⭐ شما می‌توانید در کانالِ حوزه‌های مورد علاقه‌ و کاری‌تان عضو شوید.

🟠 کالج مهندسی صنایع و مدیریت
💬🟠 @IEM_Function

🟣 کالج مدیریت محصول
💬🟣 @Productmanagement_Function

🔵 کالج علم داده
💬🔵 @Datascience_Function

🔴 کالج کنترل و مدیریت پروژه
💬🔴 @ProjectCM_Function

🔹 کالج مدیریت
💬🔹 @Management_Function

🟢 کالج بازاریابی
💬🟢 @Marketing_Function

🔴 کانال اپلای مهندسی صنایع | IE Apply
💬🔴 @IE_Apply

🔵 کامیونیتی اپلای مهندسی صنایع
💬🔵 @IndustrialEngineeringApply

🟡 فرصت‌های شغلی و کارآموزی مهندسی صنایع
💬🟡 @IE_Jobs

🔵 این‌کست
💬🔵 @IndustryCast

🟡 با محتوای علمی و به‌روز ما همیشه یک قدم جلوتر باشید 🟡

🔥 مهارت‌های پایه یک متخصص علم داده


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 برترین مهارت‌های پایه و داغ متخصصین علم‌داده

⭐️ در شکل فوق برترین مهارت‌های پایه (Core Skills) و مهارت‌های رو‌به رشد (Hot Skills) متخصصین علم‌داده براساس نظرسنجی وبسایت KDnuggets معرفی شده است.

➖ برترین مهارت‌های پایه:
➕ یادگیری ماشین
➕ پایتون
➕ آمار
➕ مصورسازی داده
➕ مهارت‌های ارتباطی
➕ تفکر انتقادی
➕ زبان SQL
➕ فهم کسب‌وکار
➕ اکسل
➕ ریاضی

➖ برترین مهارت‌های روبه‌رشد:
➕ یادگیری عمیق
➕ فریم‌ورک Tensorflow
➕ آپاچی اسپارک
➕ پردازش زبان طبیعی
➕ آپاچی هدوپ
➕ فریم‌ورک Pytorch
➕ پایگاه داده‌های غیررابطه‌ای (NoSQL)
➕ زبان Scala
➕ شرکت در مسابقات Kaggle
➕ سایر ابزارهای Big Data


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 مهمترین مهارت‌ها در پروژه‌های علم‌داده

➕ مهارت‌های مدیریت و آماده‌سازی داده

➕ دانش تخصصی در پروژه (Domain Expertise)

➕ تجربه و دانش عمومی در کسب و کار

➕ مهارت‌های آمار و ریاضی

➕ دانش انتخاب الگوریتم‌های مناسب یادگیری ماشین

➕ مهارت‌های برنامه‌نویسی

➕ دانش پایگاه داده

➕ مهارت‌های مصورسازی داده

➕ شناخت و انتخاب ابزار بهینه

⭐️ به صورت میانگین بیشترین زمان فعالیت در یک پروژه‌های علوم داده صرف پاکسازی و آماده‌سازی داده میشود. در مقابل یکی از مهمترین گام‌ها جهت موفقیت پروژه‌های علم‌داده فاز درک مسئله (Business Understanding) است که نیازمند دانشی تخصصی و عمومی در کسب‌وکار خواهد بود.


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡


🔵 @DataScience_Function

🔥 تصویری جامع از مراحل و ابزارهای پروژه‌های علم‌داده


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 مقایسه مهارت‌های متخصص علم‌داده و تحلیلگر بازاریابی!

⭐️ یکی از کارکردهای اصلی حوزه علم‌داده در سازمان‌ها، تحلیل‌ داده‌های مشتریان جهت بازاریابی هوشمند است. بازاریابی داده‌محور یکی از رویکردهای هست که سبب شناخت دقیق‌تر مشتریان بالقوه و بالفعل خواهد شد.

⚡ در شکل فوق مهارت‌های دو حوزه متخصص علم‌داده و تحلیلگر بازاریابی مقایسه شده است. توانمندی‌های مرتبط با هوش تجاری، داشبوردخوانی، داستان‌سرایی از داده‌ها و مهارت‌های تخصصی حوزه بازاریابی از پیش‌نیازهای کلیدی جهت موفقیت در جایگاه شغلی بازاریابی داده‌محور است.


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 چهار نقش مختلف در علوم داده و تخصص‌های اصلی آن‌ها

🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 Scope of AI, Deep Learning, and Machine Learning


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 افرازی جالب از الگوریتم‌های یادگیری ماشین


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 برنامه مطالعاتی دیتا ساینس و ماشین لرنینگ برای یک ‌سال

⭐️ سه ماه اول:
ماه اول باید به یادگیری مقدمات مقدمات پایتون سپری شه. ماه دوم به یادگیری آمار و احتمالات و ماه سوم به یادگیری پایتون پیشرفته اختصاص داره.

⚡ سه ماه دوم:
یادگیری مصورسازی داده‌ها در ماه چهارم پیشنهاد میشه. ماه پنجم به یادگیری ماشین و ماه ششم به دستکاری داده‌ها اختصاص داره.

🖥 سه ماه سوم:
ماه هفتم یادگیری استقرار (Deployment) مد نظره. یادگیری عمیق در ماه هشتم و ماه نهم به کار با متن و یادگیری بینایی ماشین (CV/NLP) اختصاص داره.

