📚 محبوب ترین کتاب ها در زمینه تحلیل داده
#Data_Analytics
#python
#R
#Stata
🌐@Data_ScienceR
https://t.iss.one/Data_ScienceR
#Data_Analytics
#python
#R
#Stata
🌐@Data_ScienceR
https://t.iss.one/Data_ScienceR
Media is too big
VIEW IN TELEGRAM
✅ کمبریج آنالیتیکا
مثالی واقعی از کارکرد علوم داده در دنیای واقعی
#Data_Analytics
#data_science
🌐@Data_ScienceR
https://t.iss.one/Data_ScienceR
مثالی واقعی از کارکرد علوم داده در دنیای واقعی
#Data_Analytics
#data_science
🌐@Data_ScienceR
https://t.iss.one/Data_ScienceR
Forwarded from علم داده (Data Science)
📈 Top skills to master to become a DATA SCIENTIST!
توانمندیهای مورد نیاز دانشمندان داده
این لیست از تحلیل ۳۰۰ موقعیت شغلی شرکتهای تکنولوژی در ژوئن 2019 استخراج شده است.
👈{عضویت در کانال} 👉
توانمندیهای مورد نیاز دانشمندان داده
این لیست از تحلیل ۳۰۰ موقعیت شغلی شرکتهای تکنولوژی در ژوئن 2019 استخراج شده است.
👈{عضویت در کانال} 👉
Media is too big
VIEW IN TELEGRAM
📚 آموزش مفهوم Ensemble Learning با استفاده از مثال آبنبات
#Ensemble_Learning
#machine_learning
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
#Ensemble_Learning
#machine_learning
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
📚 نحوه نوشتن و اجرای jobs در زبان R:
پیاده سازی jobs برای اجرای خودکار دستورات
#web_service
#jobs
#API
https://blog.rstudio.com/2019/03/14/rstudio-1-2-jobs/
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
پیاده سازی jobs برای اجرای خودکار دستورات
#web_service
#jobs
#API
https://blog.rstudio.com/2019/03/14/rstudio-1-2-jobs/
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
Rstudio
RStudio 1.2 Preview: Jobs
When you run an R script in RStudio today, the R console waits for it to complete, and you can’t do much with RStudio until the script is finished running. When your R scripts take a long time to run, it can be difficult to get much done in RStudio while…
📚 پیاده سازی و اجرای API در زبان R:
#Rest_API
#API
https://rviews.rstudio.com/2018/07/23/rest-apis-and-plumber/
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
#Rest_API
#API
https://rviews.rstudio.com/2018/07/23/rest-apis-and-plumber/
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
Rstudio
REST APIs and Plumber
Moving R resources from development to production can be a challenge, especially when the resource isn’t something like a shiny application or rmarkdown document that can be easily published and consumed. Consider, as an example, a customer success model…
📊 تحلیل اطلاعات جغرافیایی با R با استفاده از ggplot و shiny:
#GIS
#R
#Shiny
#ggplot2
https://git.ir/packtpub-hands-on-geospatial-analysis-with-r-and-qgis-3-4/
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
#GIS
#R
#Shiny
#ggplot2
https://git.ir/packtpub-hands-on-geospatial-analysis-with-r-and-qgis-3-4/
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
This media is not supported in your browser
VIEW IN TELEGRAM
📊📚ویدیو آشنایی با نحوه اپلیکیشن نویسی با رویکرد داده محور Data Driven در R و معرفی بستر Shiny برای نوشتن وب اپلیکیشن
در ویدیو های آتی نحوه اپلیکیشن نویسی بصورت گام به گام آموزش داده خواهد شد.
مدرس: خاندانی
#R_shiny
#Shiny
#web_app
#R
#Data_Science
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
در ویدیو های آتی نحوه اپلیکیشن نویسی بصورت گام به گام آموزش داده خواهد شد.
