Мир сегодня с "Юрий Подоляка"

Труха⚡️Україна

查看

Николаевский Ванёк

查看

Мир сегодня с "Юрий Подоляка"

查看

Труха⚡️Україна

查看

Николаевский Ванёк

查看

Data Science | علم داده

📊 دانشمند داده شوید!
👔 جهت درج تبلیغات، به آیدی زیر پیام دهید:👇🏼‌
🆔 @DataScienceir_Adv

TGlist 评分

类型公开

验证

未验证

可信度

不可靠

位置Іран

语言其他

频道创建日期Січ 29, 2025

添加到 TGlist 的日期

Жовт 12, 2024

我是频道所有者

变更历史

Telegram频道 Data Science | علم داده 统计数据

详细信息

订阅者

50 644

24 小时

60%一周

1720.3%一个月

134-0.3%

引用指数

20

提及1频道上的转发0频道上的提及1

每帖平均覆盖率

1 927

12 小时1 260

25.9%24 小时1 927

14.2%48 小时2 677

0.5%

参与率 (ER)

7.7%

转发119评论0反应12

覆盖率参与率 (ERR)

4.43%

24 小时0%一周

0.09%一个月

0.56%

每则广告帖子的平均覆盖率

1 927

1 小时47024.39%1 – 4 小时51526.73%4 - 24 小时1 56281.06%

详细信息

将我们的机器人连接到频道以了解该频道的受众性别。

过去 24 小时内的帖子数

5

动态

"Data Science | علم داده" 群组最新帖子

所有帖子

转发自:

Amoozeshspss (Spssآموزش)

21.04.202515:27

🔶 دوره آنلاین جامع آموزش SPSS: پروژه محور و کاربردی🔶

توضیحات تکمیلی:
🔻در این دوره، تمامی سرفصل‌ها به صورت ۱۰۰ درصد پروژه محور و با استفاده از داده‌های واقعی آموزش داده می‌شود.
🔻هیچ پیش‌نیازی برای شرکت در این دوره نیاز نیست!

👨🏻‍🏫 مدرس دوره: امیرحسین باقرپور (کارشناسی ارشد آمار از دانشگاه شهید بهشتی)

🔰 مدت زمان دوره: ۱۴ ساعت
📅 تاریخ شروع: ۱۴ اردیبهشت
📅 تاریخ پایان: ۱ خرداد
🕒 زمان برگزاری: روزهای فرد، ساعت ۱۸:۳۰ الی ۲۰:۰۰
📍 محل برگزاری: به صورت آنلاین، در بستر محیط گوگل میت

🔸 مزایای دوره:
● ارائه ویدئوهای ضبط‌شده کلاس‌ها برای تمامی شرکت‌کنندگان + دسترسی دائم
● عضویت در گروه تلگرام برای پرسش و پاسخ و رفع اشکال
● اعطای گواهینامه پایان دوره به شرکت‌کنندگان

💰 هزینه ثبت‌نام:
برای عموم: ۱,۰۹۵,۰۰۰ تومان
برای دانشجویان: ۹۵۰,۰۰۰ تومان

🔴 راه های ارتباطی برای ثبت‌نام و کسب اطلاعات بیشتر:
📱آیدی تلگرام:
@amir78227
📞 شماره تماس:
09378412323
_____
@SPSS78

转发自:

تهران دیتا-دانشگاه تهران

21.04.202514:25

🎯 مشکل در مدیریت داده‌ها و گزارش‌گیری در سازمان ها یکبار برای همیشه

👨‍💻 شما در یک سازمان مشغول کار هستید و مدیران دائماً از شما گزارش‌های جدید می‌خواهند!

📊 داده‌های شما در چندین فایل اکسل، دیتابیس SQL و سرویس‌های ابری پخش شده است.
📊 هر بار که گزارش جدید می‌خواهید بسازید، ساعت‌ها زمان صرف می‌کنید تا داده‌ها را تمیز کنید!
📇 تغییرات دستی در داده‌ها باعث خطای انسانی و کاهش دقت تحلیل‌ها شده است.

💡 راه‌حل کجاست؟
در دوره جامع هوش تجاری دانشگاه تهران، تمام این چالش‌ها را گام‌به‌گام و به‌صورت پروژه‌محور یاد می‌گیرید:

➕ یاد می‌گیرید چگونه یک انبار داده (Data Warehouse) طراحی کنید
➕ با استفاده از SSIS، فرایندهای ETL را خودکارسازی می‌کنید
➕ در Power BI، داشبوردهای مدیریتی و گزارش‌های تعاملی طراحی می‌کنید
➕ تمام داده‌های سازمان را از منابع مختلف یکپارچه و آماده تحلیل می‌کنید

📌 این دوره فقط آموزش نیست؛ نقشه راه ساخت سیستم گزارش‌گیری هوشمند در سازمانه.
🌟 اگر می‌خوای برای همیشه از آشفتگی داده‌ها خلاص شی و گزارش‌هایی بسازی که مدیران عاشقش باشن، جای درستی اومدی👍

همین حالا ثبت‌نام کن و یک بار برای همیشه حرفه‌ای شو‼️
➡️ https://tehrandata.org/courses/bi/
📞 09377516682

✈️ Telegram | 📞 whatsapp | 📱 linkedin | 🌐 Instagram | 🌐 website | 💬 admin

#هوش_تجاری #هوشمندسازی

21.04.202506:30

💠 داده‌های نامتوازن رو با این کتابخونه به سادگی بالانس کن!

