✅اضافه شدن زبان برنامه نویسی پایتون به پلتفرم هوش تجاری اوراکل در نسخه 12.2.1.3 OBIEE

🔹شرکت اوراکل در نسخه های قبلی محصول هوش تجاری خود،زبان قدرتمند تحلیلی و آماری R را به محصول خود اضافه کرده بود و اکنون با انتشار جدیدترین نسخه هوش تجاری اوراکل یعنی نسخه 12.2.1.3 OBIEE، زبان برنامه نویسی قدرتمند پایتون را هم به محصول خود اضافه کرده است پایتون به علت دارا بودن کتابخانه های بسیار قوی و نسبتا کامل در حوزه داده کاوی و یادگیری ماشین می تواند مکمل بسیار خوبی برای محصول هوش تجاری اوراکل باشد. بنابراین می توان به یک بسته کاملا منحصر بفرد و کم نظیر در زمینه هوش تجاری مبتنی بر پلتفرم های اوراکل و لینوکس تحت عنوان هوش تجاری اوراکل رسید !
🔸با این محصول کامل و منحصربفرد می توان محصولات ترکیبی هوش تجاری و هوش مصنوعی(شبکه های عصبی) را براحتی پیاده سازی کرد. @BIMining

گوگل با کمک هوش مصنوعی روشی برای پیش بینی وضعیت فرد پس از ورود به بیمارستان را ابداع کرده است. در آزمایش ها این روش ۲۴ تا ۴۸ ساعت زودتر از مدل های معمول مرگ بیمار را پیش بینی کرد
🖥 @BIMining

💠 آموزش #پایتون : جلسه شصت و یکم

☑️ مباحث گفته شده:
🔘 ساخت کلاس برای دیتابیس در پایتون @BIMining

اولين سمينار علوم داده
@BIMining

✅نحوه ایمپورت دیتا از اکسل به R:


🔹یکی از روش های مهم برای #import کردن فایل های #اکسل به #R استفاده از پکیج #RODBC است، و با استفاده از دستور #odbcDriverConnect به این مجموعه داده متصل می شویم:
> install.packages("RODBC")
> library(RODBC)
> data<-odbcDriverConnect(file.choose())
> sqlFetch(data)$Table_Name
> mydata<-sqlFetch(data,"sheet1")
> odbcClose(data)
> mydata
🔹بعد از فراخوانی بسته #RODBC با استفاده از دستور #odbcDriverConnect به دیتابیس #اکسل متصل می شویم، سپس با استفاده از دستور #sqlFetch محتوای جدول #اکسل را در محیط #R #نمایش داده می شود.
@BIMining

واحد فناور آن آموز از متخصصین گرامی در حوزه علوم کامپیوتر دعوت به همکاری می نماید...

#آشنایی با پکیج arm

این پکیج برای تجزیه و تحلیل داده ها با استفاده از مدل رگرسیون و چند سطح / سلسله مراتبی می باشد یکی از توابع موجود در این پکیج
#Binned_Residual_Plot
یا نمودار مانده های تظریف شده است
تابع آن در #R بصورت زیر می باشد:
> install.packages("arm")
> library(arm)
> help(binnedplot)
که تابع آن بصورت زیر است و جزییات وتوضیحات آن راجع به آرگومان های این تابع را میتوان از help مشاهده کرده:
binnedplot(x ,y, nclass=NULL,xlab="Expected Values", ylab="Average residual",main="Binned residual plot", cex.pts=0.8, col.pts=1, col.int="gray",...)
#مثال:
> library(MASS)
> library(Matrix)
> library(lme4)
> library(arm)
> old.par <- par(no.readonly = TRUE)
> data(lalonde)
> fit <- glm(treat ~ re74 + re75 + educ + black + hisp + married
+ nodegr + u74 + u75, family=binomial(link="logit"))
> x <- predict(fit)
> y <- resid(fit)
> binnedplot(x,y,main="Reducational")
> par(old.par)

كانال : @BIMining

خروجي مثال فوق @BIMining

10 توزیع برتر لینوکس در حوزه سرورهای شبکه

1-لینوکس ubuntu سرور
2-لینوکس Redhat Enterprise
3-لینوکس Suse Enterprise
4-لینوکس CentOS
5-لینوکس Debian
6-لینوکس Oracle
7-لینوکس Mageia/Mandriva
8-لینوکس ClearOS
9-لینوکس Arch
10-لینوکس Slackware

منبع :
@BIMining

💠 آموزش #پایتون : جلسه شصت و دوم
☑️ مباحث گفته شده:
🔘 نصب PyPI در پایتون @BIMining

💠 آموزش #پایتون : جلسه شصت و سوم

☑️ مباحث گفته شده:
🔘 استفاده از Modules در پایتون @BIMining

#فرصت_شغلی
✅ پیام رسان بله

🔵 وب: کار با react آشنا با Java

🔵 برنامه نویسی ios: کار با سوئیفت آشنا با Objective C

🔵 اندروید: آشنا با Java

🔵 بک‌اند (سرور): java یا Scala

🔵 دیتابیس: مسلط به Cassandra


🔵هوش تجاری (Bi)

☑️ متقاضیان رزومه علمی خود را به همین ID ارسال نمایید.🌹🌹🌹

🔴هوش تجاری ابری در صنعت بانکداری

👤ژاله زارعی-مدیر داخلی انجمن علمی پول و بانک ایران

✅کاهش هزینه‌ها، کاهش مدت زمان ارائه خدمات بانکی، مقیاس‌پذیری بالا، افزایش قابلیت اشتراک‌گذاری داده‌ها و ظرفیت نامحدود در ذخیره‌سازی داده‌ها، بهبود انطباق با اصول و قوانین جهانی، تقویت مبارزه با پولشویی و استفاده بهینه از منابع باعث شده است ۶۵ درصد از بانک‌های جهان تا پایان سال ۲۰۱۷ از هوش تجاری ابری استفاده کنند.

