
df.query('age > 30 & salary > 50000')
✅ انتخاب n ردیف با بزرگترین مقدار:
df.nlargest(5, 'value')
✅ نمونهگیری تصادفی:
df.sample(frac=0.1, random_state=42)
➖ ➖ ➖
4️⃣ تغییر و تبدیل دیتا
✅ گروهبندی داده و محاسبه میانگین:
df.groupby('category').mean()
✅ ساخت Pivot Table:
df.pivot_table(index='category', values='value', aggfunc='mean')
✅ جدول Cross Tabulation:
pd.crosstab(df.category, df.subcategory)
✅ تبدیل به تاریخ:
pd.to_datetime(df['date_column'])
✅ بازنمونهگیری دادهها:
df.resample('M').mean()
✅ استخراج ماه از ستونهای تاریخ:
df['month'] = df['date'].dt.month
✅ محاسبه میانگین متحرک:
df.set_index('date').rolling(window=7).mean()
➖ ➖ ➖
5️⃣ دستورات مهم NumPy
✅ ساخت آرایه از یک لیست:
np.array([1, 2, 3])
✅ ایجاد آرایه صفر:
np.zeros((3, 4))
✅ ایجاد نقاط با فاصلهی یکسان:
np.linspace(0, 1, 100)
✅ تغییر شکل آرایه:
np.reshape(arr, (3, 4))
✅ محاسبه میانگین و انحراف معیار:
np.mean(arr, axis=0)
np.std(arr)
✅ ضرب ماتریسها:
np.dot(a, b)
✅ محاسبه معکوس ماتریس:
np.linalg.inv(matrix)
➖ ➖ ➖
6️⃣ تمیز کردن و ترکیب دیتا
✅ انجام Join:
pd.merge(df1, df2, on='key')
✅ اتصال دیتافریمها به همدیگه:
pd.concat([df1, df2], axis=0)
✅ حذف رکوردهای تکراری:
df.drop_duplicates()
✅ جایگذاری مقدار جدید داخل دیتا:
df.replace({'old_val': 'new_val'})
✅ استفاده از فانکشن روی ستون:
df['col'].apply(lambda x: x.lower())
✅ تبدیل نوع دادهها:
df.astype({'col1': 'int', 'col2': 'category'})
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa50 145
Repost from N/a
🔴 خبر فوری: شگفتی تمدید شد...
۵۵۰ + ۱۵۰ آموزش پرمخاطب در فرادرس،
فقط ۷۹ هزار تومن 🔴
آموزشهای منتخب «یادگیری ماشین و علم داده» 👇
▪️ یادگیری عمیق در پایتون با TensorFlow و Keras
▪️ آموزش هوش مصنوعی – مقدماتی
▪️ کاربرد ChatGPT در برنامه نویسی پایتون
▪️ ریاضی برای یادگیری ماشین + پیاده سازی در پایتون
▪️ آموزش pandas - تحلیل اطلاعات در پایتون
🔗 لیست ۱۵۰ آموزش جدید [+]
🔗 لیست تمامی ۷۰۰ آموزش - [کلیک کنید]
🔄 FaraDars - فرادرس
50 145
✅ برای شروع مسیر دیتا، چه پروژههایی باید تو پورتفولیوت باشه؟
👨🏻💻 اگه میخوای تو سال ۲۰۲۵ وارد حوزه دیتا بشی، داشتن یه پورتفولیوی قوی اولین قدمه. اما واقعاً چه پروژههایی رو باید تو پورتفولیوت بذاری؟ بستگی داره دنبال چه نقشی باشی!
⏪ اگه دوست داری دیتا ساینتیست محصول بشی:
◀️ تحلیل اکتشافی دیتا
◀️ تست A/B
◀️ ساخت مدلهای یادگیری ماشین
◀️ استنتاج علّی
➖➖➖➖➖➖
⏪ برای دیتا ساینتیست یادگیری ماشین:
◀️ پروژه ساخت مدل یادگیری ماشین
◀️ پروژه پاکسازی و آمادهسازی داده
◀️ ارزیابی و بهینهسازی مدلها
◀️ کار با تکنولوژیهای Big Data
➖➖➖➖➖➖
⏪ اگه هدفت مهندس داده شدن هست:
◀️ توسعه ETL برای انتقال و پردازش داده
◀️ مدیریت دیتابیسها
◀️ خودکارسازی پایپلاین داده
◀️ آشنایی با پلتفرمهای ابری
➖➖➖➖➖➖
⏪ و اگه دنبال نقش تحلیلگر داده هستی:
◀️ تسلط به SQL
◀️ اکسل پیشرفته
◀️ مصوریسازی داده
◀️ تعریف شاخص و تهیه گزارش
➖➖➖➖➖➖
✅ خلاصه اینکه مسیر دیتا برای هر نقشی متفاوته! قبل از شروع هدف خودتو مشخص کن و پروژههاتو تو همون مسیر پیش ببر.
