اختتامیه 14امین کنفرانس امار ایران
با حضور مهمانان خارجی و تعدادی از ادمین های کانال های @data_experts و @r_experts

از دوستان ادمین که در این عکس حضور ندارن بابت زحماتشون تشکر میکنیم

آمریکا با داشتن ۱۸۷۲ اتاق فکر، بیشترین کانون تفکر دنیا را داراست.۵ تا از ۱۰ اتاق فکر برتر دنیا متعلق به امریکاست.
❇️ @Data_Experts

✔️ سه عصر هوش مصنوعی

#هوش_مصنوعی
👈 لینک

«مطالعه این مقاله را به همه کسانیکه که قصد شروع یادگیری هوش مصنوعی دارند پیشنهاد میشود»
❇️ @AI_Python
❇️ @Data_Experts

✔️ یادگیری ماشین در یک قاب

#یادگیری_ماشین
❇️ @AI_Python
❇️ @Data_Experts

✔️ تفاوت بین داده کاوی و آمار

#آمار
#داده_کاوی

❇️ @Data_Experts

چطور هر کاراکتری را رنگی نمایش دهیم
https://cran.r-project.org/web/packages/multicolor/multicolor.pdf
#پکیج
این تکه کد هم تقدیم به شما همراهان

> library(viridisLite)
> library(multicolor)
> multi_color("Data_Experts", colors = plasma(10,direction = -1,begin = .3))
Opernty
> multi_color(things$daemon,colors = inferno(10,begin = .3),direction = 'horizontal')

«با ما همراه باشید»
❇️ @Data_Experts

@Data_Expert
یک منبع آموزشی خوب و رایگان برای یادگرفتن علم داده ها با استفاده از پایتون کتاب آنلاین Computational and Inferential Thinking است که به عنوان منبع اصلی کورس Foundations of Data Science در دانشگاه برکلی مورد استفاده قرار می گیرد.
آدرس این کتاب آنلاین:
https://www.inferentialthinking.com/

آدرس گیت هاب این کتاب و شامل نوتبوک های پایتون:
https://github.com/data-8/textbook

❇️ @Data_Experts

در صد سال صنعت خودرو ایران به زور دیده می شودتا قبل از ۱۹۵۰ این صنعت در انحصار امریکا بوده و از سال ۲۰۱۰ به بعد چین به بزرگترین خودروساز جهان تبدیل شده و امریکا ژاپن بعد از آن قرار دارند
@Data_Experts

ده روند تحلیل داده در سال ۲۰۱٨
@Data_Experts

‌@Data_Experts
دکتر آبنوسیان
معرفی مشاغل و فرصت‌های کاری جذاب در حوزه داده!

در ادامه برخی از مشاغل و شرح شغلی‌های مطرح و جذاب در حوزه علم‌داده و کلان‌داده معرفی خواهند شد.

https://t.iss.one/Data_Experts


1- متخصص علم‌داده:
جهت ورود به حوزه علم‌داده نیاز به کسب دانش و تخصص در موضوعاتی همانند مهندسی نرم‌افزار، ریاضیات، آمار، متخصص حوزه‌ و... خواهید داشت. ساخت مدل‌های توصیفی، پیش‌بینانه‌، استقرار مدل‌‌های مبتنی بر یادگیری ماشین و آمار از وظایف کلیدی یک متخصص علم‌داده است. آشنایی با زبان‌های پایتون و R، نرم‌افزارهای رپیدماینر، Knime، SPSS Modeler و توانایی کار با پایگاه داده‌های رابطه و زبان SQL از مؤلفه‌های موفقیت در این فیلد شغلی در بازار کار کشور است. توجه به مهارت‌های نرم همانند خلاقیت، فنون مذاکره، کار تیمی و... سبب تمایز شما در بازار کار خواهد شد.

