📚 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

🚀 10 تا از پرکاربردترین و مهم‌ترین
🎲 الگوریتم‌های یادگیری ماشین

👨🏻‍💻 یه بخش مهم در پروژه‌‌های یادگیری ماشین، که شامل ۴ مرحله میشه؛ تشخیص، دسته‌بندی، انتخاب و استفاده از الگوریتم‌های یادگیری ماشین برای تصمیم‌گیری های بهتر و بهینه‌تر هست. تو این فایل من 10 تا از پرکاربردترین الگوریتم‌های یادگیری ماشین رو بهتون معرفی می‌کنم.


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

📚 Scikit learn Cheat Sheet
برگه تقلب کتابخانه Scikit Learn یادگیری ماشین

#ScikitLearn #MachineLearning
#ML #CheatSheets

@ai_python

چه فاکتورهایی در شانس استخدام شدن اثر دارد؟
#اینفوگرافیک