✍🏼 DataScience_twitter
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
❤11
👨🏻💻 دو تا خبرنامه یادگیری ماشین وجود داره که به صورت هفتگی و هر چند روز آپدیت میشن و من مدت زیادی دنبالشون میکنم و واقعا بینظیرن.
☑️ یکی خبرنامه "مهندس یادگیری ماشین" اثر آلخاندرو ساوسدو (5 سال):
🔺 The Machine Learning Engineer
✅ یکی هم خبرنامه "Data Machina" توسط کارلوس آگیلار (9 سال):
🔺 Data Machina
✍🏼 Vahid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🕊 @DataScience_twitter
✍🏼 Vahid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6
👩🏻💻 خوشحالم که فرصت شد تجربیاتم در علم داده رو با شما به اشتراک بذارم. من به تازگی دوتا ویدیو منتشر کردم که در اونها به صورت گام به گام «نحوه تحلیل دادههای واقعی با استفاده از پایتون» رو آموزش دادم. (حدود 6 ساعت آموزش!) این دوتا ویدیو تمام مبانی علوم داده رو از پاکسازی دادهها گرفته تا پردازش، استفاده از روشهای آماری اساسی و کار با انواع مختلف دادهها رو به صورت کامل پوشش میده.
📝 این ویدیوها + ویدیوی مهارتهای مورد نیاز یک دیتاساینتیست برای کسانی که تازه کار خودشون رو در زمینه علم داده شروع کردن و میخوان کسی به اونها نحوه کار رو قدم به قدم آموزش بده، بسیار مفیده!
✅ آموزش آنالیز دادههای پایتون در دنیای واقعی؛
📄 قسمت اول و دوم
⏩ Real-World Python Data Analysis (1)
⏩ Real-World Python Data Analysis (2)
✅ مهارتهای مورد نیاز و نقشهای کلیدی؛
⏩ Required Skills & Key Roles
✍🏼 Pegah
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🕊 @DataScience_twitter
✍🏼 Pegah
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
👍13
👨🏻💻 اینایی که میگن دیتاساینس دیگه تموم شده یا شرکتها دیتاساینتیست لازم ندارن، نمیدونن که عصر فراگیری دیتاساینس هنوز شروع نشده که بخواد تموم بشه!😁
✏️ اینجا تو اروپا با یکی از شرکتهای وابستمون جلسه داشتیم، فهمیدم علیرغم داشتن دیتای عظیمی از فروش محصولات و مشتریها در بیش از ۱۰۰ شعبه و با گردش مالی بیش از ۲۰۰ میلیون یورو در سال، نهایت کاری که با دیتاشون میکنن ساخت دشبورده! نه آنالیز سبد خریدی، نه آنالیز رفتار مشتری، نه مدل پیش بینیای، هیچی!
✅ در واقع دیتاساینس هنوز برای خیلیا از شرکتها شروع نشده، چه برسه به تموم نشدنش! اکثر کسبوکارها حتی قدمای اول بهرهبرداری واقعی از دیتا رو برنداشتن و هنوز درگیر اکسل و داشبورد سازیان!😉
📣 بازار هنوز تشنهی تخصص دیتاساینسه، ولی هم باید شناخت کافی از بیزینسی که باهاش کار میکنی داشته باشی و هم بدونی چطور مسئلههاشون رو با دیتا حل کنی!
✍🏼 Nima
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter
✍🏼 Nima
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7
👨🏻💻 واقعا پلتفرم دیتاکمپ یکی از بهترین گزینهها برای عمیق شدن تو مباحث علوم داده بعد از مطالعه و تحصیلات آکادمیک میتونه باشه.
▶️ منبعی رایگان و پر از تمرین، پروژه، درسنامههای بهروز و مسیرهای آموزشی برای مسلط شدن به حوزههای مختلف علم داده.
↗️ datacamp.com
↗️ datacamp.com
✍🏼 omid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter
✍🏼 omid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3
👨🏻💻 این دوره فارسی و رایگان یادگیری ماشین به شدت توصیه میشه برای کسایی که میخوان فهم پایهشون رو از یادگیری ماشین ببرن بالا.
✏️ خانم دکتر رزاقی استاد دورهیِ دانشگاهِ من بودن و بسیار آدم با سوادی هستن.👌🏼
▶️ دوره یادگیری ماشین | زمستان 2025
✍🏼 Alireza
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter
✍🏼 Alireza
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
👏5
👨🏻💻 زیاد ازم میپرسن برای دیتاساینتیست شدن چه میزان تسلط به جبرخطی لازمه.
✏️ من خودم جبرخطی رو از کلاسای Gilbert Strang از MIT یاد گرفتم که بعید میدونم رو دستش کسی باشه. همه ویدیوهای کلاساش هم رو یوتیوب هست. (معروف ترین استاد جبرخطی دنیاست):
▶️ MIT 18.06 Linear Algebra, Spring
✍🏼 Nima
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter
✍🏼 Nima
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4
👨🏻💻 بنظرم این رقابتی که دانشگاه یل داره برگزار میکنه توی حوزه دیتاساینس خیلی جالبه و میخوام توش شرکت کنم. اگه شما هم علاقه مند بودین حتما شرکت کنین.
📄 آخرین مهلت ثبتنامش: تا ۲ تیر ۱۴۰۴
⬅️ جایزه نفر اول: ۱۲.۰۰۰ دلار
⬅️ نفرات دوم تا چهارم: هر کدوم ۱۰.۰۰۰ دلار
⬅️ و نفر پنجم: ۸.۰۰۰ دلاره.