2- متخصص هوش‌تجاری:
هوش‌تجاری مجموعه‌ای از ابزارها، برنامه‌های کاربردی و متدولوژی‌ها است که با جمع‌آوری داده‌ها و تحلیل بلادرنگ آن، سبب اتخاذ تصمیمات داده‌‍محور بهینه و بهبود فرایندها در کسب‌وکار می‌شود. درصورتی‌که علاقه‌مند به ورود به حوزه هوش‌تجاری هستید آشنایی و کسب دانش تخصص در پلتفرم‌ها و فریم‌ورک‌های هوش‌تجاری پایگاه داده‌های Microsoft SQL Server یا Oracle توصیه می‌شود. آشنایی با نرم‌افزارها و ابزارهای مطرح داشبورد سازی و مصورسازی همانند Qlik, Power BI و Tableau از پیش‌نیازها می‌باشد.

3- مهندس یادگیری ماشین:
بر اساس آمار برترین مشاغل در ایالات‌متحده آمریکا، امسال برترین شغل حوزه مهندسی یادگیری ماشین می‌باشد. حوزه‌ای کاملا جذاب و جدید که در آینده در داخل کشور نیز توجهات به آن افزایش پیدا خواهد کرد. توانایی پیاده‌سازی الگوریتم‌های تخصصی یادگیری ماشین، آشنایی با فریم‌ورک‌ها و پلتفرم‌های یادگیری عمیق، بهینه‌سازی و توسعه مدل‌های یادگیری ماشین در محیط‌های عملیاتی، استقرار مدل‌ها و الگوریتم‌های توزیعی و...از وظایف یک مهندس یادگیری ماشین خواهد بود.

4- توسعه‌دهنده کلان داده:
یکی از مشاغل کلیدی در حوزه Big Data، توسعه‌دهنده کلان داده می‌باشد. وظیفه اصلی یک توسعه‌دهنده کلان داده استقرار و توسعه محصولات و سامانه‌های نرم‌افزاری در مقیاس کلان داده خواهد بود. آشنایی با پایگاه داده‌های غیر رابطه‌ای(NoSQL) و رابطه‌ای، تخصص در پلتفرم‌ها و کتابخانه‌های اکوسیستم آپاچی هدوپ و اسپارک، توانایی مدیریت، نگه‌داری و انتقال بلادرنگ داده‌ها، آشنایی با معماری‌های پردازشی توزیع‌شده و... از وظایف این حوزه کاری می‌باشد.

5- تحلیلگر کلان داده:
در فیلد Big Data Analysis و فرصت‌های شغلی این حوزه هدف اصلی استقرار مدل‌های تحلیلی بر روی دادگان حجیم می‌باشد. آشنایی با پلتفرم‌ها و کتابخانه‌های تحلیلی کلان داده همانند کتابخانه‌های یادگیری ماشین هدوپ(Mahout)، اسپارک(Spark Mllib)، تخصص در مفاهیم یادگیری ماشین و استقرار مدل‌های پیش‌بینانه و توصیفی از نیازمندی‌های این حوزه هست. در این فیلد نیز زبان پایتون بهترین انتخاب خواهد بود.

6- متخصص متن‌کاوی:
یکی از فیلدها جذاب که به‌تازگی توجهات به آن بر اساس کاربردها و کارکردهای که دارد افزایش یافته است حوزه متن‌کاوی می‌باشد. در این حوزه هدف استقرار مدل‌هایی در جهت تحلیل و آنالیز دادگان متنی و بدون ساختار موجود در سازمان همانند باشگاه مشتریان، شبکه‌های اجتماعی، کامنت‌ها و... می‌باشد. جهت ورود به این حوزه نیاز به آشنایی با زبان‌های برنامه‌نویسی همانند پایتون، جاوا یا R خواهید داشت. آشنایی با مفاهیم اصلی و پایه‌ یادگیری ماشین و داده‌کاوی نیز از پیش‌نیازها ورود به این حوزه است.

https://t.iss.one/Data_Experts

پی‌نوشت:
1- به علاقه‌مندانی که قصد ورود به هریک از حوزه‌های فوق را دارند توصیه می‌کنم جهت آموزش از دوره‌ها و منابع بسیار کاربردی و مفید وب‌سایت‌هایی همانند Udemy, Lynda, Edx, Coursera و... استفاده نمایند. انتخاب نقشه راه مناسب بنا به تخصص، دانش و علاقه‌مندی شما از گام‌های کلیدی در کسب موفقیت در هریک از فیلدهای کاری اعلامی می‌باشد.