👨🏻‍💻 هر کسی که با دیتا کار می‌کنه، حداقل یه بار با مشکل عدم توازن کلاس‌ها توی دیتاست‌ها مواجه شده. دم دست‌ترین و ساده‌ترین راه‌حلتون برای این مشکل؟

✔️ کتابخونه‌ی imbalanced-learn که روی scikit-learn ساخته شده!

🚨 یه سری قابلیت‌های مهم این کتابخونه:

1⃣ میشه با روش‌هایی مثل Random Oversampling یا SMOTE، کلاس‌های اقلیت رو با نمونه‌سازی جدید یا تکرار متعادل کرد.

🔢 ابزارهایی مثل Random Undersampling یا Tomek Links و ENN برای حذف داده‌های اضافی داره تا دیتاست رو تمیز و آماده کنی.

🔢 حتی می‌تونی تکنیک‌های ترکیبی مثل SMOTEEN یا SMOTETomek رو استفاده کنی تا هم نمونه‌سازی جدید داشته باشی، هم دیتا رو پاکسازی کنی.

🔢 راحت با pipeline‌های scikit-learn می‌تونی همه این روش‌ها رو بچسبونی به مدل‌ت و از کد زدن الکی خلاص شی.

┌ 🏳️‍🌈 imbalanced-learn
├ 📖 Documentation
└ 🐱 GitHub-Repos

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

转发自:

Quera

21.04.202505:27

🤖 کاربردهای هوش‌مصنوعی در صنعت

🌎 تو دنیای امروز، هوش‌مصنوعی به ابزاری حیاتی برای کسب‌و‌کارها و بهینه‌سازی فرایندها تبدیل شده. از خطوط تولید در کارخونه‌ها گرفته تا پیش‌بینی رفتار مشتری تو فروشگاه‌های آنلاین.

🔍 توی این وبینار رایگان، کاربردهای عملی AI تو صنایع و پوزیشن‌های شغلی کلیدی تو این حوزه مثل AI Engineer، Machine Learning Engineer و Applied Scientist رو بررسی می‌کنیم.

🎙همراه با :
پیام اسفندیاری
Director of Data @ Snappfood
پوریا زمان‌وزیری
Fraud Analyst @ Snapp! Box

📆 یک اردیبهشت ۱۴۰۴ | ساعت ۱۹:۰۰

✅ اطلاعات بیشتر و ثبت‌نام رایگان:
https://quera.org/r/e66xq

➖➖➖➖
#Quera #QBC9

20.04.202519:35

💠 چیت‌شیت «دستورات لینوکس»

👨🏻‍💻 لینوکس فقط یه سیستم عامل نیست، یه آپرگرید واقعیه! وقتی لینوکسی بشی، دیگه لازم نیست برای هر کار کوچیکی کلی کلیک کنی؛ با چند خط دستور، مدلتو آموزش می‌دی، لاگ ذخیره می‌کنی و کدت رو راحت دیپلوی می‌کنی!

🥵 خلاصه اگه می‌خوای تو حوزه دیتا ساینس حرفه‌ای‌تر بشی، یاد گرفتن دستورات لینوکس واجبه! و با این چیت‌شیت کاربردی، همه نکات لازم رو یه‌جا داری.

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

AgADKBcAAsRZKFA

575 kB

20.04.202508:30

🖥 باز کردن مستقیم ریپوی گیت‌هاب تو VS Code فقط با یه کلیک!

👨🏻‍💻 اگه تو یه ریپوی گیت‌هاب هستی، کافیه فقط دکمه " . " (نقطه) رو بزنی! این کار، اون ریپو رو مستقیم تو نسخه تحت وب VS Code برات باز می‌کنه.

✔️ می‌تونی راحت کدها رو بخونی، ادیت کنی و حتی تغییراتتو کامنت کنی – بدون اینکه ریپو مال خودت باشه!

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

20.04.202507:28

شغل پردرآمد و آینده‌دار فقط چند قدم با تو فاصله داره! 🌟

می‌خواهی وارد دنیای حرفه‌ای برنامه‌نویسی بشی و به یکی از پردرآمدترین مشاغل دنیا برسی؟

🔑 دوره جامع فرانت‌اند دولوپر (Front End Developer) همون مسیریه که بهش نیاز داری:
✅ از صفر تا صد طراحی وب رو یاد بگیر!
✅ تسلط کامل به زبان‌های HTML، CSS، JavaScript
✅ آشنایی با فریم‌ورک‌های محبوب و ترند روز دنیا مثل React و Bootstrap
✅ اجرای پروژه‌های واقعی و کاربردی برای ساخت نمونه‌کار حرفه‌ای

🎯 این دوره برای چه کسانی مناسب است؟
✔️ کسایی که هیچ تجربه‌ای در برنامه‌نویسی ندارن
✔️ دانشجویانی که می‌خوان آینده شغلی‌شون رو تضمین کنن
✔️ علاقه‌مندانی که دنبال یادگیری مهارتی کاربردی و پول‌سازه
➖➖➖➖➖➖➖➖➖➖➖➖
🌐 برای اطلاعات بیشتر و ثبت‌نام، به لینک زیر مراجعه کنید:
https://B2n.ir/zb5593
🔶 کسب اطلاعات بیشتر و مشاوره:
📱 تلگرام : 09377533910
☎️ تماس: 02167641999
➖➖➖➖➖➖➖➖➖➖➖➖
✓ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص

20.04.202506:40

📂 8 مرحله برای تسلط به MLOps
✅ برای دیتاساینتیست‌ها

⏯️ مقدمه‌ای بر MLOps

📎 MLOps Zoomcamp

📎 Neptune Blog

➖ ➖ ➖ ➖ ➖ ➖

2️⃣ مدیریت مدل

📎 ML Model Registry

📎 ML Experiment Tracking

📎 Experiment Tracking

➖ ➖ ➖ ➖ ➖ ➖

3️⃣ ساخت پایپ‌لاین مدل‌ها

📎 Building End-to-End ML Pipelines

📎 Orchestration Tools

📎 Orchestration & ML Pipelines

➖ ➖ ➖ ➖ ➖ ➖

4️⃣ مانیتورینگ مدل‌ها

📎 Evidently AI Blog

📎 NannyML Blog

📎 Model Monitoring

➖ ➖ ➖ ➖ ➖ ➖

5️⃣ آشنایی با Docker

📎 Docker Tutorial

➖ ➖ ➖ ➖ ➖ ➖

6️⃣ طراحی سیستم‌های ML

📎 Designing ML Systems

📎 ML System Design Patterns

📎 ML System Design Interview

➖ ➖ ➖ ➖ ➖ ➖

7️⃣ نمونه پروژه‌ها

📎 Evidently AI Database

📎 LLMOps Case Studies

➖ ➖ ➖ ➖ ➖ ➖

8️⃣ نقشه راه جامع

📎 MLOps Roadmap 2024

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

19.04.202518:42

🏳️‍🌈 راهنمای ۱۰۰ روزه یادگیری پایتون

👨🏻‍💻 با این راهنمای ۱۰۰ روزه یه بار برای همیشه به پایتون مسلط شو! این راهنما از مقدماتی‌ترین مباحث شروع میشه و تا پروژه‌های واقعی تو حوزه دیتا ساینس پیش می‌ره.

✅ همچنین تو هر بخش، با انجام پروژه‌های عملی دستت حسابی راه می‌افته و مهارت واقعی کسب می‌کنی. آخرشم یه پورتفولیوی قوی داری!

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

AgADKBcAAq4fIFA

3.15 MB

转发自:

FaraDars_Course

19.04.202517:28

⏰ ساعات پایانی — جامع‌ترین دوره‌های «یادگیری عمیق و هوش مصنوعی» با ۷۵ درصد تخفیف در فرادرس

💎 همین امروز هر آموزشی رو که دوست داری با تخفیف ویژه دریافت کن! 😉

⚡️ مجموعه آموزش داده کاوی و یادگیری ماشین

⚡️ هوش مصنوعی GPT برای یادگیری ماشین و علوم داده

⚡️ مجموعه آموزش پایتون برای یادگیری عمیق

⚡️ تحلیل بازارهای مالی با هوش مصنوعی و پایتون

⚡️ طراحی و ساخت مدلهای حجیم زبانی LLM

🔗 صفحه تخفیف و سایر آموزش‌ها [+]

🎁 کد تخفیف ۷۵ درصدی: EYD75

🔄 FaraDars - فرادرس

19.04.202514:40

📄 با این ۱۴ مقاله، کد پایتونت رو بهینه‌تر کن!

👨🏻‍💻 اگه ‌می‌خوای برای پروژه‌های علم داده، کد پایتونت رو سریع‌تر و بهینه‌تر بنویسی، حتما این 14 منبع رو داشته باش!👇

🏳️‍🌈 چطور کد پایتون رو تمیز بنویسی؟ ⬅️ لینک

🏳️‍🌈 چطور بفهمی کدت بهینه هست یا نه؟ ⬅️ لینک

🏳️‍🌈 کدت رو بهینه‌تر کن ⬅️ لینک

🏳️‍🌈 حلقه‌ها رو حذف کن ⬅️ لینک

🏳️‍🌈 با این نکات توابع رو سریع‌تر بنویس ⬅️ لینک

🏳️‍🌈 با Caching سرعت کدت رو زیاد کن ⬅️ لینک

🏳️‍🌈 پانداس رو بهینه استفاده کن ⬅️ لینک

🏳️‍🌈 روی DataFrame حلقه نزن ⬅️ لینک

🏳️‍🌈 داده‌ها رو درست انتخاب کن ⬅️ لینک

🏳️‍🌈 از groupby رو حرفه‌ای استفاده کن ⬅️ لینک

🏳️‍🌈 این ۲۰ تابع پانداس رو بلد باش ⬅️ لینک

🏳️‍🌈 شناخت داده با Pandas Profiling ⬅️ لینک

🏳️‍🌈 پانداس رو ۱۰۰۰ برابر سریع‌تر کن ⬅️ لینک

🏳️‍🌈 این ۱۰ اشتباه پانداس رو نکن ⬅️ لینک

👨‍💻 لینک دسترسی به نوت‌بوک‌های مقالات:👇

🖥 GitHub-Repos

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

19.04.202506:35

📃 چطوری بدون مدرک یا بوت‌کمپ، اولین کار دیتاساینتیستمو گرفتم؟

👩🏻‍💻 تجربه من برای گرفتن اولین کارم تو حوزه دیتاساینس زیاد شبیه مسیرهای کلاسیک نبود! خیلی‌ها فکر می‌کنن باید حتما مدرک دانشگاهی یا یه بوت‌کمپ گرون شرکت کنن تا بتونن وارد دنیای دیتا بشن، ولی برای من اینطوری نبود. تو مسیرم سه نکته مهم تفاوت ایجاد کرد:

1️⃣ اوایل فقط روی SQL تمرکز کردم!

