🥇 این مخزن گیت‌هاب مثل یه معدن طلا برای هر دیتاساینتیسته!

✅ یادگیری تعاملی و مفهومی مباحث علوم داده

👨🏻‍💻 این ریپوی گیت‌هاب دقیقاً همون چیزیه که برای یادگیری تعاملی و عمیق مفاهیم علم داده، آمار و مدل‌های یادگیری ماشین لازم دارین. پروفسور مایکل پیرچ از دانشگاه تگزاس، کلی داشبورد تعاملی اینجا گذاشته که می‌تونین باهاش خیلی از مفاهیم مهم علوم داده رو یاد بگیرین و مرور کنین.

💡 این داشبوردها مثل یه کلاس درس واقعیه، که می‌تونین مباحث مختلف رو هم یاد بگیرین و هم هر موضوعی که خواستین رو تمرین و مرور کنین.

💰 بعضی از موضوعاتی که می‌تونین به شکل تعاملی یاد بگیرین:

🔢 مباحث آمار و احتمال علوم داده
🔢 خوشه بندی
🔢 تحلیل مولفه‌های اصلی (PCA)
🔢 تکنیک‌های Bagging و Boosting
🔢 رگرسیون خطی
🔢 شبکه‌های عصبی و...


┌ 🗂 Interactive DS Python Dashboards
└ 🐱 GitHub-Repos


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

💠 همه دوره‌های رایگان Kaggle برای علم داده
📁 به همراه گواهینامه‌ پایان دوره

👨🏻‍💻 من یه لیست درست کردم از دوره‌های رایگان کگل برای علوم داده. این لیست از مهندسی ویژگی و پاکسازی داده‌ها گرفته تا سری‌های زمانی و کلی مهارت دیگه رو پوشش میده... همه‌شونم رایگانه!👇


✅ پایتون ⬅️ لینک

✅ مقدمه‌ای بر یادگیری ماشین ⬅️ لینک

✅ پانداس ⬅️ لینک

✅ یادگیری ماشین متوسط ⬅️ لینک

✅ مصورسازی داده‌ها ⬅️ لینک

✅ مهندسی ویژگی ⬅️ لینک

✅ مقدمه‌ای بر زبان SQL ⬅️ لینک

✅ زبان SQL پیشرفته ⬅️ لینک

✅ مقدمه‌ای بر یادگیری عمیق ⬅️ لینک

✅ بینایی کامپیوتر ⬅️ لینک

✅ سری‌های زمانی ⬅️ لینک

✅ پاکسازی داده ⬅️ لینک

✅ تحلیل جغرافیایی ⬅️ لینک

✅ توضیح‌پذیری یادگیری ماشین ⬅️ لینک


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

🔴 انتخاب رنگ‌ مناسب برای نمودارهامون
✅ جزوه «طراحی نمودارهای جذاب و حرفه‌ای»


👨🏻‍💻 وقتی سراغ طراحی نمودار از داده‌هامون می‌ریم، انتخاب رنگ مناسب تأثیر زیادی تو درک بهتر اطلاعات داره. چند تا قانون کلی هست که همیشه خودم رعایت می‌کنم:

🔢 قانون اول: تفکیک دسته‌ها با رنگ‌های متنوع

✏️ اگه دارین دسته‌ها یا گروه‌های مختلف رو مقایسه می‌کنین، به هر کدوم یه رنگ جداگونه بدین. این کار کمک می‌کنه مخاطب راحت‌تر تفاوت‌ها رو ببینه و درک کنه.

🔢 قانون دوم: استفاده از طیف رنگی برای یک گروه خاص

✏️ وقتی فقط یه دسته دارین ولی مقادیرشون تفاوت داره (مثل امتیازات از کم به زیاد)، از یه رنگ با شدت‌های مختلف استفاده کنین؛ از تیره به روشن یا برعکس.

🔢 قانون سوم: تأکید روی داده‌های مهم با رنگ برجسته

✏️ برای تأکید روی یه قسمت خاص، بقیه قسمت‌ها رو با رنگ خنثی نشون بدین و اون بخش مهم رو با رنگی روشن و جذاب متمایز کنین.

📄 بقیه نکاتم داخل جزوه‌س.😉


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

🐱 7 ریپوی برتر گیت‌هاب
💰 برای حرفه‌ای شدن در علم داده!