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 145
💡 فرصت ویژه برای ورود به دنیای تحلیل داده!
🚀 دادهها را به بینشهای ارزشمند و تصمیمات هوشمندانه تبدیل کنید!
📊 با دوره جامع Power BI، تحلیلگر حرفهای شوید!
🔥 چرا این دوره؟
✅ ۲۰ پروژه عملی و کاربردی
✅ تحلیل دادههای مالی، فروش، بازاریابی و منابع انسانی
✅ استفاده از هوش مصنوعی در تحلیل دادهها
✅ ساخت داشبوردهای حرفهای و بصریسازی دادهها
✅ آموزش کسب درآمد از تحلیل داده 💰
✅ پشتیبانی ۲۴ ساعته + ضمانت بازگشت وجه
💰 قیمت اصلی: ۲ میلیون تومان
🔥 تخفیف ویژه فقط برای ۱۰ نفر اول:
۹۹۹ هزار تومان
💰 بازار کار تحلیل داده در حال رشد است!
همین حالا ثبتنام کنید و مسیر موفقیت خود را آغاز کنید!
🔗 مشاهده جزئیات و ثبتنام
💬 مشاوره رایگان در تلگرام!
❓ نمیدانید از کجا شروع کنید؟ نمیدانید این دوره برای شما مناسب است؟ یا چطور میتوانید در کمترین زمان، بیشترین نتیجه را بگیرید؟
📩 پیام دهید و پاسخ همهی سوالاتتان را بگیرید:
@barzegarme
50 145
☑️ پروژه علم داده من
1️⃣ عوامل موثر بر کشاورزی هوشمند
👨🏻💻 تو یکی از پروژههام، دادههای ۵۰۰ مزرعه رو بررسی کردم تا بفهمم چی باعث تفاوت برداشت محصول میشه و چطور میشه با هوش مصنوعی کشاورزی رو بهینه کرد.
✏️ خلاصه کاری که انجام دادم: شاخص NDVI (نشانگر سلامت گیاه با ماهواره) دقیقاً با برداشت بالا رابطه داره. چند مدل مختلف ساختم (رگرسیون خطی، جنگل تصادفی، XGBoost) و فهمیدم تعامل فاکتورها از بررسی جدا جدا مهمتره.
📣 از دیتاست و کد نویسی گرفته تا آنالیز و نتایج پروژه، همگی در لینکهای زیر موجوده.👇
┌ 🌾 Smart Farming for Food Security
└ 🐱 GitHub-Repos
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa🌾
50 145
⚡️ با دو خط کد، سرعت FastAPI رو بالا ببر!
👨🏻💻 اگه APIت دادههای زیادی رو ارسال میکنه، GZipMiddleware هم مصرف اینترنت رو کم میکنه و هم سرعت رو بالا میبره:
✅ فقط کافیه این دو خط رو به اپلیکیشنت اضافه کنی:👇
from fastapi.middleware.gzip import GZipMiddleware
app.add_middleware(GZipMiddleware, minimum_size=1000, compresslevel=5)50 145
❓ چطور یه پروژه دیتا ساینس رو حرفهای شروع کنیم؟
👨🏻💻 اگه داری خودآموز مسیر دیتا ساینس رو یاد میگیری، احتمالاً با این سؤال روبهرو شدی: "خب حالا از کجا شروع کنم؟ اول دیتا؟ مدل؟ یا چی؟"
✔️ یه نقشه راه ساده ولی کاربردی:👇
1️⃣ صورت مسئلهات رو دقیق تعریف کن!
✏️ میخوای چی رو حل کنی؟ تشخیص تقلب؟ پیشبینی بارش؟ همه چی از اینجا شروع میشه.
➖ ➖ ➖ ➖ ➖ ➖ ➖
2️⃣ بررسی کن دادهات اصلاً قابل تهیه هست یا نه!