💬 همه گفتن پایتون یاد بگیر، ولی من دیدم توی آگهی‌های شغلی، SQL از همه مهم‌تره. برای همین رفتم سراغ SQL و تا وقتی که نمی‌تونستم سوالای پیشرفته‌شو حل کنم، سراغ پایتون نرفتم.

🖥 اگه دنبال تمرینای خوب SQL هستی، این وبسایت رو امتحان کن: لینک

➖ ➖ ➖ ➖ ➖ ➖

2️⃣ از معرفی‌نامه استفاده کردم!

💬 رفرال گرفتن (معرفی شدن به یک شرکت یا شغل از طرف یک فردی که داخل اون شرکت کار می‌کنه یا باهاش در ارتباطه) باعث شد شانس دعوت به مصاحبه‌هام حداقل ۱۰ برابر بیشتر بشه. چون:

✅ رزومه‌ات رو آدم واقعی می‌خونه.

✅ احتمال دیده شدنت خیلی بیشتره.

➖ ➖ ➖ ➖ ➖ ➖

3️⃣ از هر مصاحبه‌یِ ناموفق، درس گرفتم!

✅ با هر مصاحبه‌ای که خراب کردم، از خودم پرسیدم: چی رو خوب بودم؟ کجا کم آوردم؟ چطور باید بهتر آماده شم؟

✅ هر وقت تونستم از ریکروترها بازخورد گرفتم. اکثرشون جواب نمی‌دادن، ولی همون چند نفری هم که گفتن، کلی کمکم کردن.

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

17.04.202519:48

📊 جزوه «آمار برای علم داده»

👨🏻‍💻 آمار فقط خلاصه‌کردن داده‌ها نیست؛ اصل کار اینه که بتونی بفهمی پشت هر جدول و نمودار چه داستانی پنهونه! خیلی وقت‌ها آمار به‌ عنوان یه درس تئوریک دیده می‌شه، ولی واقعیت اینه که برای هر کسی که تو زمینه دیتا ساینس کار می‌کنه، آمار یه زبونه، نه فقط یه ابزار.

📖 با این جزوه یاد می‌گیری:

✅ فرق میانگین، میانه، نما و نقش هرکدوم برای شناخت رفتار داده‌هات.

✅ مثال‌های واقعی با R؛ از روند حقوق تا رفتار مشتری و فروش.

✅ کار با جدول فراوانی، باکس‌پلات و Z-score.

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

AgADWBgAAqAaCVA

6.43 MB

已删除20.04.202511:55

17.04.202518:42

اگه میخوای تو حوزه ماشین‌لرنینگ و علم‌ داده فعالیت کنی دونستن آمار و احتمال برات واجبه!

حالا ما توی کوئراکالج دوره آموزش کاربردی آمار و احتمال رو آماده کردیم تا بتونی ازش توی برنامه‌نویسی و کار با داده‌ها استفاده کنی.

فقط ۲۴ ساعت فرصت داری این دوره رو با ۴۰ درصد تخفیف اونم به صورت قسطی ثبت‌نام کنی!

已删除20.04.202511:55

17.04.202516:40

⚡️چطور از هوش مصنوعی قدرت بگیریم؟
دوره‌ای فشرده، عملیاتی و چندمسیره برای یادگیری استفاده حرفه‌ای از هوش مصنوعی
براساس تجارب کاری و دانشگاهی در هلند، اسپانیا و ایران

سه مسیر تخصصی برای علاقه‌مندان و متخصصان:
🔹 کاربرد عمومی | برای افراد کنجکاو و خلاق در هر حوزه
🔹 توسعه نرم‌افزار | برای برنامه‌نویسان و تیم‌های فنی
🔹 پژوهش | برای محققان، دانشجویان و فعالان علمی
🔹 جامع | برای کسانی که میخواهند در عصر AI جز حرفه ای ها باشند.

📌 جزئیات کامل هر ورکشاپ در کاتالوگ دوره موجود است.

مدرسین دوره:
•پارسا کریمی – پژوهشگر AI در دانشگاه صنعتی آیندهوون (هلند)،
مشاور استقرار هوش مصنوعی در سازمان‌های ایران و اروپا
•حسن حمیدی – بنیان‌گذار و مدیرعامل روبنک،
کارشناس ارشد مهندسی دیجیتال از دانشگاه شریف
با ۱۲ سال تجربه در توسعه محصول و طراحی سیستم‌های هوشمند

📅 زمان برگزاری: اردیبهشت ۱۴۰۴
(ظرفیت محدود – اولویت با ثبت‌نام زودهنگام)
🌐 ثبت‌نام و اطلاعات بیشتر:
www.roadmapacademy.ir

所有帖子

已广告56 秒

19.04.202505:06هشتگ‌ تبلیغ تخصصی

3.2K

已广告5 秒

15.04.202503:39هشتگ‌ تبلیغ تخصصی

3.2K

已广告35 个月

13.04.202511:30هشتگ‌ تبلیغ تخصصی

3.2K

已广告1 小时

07.04.202517:02آمارکده

4.8K

详细信息

记录

03.03.202520:06

51.1K订阅者

14.01.202523:59

300引用指数

18.01.202523:59

3.5K每帖平均覆盖率

17.01.202523:59

3.5K广告帖子的平均覆盖率

26.01.202523:50

20.86%ER

17.01.202523:59

7.08%ERR

发展

详细信息

订阅者

引用指数

每篇帖子的浏览量

每个广告帖子的浏览量

ERR

详细信息

Data Science | علم داده 热门帖子

所有帖子

02.04.202507:35

🔥 چه‌جوری تو سال 2025 یک دانشمند داده بشیم؟

1️⃣ اول از همه، پایه‌تو قوی کن (ریاضی و آمار).