✌ سه ماه چهارم:
آمادگی برای مصاحبه در ماه دهم و در نهایت ماه یازدهم به انجام پروژه و آماده‌سازی رزومه اختصاص داره. در صورت داشتن استمرار در ماه دوازدهم شما آماده دریافت شغل در زمینه دیتا هستین.

🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 یادگیری ماشین در زیست پزشکی (Biomedical)

⭐️ اگر علاقه‌مند به فعالیت در حوزه‌ تخصصی زیست پزشکی و علوم داده هستید در شکل فوق پرکاربردترین الگوریتم‌های یادگیری ماشین به تفکیک مسائل کلیدی زیست پزشکی  معرفی شده است.

✌ تصویر فوق برگرفته از مقاله Incorporating Machine Learning into Established Bioinformatics Frameworks است.


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

سلام دوستان وقت همگی بخیر،

من بعد از ۲ دوره فعالیت در انجمن علمی مهندسی صنایع دانشگاه علم و صنعت و یک دوره دبیری، کار کردن در چند شرکت، راه اندازی کسب و کارهای خودم و شرکت در دوره‌های مختلف و گوش دادن به تجربیات افراد موفق حس کردم خیلیا در ورود به بازار کار و بعد از اون، به مهارت‌های مکمل توجهی نمی‌کنند و باعث میشه نتونن به سادگی وارد بازار کار بشن و به اندازه کافی رشد کنند و تصمیم گرفتم آموزش ویدویی 24 ساعته با عنوان "توسعه و رشد فردی در زندگی شخصی و کاری" طراحی کنم تا بتونم یادگرفته‌ها و تجارب خودم رو که تقریبا جایی گفته نمیشه رو ارائه بدم.

🔹 توضیحات کامل توضیحات و سرفصل‌های دوره در فایلی که در ادامه میفرستم هست و شما میتونید جزئیاتش رو مشاهده کنید.

🟢 کلا کسانی که مهارت‌های مکمل رو بلدن، چند پله از بقیه جلوتر هستند و با سرعت بیشتری میتونن رشد کنند و همچنین درآمدشون رو افزایش بدن و به نظرم یادگیری این مهارت‌ها از مهارت‌های سخت پراهمیت‌تر باشه، کم اهمیت‌تر نیست.

🎁 با توجه به اینکه دوست ندارم افراد مسیری که بقیه رفتن رو دوباره برن و اشتباه بقیه رو تکرار کنن، همچنین همه بتونن بهره ببرن و به مناسبت نزدیکی به روز مهندس، من دوره رو تقریبا با 80 درصد تخفیف (قیمت اصلی 2 میلیون تومان) به مبلغ 350 هزار تومان تا انتهای 5 اسفند، ارائه میدم.

📌 همچنین این دوره بعد ۱۵ اسفند تخفیفش خیلی کمتر میشه، بنابراین اگه دوستان علاقه‌منده به رشد و توسعه فردی خودشون و حتی ورود ساده‌تر به بازارکار هستند، بهتر هست دوره رو الان تهیه کنند.

💳 دوستانی که علاقه‌مند هستند (بعد از مطالعه فایل توضیحات) مبلغ 350 هزار تومان را به شماره کارت زیر واریز نموده و رسید آن را به آیدی گفته شده ارسال کنند.
6219-8610-6406-2952
به نام عرشیا احمدی
ارسال فیش واریز به:
💬 @ArshiaAhmadi

ارادتمند، عرشیا احمدی
☑Business Line Owner در انار ۳۶۰
☑بنیان‌گذار و مدیر Function, InCast, Beauty Hub & Rosha Hub
☑ مدیر مارکتینگ و توسعه‌دهنده کسب و کار عرشیا کالا

🔥 An overview of machine learning


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 ابزارها و فریم‌ورک‌های کلیدی علوم‌داده

⭐️ در شکل فوق برترین ابزارهای کلیدی علوم‌داده به تفکیک فاز‌های پروژه از قبیل ذخیره سازی و مدیریت داده، پردازش و تبدیل داده، مدل سازی و مصورسازی داده به نمایش گذاشته شده است.

🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function

🔥 11 نمودار مهمی که دانشمندان داده در 95 درصد مواقع از آن‌ها استفاده می‌کنند

⭐️ درک الگوها و روابط پیچیده داده‌ها ‌و‌ تبدیل اون‌ها به نمودارها و تصویرهای واضح و قابل فهم، یکی از وظایف مهم دانشمندان داده در هر پروژه‌ای هست.

⚡  در تصویر بالا، به معرفی 11 نمودار حیاتی و ضروری در علم داده پرداختیم

✌ این نمودارها به شما کمک می‌کنه تا به طور خلاصه و جامع، جزئیات مدل‌های آماری رو درک کنین، فرضیات مدل رو تأیید کنین و عملکرد مدل رو ارزیابی کنین.

🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡
🔵 @DataScience_Function

🔥 8 الگوریتم رگرسیون پر کاربرد در علم داده

⭐️ الگوریتم های رگرسیون به طور گسترده در علم داده استفاده میشه، بنابراین آگاهی از اشکال مختلف اون‌ها و کاربردشون برای انتقال دقیق الگوریتم مورد استفاده شما بسیار مهمه

🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡
🔵 @DataScience_Function

🔥 ارتباط هوش مصنوعی ، یادگیری ماشین ، شبکه عصبی و یادگیری عمیق


🟡 با دوستان تان به اشتراک بذارید و با ما همراه باشید 🟡

🔵 @DataScience_Function