✏️ میتونی دیتا گیر بیاری یا نه؟ اگه نه، مسئلهت رو تغییر بده.
➖ ➖ ➖ ➖ ➖ ➖ ➖
3️⃣ دادهت رو بشناس!
✏️ ساختارش چیه؟ چندتا ستون و سطر داره؟ دیتای گمشده داره یا نه؟
➖ ➖ ➖ ➖ ➖ ➖ ➖
4️⃣ پاکسازی و ویژگیسازی
✏️ دادهها رو تمیز کن، ستونای به درد نخور رو بنداز دور، و ستونای جدید بساز.
➖ ➖ ➖ ➖ ➖ ➖ ➖
5️⃣ تحلیل داده (واسه آنالیستها)
✏️ الگوها رو پیدا کن، داشبورد درست کن، از ابزارایی مثل Tableau یا matplotlib استفاده کن.
➖ ➖ ➖ ➖ ➖ ➖ ➖
6️⃣ مدلسازی اولیه (واسه دیتا ساینتیستها)
✏️ مدل مناسب رو انتخاب کن، دیتا رو تقسیم کن، و یه مدل اولیه بساز.
➖ ➖ ➖ ➖ ➖ ➖ ➖
7️⃣ بهینهسازی مدل
✏️ هایپرپارامترها رو تنظیم کن تا مدل بهتر بشه.
➖ ➖ ➖ ➖ ➖ ➖ ➖
8️⃣ ارزیابی مدل
✏️ معیارهای عملکرد رو بررسی کن (مثل اینکه معیارت F1-Score باشه یا RMSE).
➖ ➖ ➖ ➖ ➖ ➖ ➖
9️⃣ ارائه و دیپلوی
✏️ نتیجه رو خوب مستند کن. میتونه یه نوتبوک، گزارش PDF یا یه پروژه قابل نمایش باشه.
➖ ➖ ➖ ➖ ➖ ➖ ➖
🔹 یادت باشه دیتا ساینس یه روند تکراریه، هر مرحله رو میتونی برگردی و بهترش کنی!
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 145
🔖 راهنمای ساخت «پورتفولیوی علم داده»
👨🏻💻 رزومه کافی نیست! اما یه پورتفولیو درست و حسابی میتونه کافی باشه، اونم نه فقط نشون دادن مهارتها!
✅ این راهنمای بینظیر بهت یاد میده که چطوری یه پورتفولیوی خفن برای پروژهها و مهارتهات در علوم داده بسازی.👌
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 145
Repost from تهران دیتا-دانشگاه تهران
📌 سرمایهگذاری روی یادگیری، سرمایهگذاری روی آینده است⏩
🌟 دوره جامع علم داده و هوش مصنوعی: ۳۵۰ ساعت آموزش پروژهمحور با معرفی بیش از ۱۲ ابزار کاربردی
📞 09377516759
📞 09357516755
🌟 دوره ی حرفه ای تحلیل دادههای کسبوکار: ۵۰ ساعت آموزش فشرده با تضمین قبولی در آزمون بینالمللی CBDA
❤️ 09377516835
🌟 دوره جامع هوش تجاری: ۱۶۰ ساعت آموزش مفاهیم و تسلط بر تحلیل دادهها و طراحی داشبوردهای مدیریتی حرفهای
📞 09377516682
5️⃣🛍 تخفیف هدیه ما به شما🎁
به مناسبت روز دختر و ولادت حضرت معصومه ، فقط برای مدت محدود‼️
❕ با شرکت در دورههای تخصصی تهران دیتا، مسیر شغلی خود را هوشمندانهتر انتخاب کنید👍
✈️ Telegram | 📱 linkedin | 📷 Instagram | 🌐 website
50 145
☑️ پروژه علم داده من
9️⃣ پیشبینی درآمد فروش شکلات
👨🏻💻 اخیراً تو بوتکمپ علم داده روی پروژهای کار کردم که هدفش تحلیل فروش شکلات و پیشبینی دستهبندی سفارشها بر اساس درآمد بالا یا پایین بود.
✏️ خلاصه کاری که انجام دادم: مدلهایی مثل جنگل تصادفی، KNN، درخت تصمیم و رگرسیون لجستیک رو تست کردم و بهترین نتیجه رو از جنگل تصادفی گرفتم با دقت ۱۰۰٪!