✏️ اگه ریاضی رو بلد نباشی، هر جا بری به مشکل می‌خوری. هر مدلی که بسازی، هر تحلیلی که انجام بدی، پشتش یه دنیای ریاضیه. اینا رو باید خوب بلد باشی:

✅ جبر خطی: لینک

✅ حساب دیفرانسیل و انتگرال: لینک

✅ آمار و احتمال: لینک

➖➖➖➖➖➖

2️⃣ بعدش برنامه‌نویسی رو یاد بگیر!

✏️ بدون معطلی برو سراغ یادگیری پایتون و SQL.

✅ پایتون: لینک

✅ زبان SQL: لینک

✅ ساختمان داده و الگوریتم‌ها: لینک

➖➖➖➖➖➖

3️⃣ یاد بگیر که داده‌ها رو تمیز و تحلیل کنی!

✏️ داده‌ها همیشه بهم‌ریخته‌ان، و یه دانشمند داده باید بلد باشه چجوری اونا رو مرتب کنه و ازشون بینش بگیره.

✅ پاکسازی داده‌‌ها: لینک

✅ مصورسازی داده‌ها: لینک

➖➖➖➖➖➖

4️⃣ یادگیری ماشین رو یاد بگیر!

✏️ زمانی که مهارت‌های پایه رو یاد گرفتی، وقتشه که وارد دنیای یادگیری ماشین بشی. اینا رو باید بلد باشی:

◀️ یادگیری نظارت‌شده: رگرسیون، طبقه‌بندی

◀️ یادگیری بدون نظارت: خوشه‌بندی، کاهش ابعاد

◀️ یادگیری عمیق: شبکه‌های عصبی، CNN، RNN

✅ دوره CS229 دانشگاه استنفورد: لینک

➖➖➖➖➖➖

5️⃣ با کلان‌ داده و پردازش ابری آشنا شو!

✏️ شرکت‌های بزرگ دنبال کسایی هستن که بتونن با حجم‌های بزرگ داده کار کنن.

◀️ ابزارهای کلان‌داده (مثل Hadoop, Spark, Dask)

◀️ سرویس‌های ابری (AWS, GCP, Azure)

➖➖➖➖➖➖

6️⃣ پروژه واقعی انجام بده و پورتفولیو بساز!

✏️ هرچی تا اینجا یاد گرفتی بدون پروژه واقعی، ارزشی نداره!

◀️ توی Kaggle شرکت کن و با داده‌های واقعی کار کن.

◀️ یه پروژه صفر تا صد انجام بده (از جمع‌آوری داده تا دیپلوی مدل)

◀️ کدت رو تو گیت‌هاب بذار.

✅ پروژه‌های اُپن‌سورس علوم داده: لینک

➖➖➖➖➖➖

7️⃣ وقتشه MLOps و دیپلوی مدل‌ها رو یاد بگیری!

✏️ خیلی‌ها فقط مدل می‌سازن ولی بلد نیستن چه‌جوری دیپلوی کنن. اما شرکت‌ها کسی رو می‌خوان که بتونه مدل رو به مرحله اجرا برسونه!

◀️ عملیات‌سازی یادگیری ماشین (مانیتورینگ، به‌روزرسانی مدل‌ها)

◀️ ابزارهای دیپلوی مدل: Flask, FastAPI, Docker

✅ دوره MLOps دانشگاه استنفورد: لینک

➖➖➖➖➖➖

8️⃣ همیشه به‌روز بمون و شبکه‌سازی کن!

✏️ مقالات پژوهشی رو توی arXiv و Google Scholar دنبال کن.

✅ وبسایت Papers with Code: لینک

✅ وبسایت AI Research at Google: لینک

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

19.04.202518:42

AgADKBcAAq4fIFA

3.15 MB

31.03.202506:30

🏳️‍🌈 چطوری با یادگیری پایتون از صفر، توی شرکت‌های متا و گوگل کار پیدا کردم؟

👨🏻‍💻 نه بوت‌کمپ رفتم، نه دوره دانشگاهی، فقط یه برنامه‌ریزی درست و تمرین مداوم! پایتون یکی از حیاتی‌ترین مهارت‌ها برای دیتا ساینتیست‌ها توی ۲۰۲۵ هست. اگه می‌خوای وارد این حوزه بشی، الان وقتشه!

❔ چیکار کردم؟

🔢 یه چک‌لیست از مهارت‌های مهم نوشتم (یک ساعت)

✅ پایتون برای برنامه‌نویس‌ها با پایتون برای دیتا ساینتیست‌ها فرق داره!

✅ فقط روی مباحثی که واقعاً توی دیتا ساینس کاربرد دارن تمرکز کردم.

➖ ➖ ➖ ➖ ➖ ➖

🔢 مباحث پایه رو یاد گرفتم (۲ تا ۴ هفته)

⚠️ خبری از یادگیری ML و AI نبود، فقط مفاهیم پایه‌ای مثل:

✅ متغیر چیه و چطوری تعریف می‌شه؟

✅ چطور یه تابع بنویسم و ازش استفاده کنم؟

✅ حلقه‌های for و while چه فرقی دارن و کی باید از کدوم استفاده کنم؟

➖ ➖ ➖ ➖ ➖ ➖

🔢 رفتم سراغ پایتون برای علم داده (۶ تا ۱۲ هفته)

◀️ اینجا بود که حس کردم یه دیتا ساینتیست واقعی‌ام!

