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

نورال لینک (Neuralink) یکی از شرکت های ایلان ماسک، قصد دارد بدون هیچگونه اتصال فیزیکی و با استفاده از نوروتکنولوژی ابزاری برای مغز بسازد که با آن بتوان اطلاعات را مستقیما بر روی مغز از کامپیوتر دانلود کرد.
شایان ذکر است که این یکی از پیشرفت های بسیار بزرگ در حیطه تبدیل شدن به ابر انسان بر اساس پیش بینی بزرگان دنیای فناوری می باشد.
این رابط مغز-کامپیوتر (BCI) یا brain-computer interface به صورت کاشتی خواهد بود که پیشتر باعث آسیب های مغزی میشد ولی این شرکت قصد دارد رابط هایی بدون آسیب های جدی بسازد.
پیام مرتبط:‌ https://t.iss.one/ai_python/5655
❇️ @AI_Python

نا امیدی در یافتن دانشمندان داده در آمریکا!
گزارشهای لینکدین نشان میدهد که آمریکا شدیدا نیازمند دانشمند داده می باشد ولی با کمبود نیروی کار در این زمینه مواجه شده است.

لینک
❇️@AI_Python

✔️ موتور جستجوی دیتاست گوگل جهت پیدا کردن دیتا معرفی شد
👈 لینک

❇️@Data_Experts

#پایتون برای #علم_داده
#کتاب
#Book
Python Data Science Handbook

Download:
https://t.iss.one/Data_Experts/251
❇️@Data_Experts

🔴🔵⚫️⚫️🔵🔴⚫️🔵🔴⚫️🔵🔴⚫️🔵🔴⚫️🔵🔴⚫️🔵🔴⚫️🔵
مژده به دوستاران هوش تجاری (BI)
قابل توجه کلیه دوستان حاضر در این کانال از بهمن‌ماه سال جاری آموزش کاملا مفهومی و کاربردی هوش تجاری در غالب Microsoft Sql Server Data Tools در این کانال ارائه می‌شود،
این دوره شامل:
🔸 شرح کامل مفاهیم هوش تجاری، انواع طراحی یک سیستم هوش تجاری، فرایند ساخت و پیاده‌سازی یک سیستم هوش تجاری
🔸 ساخت ETL ها
🔸 ساخت OLAP
🔸ساخت انبار داده، Data Warehouse
به کمک سرویس‌های SSIS
🔸 ساخت گذارش و داشبورد به کمک سرویس‌های SSRS - SSAS
و نکات فراوان دیگر در طراحی یک سیستم هوش تجاری
ارائه توسط دکتر کارلو آبنوسیان
@Data_Experts

#پایتون برای #علم_داده
#کتاب
#Book
Python Data Science Handbook

❇️@Data_Experts

رتبه زبان برنامه‌نویسی پایتون در بین دیگر زبان‌ها
زبانی تخصصی برای علوم داده
@Data_Experts

کتابهای یادگیری ماشین و هوش مصنوعی که حتما باید بخوانید:
#کتاب

▪️Artificial Intelligence
1. Artificial Intelligence: A Modern Approach | link
2. Paradigm of Artificial Intelligence Programming | link
3. Artificial Intelligence for Humans | link

▪️Machine Learning
1. Programming Collective Intelligence | link
2. Machine Learning for Hackers | link
3. Machine Learning by Tom M Mitchell | link
4. The Elements of Statistical Learning | link
5. Learning from Data | link
6. Pattern Recognition and Machine Learning | link

❇️ @Ai_Python

۸ کتاب یادگیری عمیق که حتما باید بخوانید:
1. Deep Learning
By Ian Goodfellow, Yoshua Bengio and Aaron Courville | link

2. Deep Learning Tutorial
By LISA Lab, University of Montreal | link

3. Deep Learning: Methods and Applications
By Li Deng and Dong Yu | link

4. First Contact with TensorFlow, get started with Deep Learning Programming
By Jordi Torres | link

5. Neural Networks and Deep Learning
By Michael Nielsen | link

6. A Brief Introduction to Neural Networks
By David Kriesel | link

7. Neural Network Design (2nd edition)
By Martin T. Hagan, Howard B. Demuth, Mark H. Beale and Orlando D. Jess | link

8. Neural Networks and Learning Machines (3rd edition)
By Simon Haykin | link

#کتاب
❇️ @Ai_Python

Here is a list of what I believe are the 10 Practical Steps for #DataScience:

1. Programming
a. Python - https://lnkd.in/gGQ7cuv
b. R - https://lnkd.in/giMGbph
c. SQL - https://lnkd.in/gM8nMNP
d. Command Line - https://lnkd.in/e3EQuis

2. Stats/Prob/Math
a. Coursera's Statistics w/ R - https://lnkd.in/gGT9NEf
b. edX's Probability - https://lnkd.in/gpUyC3P
c. Khan Academy Linear Algebra - https://lnkd.in/gMshbX4
❇️@Data_Experts
3. Data Viz
a. Python Matplotlib- https://lnkd.in/gr3ifNt
b. R ggplot2 - https://lnkd.in/eThJXNr

4. Data Manipulation
a. Python Pandas - https://lnkd.in/g9kfpX4
b. R dplyr - https://lnkd.in/gAWusih

5. #MachineLearning
a. Google Crash Course - https://lnkd.in/gSgkVcT
b. Stanford Coursera - https://lnkd.in/g8ZG557
c. ISLR Book - https://lnkd.in/gk8GPZC

6. Experimental Design
a. Udacity A/B Testing - https://lnkd.in/gCerh4f

7. Business Sense
a. Metrics - https://lnkd.in/gZAG7bS

8. Communication
a. Storytelling - https://lnkd.in/gwjxVUu

9. Profile Building
a. GitHub - https://lnkd.in/g4r9naJ
b. LinkedIn - https://lnkd.in/g-KHHEC
c. Kaggle - https://lnkd.in/gBC77Hu
d. DS Resume - https://lnkd.in/gU8WVAF

🏅 10. Job Search
a. Daily Expert Tips & Advice - https://lnkd.in/g8z-xXD
❇️@Data_Experts
---
Hope this helps! 👍
Updated on my site - https://www.claoudml.co/
با تشکر از:
@Hossein_Narghani

karlo Abnoosian:
Statistical Methods for bid data
Resampaling based
Divide and conquer
Online Updating for stream data
@Data_Experts