ادامه...
📒 Jupyter notebook
همچنین دفترچه یادداشت ژوپیتر که قبلا به نام آی پایتون شناخته میشد. علاوه بر 3 کرنل اصلی خود به چندین کرنل معروف زبان برنامه نویسی دیگر مانند زبان اسکالا، جاوا، سی و .. متصل است و از آنها پشتیبانی می نماید. اولین نسخه پایدار آن نیز در فوریه 2018 ارائه گردید.
متناظر با این دفترچه میتوان به دفترچه یادداشت های:
R notebook, Rmarkdown, R bookdown, R blogdown
اشاره نمود که در پست های بعد بیشتر معرفی می گردند.
🆔https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
📒 Jupyter notebook
همچنین دفترچه یادداشت ژوپیتر که قبلا به نام آی پایتون شناخته میشد. علاوه بر 3 کرنل اصلی خود به چندین کرنل معروف زبان برنامه نویسی دیگر مانند زبان اسکالا، جاوا، سی و .. متصل است و از آنها پشتیبانی می نماید. اولین نسخه پایدار آن نیز در فوریه 2018 ارائه گردید.
متناظر با این دفترچه میتوان به دفترچه یادداشت های:
R notebook, Rmarkdown, R bookdown, R blogdown
اشاره نمود که در پست های بعد بیشتر معرفی می گردند.
🆔https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
🛠 پرکاربرد ترین الگوریتم های یادگیری ماشین در سالیان 2017 تا 2019
#machine_learning
🆔https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
#machine_learning
🆔https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
📌 در پست های آتی نوع خاصی از مدل های رگرسیونی با کارکردی خاص معرفی میشود. که در حوزه مدل های مقطعی، پانل و حتی سری زمانی توسعه پیدا کرده و کاربرد دارد.
✅📣 📣 برنامه آتی کانل:
1- آموزش ابزارها و متدولوژی های تحلیل داده:
در پست های قبل فلسفه و منطق متدولوژی های علم تحلیل داده مختصرا معرفی گردید و در ادامه سرفصلهای زیر نیز مختصرا معرفی میشود.
آموزش و معرفی مدل های:
- رگرسیون تک، دو و سه بعدی
- آموزش رگرسیون ها خاص (رگرسیون های سانسور شده، هکمن، رگرسیون های به ظاهر نامرتبط و سیستم معادلات همزمان)
- آموزش مدلهای یادگیری ماشین با ناظر
- آموزش مدل های یادگیری فاقد نظارت یا بدون معلم
2- آموزش مصورسازی داده ها و داشبوردسازی
3- آموزش نوشتن وب اپلیکیشن و معماری پشت آن
(Server and UI)
4 معرفی تکنولوژیها و معماری های پیشرو در علم Data Science
#Modeling
#Regression
#ML
#data_visualization
#web_app
#Data_Science
🆔https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
1- آموزش ابزارها و متدولوژی های تحلیل داده:
در پست های قبل فلسفه و منطق متدولوژی های علم تحلیل داده مختصرا معرفی گردید و در ادامه سرفصلهای زیر نیز مختصرا معرفی میشود.
آموزش و معرفی مدل های:
- رگرسیون تک، دو و سه بعدی
- آموزش رگرسیون ها خاص (رگرسیون های سانسور شده، هکمن، رگرسیون های به ظاهر نامرتبط و سیستم معادلات همزمان)
- آموزش مدلهای یادگیری ماشین با ناظر
- آموزش مدل های یادگیری فاقد نظارت یا بدون معلم
2- آموزش مصورسازی داده ها و داشبوردسازی
3- آموزش نوشتن وب اپلیکیشن و معماری پشت آن
(Server and UI)
4 معرفی تکنولوژیها و معماری های پیشرو در علم Data Science
#Modeling
#Regression
#ML
#data_visualization
#web_app
#Data_Science
🆔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
📊 Top 20 Technology skills in Data Science job listings
#python
#R
#Spark
#Java
🔗Source: KDnuggets
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
#python
#R
#Spark
#Java
🔗Source: KDnuggets
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
📊 General Data Scientist skills sought by employers
🔗https://www.kdnuggets.com/2018/11/most-demand-skills-data-scientists.html
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
🔗https://www.kdnuggets.com/2018/11/most-demand-skills-data-scientists.html
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR
Forwarded from Data Science (محمدرضا محتاط)
برترین مهارتهای متخصصین علمداده!
https://bit.do/eP8ng
براساس گزارش Forbes در سال 2019، برترین مهارتها، ابزارها و پلتفرمهای حوزه علمداده براساس تحلیل فرصتهای شغلی شبکه اجتماعی لینکدین به شرح زیر است.
1- Python
2- R
3- SQL
4- Jupyter Notebooks
5- Unix shell
6- AWS
7- Tensorflow
8- Tableau
9- C/C++
10- Hadoop / Pig / Hive
@DataAnalysis
https://bit.do/eP8ng
براساس گزارش Forbes در سال 2019، برترین مهارتها، ابزارها و پلتفرمهای حوزه علمداده براساس تحلیل فرصتهای شغلی شبکه اجتماعی لینکدین به شرح زیر است.
1- Python
2- R
3- SQL
4- Jupyter Notebooks
5- Unix shell
6- AWS
7- Tensorflow
8- Tableau
9- C/C++
10- Hadoop / Pig / Hive
@DataAnalysis