✅ کتابخونه pandas ← برای تحلیل و پردازش داده‌ها

✅ کتابخونه numpy ← برای محاسبات عددی

✅ کتابخونه matplotlib ← برای مصورسازی داده‌ها

✅ کتابخونه scikit-learn ← برای یادگیری ماشین

➖ ➖ ➖ ➖ ➖ ➖

🔢 پروژه‌های واقعی انجام دادم (۸ تا ۲۰ هفته)

✅ اول از پروژه‌های راهنما توی DataCamp شروع کردم

✅ بعد سراغ پروژه‌های خودم رفتم و چالش‌های واقعی حل کردم.

✅ از گوگل کولب و Jupyter برای اجرا و تست استفاده کردم.

✅ پروژه‌هامو توی یه پورتفولیو آنلاین منتشر کردم تا دیده بشم.

➖ ➖ ➖ ➖ ➖ ➖

⭕️ من مباحث پایتون رو با وبسایت DataCamp یاد گرفتم. یوتیوب پر از ویدیو بود ولی مسیر یادگیریش پراکنده بود، نمی‌دونستم چی به چیه. اما DataCamp دقیقاً همون ساختاری که لازم داشتم رو بهم داد.

⬅️ نتیجه چی شد؟ یه رزومه قوی، مصاحبه‌های عالی و در نهایت، ورود به شرکت متا و گوگل!

┌ 💡 Python Data Fundamentals
└ 🌎 Course Homepage

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

01.04.202516:40

📣 گوگل "Data Science Agent" رو در کولب منتشر کرد!

👨🏻‍💻 با Data Science Agent، دیگه نیازی به نوشتن یا اجرای یک خط کد هم نیست! من خودم این دیتاست 500 هزار ردیفی رو که تو ویدیوی بالا می‌بینید، تحلیل کردم و باورم نمی‌شد چقدر سریع و ساده این کار رو انجام داد!

❓ چطور کار می‌کنه؟

🔢 فایل دیتاتون رو آپلود کنین،

🔢 به زبان ساده بگین چی می‌خواین. (مثلاً یه نمودار خاص یا خلاصه‌ای از داده‌ها).

🔢 خودش مرحله‌به‌مرحله کد می‌زنه، اجرا می‌کنه و نتیجه رو نشون میده.

⭕️ اینو یادتون نره که مثل هر مدل دیگه‌ای نیاز به نظارت داره!

┌ 👨‍💻 Data Science Agent
└ 📖 Documentation

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

16.04.202508:30

🏳️‍🌈 یه خط کد، ولی ۱۴۰ برابر سریع‌تر از Pandas!

👨🏻‍💻 مدت‌هاست همه‌مون با پانداس کار کردیم. راحت بود ولی کُند. حالا یه جایگزین خفن به اسم FireDucks اومده که فقط با یه تغییر کوچیک، معجزه می‌کنه:

⬅️فقط

import pandas as pd

⏬به

import fireducks.pandas as pd

⬅️تغییر بده!

🎉 تموم! بقیه کدت همون کده. ولی انگار داری با همون پانداس کار می‌کنی.

✅ سرعتش از پانداس ،DuckDB ،cuDF و حتی Polars هم بالاتره!

✅ طبق بنچمارک‌ها، سرعت متوسط FireDucks حدود ۱۴۱ برابر پانداسه!

✅ از چند هسته به طور همزمان استفاده می‌کنه (برخلاف پانداس که تک‌هسته‌ایه)

✅ اجراش “Lazy” هست و قبل از اجرا کلی بهینه‌سازی انجام می‌ده.

✅ حتی تو حالت عادی (Eager) هم کلی سریع‌تره.

┌ 📂 FireDucks
├ ⏩ Website
└ 🐱 GitHub-Repos

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

17.04.202507:00

🗺 مسیر ساده برای دیتا ساینتیست شدن!

👨🏻‍💻 سقف حقوق یک دیتاساینتیست تو آمریکا تا ۱۵۰ هزار دلار در سال هم می‌رسه! ولی دیتاساینس، فقط بلد بودن چند خط کد نیست. باید قدم‌به‌قدم یاد بگیری و مهارت‌هات رو بسازی. با این نقشه راه ساده و منظم، می‌تونی بدون سردرگمی مسیرت رو شروع کنی:

1️⃣ مبانی

✏️ اول از همه باید ریاضی (جبر خطی، آمار، احتمال) رو جدی بگیری.

📎 Mathematics for ML

✏️ در کنارش، پایتون رو خوب یاد بگیر چون زبان اصلی دیتاساینسه. کلی دوره رایگان برای شروع هست!

📎 Python for Everybody

📎 Complete Python Bootcamp

➖ ➖ ➖ ➖ ➖ ➖

2️⃣ تحلیل و بصری‌سازی داده

✏️ کار با Pandas و NumPy برای آنالیز و Matplotlib و seaborn برای رسم نمودارها مهمه.

📎 Data Analysis with Python

📎 Google Data Analytics

✏️ کمی هم R یاد بگیر، چون برای آمار عالیه.

📎 Data Science: R Basics

➖ ➖ ➖ ➖ ➖ ➖

3️⃣ یادگیری ماشین

✏️ باید مفاهیم الگوریتم‌هایی مثل رگرسیون، درخت تصمیم و خوشه‌بندی رو بفهمی و با پایتون و حتی R پیاده‌سازی‌شون کنی.

