✅ نکته اول برای برنامه نویسی:

قبل از شروع به یادگیری کدنویسی ابتدا پیش نیازهای مربوط به برنامه نویسی را خوب یادبگیرید. یک برنامه نویس هنگامی موفق می شود که قدرت تجزیه و تحلیل یک سیستم را داشته باشد. بتواند مسائل را به خوبی حل کند. با مفاهیمی چون الگوریتم و فلوچارت غریبه نباشد. یک برنامه نویس خوب باید بتواند بهترین الگوریتم را برای کد خود طراحی کند. شاید شما بتوانید یک برنامه را با چندین روش بنویسید ولی بهترین روش الگوریتمی ست که فاکتورهایی مانند سرعت، دقت، امنیت و ... را داشته باشد.

✅ نکته دوم برای برنامه نویسی:

شما به عنوان یک برنامه نویس باید با مفاهیم IT آشنا باشید. مثلا کدهای شما چگونه اجرا می شوند ؟ چگونه به سمت سرور می روند ؟ پروتکل چیست ؟ مفسر با کامپایلر چه تفات هایی دارند؟ نرم فزار، سخت افزار، شبکه و ...
بعد از آن سراغ انتخاب ایزار که همان زبان برنامه نویسی هست میرویم، زبان های زیادی برای برنامه نویسی وجود دارند. ولی تقریبا می توان گفت که سینتکس و یا دستور اکثر زبان های برنامه نویسی مشابه زبان " C " است. پس پیشنهاد می کنم اگر مبتدی هستید این زبان را کامل یاد بگیرید.

✅ نکته سوم برای برنامه نویسی:

* استفاده از محیط برنامه نویسی مناسب :
اگر مبتدی هستید حتما از ساده ترین محیط ها و ویرایشگرهای متن برای کدنویسی استفاده کنید. محیط های حرفه ای جهت برنامه نویسی، افراد مبتدی را تنبل می کند. محیط های حرفه ای دستورات رو بعد از ورود یک حرف برای شما تایپ می کند و اینگونه می شود که عملا قدرت تایپ دستورات از شما گرفته و شما به نوعی در تایپ دستورات تنبل بار می آیید و در آینده با قواعد و دستورات بیگانه می شوید و همچنین در رفع خطاهای برنامه خود دچار مشکل می شوید.

✅ نکته چهارم برای برنامه نویسی:

تقریبا زبان های برنامه نویسی به دو دسته تقسیم می شوند:
"زبان های برنامه نویسی دسکتاپ"
برای اجرا در سیستم عامل های مختلف. مانند نرم افزارهای اتوماسیون اداری، ماشین حساب، پخش ویدیو و برنامه های موبایل و غیره
"زبان های برنامه نویسی تحت وب "
که به منظور وب نویسی طراحی و توسعه داده شده اند. مانند شبکه های اجتماعی ، فروشگاه ها اینترنتی و ...
سعی کنید برای شروع، مسیر درست را برای ادامه انتخاب کنید و ببینید به کدام یک از این نوع زبان ها علاقه دارید.

با ما همراه باشید .
╭──•═✾®✾═•──╮
••• @R_Experts •••
╰──•═✾®✾═•──╯

➖➖➖➖➖➖➖➖➖➖➖

🔰 @Data_Experts
🌐 dataexperts.ir
📱DataExperts Instagram
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
پی-مقدار چیست و چگونه تفسیر می‌شود؟