2- به مدیران کسب‌وکارها نیز پیشنهاد می‌گردد درصورتی‌که قصد جذب کارشناس و متخصص در هر یک از فیلدها را دارید ابتدا برخی از شرح شغلی(Job Description)های اعلامی شرکت‌های موفق را موردبررسی نمایید تا علاوه بر نیازمندی‌های فعلی سازمانتان بتوانید سایر نیازمندی‌های آتی خود را پوشش دهید.

3- برخی از شرکت‌ها بعضا در آگهی‌ها و فرصت‌های شغلی خود برخی از مهارت‌ها و دانش‌ها چند فیلد کاری را با یکدیگر تجمیع و تمامی مهارت‌ها را از یک فرد درخواست می‌نمایند. طبق تجربیات این قبیل اقدامات در نهایت برای شرکت کارآمد نخواهد بود و توصیه می‌کنم با تشکیل یک تیم تخصصی از هر کارشناس در جایگاه تخصصی خود استفاده نمایید.

❇️ @Data_Experts

https://t.iss.one/Data_Experts

@Data_Experts
🌸 هم ساقی کوثر تويی 🌸
🌸هم هادی و رهبر تویی 🌸

🌸هم شاه بحر آور تویی 🌸
🌸هم شافع محشر تویی 🌸

🌸هم نور پیغمبر تویی 🌸
🌸هم عاشق داور تویی🌸

🌸هم حیدر صفدر تویی🌸
🌸 شاهانه گویم یاعلی 🌸

💐علی در عرش بالا بی نظير است💐
💐علی بر عالم و آدم امير است💐

💐به عشق نام مولايم نوشتم💐
💐چه عيدی بهتر از عيد غدير است؟💐

🎉🌺🌙عـــیــد
🎉🌺🌙سعيــد
🎉🌺🌙غدیرخم
🎉🌺🌙بر شــما
🎉🌺🌙دوستان
🎉🌺🌙عزيز و
🎉🌺🌙خانواده
🎉🌺🌙محترمتان
🎉🌺🌙مبــــــارک
🎉🌺🌙و فرخنده
🎉🌺🌙بــــــاد

@Data_Experts

مثالی از آرگومان ()when در R

> ruler <- function(width = getOption("width")) {
+     x <- seq_len(width)
+     y <- dplyr::case_when(
+         x %% 10 == 0 ~ as.character((x %/% 10) %% 10),
+         x %% 5 == 0  ~ "+",
+         TRUE         ~ "-"
+     )
+     cat(y, "\n", sep = "")
+     cat(x %% 10, "\n", sep = "")
+ }
> ruler()
----+----1----+----2----+----3----+----4----+----5----+----6----+----7----+----
1234567890123456789012345678901234567890123456789012345678901234567890123456789

«با ما همراه باشید»
❇️ @Data_Experts

✔️ بهترین راهی که میشود الگوریتمها را در یادگیری ماشین استفاده کرد
#یادگیری_ماشین

❇️@Data_Experts

✔️ معایب و مزایای استفاده از الگوریتمهای یادگیری ماشین

#یادگیری_ماشین

❇️@Data_Experts

✅ ردیابی آنلاین بطنهای قلبی در تصاویر سونوگرافی توسط نرم افزار RISP
👨‍💻 نویسنده: محمد نوری زاده چرلو