📎 Machine Learning Specialization

📎 IBM Machine Learning

📎 Machine Learning A-Z

➖ ➖ ➖ ➖ ➖ ➖

4️⃣ گام‌های پیشرفته

✏️ آشنایی با شبکه‌های عصبی و یادگیری عمیق، به خصوص توی پردازش تصویر و متن.

📎 Deep Learning Specialization

📎 NLP Specialization

📎 Big Data Analytics With Spark

➖ ➖ ➖ ➖ ➖ ➖

5️⃣ پروژه‌های واقعی و نمونه‌کار

✏️ توی رقابت‌های کگل شرکت کن و پروژه‌هات رو توی گیت‌هاب بذار تا رزومه خوبی بسازی و با مسائل واقعی دست و پنجه نرم کنی.

📎 Kaggle

📎 GitHub

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

06.04.202507:30

📚 15 کتابی که هر دانشمند داده‌ باید بخونه!

👨🏻‍💻 اینا لیست کتاباییه که خودم ازشون یاد گرفتم یا به پیشنهاد دیتا ساینتیست‌های با تجربه خوندم:

✅ تحلیل داده و برنامه‌نویسی:

1️⃣ کتاب Python for Data Analysis

2️⃣ کتاب Data Science for Beginners

3️⃣ کتاب Data Science from Scratch

4️⃣ کتاب .Fundamentals of Data Viz

5️⃣ کتاب R for Data Science

6️⃣ کتاب A Hands-on Intro to Big DA

➖ ➖ ➖ ➖ ➖

✅ ریاضیات و آمار:

7️⃣ کتاب naked statistics

8️⃣ کتاب Essential Math for Data Science

➖ ➖ ➖ ➖ ➖

✅ توسعه شغلی و مسیر حرفه‌ای:

9️⃣ کتاب Build a Career in Data Science

1️⃣ کتاب The Data Science Handbook

1️⃣ کتاب Winning with Data Science

1️⃣ کتاب Becoming a Data Head

➖ ➖ ➖ ➖ ➖

✅ اخلاق در دیتا:

1️⃣ کتاب Ethical Data Science

1️⃣ کتاب Data Science in Context

1️⃣ کتاب The Art of Data Science

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

12.04.202507:45

📚 با این ۱۷ منبع یه دیتاساینتیست حرفه‌ای شو!

1️⃣ کتابخونه‌های پایتون برای یادگیری ماشین

◀️ معرفی بهترین ابزارها و پکیج‌های پایتونی برای ساخت مدل‌های ML.

➖ ➖ ➖

2️⃣ کتاب تعاملی یادگیری عمیق

◀️ یادگیری مفاهیم یادگیری عمیق با ترکیب متن، ریاضی، کد و تصویر.

➖ ➖ ➖

3️⃣ گلچین منابع یادگیری دیتا ساینس

◀️ بهترین دوره‌ها، کتاب‌ها و ابزارها برای یادگیری علم داده.

➖ ➖ ➖

4️⃣ پیاده‌سازی الگوریتم‌ها از صفر

◀️ کدنویسی الگوریتم‌های معروف ML از پایه

➖ ➖ ➖

5️⃣ راهنمای مصاحبه‌های یادگیری ماشین

◀️ آمادگی کامل برای مصاحبه‌های شغلی

➖ ➖ ➖

6️⃣ پروژه‌های واقعی یادگیری ماشین

◀️ آموزش ساخت و دیپلوی کردن مدل‌ها.

➖ ➖ ➖

7️⃣ طراحی سیستم‌های یادگیری ماشین

◀️ چطور یه سیستم ML مقیاس‌پذیر و پایدار طراحی کنی.

➖ ➖ ➖

8️⃣ ریاضیات یادگیری ماشین

◀️ مفاهیم پایه ریاضی که برای درک یادگیری ماشین لازمه.

➖ ➖ ➖

9️⃣ مقدمه‌ای بر یادگیری آماری

◀️ الگوریتم‌ها رو با مثال‌های عملی یاد بگیر

➖ ➖ ➖

1️⃣ یادگیری ماشین با رویکرد احتمالاتی

◀️ درک بهتر مدل‌سازی و عدم قطعیت با دیدگاه آماری.

➖ ➖ ➖

1️⃣ یادگیری ماشین دانشگاه UBC

◀️ درک عمیق مفاهیم یادگیری ماشین با تدریس مفهومی یکی از اساتید مطرح حوزه ML،

➖ ➖ ➖

1️⃣ یادگیری عمیق با اندرو انگ

◀️ شروعی قوی در دنیای شبکه‌های عصبی، CNN و RNN.

➖ ➖ ➖

1️⃣ جبر خطی با 3Blue1Brown

◀️آموزش شهودی و تصویری مفاهیم جبر خطی.

➖ ➖ ➖

🔴 دوره یادگیری ماشین

◀️ ترکیبی از تئوری و تمرین عملی برای تقویت مهارت‌های ML.

➖ ➖ ➖

1️⃣ بهینه‌سازی ریاضی با پایتون

◀️ مفاهیم پایه بهینه‌سازی رو با کد پایتونی یاد می‌گیری.

➖ ➖ ➖

1️⃣ مدل‌های قابل توضیح در یادگیری ماشین

◀️ قابل فهم کردن مدل‌های پیچیده.

➖ ➖ ➖

⚫️ تحلیل داده‌ها با پایتون

◀️ مهارت‌های تحلیل داده با استفاده از کتابخانه‌های پانداس و NumPy.

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

29.03.202519:30

📄 جزوه «مقدماتی تا پیشرفته پانداس»

👨🏻‍💻 نمیشه تو مصاحبه‌‌های علوم داده شرکت کنی و از پانداس سوال مطرح نشه! اما لازم نیست همه‌ی متدها و توابعش رو حفظ کنین! با این جزوه هر چی که لازم دارین رو یاد می‌گیرین.

✔️ یکی از ترکیب‌های کاربردی و جذاب هم استفاده از پانداس با AWS Lambda هست که می‌تونه توی پروژه‌های واقعی خیلی به کارتون بیاد.👌🏼

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

20.04.202519:35

05.04.202506:30

✅ لیستی از «پروژه‌های واقعی» علوم داده

👨🏻‍💻 اینکه بدونی شرکت‌های بزرگی مثل اوبر، نتفلیکس، لینکدین و... دقیقاً چطوری از علم داده و مدل‌های پیشرفته استفاده می‌کنن، خیلی تو تجربه کاریت تاثیر داره! منظورم پروژه‌هایی که واقعاً تو شرکت‌های بزرگ اجرا شدن و بشه ازشون یاد گرفت، نه فقط پروژه‌های آموزشی ساده...!

✏️ واسه همین تصمیم گرفتم از دل مقالات، کنفرانس‌ها و منابع مختلف، مجموعه ویدیوهایی از همین پروژه‌های واقعی بسازم.

📝 اینجا یه لیست از همه اون ویدیوها رو جمع کردم که می‌تونه خیلی تو این مسیر کمکتون کنه و بهتون یه دید واقعی از علم داده بده.👇

😉 DeepSeek R1: لینک

😉 GenAI @ Uber & Yelp: لینک

😉 RAG for Private Data: لینک

😉 UberEats Debiasing: لینک

😉 Pinterest Ranking Shift: لینک

😉 Spotify GNN RecSys: لینک

😉 Fraud in E-commerce: لینک

😉 Returns Fraud: لینک

😉 LinkedIn Ad Budget: لینک

😉 Netflix Calibration: لینک

😉 Netflix Unified RecSys: لینک

😉 IG & Twitter Recsys: لینک

😉 Bandit Models: لینک

😉 Recsys Bias Fix: لینک

😉 Two-Tower Retrieval: لینک

😉 Meituan RecSys: لینک

😉 LinkedIn CTR Model: لینک

😉 Uplift @ Instagram: لینک

😉 Pinterest Ads RecSys: لینک

😉 Dynamic Pricing: لینک

😉 Product Embeddings: لینک

😉 BERT for Entities: لینک

😉 Twitter RecSys: لینک

😉 ANN Annoy: لینک

😉 ANN PQ: لینک

😉 PID for Diversity: لینک

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

19.04.202514:40

30.03.202519:45

📄 «۲۵۰+ پورتفولیو برای علم داده»

👨🏻‍💻 یکی از دغدغه‌های همیشگیم این بود که چطور پورتفولیویی بسازم که نظر کارفرماها و شرکت‌ها رو به خودش جلب کنه. کلی ایده تو ذهنم بود، ولی همیشه مشکلم این بود که چجوری شروع کنم؟

✔️ این فایل شامل ۲۵۰ تا پورتفولیوی آماده میشه که بهتون کمک می‌کنه با الهام گرفتن ازشون، یه پورتفولیو منحصر به فرد بسازین و توی مصاحبه‌های شغلی متمایز باشین.

◀️ دیگه لازم نیست ساعت‌ها دنبال ایده و سورس‌کد بگردی و فقط کافیه شروع کنین!

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

AgADiBsAAo5qUFM

5.86 MB

05.04.202519:50

📄 جزوه «حل مسائل Leetcode با پایتون»

👨🏻‍💻 مدتیه که با پایتون دارم مسائل Leetcode رو حل می‌کنم. یه جا تصمیم گرفتم همه راه‌حل‌ها رو جمع کنم و تو یه فایل بذارم کنار هم.

✔️ اگر دنبال یاد گرفتن تکنیک‌های حل مسئله با پایتون هستین یا مثل من عاشق این مدل چالش‌هایین و روی مهارت حل مسئله‌ات کار می‌کنین، این جزوه رو از دست ندین! 💯

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

06.04.202516:31

💥 کل کارای دیتا ساینست رو فقط با یه پرامپت انجام بده!

👩🏻‍💻 می‌دونی چی باور نکردنیه؟ این‌که اولین تجربه‌ی کاریم تو حوزه علم داده که یه پیش‌بینی روی دیتاست معروف تایتانیک بود رو، حالا می‌شه با یه دستور ساده انجامش داد!

✅ از این به بعد با ایجنت هوش مصنوعی علم داده در کولب، می‌تونین فقط با یه پرامپت ساده کل روند دیتا ساینس رو هندل کنین! این ایجنت خودش دیتا رو می‌خونه، تمیز می‌کنه، تحلیل می‌کنه، ویژگی‌ها رو می‌سازه، مدل رو آموزش می‌ده و حتی بهینه‌اش می‌کنه. بعد، یه نوت‌بوک کامل تحویلت می‌ده که آماده است!

📹 از این فرآیندم یه ویدیو هم گرفتم و گذاشتم تا ببینین خود ابزار چطور کار می‌کنه و چه خروجی‌ می‌ده.

┌ 🌀 Data Science Agent
├ ✏️ Article
└ 🖥 Notebook

🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa

登录以解锁更多功能。