 P-value

در این ویدیو با یک مثال از طریق آزمودن اثر پذیری دو داروی A و B نحوه استفاده از پی-مقدار توضیح داده می‌شود، و کران انتخابی برای رد آزمون فرض نیز تشریح داده شده است.
زبان ویدیو انگلیسی هست و تمام صحبت‌ها در اسلایدها نوشته شده است.
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
🌐 dataexperts.ir
📱DataExperts Instagram
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖Statistical Softwares➖➖➖➖➖➖
آخرین ورژن از نرم افزارهای مورد نیاز شامل : R - Rstudio -Anaconda -Rtools به همراه همه نسخه‌های منتشر شده به تاریخ 16 اسفند 99 در زیر قرار داده شده است با کلیک روی هرکدام می‌توانید دانلود کنید.
➖➖➖➖R CRAN➖➖➖➖
▪️R-4.0.4-win64bit
▪️R-4.0.4-Mac
▪️R-3.6.3-linux
➖➖➖➖RStudio➖➖➖➖
▪️RStudio for Win10/8/7
▪️RStudio macOS 10.13+
▪️Rstudio Ubuntu 16
▪️Rstudio Ubuntu 18/Debian 10
▪️Rstudio Fedora 19/Red Hat 7
▪️Rstudio Fedora 28/Red Hat 8
▪️Rstudio Debian 9
▪️Rstudio OpenSUSE 15
➖➖➖➖Rtools➖➖➖➖
▪️Rtools-40-win64bit
▪️Rtools-40-win32bit
▪️Rtools-35-win64bit
➖➖➖➖Anaconda➖➖➖
▪️Anaconda3-2020.11-Windows-x86_64
▪️Anaconda3-2020.11-Linux-x86_64
▪️Anaconda3-2020.11-MacOSX-x86_64
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
🌐 dataexperts.ir
📱DataExperts Instagram
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
مجموعه پادکست‌های دکتر وفایی صدر در زمینه دیتاساینس و برنامه نویسی که در تیم AImedic تهیه شده است را می‌توانید با کلیک روی هر موضوع از سایت خودشون گوش بدید.
➖➖➖➖➖➖➖➖➖➖➖
◀️ ☑️ دکتر وفایی صدر از خودش می‌گوید
◀️ ☑️ چرا برنامه نویسی مهم است؟
◀️ ☑️ چگونه دیتاساینتیست شویم؟ بخش اول
◀️ ☑️ چگونه دیتاساینتیست شویم؟ بخش دوم
◀️ ☑️ چگونه دیتاساینتیست شویم؟ بخش سوم
◀️ ☑️ چرا دیتاساینس مهم است؟
◀️ ☑️ بیگ دیتا چیست؟
◀️ ☑️ یادگیری نظارت شده / یادگیری نظارت نشده
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
🌐WebSite 📱Instagram 📺YouTube 🎥Aparat
➖➖➖➖➖➖➖➖➖➖➖

⛔️ بنابر درخواست برگزار کننده دوره کارگاه یادگیری ماشین که توسط دانشگاه الزهرا با همکاری مدیریت همکاری های علمی بین المللی و انجمن آمار ایران برگزار شده بود، تمامی مطالب آماده شده در فضای مجازی حذف گردید

هرچند لینک جلسات در سایت دانشگاه الزهرا کاملا در دسترس همه هست و علاقه‌مندان می‌توانند از طریق لینک جلسات وارد ادبی کانکت شوند و از سایت دانشگاه الزهرا مشاهده کنند.

➖➖➖➖➖➖➖➖➖➖➖
معرفی نرم افزار Mathpix snip


ممکن است برای خیلی ها پیش آمده باشد که بخواهند فرمول هایی را که در کتابی دیده اند را بتوانند سریع به فرمول های لاتک تبدیل کنند. برای این کار کافی است Mathpix را از
https://mathpix.com/
دانلود کرده و نصب نمایید.(حجم خیلی کمی داشته و با چند کلیک نصب می شود.)

بعد از ان کافی است با فشردن کلیدهای CTRL-ALT-M به طور همزمان نرم افزار را فعال کنید و سپس فرمولی را که میخواهید انتخاب نمایید تا آن را تبدیل به دستورات لاتک کند

همان طور که در زیر می‌بینید فرمول ها را بدون علامت دلار، با علامت دلار یا با دو علامت دلار برای کپی کردن در اختیار شما قرار می دهد. کافی است آن را کپی کرده و در سایت paste کنید تا فرمول ها را همانطور که در عکس می بینید بنویسید.
➖➖➖➖➖➖➖➖➖➖➖
ویدیوهای کاربرد این نرم افزار رو حتما ببینید به دردتون میخوره با کلیک روی هر لینک میتونین تماشا کنید
✅Using Snip with Overleaf
✅Using Snip with Microsoft Word
✅Using Snip with Microsoft Excel
✅Using Snip with Notion

این نرم افزار بنا به پیشنهاد کانال کتابخانه ریاضی مالی معرفی گردیده است دستشون درد نکنه.
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
🌐WebSite 📱Instagram 📺YouTube 🎥Aparat
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
چگونه هر چیزی را در ۲۰ ساعت یاد بگیریم؟