مدرس: خاندانی
#R_shiny
#Shiny
#web_app
#R
#Data_Science
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
📊 معرفی زیرساختها و فریم ورک های مختلف اپلیکیشن نویسی و داشبوردسازی در زبان برنامه نویسی R
1⃣ shiny
2⃣ shiny Dashboard
3⃣ shiny Dashboard Plus
4⃣ Semantic Dashboard Shiny
5⃣ gentelella dashboard shiny
6⃣ Material Dashboard Shiny
#web_app
#R
#shiny
#data_science
🔗جهت مطالعه مطلب به لینک زیر مراجعه فرمائید:
https://divadnojnarg.github.io/blog/awesomedashboards/
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
1⃣ shiny
2⃣ shiny Dashboard
3⃣ shiny Dashboard Plus
4⃣ Semantic Dashboard Shiny
5⃣ gentelella dashboard shiny
6⃣ Material Dashboard Shiny
#web_app
#R
#shiny
#data_science
🔗جهت مطالعه مطلب به لینک زیر مراجعه فرمائید:
https://divadnojnarg.github.io/blog/awesomedashboards/
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
📊 دمو واقعی از یک نمونه وب اپلیکیشن با شاینی
Shiny R-Ladies Demo
#Demo
#Data_Science
#R_Shiny
➖➖➖➖➖➖➖➖➖➖➖
برای مشاهده دمو روی لینک زیر کلیک نمایید:
https://benubah.github.io/r-community-explorer/gsoc.html
Shiny R-Ladies Demo
#Demo
#Data_Science
#R_Shiny
➖➖➖➖➖➖➖➖➖➖➖
برای مشاهده دمو روی لینک زیر کلیک نمایید:
https://benubah.github.io/r-community-explorer/gsoc.html
📚 در یادگیریِ دستهای، تمامی دادهها در هنگام یادگیری در اختیار الگوریتم قرار دارد ولی در یادگیری برخط، دادهها به صورت جریانی از داده از راه میرسند و تمامی دادهها در هنگام یادگیری در اختیار الگوریتم نیست. در این درس میخواهیم به مفهوم یادگیری فعال یا همان active learning در دادهکاوی و یادگیری ماشین بپردازیم که در واقع نوعی یادگیری برخط (online learning) است.
با یک مثال ادامه دهیم. فرض کنید یک منشی قرار است نامههای رسیده به یک سازمان را به دو دستهی نامههای بخش کارشناسی و نامههای بخش مدیریتی تقسیمبندی کند. در اولین روزها چندین نمونه نامهی کارشناسی و چندین نمونه نامهی مدیریتی توسط سرپرست به این شخص آموزش داده شده است (فرآیند learning) و منشی این تفکیک کردنِ نامهها را یادگرفته است. حالا این منشی میتواند نامههای جدید را طبقهبندی کند. حال فرض کنید بعد از مدتی یک نامهی جدید به منشی میرسد که منشی احتمال میدهد این نامه به بخش کارشناسی تعلق دارد ولی مطمئن نیست. برای همین این نامه را نزدِ سرپرست میبرد و از او سوال میپرسد که این نامه برای کدام بخش است. ادامه..
➖➖➖➖➖
🔗MasoudKaviani.ir
🌐@Data_ScienceR
با یک مثال ادامه دهیم. فرض کنید یک منشی قرار است نامههای رسیده به یک سازمان را به دو دستهی نامههای بخش کارشناسی و نامههای بخش مدیریتی تقسیمبندی کند. در اولین روزها چندین نمونه نامهی کارشناسی و چندین نمونه نامهی مدیریتی توسط سرپرست به این شخص آموزش داده شده است (فرآیند learning) و منشی این تفکیک کردنِ نامهها را یادگرفته است. حالا این منشی میتواند نامههای جدید را طبقهبندی کند. حال فرض کنید بعد از مدتی یک نامهی جدید به منشی میرسد که منشی احتمال میدهد این نامه به بخش کارشناسی تعلق دارد ولی مطمئن نیست. برای همین این نامه را نزدِ سرپرست میبرد و از او سوال میپرسد که این نامه برای کدام بخش است. ادامه..
➖➖➖➖➖
🔗MasoudKaviani.ir
🌐@Data_ScienceR
This media is not supported in your browser
VIEW IN TELEGRAM
📊ا API چیست؟ و چگونه کار می کند؟
چگونه میتوان در بستر وب از یک API استفاده نمود.
#API
#HTTP
➖➖➖➖➖➖➖➖➖➖➖
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
چگونه میتوان در بستر وب از یک API استفاده نمود.
#API
#HTTP
➖➖➖➖➖➖➖➖➖➖➖
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
📊 پروژه تحلیل داده های مسکن با استفاده از ابزار power BI و زبان python
در این پست نگاهی به داده های مسکن در شهر تهران می اندازیم. این داده ها به بخشی از اطلاعات وبسایت کیلید ارائه دهنده خدمات در حوزه املاک اختصاص دارد. در بخش اول به تحلیل توصیفی داده ها می پردازیم که بخش مهمی از پروژه های تحلیل داده را شامل میشود. برای این منظور از نرم افزار معروف شرکت مایکروسافت power bi استفاده شده. در قسمت بعدی به کمک پایتون و یکی از پرکاربردترین الگوریتم های یادگیری ماشین یعنی رگرسیون خطی مدلی ساده از قیمت مسکن ارائه شده و در نهایت با روش های مختلف دقت مدل را ارزیابی کردیم.
https://vrgl.ir/OzOz4
#Python
#Power_BI
➖➖➖➖➖➖➖➖➖➖➖
🌐@Data_ScienceR
https://t.iss.one/Data_ScienceR
در این پست نگاهی به داده های مسکن در شهر تهران می اندازیم. این داده ها به بخشی از اطلاعات وبسایت کیلید ارائه دهنده خدمات در حوزه املاک اختصاص دارد. در بخش اول به تحلیل توصیفی داده ها می پردازیم که بخش مهمی از پروژه های تحلیل داده را شامل میشود. برای این منظور از نرم افزار معروف شرکت مایکروسافت power bi استفاده شده. در قسمت بعدی به کمک پایتون و یکی از پرکاربردترین الگوریتم های یادگیری ماشین یعنی رگرسیون خطی مدلی ساده از قیمت مسکن ارائه شده و در نهایت با روش های مختلف دقت مدل را ارزیابی کردیم.
https://vrgl.ir/OzOz4
#Python
#Power_BI
➖➖➖➖➖➖➖➖➖➖➖
🌐@Data_ScienceR
https://t.iss.one/Data_ScienceR
❇ ابزارهای متداول تحلیل داده محور در حوزه های مختلف
یکی از چالش های علاقمندان علوم داده و تحلیل های آماری انتخاب ابزار مناسب تحلیل می باشد، اصولا هیچگاه ابزار خاصی توصیه و دیکته نمیشود زیرا مهم تسلط، هدف و نوع کاربردی است که شخص مدنظر دارد. ولی اگر بخواهیم متداول ترین ابزارها را در هر دسته معرفی نماییم، میتوان پیشنهادات زیر را ارائه نمود:
✅حوزه یادگیری ماشین:
1⃣ python
2⃣ R programming
✅ حوزه یادگیری عمیق
1⃣ python (keras+Tensorflow+ pyTorch)
2⃣ R (H2O+Keras+Tensorflow)
3⃣ Java
✅ حوزه آمار تحلیلی و استنباطی
1⃣ R
2⃣ SAS
3⃣ SPSS
✅ حوزه علم رگرسیون و سنجی
1⃣ R
2⃣ Stata
3⃣ SAS
✅ حوزه وب کاوی و متن کاوی
1⃣ Python
2⃣ R
✅ تحلیل شبکه و فرآیند کاوی
(Process Mining & SNA)
1⃣ R
2⃣ Python
3⃣ proM
#python
#R
#SAS
➖➖➖➖➖➖➖➖➖➖➖
https://t.iss.one/Data_ScienceR
🌐Data_ScienceR
