شش گام در تحلیل داده:
شناسایی مسئله و نیاز مشتری
جمع آوری داده و تحلیل اکتشافی
آماده سازی و تمیز کردن داده ها
مدلسازی
ارزیابی مدل
اجرایی کردن و ارائه نتایج به مشتری

توضیحات بیش تر:
https://databasetown.com/6-steps-of-data-science-lifecycle/

اصول ۴ گانه در علم داده ها
https://www.onlinemanipal.com/blogs/four-pillars-of-data-science

👨🏻‍💻 همیشه آموزش با کیفیت گرون نیست! اگه یادگیری علم داده رو شروع کردین، از همین الان سطح یادگیری‌تون رو با دوره‌های دانشگاه‌های معتبر دنیا ارتقا بدین. موسسات معتبری مثل استنفورد، هاروارد و MIT، دوره های رایگان زیادی در زمینه علوم داده، هوش مصنوعی، یادگیری ماشین و... دارند.💯

1) دوره هوش مصنوعی با پایتون هاروارد : CS50’s
2) دوره علوم داده؛ یادگیری ماشین هاروارد : ML
3) دوره هوش مصنوعی AI : MIT
4) دوره تفکر محاسباتی و علوم داده ICT & DS : MIT
5) دوره یادگیری ماشین Introduction To ML : MIT
6) دوره روش های ماتریسی Matrix Methods : MIT
7) دوره یادگیری آماری استنفورد : Statistical
8) دوره استخراج داده‌های عظیم استنفورد : Mining


✅ اگه میخواین به دوره‌های بیشتری هم دسترسی داشته باشین، می‌تونین از لینک‌های زیر استفاده کنین، کلی دوره رایگان وجود داره.👌🏼

◾️ دوره‌های دانشگاه هاروارد : Harvard
◽️ دوره‌های دانشگاه MIT : MIT
◾️ دوره‌های دانشگاه استنفورد : Stanford

#️⃣ #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📎 @DataScience_ir

📚 Data Algorithms with Spark (2022)

1⃣ Join Channel Download:
https://t.iss.one/+MhmkscCzIYQ2MmM8

2⃣ Download Book: https://t.iss.one/c/1854405158/518

💬 Tags: #Spark

USEFUL CHANNELS FOR YOU

📚 Title: Data Algorithms with Spark (2022)

📸 Book Cover: Click Here

به اهمیت مصورسازی داده‌ها که اشاره کرده بودیم. حالا می‌خواهیم دو تا از نرم‌افزارهای قدرتمند و معروف، توی این زمینه رو بهتون معرفی کنیم:
Tableau و Power BI!

این سوال، همیشه پیش میاد که کدوم یک از این‌ها بهتر هستند و باید کدوم رو برای یادگیری، انتخاب کنیم.
مسلما هر کدوم از این‌ها، معایب و مزایایی دارند که موقع انتخاب نرم‌افزارِ مناسب برای کار، باید بهشون توجه کنیم و متناسب با نیاز و هدفمون، دست به انتخاب بزنیم. توی این تصویر، به برخی از این نکات به خوبی اشاره شده است.

سلسه پست‌های #مطالب_آموزشی
#مهارت #دانشمند_داده

@Data_Science_Association

⭕️ دوره رایگان آموزش Pandas و Numpy

👨🏻‍💻 اوایل کارم در زمینه علوم داده کارآموز بودم و با یادگیری R شروع کردم. اما خیلی زود متوجه شدم که بیشتر مشاغل علم داده به دنبال مهارت‌های Python هستن. به همین دلیل تو ارشد روی پایتون تمرکز کردم و با ۲ تا از پرکاربردترین کتابخونه‌ها، Numpy و Pandas شروع کردم.

🔷 کتابخونه دیگه‌ای که بعد از Pandas توصیه می کنم یادش بگیرین Numpy هست. Numpy یه پایه اساسی برای خیلی از مباحث علوم داده و مفاهیمی مثل جبر خطی، آمار و احتماله. بنظرم اگه به فکر یادگیری Python هستین Pandas و Numpy ترکیبی عالی برای شروعه.

✅ به همین خاطر تصمیم گرفتم یه دوره رایگان رو بهتون معرفی کنم که تنها 2 هفته طول می‌کشه، اما اصول اساسی Pandas و Numpy رو پوشش میده و یه پایه قوی قبل از کار روی پروژه ها براتون می‌سازه.

📌 اینم لینک دسترسی به این دوره رایگان:

┌ 🏷 Numpy & Pandas Course
└ 📂 Intro to Numpy & Pandas


#️⃣ #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📎 @DataScience_ir

👨🏻‍💻 اگه به دنبال راهی آسون برای آنالیز و تجسم داده‌ها به صورت تعاملی هستین ابزار PyGWalker برای این کار فوق العادست.👌🏼 این ابزار یه جایگزین اوپن سورس برای Tableau هست و به تحلیلگران داده این توانایی رو میده که تصویرسازی‌های خیره کننده‌ای رو بدون استفاده از کدنویسی‌‌های پیچیده در پایتون انجام بدن.

✅ این ابزار یه راه آسون برای کدنویس‌های مبتدی فراهم می کنه تا با استفاده از یه رابط کاربری به سبک Tableau، دیتافریم های Pandas رو در Jupyter سریع تر و بدون کد تحلیل کنن و فورا شروع به ایجاد نمودار و تصویرسازی کنند.

🔖 راهنمای استفاده از PyGWalker:

┌ 🏷 PyGWalker
├ 📚 PyGWalker Documentation
└ 🗃 PyGWalker GitHub


#️⃣ #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📎 @DataScience_ir

✅ Python for data science, Applications intro 🌱🌱

✅معرفی کاربرد های پایتون در دیتاساینس و هوش مصنوعی 🎭🎭🎭

#python #programming #projecs #datascience #artificialinteligence #machinelearning #deeplearning


AIwithParissan | AI Tutorials

👨🏻‍💻 مایکل پیرکز دانشیار دانشگاه تگزاس یه دوره کامل یادگیری ماشین رو به همراه تمامی منابع طی دوره، به رایگان منتشر کرده. اگه دنبال تسلط به مهارت‌های پیشرفته در تجزیه و تحلیل داده‌ها و ایجاد مدل‌های هوش مصنوعی هستین، این دوره رو از دست ندین.💯

🔷 این دوره، با مفاهیم اصلی آمار و احتمال شروع میشه و به تدریج به تحلیل چند متغیره و روش‌های یادگیری ماشین استنتاجی می‌پردازه. از جمله مباحثی که در این دوره پوشش داده میشه، تحلیل خوشه‌ای و روش‌های پیش‌بینی مثل شبکه‌های عصبی مصنوعی و درخت‌های تصمیمه.

🔶 تو این دوره شما با داده‌های واقعی کار می‌کنین و به دیتاست‌هایی دسترسی دارین که می‌تونین از اون‌ها برای تمرین‌ها استفاده کنین.

✅ اینم لینک‌ تمام منابع دوره:👇🏼

┌ 🏷 Machine Learning UT at Austin
├ 🎬 Lecture Videos
├ 🔢 Python Numerical Demos
└ 📚 Datasets


#️⃣ #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
📎 @MachineLearning_ir

https://youtube.com/playlist?list=PLoROMvodv4rOzrYsAxzQyHb8n_RWNuS1e&si=FUyGqXGljnNVSnXd


دوره statistical learning از robert tibishirani و trevor hastie از اساتید آمار دانشگاه استنفورد