این ویدیو از مجموعه سخنرانی‌های تد هست که در اون در مورد اینکه چگونه هر رشته ای رو که میخواییم در حد معمول در ۲۰ ساعت یاد بگیریم.
هم یک ویدیو انگیزشی هست هم یک ویدیو راهکاری برای یادگیری.
این ویدیو به‌صورت اختصاصی در Data Experts ترجمه شده است (اشکالات موجود را بر ما ببخشید)
➖➖➖➖➖➖➖➖➖➖➖
این ویدیو در آپارات نیز آپلود شده است
https://www.aparat.com/v/mcb2j
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
🌐WebSite 📱Instagram 📺YouTube 🎥Aparat
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
آموزش به اشتراک گذاشتن اپلکیشن‌های Shiny
➖➖➖➖➖➖➖➖➖➖➖
🔘 Power Shiny
▪️ 01 The Course Overview
▪️ 02 Bookmarking
▪️ 03 Interactive Plots
▪️ 04 Reading Client Information and Setting Inputs with URLs
▪️ 05 Adding a Password
▪️ 06 Simplifying Your Code with Functions and Modules
▪️ 07 Shiny Gadgets

🔘 Shiny and JavaScript
▪️ 01 Easy JavaScript with shinyjs
▪️ 02 Simple Shiny and JavaScript Integration
▪️ 03 Using extendshinyjs
▪️ 04 Linking Outputs with Crosstalk
▪️ 05 Sending Messages in Shiny Applications with JavaScript

🔘 Sharing and Persistence in Shiny Applications
▪️ 01 Sharing with Gist and .zip
▪️ 02 Sharing with GitHub
▪️ 03 Shiny Server and shinyapps.io
▪️ 04 Files Databases and Persistence in Shiny Applications
▪️ 05 SQL Injection
▪️ 06 Using a Database with Pool

🔘 Exercise Files
▪️ Exercise Files
➖➖➖➖➖➖➖➖➖➖➖
آدرس لیست پخش آپارات جهت مصرف نیم بها اینترنت
https://www.aparat.com/v/5yJ6m?playlist=894971
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
🌐WebSite 📱Instagram 📺YouTube 🎥Aparat
➖➖➖➖➖➖➖➖➖➖➖

✅ 101 تمرین با جواب تحلیل دیتا با ماژول Numpy

#پایتون #آموزش #python

🌎Link Review

❇️@Data_Experts

➖➖➖➖➖➖➖➖➖➖➖
نوروز 1400 را خدمت همه دوستان گرامی تبریک عرض میکنم سالی پر از اتفاقات خوب همراه با سلامتی برای همه آرزومندم

پ ن : کدها با پایتون (ماژول turtle) اجرا شده است
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts

➖➖➖➖➖➖➖➖➖➖➖
Create a Data Frame from All Combinations of Factor Variables

expand.grid

ساخت تمام ترکیبات مختلف دو بردار از داده ها یا فاکتورها
زبان ویدیو فارسی🇮🇷 می‌باشد
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
🌐WebSite 📱Instagram 📺YouTube 🎥Aparat
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
🔘 لیست مجموعه آموزش مقدمات R
◽️مدرس: جواد وحدت
◽️آپدیت: 4 فروردین 1400
این دوره #رایگان به مرور ضبط و در کانال Data Experts بارگذاری خواهد شد.
➖➖➖➖➖➖➖➖➖➖➖
▪️ جایگذاری مقادیر NA با صفر
▪️ کاربرد تابع dim در مشخص کردن ابعاد
▪️ اسم گذاری و یا حذف اسامی مولفه‌های بردار
▪️ کاربرد تابع complete.cases در ‏data.frame
▪️ نام گذاری ستون‌های یک دیتافریم یا ماتریس
▪️ تجمیع چند دیتافریم به‌صورت سطری(زیرهمدیگر)
▪️ ساخت دیتافریم خالی برای پر کردن در اینده
▪️ کار با NA در داده‌های گمشده
▪️ کاربرد تابع length برای طول بردار
▪️ تابع max و تابع min و مثال آن
▪️ تولید دنباله اعداد با مقادیر تکرار شده rep
▪️ توابع all ‌و any جهت چک کردن منطقی دو بردار
▪️ مجموع و میانگین سطرها و ستون‌های ماتریس و دیتافریم
▪️ تبدیل ساختار داده به یکدیگر(بردار، کاراکتر، ماتریس‌و...)
▪️ حذف لول‌فاکترهای استفاده نشده از بردار فاکتورها
▪️ کشیدن چندین خطوط و منحنی بروی همدیگر
▪️ آزمودن وجود یک مولفه در یک بردار
▪️ جدول فراوانی و جدول توافقی
▪️ ساخت تمام ترکیبات مختلف دو بردار از داده ها یا فاکتورها
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
🔘تمرین تابع نویسی در R
◽️ تابعی بنویسید که ضرایب یک معادله درجه دو را دریافت کرده و ریشه های معادله را چاپ کند.
➖ ax^2 + bx + c =0 ➖
ابتدا خودمان تابعی به اسم rd را با استفاده از دستورات شرطی مینویسیم سپس از دستور آماده موجود polyroot نیز استفاده میکنیم تا نتایج را مقایسه کنیم.