🥵 Yale/UNC-CH
✍🏼 arfa
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter
✍🏼 arfa
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
👩🏻💻 ببینید بچهها خیلی جاها همینه. هر شرکتی در کنار مهارتهای ماشینلرنینگ یه سری مهارتهای خاص دیگه هم از دیتا ساینتیست میخواد. مثلا برای بعضیا خیلی مهمه که شما software هم بلد باشی (یه حدی از لیت کد و کدینگ اسکیل) و اینطوری فیلتر میکنن.
✏️ من خودم تیک تاک و اوبر تجربهاش رو داشتم. در واقع این خیلی معموله توی شرکتهای بزرگ تکنولوژی (FAANG). مثلا نتفلیکس همون اول سوالای آماری هم میپرسن. یا بعضی کمپانیهای AI سوالاتشون با جبرخطی و بهینه سازی شروع میشه. کلا فقط کوالکام دیدم که مستقیماً از ریسرچت سوال بپرسن.
✍🏼 marjaan
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter
✍🏼 marjaan
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
👨🏻💻 خیلیا فکر میکنن برای اینکه وارد حوزهی یادگیری ماشین و هوش مصنوعی بشن، اول نیاز به یه کامپیوتر گرون قیمت دارن.
✏️ اما روشهایی وجود داره که شما با گوشی، تبلت یا یه سیستم قدیمی هم میتونید کد بزنید و حتی مدلهای سنگین رو آموزش بدید.
✅ یکی از این روشها استفاده از گوگل کولبه. حالا یکی از دوستان ما زحمت کشیدن و نحوهی کار کردن با کولب رو کامل آموزش دادن.
🥵 میتونید از لینک زیر، از این آموزش فارسی به صورت کاملا رایگان استفاده کنید:👇
🖥 آشنایی با گوگل کولب
🖥 آشنایی با گوگل کولب
✍🏼 Majid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter
✍🏼 Majid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
👨🏻💻 یکی از چیتشیتهایی که همیشه همراه خودم دارم همینه. چه برای پروژههای کاریم یا گاها مصاحبهها خیلی به کارم اومده.
✅ مهمترین الگوریتمهای ML رو دسته بندی کرده، بر اساس:
⬅️ نوع الگوریتم (نظارتی، بدون ناظر، DL,...)
⬅️ بهترین کاربردش.
⬅️ منطق یا فرمول پشت قضیه.
⬅️ فرضیاتی که باید برقرار باشن.
⬅️ خوبیهاش.
⬅️ نقطهضعفهاش.
⬅️ کی نباید ازش استفاده کنی.
⬅️ و یه مثال واقعی از دنیای بیرون.
✍🏼 Hamed
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter
✍🏼 Hamed
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
👨🏻💻 اگه دنبال تمرین و یادگیری مسائل ماشین لرنینگ هستید، بخصوص برای مصاحبه شغلی، این وبسایت رو دیدم جالبه! کلی سوال داره که از ساده تا سخت دسته بندی شده و میتونید تمرین کنید.
📂 deep-ml.com
📂 deep-ml.com
✍🏼 Mehdi Allahyari
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter
✍🏼 Mehdi Allahyari
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
👨🏻💻 دو تا خبرنامه یادگیری ماشین وجود داره که به صورت هفتگی و هر چند روز آپدیت میشن و من مدت زیادی دنبالشون میکنم و واقعا بینظیرن.
☑️ یکی خبرنامه "مهندس یادگیری ماشین" اثر آلخاندرو ساوسدو (5 سال):
🔺 The Machine Learning Engineer
✅ یکی هم خبرنامه "Data Machina" توسط کارلوس آگیلار (9 سال):
🔺 Data Machina
✍🏼 Vahid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter
✍🏼 Vahid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
👨🏻💻 اگه در حال یادگیری پایتون هستین این سایت همه چیتشیتهایی که لازم دارین رو یکجا گلچین کرده، با دستهبندی موضوعی، سطحبندی مقدماتی و پیشرفته، فهرست اجمالی و تفصیلی:👇
🏳️🌈 Welcome to Python Cheatsheet!
✅ اینم اضافه کنم که سایت زیر کلی میکرو توتاریال از پکیجهای معروف پایتون داره! (با فوکوس روی دیتاساینس و دیتاآنالیتکس).⬇️
🏳️🌈 calmcode.io
✍🏼 Druid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter
✍🏼 Druid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
👨🏻💻داشتم روی پروژهام کار میکردم که دیدم تا دلت بخواد مدلهای مختلف وجود داره، حتی GPT هزاران مدل پیشنهاد میده.
✏️ گفتم بیام تو یک عکسِ بسیار خلاصه و کاربردی به شما نشون بدم کدوم مدل برای کجا بهینهتر و درستتر کار میکنه.
✅ جمعبندی خیلی خلاصه:
◀️ اگر داده تصویری داری: برو سراغ CNN یا Vision Transformers.
◀️ اگر داده ترتیبی و سری زمانی داری: LSTM, GRU, یا Transformers عالیان.
◀️ اگر مدل سریع و تفسیرپذیر میخوای: Logistic/Linear یا درخت تصمیم.
◀️ برای دقت بالا و داده زیاد: Gradient Boosting یا Random Forest.
◀️ برای NLP :BERT/GPT یا سادهتر Naive Bayes/LSTM.
◀️ برای تولید محتوا یا بازسازی: Autoencoder, GAN.
📂 نسخه پیدیاف عکس: PDF
✍🏼 Mohammadreza
➖➖➖➖➖➖➖➖➖➖➖➖➖
🐦 توییتر علوم داده
🐦 @DataScience_twitter
✍🏼 Mohammadreza
➖➖➖➖➖➖➖➖➖➖➖➖➖
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1