✍ ایست قلبی یکی از علتهای اصلی مرگ و میر در غرب است. معاینه معمول قلب در کلینیکها می‌تواند با شناخت علائم اولیه و اختصاص دادن روش درمان مناسب، به طور قابل توجهی خطر ابتلا به نارسایی قلبی را کاهش دهد. معاینه قلب در طی یک مراجعه می‌تواند علل و علائمی که منجر به بیماری قلبی می شوند را روشن کند. معاینه قلب را می توان با روشهای غیرتهاجمی و نسبتا کوتاه با استفاده از سیگنال ecg یا تصاویر اولتراسوند(اکوکاردیوگرافی) انجام داد.
مشکلات ناشی از بی نظمی پالس( آریتمی‌های قلبی) را می توان با استفاده از سیگنالهای قلبی بررسی کرد، با این حال، پزشکان معاینه بصری برای تجزیه و تحلیل علملکرد قلب را بسیار مهم می‌دانند.
حجم بطنهای قلب در انتهای #دیاستول و #سیستول به عنوان یک #شاخص برای تشخیص آریتمیها، فیبریلاسیون بطنی ، ریسک ایست قلبی استفاده می شود. بنابراین استخراج اطلاعات در مورد دینامیک انقباض بطنها برای تشخیص بیماریها مهم است. از آنجا که سونوگرافی یک تصویر واضح از دینامیک انقباض بطنها ارائه می‌دهد ، برای تشخیص سریع بیماریها از سونوگرافی استفاده می‌کنند. با این حال تصاویر سونوگرافی نویزی هستند و برای تفسیر آنها نیاز به یک پزشک باتجربه است.
نرم افزار سونوگرافی قلبی عروقی RISP یک روش خودکار برای ردیابی بطنها (در نمای چهار حفره ای) در طول چرخه ی قلبی را ارئه کرده است.
باید به این نکته اشاره کرد که ردیابی بطنها در طول چرخه‌ی کاری قلب کار چندان ساده ای هم نیست، زیرا علاوه بر نویز، ماهیت ناپایدار قلب، جابجایی‌های ایجاد شده در اثر تنفس و ... ردیابی بطن را چالش برانگیز می کنند.
جالب است بدانید که نرم افزار سونوگرافی RISP از #کانتور_فعال برای ردیابی خودکار بطنها استفاده کرده است. این شرکت بیش از 2 دهه هست که روشهای پردازش تصویر و بینایی ماشین را برای بررسی قلب و عروق ارائه می‌دهد.

منبع:

https://www.rsipvision.com/cardiovascular-ultrasound-software/

#مهندسی_پزشکی
#خبر
#معرفی_نرم‌افزار
#پردازش_تصویر

https://t.iss.one/Data_Experts

✔️ @Data_Experts

✅ ردیابی آنلاین بطن چپ قلب در تصاویر سونوگرافی( نمای چهار حفره ای ) توسط نرم افزار RISP

✔️ @Data_Experts

📖 کتاب بخوانیم؛
"عظیم‌داده، چگونه داده‌ها، کسب‌وکارهای بزرگ را قدرت می‌بخشند"
"Big Data, Understanding How Data Powers Big Business"
☑ بخش هفتم: "”Understanding Your Value Creation Process
" درک فرایند تولید ارزش"

📌 برای برخی از سازمان ها درک و یا "تصور" اینکه با استفاده از عظیم داده می توانند ایده های کلیدی کسب و کار خود را تقویت کنند، دشوار است. اصولا سازمان ها و کسب و کارهای گوناگون همیشه با سوالاتی مواجه بوده و در صدد یافتن پاسخ این سوالات بوده اند از قبیل: با ارزش ترین مشتریان من چه کسانی هستند؟ مهمترین محصولات من چه هستند؟ موفقیت آمیزترین کمپین های من چه هستند؟ متصدیان کسب و کار باید به این نوع سوالات پاسخ دهند تا:
• فرصت های جدید درآمد را که بازاریابی و فروش این شرکت ها را تحت تاثیر قرار می دهد، کشف کنند
• هزینه های تهیه، ساخت، موجودی، زنجیره تامین،توزیع، بازاریابی، فروش و سرویس، و پشتیبانی خود را کاهش دهند
• خطرات در همه جنبه های عملیاتی و مالی در زنجیره ارزش سازمان را کاهش دهند
• مشتریان، محصولات و بینش های جدیدی را جمع آوری کرده تا بتوانند مزیت رقابتی در مقابل رقبا بدست آورده و سود بیشتری از صنعت مورد نظر کسب کنند

✔ عظیم داده در پاسخ به پرسش های کسب و کار و تولید ارزش از داده ها " 4 محرک کلیدی" را معرفی کرده است که می توانند برایده ها یا فرآیندهای کسب و کار سازمان اعمال شده تا دیدگاه های جدید در مورد کسب و کار (در زمینه مشتریان، محصولات، عملیات، بازار، و غیره) و بهبود تصمیم گیری ایجاد کنند. این 4 محرک عظیم داده شامل دسترسی به داده های ساختارمند، داده های بدون ساختار، داده های بهنگام و تحلیل پیش بینانه می باشد.

🖌 محرک اول: دسترسی به جزئیات داده های تراکنشی - دسترسی به داده های جزئی تر، دقیق تر و ساختارمند (تراکنشی) موجب واکنش مناسب تری در پاسخ به سوالات کاربران کسب و کار شده و منجربه تصمیمات بهتری نیز می شود. به عنوان مثال، چه نوع سوالاتی را می توان پاسخ داده و چه تصمیماتی می توان اتخاذ نمود، اگر می توانستیم به داده هایی با جزئیات بیشتر مانند تراکنش های پایگاه های فروش(POS)، سوابق جزئیات تماس کاربران، شناسایی فرکانس رادیویی ( RFID)، تراکنش های کارت اعتباری، معاملات سهام، مطالبات بیمه، و داده های بهداشتی- پزشکی دسترسی داشته باشیم.

🖌 محرک دوم: دسترسی به داده های بدون ساختار - توانایی ادغام حجم رو به رشد داده های بدون ساختار با داده های جزئی و ساختار مند موجود، توانایی تغییر نوع برداشت ما از داده ها را بسیار افزایش می دهد. داده های بدون ساختار می توانند معیارها و ابعاد جدیدی ارائه کنند که می تواند توسط ذینفعان کسب و کار مورد استفاده قرار گرفته تا بینش جدید درباره مشتریان، محصولات، عملیات و بازارهای خود را کشف کنند.به عنوان مثال، تاثیر بالقوه دسترسی به داده های بدون ساختار داخلی (مانند نظرات مصرف کننده، ایمیل، یادداشت پزشک، توضیحات) و همچنین اطلاعات بدون ساختار خارجی (مانند رسانه های اجتماعی، تلفن همراه،دستگاه ها یا سنسورها) بر کسب و کار چه هستند؟

🖌 محرک سوم: دسترسی به داده های بهنگام - توانایی فراهم نمودن دسترسی به داده های بهنگام یا زمان واقعی یک عامل تعیین کننده می باشد که می تواند فرصت های کسب درآمد جدید را فعال کند. بزرگترین مشکل امروزه پلتفرم های داده های متمرکز و دسته ای این است که بسیاری از مشتریان و فرصت های بازار زودگذر و فرار هستند - این فرصت ها ظاهر و ناپدید می شوند قبل از اینکه یک فرصت برای شناسایی و عمل بر روی آنها داشته باشیم. به عنوان مثال، قدرت خدمات مبتنی بر شناسایی و ارتباط با مشتریان را قبل از اقدام به خرید تصور کنید که در صورت داشتن چنین موقعیتی می توان از قدرت تاثیر گذاری بر مشتری بهره برداری نمود.

🖌 محرک چهارم: ادغام تجزیه و تحلیل پیش بینانه - ادغام تجزیه و تحلیل پیش بینانه یا پیشرفته در فرایندهای کلیدی کسب و کار این قدرت را ایجاد می کند تا پاسخ به هر گونه سوالی که کاربران کسب و کار در حال تلاش برای پاسخ به آنها هستند،و هر تصمیمی که در تلاش برای ایجاد آن هستند را تغییر داده یا تبدیل کند. این امرشامل معرفی مجموعه ای جدید از واژگان به ذینفعان کسب و کار می شود - واژگانی مانند پیش بینی، پیش گویی، نمره دهی، توصیه و بهینه سازی.
⬛ کسب و کارهای گوناگون با توجه به این 4 محرک مهم و در ترکیب با سایر مفاهیم کسب و کار مانند تحلیل 5 نیروی رقابتی مایکل پورتر و همینطور تحلیل زنجیره ارزش او می توانند گامهای مهمی در تحول و تغییر کسب و کار خود به سوی سود و مزیت رقابتی بالاتر بر دارند.

منبع:
@BigData_BusinessAnalytics

https://t.iss.one/Data_Experts

#خبر
اولین لپ‌تاپ جهان مجهز به دو نمایشگر که البته یکی از آن‌ها نمایشگر E Ink است و جایگزین کیبورد شده بوسیله کمپانی لنوو معرفی شد

@Data_Experts

۶ گام انجام پروژه های یادگیری ماشین
👈 لینک
#یادگیری_ماشین
❇️@AI_Python