📣 از دیتاست و کد نویسی گرفته تا آنالیز و نتایج پروژه، همگی در لینکهای زیر موجوده.👇
┌ 🍫 Chocolate Sales Prediction
└ 🐱 GitHub-Repos
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 145
👨💻 خداحافظی با مشکلات کار با تاریخ و زمان در پایتون!
👨🏻💻 اگه همیشه با کدنویسی تاریخ و زمان در پایتون درگیر بودی، وقتشه که Pendulum رو امتحان کنی!
✅ یه نسخه پیشرفتهتر از کتابخانهی datetime داخلی پایتون هست که کار رو خیلی سادهتر میکنه.
┌ 🏳️🌈 Pendulum
├ ✍️ Documentation
└ 🐱 GitHub-Repos
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 145
Repost from آموزش جهاد دانشگاهی امیرکبیر
۸۷ درصد تخفیف ثبت نام سمینار آموزشی هوش مصنوعی و علم داده در کسب و کار جهاددانشگاهی صنعتی امیرکبیر
🔸 میزان تخفیف توسط حامیان درنظر گرفته شده است.🔸
🔻زمان برگزاری: ۱۷ اردیبهشت | ساعت ۱۴ الی ۱۸
🔻مهلت ثبت نام: ۱۵ اردیبهشت
🔻با ارائه گواهینامه معتبر و قابل ترجمه
🔻ثبت نام برای عموم آزاد است
📍 محل برگزاری: دانشگاه صنعتی امیرکبیر
✅ ثبتنام و دریافت تخفیف: @amirkabirjde_admin
☎️ 02188895969
➖➖➖➖➖➖➖➖➖➖➖➖➖
🔴 اطلاعات بیشتر در سایت:
🌐 https://amirkabir.jde.ir/fa/page/931
➖➖➖➖➖➖➖➖➖➖➖➖➖
#هوش_مصنوعی #علم_داده #کسب_و_کار #مدیریت #آموزش #جهاددانشگاهی #صنعتی_امیرکبیر
@amirkabirjde
50 145
🔹 نمایِ کلی پروژههای گیتهاب رو تو چند ثانیه ببین!
👨🏻💻 وقتی روی پروژههای بزرگ یا اوپنسورس کار میکنم، اینکه نمایِ کلی پروژه رو ببینم، خیلی کمککنندهست.
✏️ ابزار GitDiagram دقیقا میاد هر ریپوی گیتهاب رو به یه نمودار تعاملی تبدیل میکنه.
◀️ روش کارش هم خیلی سادهست:
⬅️ فقط کافیه تو لینک گیتهاب، کلمهی hub رو با diagram عوض کنی. خودکار یه دیاگرام تعاملی از پروژه برات میسازه.
✅ نتیجه؟ تو چند ثانیه میتونی یه دید کلی از پروژه بگیری بدون اینکه بخوای همه فولدرها و فایلها رو یکییکی باز کنی.
┌ 🐱 GitDiagram
└ 🌎 Website
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 145
Repost from Iran AI House | خانه هوش ایران
🔹خانه هوش ایران با همکاری شاخه دانشجویی IEEE دانشگاه تهران برگزار میکند:
🔺"کارگاه آموزشی پایتون" 🔺
زمان: 25 و 26 اردیبهشت ماه 1404
ساعت 9 الی 14
مکان: خیابان کارگرشمالی_روبروی کوی دانشگاه_ ورودی پردیس شماره ۱ _دانشکده مطالعات جهان
🔵 ثبت نام از طریق
iranai.landin.ir/ai
دارای 25 درصد تخفیف دانشجویی
----------------------------------------------------------
برای اطلاعات بیشتر و ارتباط با ادمین:
@iranaihouseadmin
کانال ارتباطی تلگرام خانه هوش
@IntelligenceHouse
50 145
🏳️🌈 جزوه خلاصه من از کتابخانه «NumPy»
👨🏻💻 یکی از ابزارایی که تو مسیر دیتا ساینتیست شدن کلی کمکم کرد، تسلط به NumPy بود. برای همین تصمیم گرفتم یه خلاصه جمع و جور از تکنیکهای مهمش درست کنم.