✅مهمترین کاربردهای هوش تجاری در حیطه صنعت بانکداری عبارتند از مدیریت ارتباط با مشتری (CRM)، مدیریت عملکرد (PM)، مدیریت ریسک (RM)، مدیریت دارایی و بدهی (ALM) و همخوانی با استانداردها از جمله قوانین بازل، تشخیص تقلب، مدیریت پورت‌فولیو و مبادلات اوراق بهادار، سیستم ضدپولشویی، انبار داده و پردازش تحلیلی آنلاین (OLAP) از پایگاههای اطلاعاتی.

✅خدمات ارائه شده در رایانش ابری را می‌توان در ۳لایه نرم‌افزار به عنوان سرویس(SaaS)»، داده‌های به عنوان سرویس (PaaS) و زیرساخت به عنوان سرویس (LaaS) طبقه‌بندی کرد.

📎مطلب کامل در لینک ادامه:
http://asrebank.ir/news/147314

@BIMining

💠 آموزش #پایتون : جلسه شصت و چهارم

☑️ مباحث گفته شده:
🔘 گرفتن Errorها در پایتون @BIMining

روز مهندس بر مهندسين عزيز مبارك
@BIMining

✅دستورات حذف wine در توزیع لینوکس RedHat ، Oracle Linux ،Ubuntu و ...

🔹yum remove wine
🔹rm -rf $HOME/.wine
🔹rm -f $HOME/.config/menus/applications-merged/wine*
🔹rm -rf $HOME/.local/share/applications/wine
🔹rm -f $HOME/.local/share/desktop-directories/wine*
🔹rm -f $HOME/.local/share/icons/????_*.xpm
برای توزیع ابونتو بجای دستور yum از sudo apt-get در command های ذیل استفاده می شود:
🔹yum remove –purge wine
🔹yum update
🔹yum autoclean
🔹yum clean
🔹yum autoremove

@BIMining

برترین پایگاه داده های جهان تا فوریه 2018 @BIMining*** منبع : https://db-engines.com/en/

هوش مصنوعی گوگل, با اسکن عنبیه چشم, با دقت ۷۰% , احتمال بیماری قلبی را تعیین میکند! @BIMining

🔴انواع مدل‌های استقرار هوش تجاری در رایانش ابری و نقش آن در بانک‌ها

👤ژاله زارعی-مدیرداخلی انجمن علمی پول و بانک ایران

☁️مزایای هوش تجاری در بستر ابر همچون کاهش هزینه های جاری و زیرساختهای انعطاف‌پذیری و مقیاس‌پذیری، افزایش قابلیت اشتراک‌گذاری داده‌ها و ظرفیت نامحدود در ذخیره‌سازی داده‌ها باعث شده‌اند ۶۵ درصد از بانک‌های جهان تا پایان سال ۲۰۱۷ به سمت استفاده از هوش تجاری ابری هدایت شوند.

☁️براساس گزارشات شرکت نرم‌افزار بانکی تمنوس انتقال ۱٫۲ میلیارد دلار از حساب‌های پس‌انداز به درایوهای ابری میتواند باعث ۱٫۹ میلیارد دلار صرفه‌جویی در هزینه ها در یک سال شود.

☁️بررسی‌های شرکت فناوری بانکداری تمنوس نشان داده است که استفاده از تکنولوژی هوش تجاری ابری در سالهای اخیر در بانک‌ها و نهادهای مالی باعث شده است توسعه برنامه‌ها و محصولات کاربردی از چندین ماه به چند ساعت و تحلیل ریسک از چندین ساعت به چند دقیقه رسیده است.

📎انواع مدل‌های استقرار هوش تجاری در رایانش ابری در لینک ادامه:

http://asrebank.ir/news/147490


@BIMining

🔵مایکروسافت افزودن هوش مصنوعی به اپلیکیشن‌ها را آسان کرد

همکاران سیستم : شرکت مایکروسافت تصمیم دارد گام‌های گسترده‌تری در عرصه‌ رابط‌های برنامه‌‌نویسی کاربردی (API) بردارد و به توسعه‌دهندگان نرم‌افزاری امکان دهد قابلیت‌های هوش مصنوعی (AI) را به نسل جدید اپلیکیشن‌های خود بیفزایند. مایکروسافت یک پیش‌نمایش پولی از سرویس Custom Vision عرضه کرد تا مجموعه چهره‌های قابل تشخیص در سیستم Face API خود را به بیش از یک میلیون عدد افزایش دهد و این قابلیت را در پرتال رایانش ابری Azure و خدمات Bing Entity Search به‌صورت گسترده عرضه کند. این رابط برنامه‌نویسی کاربردی و خدمات مربوطه به شکل یکپارچه بخشی از ۲۵ قابلیت جدید سیستم Cognitive Services محسوب می‌شوند که مایکروسافت در حال کار کردن روی آن است. مدیران مایکروسافت ماه می ‌گذشته اعلام کردند بیش از ۵۶۸ هزار مرکز توسعه‌دهنده نرم‌افزار از خدمات Cognitive Services استفاده می‌کنند تا قابلیت‌های هوش مصنوعی را به اپلیکیشن‌ها و خدمات خود اضافه کنند. این هفته مدیران مایکروسافت توضیح دادند که بیش از یک میلیون توسعه‌دهنده نرم‌افزار با این شرکت بزرگ قرارداد امضا کرده‌اند تا سیستم Cognitive Services را به کار برند.
@BIMining