یکی از چالش های علاقمندان علوم داده و تحلیل های آماری انتخاب ابزار مناسب تحلیل می باشد، اصولا هیچگاه ابزار خاصی توصیه و دیکته نمیشود زیرا مهم تسلط، هدف و نوع کاربردی است که شخص مدنظر دارد. ولی اگر بخواهیم متداول ترین ابزارها را در هر دسته معرفی نماییم، میتوان پیشنهادات زیر را ارائه نمود:
✅حوزه یادگیری ماشین:
1⃣ python
2⃣ R programming
✅ حوزه یادگیری عمیق
1⃣ python (keras+Tensorflow+ pyTorch)
2⃣ R (H2O+Keras+Tensorflow)
3⃣ Java
✅ حوزه آمار تحلیلی و استنباطی
1⃣ R
2⃣ SAS
3⃣ SPSS
✅ حوزه علم رگرسیون و سنجی
1⃣ R
2⃣ Stata
3⃣ SAS
✅ حوزه وب کاوی و متن کاوی
1⃣ Python
2⃣ R
✅ تحلیل شبکه و فرآیند کاوی
(Process Mining & SNA)
1⃣ R
2⃣ Python
3⃣ proM
#python
#R
#SAS
➖➖➖➖➖➖➖➖➖➖➖
https://t.iss.one/Data_ScienceR
🌐Data_ScienceR
Telegram
Data Science
آموزش نوین علم داده و رویکردهای داده محور
@DataScience :: Machine Learning, Statistics, Econometrics, BI and big data
#data_science
#Machine_learning
@DataScience :: Machine Learning, Statistics, Econometrics, BI and big data
#data_science
#Machine_learning
Media is too big
VIEW IN TELEGRAM
📊🛠 ویدیو فارسی آموزش پیش پردازش داده ها با Tidyverse در R
📒رویکردی نوین در برنامه نویسی
همه چیز در رابطه با Tidyverse
مزیت های این رویکرد و تکنولوژی برنامه نویسی بمنظور پیش پردازش داده ها
✅ برنامه نویسی ساده و روان
✅ فرآیند ساده debugging
✅ مدیریت بهینه object
✅ مدیریت فضای Ram
✅ سرعت برنامه نویسی و پردازش سریع تر
🔖مدرس: خاندانی
#R
#Tidyverse
#magrittr
➖➖➖➖➖➖➖➖➖➖➖
عضویت:
🔗https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
📒رویکردی نوین در برنامه نویسی
همه چیز در رابطه با Tidyverse
مزیت های این رویکرد و تکنولوژی برنامه نویسی بمنظور پیش پردازش داده ها
✅ برنامه نویسی ساده و روان
✅ فرآیند ساده debugging
✅ مدیریت بهینه object
✅ مدیریت فضای Ram
✅ سرعت برنامه نویسی و پردازش سریع تر
🔖مدرس: خاندانی
#R
#Tidyverse
#magrittr
➖➖➖➖➖➖➖➖➖➖➖
عضویت:
🔗https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
📒در راستای گام اول فرآیند کاری مطرح شده (بازیابی و فراخوانی اطلاعات) در مرحله
data gathering
علاوه بر معرفی پکیج های مختلف در فرآیند "خواندن" و "نوشتن" اطلاعات، سرعت هر یک از کتابخانه ها با یکدیگر مورد مقایسه قرار گرفته است.
📥Speed: MB/s | GB/s
✅ base package
✅ data.table
✅ feather
✅ fst
#rds
#fst
#data.table
➖➖➖➖➖➖➖➖➖➖
https://t.iss.one/Data_ScienceR
🌐Data_ScienceR
data gathering
علاوه بر معرفی پکیج های مختلف در فرآیند "خواندن" و "نوشتن" اطلاعات، سرعت هر یک از کتابخانه ها با یکدیگر مورد مقایسه قرار گرفته است.
📥Speed: MB/s | GB/s
✅ base package
✅ data.table
✅ feather
✅ fst
#rds
#fst
#data.table
➖➖➖➖➖➖➖➖➖➖
https://t.iss.one/Data_ScienceR
🌐Data_ScienceR