📊 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

📚 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

📊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

📊 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

❇ 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

📊🛠 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

✅آموزش فارسی مصورسازی اطلاعات با استفاده از دستور زبان گرافیکی

📊Data Visualization with Grammar of Graphics for Data Science

معرفی و آموزش دستور زبان گرامر گرافیکی با استفاده از ggplot با استفاده از لایه های geometry

📒مزیت ها:
1⃣ برنامه نویسی آسان
2⃣ قابلیت سوار کردن انواع پلات های روی لایه ثابت
3⃣ تلفیق آسان انواع پلات ها
4⃣ تنوع بالای پلات ها و توابع geom

🔖مدرس: خاندانی

#R
#python
#data_visualization
#ggplot
#Data_Science

➖➖➖➖➖➖➖➖➖➖
🆔
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR

📒 سطح مقدماتی کدهای برنامه نویسی دستور زبان گرافیکی ggplot 2 ویدیو آموزشی

🗂فرمت: rMarkdown

💎طراحی و ایجاد وب سایت با blogdown در R

📒 ویدیو آموزش کامل برنامه نویسی و تکنولوژی
blogdown



🌐 link:
https://resources.rstudio.com/the-essentials-of-data-science/introducing-blogdown
➖➖➖➖➖➖➖➖➖➖➖


🆔
https://t.iss.one/Data_ScienceR
@Data_ScienceR

📒 پیاده سازی Tensorflow and Keras در زبان R

🗂پروژه عملی بصورت گام به گام: نمونه کدهای پیاده سازی یک پروژه با استفاده از تنسورفلو در R


🌐
Link:
https://colorado.rstudio.com/rsc/content/2246/tensorflow-y-r.nb.html

➖➖➖➖➖➖➖➖➖➖➖

🆔
https://t.iss.one/Data_ScienceR
@Data_ScienceR

💎 ویدیو آموزش کامل پیاده سازی API در زبان R


📒 آموزش سازو کار API و توضیح مفاهیم کامل http و url


📕HTTP: Hypertext transfer protocol

📕URL: uniform resource locator


🎥مشاهده ویدیو آموزشی:
🌐link:
https://resources.rstudio.com/webinars/extracting-data-web-part1

#API
➖➖➖➖➖➖➖➖➖➖

🆔
https://t.iss.one/Data_ScienceR
@Data_ScienceR

📒 job!

🚀 نحوه پیاده سازی خودکار فرایندها و دستورات از طریق job

💡 کارکردهای job در اجرا و مدیریت فرایند ها، الگوریتم ها، اپلیکیشن، API و غیره

📕 job_local

📕 job_launcher

#job
#ETL
#Application
#API
#Shiny


🎥 مشاهده ویدیو آموزشی:

Link:

https://resources.rstudio.com/webinars/joblauncher

➖➖➖➖➖➖➖➖➖➖

🆔
https://t.iss.one/Data_ScienceR
@Data_ScienceR

📕 Jupyter notebook


📒 ویدیو فارسی آموزش فعال نمودن kernel زبان r در ژوپیتر نوت بوک



💡 پیاده سازی الگوریتم خوشه بندی در ژوپیتر نوت بوک

Clustering in Jupyter notebook


🏷 مدرس: خاندانی

#Jupyter
#Jupyter_notebook
#R
#python
#kmeans
#data_visualization

➖➖➖➖➖➖➖➖➖➖

🆔
https://t.iss.one/Data_ScienceR
@Data_ScienceR

🗂 فایل کتابخانه های نصب شده کرنل

لازم به ذکر است نیاز به نصب این فایلها نیست و تنها در مسیر کتابخانه های خود آنها را extract و کپی نمایید.

🅰 پارت اول
✅بخش اول: آموزش فارسی اپلیکیشن نویسی با استفاده از فریمورک شاینی (با رویکرد داده محور)

📊Web Application with Shiny




📒مزیت ها:
1⃣ ایجاد وب اپلیکیشن نیمه خودکار
2⃣ پشتیبانی از زبان های حوزه علم داده
R & python
3⃣ استفاده از برنامه نویسی ترکیبی جاوا اسکریپت، html و غیره برای توسعه وب اپلیکیشن
4⃣ تولید اتوماتیک کدهای جاوا اسکریپت، html و css

🔖مدرس: خاندانی

#Shiny
#R
#python
#Web_App
#shinyDashboard
#Data_Science

➖➖➖➖➖➖➖➖➖➖
🆔
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR