آشنایی با علم داده

آشنایی با علم داده
علم داده (Data Science)، دانشی میان‌رشته‌ای پیرامون استخراج دانش و آگاهی از مجموعه‌ای داده و اطلاعات است. علم داده از ترکیب مباحث مختلفی به وجود آمده و بر مبانی و روش‌های موجود در حوزه‌های مختلف علمی بنا شده‌است. تعدادی از این حوزه‌ها عبارتند از: ریاضیات، آمار، مهندسی داده، بازشناخت الگو و… هدف این علم، استخراج مفهوم از داده و تولید محصولات داده‌محور است.
به شاغلین در حوزهٔ علم داده، متخصص علم داده(Data Science) می‌گویند. این اصطلاح توسط دی جی پاتیل و جف همربارکر ابداع شده‌است در صورتی که سال‌ها قبل از آن که آن‌ها استفاده از اصطلاح فوق را به‌طور عمومی مطرح کنند، از آن استفاده شده‌است. چن فو جف وو در سال ۱۹۹۸ برای اولین بار در یک سخنرانی از واژهٔ متخصص علم داده استفاده کرد. متخصصین علم داده با عمیق شدن در چندین رشته علمی، مسائل پیچیده مطرح شده در حوزۀ داده را حل می‌کنند. به‌طور کلی انتظار می‌رود که متخصصین علم داده قادر باشند در بخش‌هایی از علوم ریاضیات و آمار و علوم کامپیوتر کار کنند.یک متخصص علم داده می‌بایست در یک یا دو رشته تخصص داشته باشد و در دیگر حوزه‌ها دارای مهارت کافی باشد. نتایج نظرسنجی‌ها حاکی از این موضوع است که برای متخصص علم داده شدن ۵ تا ۸ سال زمان لازم است
متخصصین علم داده می‌توانند مهارت‌هایشان را برای دست یابی به طیف وسیعی از نتایج نهایی به کار گیرند. تعدادی از این مهارتها به شرح زیرند:
توانایی استخراج و تفسیر منابع داده
مدیریت حجم زیاد اطلاعات با سخت‌افزار
محدودیت‌های نرم‌افزاری و پهنای باند
ادغام منابع داده با یک دیگر
تضمین پایداری مجموعه‌های داده
@Pythonforeveryone

به نظر می رسد که پایتون در حال محبوب شدن است.
@Pythonforeveryone

#بخش_نهم:ورودی و خروجی (I_O) در پایتون
آموزش جامع پایتون به زبان انگلیسی(زیر نویس انگلیسی)
@Pythonforeveryone

(زیر نویس فارسی)در گروه قرار گرفت
لینک گروه👇👇
https://t.iss.one/joinchat/B77HHA83pT8Xx8okYCuBYw
GroupPython

10 زبان برتر برای هکرها در سال 2017
@Pythonforeveryone

#بخش_دهم:ورودی و خروجی (I_O) در پایتون(بخش دوم)
آموزش جامع پایتون به زبان انگلیسی(زیر نویس انگلیسی)
@Pythonforeveryone

(زیر نویس فارسی)در گروه قرار گرفت
لینک گروه👇👇
https://t.iss.one/joinchat/B77HHA83pT8Xx8okYCuBYw
GroupPython

🙏با معرفی کانال به دیگران ما را همراهی کنید 🙏👇👇👇
@Pythonforeveryone
لینک گروه👇👇
https://t.iss.one/joinchat/B77HHA83pT8Xx8okYCuBYw

رمزنگاری

رمزنگاری دانشی است که به بررسی و شناختِ اصول و روش‌های انتقال یا ذخیرهٔ اطلاعات به صورت امن (حتی اگر مسیر انتقال اطلاعات و کانال‌های ارتباطی یا محل ذخیره اطلاعات ناامن باشند) می‌پردازد.
رمزنگاری استفاده از تکنیک‌های ریاضی، برای برقراری امنیت اطلاعات است. دراصل رمزنگاری دانش تغییر دادن متن پیام یا اطلاعات به کمک کلید رمز و با استفاده از یک الگوریتم رمز است، به صورتی که تنها شخصی که از کلید و الگوریتم مطلع است قادر به استخراج اطلاعات اصلی از اطلاعات رمز شده باشد و شخصی که از یکی یا هر دوی آن‌ها اطلاع ندارد، نتواند به اطلاعات دسترسی پیدا کند. دانش رمزنگاری بر پایه مقدمات بسیاری از قبیل تئوری اطلاعات، نظریه اعداد و آمار بنا شده‌است و امروزه به‌طور خاص در علم مخابرات مورد بررسی و استفاده قرار می‌گیرد. معادل رمزنگاری در زبان انگلیسی کلمه Cryptography است، که برگرفته از لغات یونانی kryptos به مفهوم «محرمانه» و graphien به معنای «نوشتن» است.
@Pythonforeveryone

#پردازش_تصویر
پردازش تصاویر امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته می‌شود که شاخه‌ای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده با دوربین دیجیتال یا پویش شده توسط پویشگر هستند سر و کار دارد.
پردازش تصاویر دارای دو شاخه عمدۀ بهبود تصاویر و بینایی ماشین است. بهبود تصاویر دربرگیرندۀ روش هایی چون استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آن‌ها در محیط مقصد (مانند چاپگر یا نمایشگر رایانه)است، در حالی که بینایی ماشین به روش هایی می‌پردازد که به کمک آن‌ها می‌توان معنی و محتوای تصاویر را درک کرد تا از آن‌ها در کارهایی چون رباتیک و محور تصاویر استفاده شود.
در معنای خاص آن پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صحنه‌ای از یک فیلم. خروجی پردازشگر تصویر می‌تواند یک تصویر یا یک مجموعه از نشانهای ویژه یا متغیرهای مربوط به تصویر باشد. اغلب تکنیک‌های پردازش تصویر شامل برخورد با تصویر به عنوان یک سیگنال دو بعدی و به‌کار گرفتن تکنیک‌های استاندارد پردازش سیگنال روی آن‌ها می‌شود. پردازش تصویر اغلب به پردازش دیجیتالی تصویر اشاره می‌کند ولی پردازش نوری و آنالوگ تصویر هم وجود دارند. این مقاله در مورد تکنیک‌های کلی است که برای همه آن‌ها به کار می‌رود.
پردازش تصاویر امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته می‌شود که شاخه‌ای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده با دوربین دیجیتال یا پویش شده توسط پویشگر هستند سر و کار دارد.
پردازش تصاویر دارای دو شاخه عمدۀ بهبود تصاویر و بینایی ماشین است. بهبود تصاویر دربرگیرندۀ روش هایی چون استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آن‌ها در محیط مقصد (مانند چاپگر یا نمایشگر رایانه)است، در حالی که بینایی ماشین به روش هایی می‌پردازد که به کمک آن‌ها می‌توان معنی و محتوای تصاویر را درک کرد تا از آن‌ها در کارهایی چون رباتیک و محور تصاویر استفاده شود.
در معنای خاص آن پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صحنه‌ای از یک فیلم. خروجی پردازشگر تصویر می‌تواند یک تصویر یا یک مجموعه از نشانهای ویژه یا متغیرهای مربوط به تصویر باشد. اغلب تکنیک‌های پردازش تصویر شامل برخورد با تصویر به عنوان یک سیگنال دو بعدی و به‌کار گرفتن تکنیک‌های استاندارد پردازش سیگنال روی آن‌ها می‌شود. پردازش تصویر اغلب به پردازش دیجیتالی تصویر اشاره می‌کند ولی پردازش نوری و آنالوگ تصویر هم وجود دارند. این مقاله در مورد تکنیک‌های کلی است که برای همه آن‌ها به کار می‌رود.
@Pythonforeveryone

#بخش_دوم
در این سیستم ها ۴ فرایند عمده اتفاق می افتد: پیش پردازش، ارتقاء کیفیت تصویر، تبدیل تصاویر و طبقه بندی و آنالیز تصاویر. در این روش ها با استفاده از علم ریاضیات قواعدی برای شبیه سازی المان های بینائی انسان توسط کامپیوتر ایجاد شده است و یک جنبه آنالیز تصاویر است که برای منظورهای خاصی کاربرد دارد. دید کامپیوتری (Computer Vision) آنالیز تصویر علمی است که در شاخه های مختلف علم مانند پزشکی، مهندسی، تصویر برداری مولکولی، فضانوردی، امنیتی و …. کاربرد دارد.تکنولوژی مدرن دیجیتال این امکان را فراهم آورده که سیگنال های چند بعدی را توسط سیستم هائی از مدارات دیجیتال ساده گرفته تا چندین کامپیوتر موازی دستکاری کرد.
هدف از این دستکاری ها یکی از موارد زیر است:
-پردازش تصویر: ورودی تصویر / خروجی تصویر
– آنالیز تصویر: ورودی تصویر / خروجی شامل تعدادی از اندازه گیری ها
– درک تصویر: ورودی تصویر / خروجی شامل توصیف ادراکی تصویر
@Pythonforeveryone

معرفی ۱۰ کتابخانه مفید پایتون برای Data scientists

علم داده ها در چند سال گذشته بسیار محبوب شده است و بیشتر کمپانی ها نیز هم اکنون از این علم و ابزار آن برای پیشبرد اهدافشان استفاده می کنند.
پایتون به همراه زبان R، یکی از مهم ترین ابزارهایی هستند که به درد دیتاساینس کار ها می خورند. این زبان برنامه نویسی همچنین یکی از ساده ترین و بهترین زبان های نزدیک به زبان انسان می باشد که میتوانید برای اهداف ذکر شده ان را در چند روز فرا بگیرید.
به خاطر اهمیت بالای این زبان و کارایی ان برآن شدیم تا کمی شما را با کتابخانه های کارامد آن آشنا کنیم. این زبان برنامه نویسی دارای کتابخانه های خاصی می باشد که بسیار برای دیتاساینس کارهای جهانی محبوب هستند. در زیر برخی از ان ها را که بیشتر مورد استفاده قرار می گیرند معرفی کرده ایم:
@Pythonforeveryone

#بخش_اول
1-NumPy
یک ماژول توسعه یافته و متن باز می باشد که برای پایتون موجود است. این ماژول به شما عملکرد های از پیش تعیین شده ای از روال ها و روتین های عددی ارائه می کند. کار کردن با آن بسیار ساده است و میتواند به خوبی از پس ارایه های چند بعدی بسیار بزرگ و ماتریکس ها بر بیاید. یکی دیگر از مزیت های نامپی این است که شما میتوانید عملیات های ریاضی استاندارد مورد نظر خودتان را بر روی همه داده هایتان بدون نیاز به ایجاد حلفه اعمال کنید. با این ماژول همچنین می توانید از اطلاعاتتان برای استفاده در کتابخانه های سطح پایین تری مثل (کتابخانه هایی که به زبان سی یا سی پلاس پلاس نوشته شده اند ) خروجی بگیرید.
نامپی به شما کمک می کند که به خوبی با محاسبات ارایه گرا و مفهوم ارائه ها اشنا شده و با آن ها کار کنید
نامپی به شما کمک می کند که به خوبی با محاسبات ارایه گرا و مفهوم ارائه ها اشنا شده و با آن ها کار کنید.
@Pythonforeveryone

🙏با معرفی کانال به دیگران ما را همراهی کنید 🙏👇👇👇
@Pythonforeveryone
لینک گروه👇👇
https://t.iss.one/joinchat/B77HHA83pT8Xx8okYCuBYw

#بخش_سوم
#پردازش_تصویر
با توجه به این که در دنیای امروز بیشتر حس کننده های از راه دور اطلاعات خود را به صورت دیجیتال ذخیره می کنند، نهایتا تمام تفسیرها و آنالیز تصاویر نیازمند مقداری پردازش دیجیتال است. پردازش دیجیتالی تصاویر ممکن است شامل انواع مختلفی از پردازش از جمله فرمت و اصلاح داده ها، بهینه سازی دیجیتال به منظور آسان سازی هر چه بیشتر تفسیر و تحلیل یا حتی طبقه بندی هدف ها و خصوصیات به صورت خودکار توسط کامپیوتر باشد. به منظور انجام این اعمال لازم است تا داده ها به گونه های مناسب برای ذخیره بر روی فضای فیزیکی موجود باشند. شایع ترین اعمال پردازشی که در سیستم های آنالیز تصاویر استفاده می شود را می توان در ۴ گروه زیر
دسته بندی کرد:
-پیش پردازش (Preprocessing)
-افزایش کیفیت تصویر (Image Enhancement)
-تبدیل تصویر (Image Transformation)
-طبقه بندی و آنالیز تصویر
@Pythonforeveryone

#بخش_یازدهم:ماژول ها و توابع در پایتون(بخش اول)
آموزش جامع پایتون به زبان انگلیسی(زیر نویس انگلیسی)
@Pythonforeveryone