rd<-function(c=0,b=1,a=1){
     delta<-b^2-4*a*c
     if(delta<0)
         {cat("rishe hagigi nadarad","\n")}
     else{
        x1<-(-b+sqrt(delta))/(2*a)
        x2<-(-b-sqrt(delta))/(2*a)
       cat("rishe hagigi darad va barabare =",x1,x2,"\n")
         }
  }

rd(0,1,1)

polyroot(c(0,1,1))

➖➖➖➖➖➖➖➖➖➖➖

🔰 @Data_Experts
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
🔘تمرین تابع نویسی در R
◽️ تابعی بنویسید که یک بردار از داده ها دریافت کند هر درایه بردار را چک کند در صورت زوج بودن در بردار دلخواه مثلا e و در صورت فرد بودن در بردار o ذخیره کند و در اخر هر سه بردار را نمایش دهد
➖➖➖➖➖➖➖➖➖➖➖
#R

eo<-function(x){
     o<-c();e<-c()
     for(i in 1:length(x)){
        if(x[i]%%2==0){e<-c(e,x[i])}
        else{o<-c(o,x[i])}
     }
     xs<-list(odd=o,even=e)
     xs
     }

x<-c(21,1,20,14,45,87,31,25,69)
eo(x)

➖➖➖➖➖➖➖➖➖➖➖

🔰 @Data_Experts
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
🔘 وقتی که علم در بطن جامعه ظهور میکنه

بریتانیا از اسکناس‌های جدید ۵۰ پوندی رونمایی کرد با عکس آلن تورینگ ، ۱۲ پازل هم کار شده که حلشون برای افراد حرفه‌ای ۷ ساعت وقت می‌بره!

آلن تورینگ دانشمند علوم کامپیوتر، ریاضیدان و فیلسوف بریتانیایی است که امروزه به عنوان پدر علم کامپیوتر و هوش مصنوعی شناخته می شود.

➖➖➖➖➖➖➖➖➖➖➖

🔰 @Data_Experts
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
Normality Test
آزمون نرمال بودن داده‌ها با استفاده از برنامه R
اکثر آزمون‌های آماری بر پایه توزیع نرمال ساخته شده‌اند که پیش‌فرض غالب این آزمون‌ها، برقراری نرمال بودن توزیع داده‌های متغیر مورد نظر است. در این آموزش قصد داریم تا ابتدا برای تک متغیره آزمون های نرمال بودن را بررسی کنیم سپس در حالت چند متغیره نیز با معرفی داده چند متغیره آزمون نرمالیتی مربوط به اون رو هم انجام دهیم پس با ما همراه باشید.
➖➖➖➖➖➖➖➖➖➖➖
🔘 ابتدا یک بردار داده نرمال تصادفی تولید میکنیم تا آزمون‌های آماری را با این داده‌ها انجام دهیم

x=rnorm(100,5,7)

▪️ آزمون شاپیرو-ویلکز

shapiro.test(x)

🔘 با فراخوای پکیج nortest می‌توانیم آزمون های مختلف دیگری نیز برای نرمال بودن استفاده کنیم که شرایط هرکدام از این آزمون‌ها در راهنمای پکیج هست و میتونین مطالعه کنید.

library(nortest)

▪️ آزمون اندرسون-دارلینگ

ad.test(x)

▪️ آزمون Cramer-von Mises

cvm.test(x)

▪️ آزمون Lilliefors (کولموگروف-اسمیرنوف)

lillie.test(x)

▪️ آزمون مجذور کای پیرسون

pearson.test(x)

▪️ آزمون شاپیرو-فرنسیا

sf.test(x)

🔘برای حالت چند متغیره میتوانیم از طریق فراخوانی پکیج mvnormtest آزمون را انجام دهیم

library(mvnormtest)

▫️ فراخوانی مجموعه داده EuStockMarkets و آماده‌سازی مجموعه‌ داده‌

data(EuStockMarkets)
mydata <- t(EuStockMarkets[15:29,1:4])

▪️ آزمون نرمال بودن چندمتغیری شاپیرو-ویلکز

mshapiro.test(mydata)

➖➖➖➖➖➖➖➖➖➖➖

🔰 @Data_Experts
➖➖➖➖➖➖➖➖➖➖➖