📂 تو این خلاصه به این موضوعات پرداختم:
⬅️ساخت، تغییر شکل و برش آرایهها
⬅️انجام محاسبات ریاضی و آماری روی دادهها
⬅️ماتریس و جبر خطی با NumPy
⬅️ ترکیب قدرت NumPy با Pandas
🎯 مسلط شدن روی این تکنیکها میتونه سرعت و کیفیت تحلیل دادههاتون رو چند برابر کنه!
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 145
📊 رسم نمودارها، سریعتر از همیشه!
👨🏻💻 یه وقتایی تو کار با دادهها پیش اومده که هی باید کد بنویسیم برای رسم نمودار، مخصوصاً وقتی هنوز داریم دادهها رو بررسی میکنیم.
▶️ ابزار PlotAI این قسمت رو براتون راحت میکنه! این کتابخونه با استفاده از مدلهای زبانی OpenAI، فقط با یه توضیح ساده، کد مربوط به matplotlib رو تولید میکنه.
◀️مثلاً میتونید بگید: “یک نمودار پراکندگی برای ستون A در مقابل ستون B بکش”. کتابخونه PlotAI تو یه چشم به هم زدن کد کاملش رو بهتون میده!
🎚️ حالا مزایاش چیه:
✅ سریعتر کردن تحلیلهای اولیه.
✅ استفاده راحت در نوتبوکهای Jupyter
✅ صرفهجویی تو وقت برای کارای تکراری.
┌ 🎨 PlotAI
└ 🐱 GitHub-Repos
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
50 145
Repost from تهران دیتا-دانشگاه تهران
<<دوره جامع هوش تجاری دانشگاه تهران >>
"مسیر طلایی هوش تجاری – BI از پایه تا تسلط کامل"
🤩 از دادهها به بینش برسید، از بینش به تصمیمگیری هوشمند 🤩
🔍 دنیای امروز بر پایه دادهها میچرخد، اما فقط افراد باهوش میتوانند از آن به نفع خود استفاده کنند! اگر میخواهید در دنیای تحلیل داده و هوش تجاری متخصص شوید، این دوره راه شما را هموار میکند.
🚀 در این دوره چه چیزی یاد میگیرید؟
✅ تسلط بر SQL Server و کوئرینویسی پیشرفته
✅ طراحی و پیادهسازی انبار داده و مدلسازی OLAP
✅ مهارت در SSIS، SSAS، و SSRS برای پردازش و تحلیل دادهها
✅ ساخت داشبوردهای حرفهای و جذاب در Power BI
✅ شناخت ابزارهای قدرتمند Grafana، Looker Studio و DAX Studio
⏰ زمان برگزاری :
روزهای یکشنبه و چهارشنبه ، ساعت ۱۸ الی ۲۲
😀 ارائه گواهینامه دو زبانه دانشگاه تهران
👨💻 پروژهمحور | عملی | ورود به بازار کار
👨🏫 ۱۶۰ ساعت آموزش کاربردی + پروژههای واقعی + پشتیبانی تخصصی
💡 این دوره فرصتی طلایی برای ورود به دنیای پردرآمد هوش تجاری است!
🏃♂️ اگر میخواهید پروژههای هوش تجاری را به صورت کاربردی و عملیاتی اجرا کنید، این دوره همان چیزی است که نیاز دارید!
🔜 فرصت محدود – همین حالا ثبتنام کنید و آیندهای روشن بسازید‼️
📩 برای اطلاعات بیشتر و ثبتنام، همین حالا فرم زیر را تکمیل نمائید یا با ما تماس بگیرید✔️
➡️ https://tehrandata.org/courses/bi/
📞 09377516682
✈️ Telegram | 📞 whatsapp | 📱 linkedin | 📱 Instagram | 🌐 website | 💬 admin
#هوش_تجاری #هوشمندسازی
50 145
👨🏻💻 تصور کن یه ابزار داشته باشی که تو R نهتنها کدت رو بفهمه، بلکه برات دیتای مصنوعی تولید کنه و توی برنامهنویسی کمکت کنه. با ellmer همه اینا ممکنه!
✏️ با ترکیب Ellmer و هوش مصنوعی، چه کارهایی میتونی انجام بدی؟
✅ ساخت دادههای مصنوعی واقعی در چند ثانیه برای تست و آموزش مدلهای ML.
✅ بهینهسازی کدها با پیشنهادهای دقیقتر.
┌ 🥵 ellmer
├ 📚 Documentation
├ 📄 Article
└ 🐱 GitHub-Repos
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