👨🏻‍💻 خیلی ‌ها یادگیری علم داده رو با دوره‌های آنلاین شروع می‌کنن، اما مسیر واقعی برای تبدیل شدن به یک دیتاساینتیست حرفه‌ای از دل پروژه‌های عملی و تجربه‌های واقعی عبور می‌کنه.


✔️ پیشنهاد من؟ گیت‌هاب! امروز می‌خوام 7 ریپوی برتر گیت‌هاب رو بهتون معرفی کنم که شما رو از سطح مبتدی به پیشرفته برسونن.


🔢 ریپوی Data Science Masters

✏️ این مخزن یه برنامه درسی جامع و اُپن سورس برای آمادگی دانشجوها برای نقش‌های مبتدی در علم داده رو ارائه میده، بدون نیاز به پرداخت هزینه.


🔢 ریپوی Awesome Data Science

✏️ یه لیست منتخب از منابع عالی علم داده مثل کتاب‌ها، نرم‌افزارها و ابزارها.


🔢 ریپوی Cookiecutter Data Science

✏️ این مخزن یه ساختار پروژه استاندارد برای پروژه‌های علم داده ارائه میده که باعث میشه کارها سازمان‌یافته و قابل باز تولید باشه.


🔢 ریپوی Python DS Handbook

✏️ این مخزن کتاب "Python Data Science Handbook" رو به‌صورت رایگان تو نوت‌بوک‌های ژوپیتر ارائه میده که می‌تونین حتی تو گوگل کولب هم اجراش کنین.


🔢 ریپوی Data Science Projects

✏️ مجموعه‌ای از پروژه‌های علم داده که مهارت‌هاتون رو در تحلیل داده رو تقویت میکنن.


🔢 ریپوی Applied ML

✏️ این مخزن روی یادگیری ماشین کاربردی تمرکز داره و مقالات و وبلاگ‌های شرکت‌ها رو درباره کارهای واقعی‌شون به اشتراک می‌ذاره.


🔢 ریپوی Awesome DL Papers

✏️ لیستی از بهترین مقالات یادگیری عمیق برای درک مفاهیم پایه و پیشرفته این حوزه.



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

✅ پلی‌لیستی جامع برای قدم گذاشتن و تسلط بر دنیای یادگیری ماشین و علم داده!


1️⃣ اصول علم داده:

😉 ریاضیات ضروری برای یادگیری ماشین: لینک
😉 مرور کلی و اصطلاحات پرکاربرد: لینک
😉 روندهای فعلی مصاحبه: لینک
😉 راهنمای رگرسیون خطی: لینک
😉 پلی‌لیست رگرسیون لجستیک: لینک
😉 معیارهای طبقه‌بندی: لینک
😉 طبقه‌بندی‌کننده بیز ساده: لینک
😉 انواع متغیرها: لینک
😉 کاهش ابعاد: لینک
😉 آنتروپی، آنتروپی متقابل، واگرایی KL: لینک
😉 مرور قیمت‌گذاری پویا: لینک


2️⃣ ساخت سیستم‌های توصیه‌گر:

😉 توصیه‌های کالیبره‌شده نتفلیکس: لینک
😉 مدل توصیه یکپارچه نتفلیکس: لینک
😉 تکامل سیستم‌های توصیه‌گر: لینک
😉 آموزش تعبیه‌ها: لینک
😉 کتابخانه Annoy برای نزدیکترین همسایه تقریبی: لینک
😉 محصول کم‌کننده برای ANN: لینک
😉 توصیه‌های حساب مبتنی بر مدل: لینک
😉 کنترلر PID برای تنوع: لینک
😉 سیستم توصیه‌گر اینستاگرام: لینک
😉 مدل‌سازی CTR لینکدین: لینک
😉 مدل دو برج توصیه‌گر Meituan: لینک
😉 مدل دو برج مقیاس‌پذیر پرسش-آیتم: لینک
😉 الگوریتم توصیه‌گر توییتر: لینک
😉 مدل زبان eBay برای سیستم توصیه‌گر: لینک
😉 غلبه بر سوگیری‌ها برای سیستم توصیه‌گر: لینک


3️⃣ تکنیک‌ها و کاربردهای مدل پیشرفته:

😉 اهمیت کالیبراسیون مدل: لینک
😉 تشخیص و نظارت بر تغییرات داده: لینک
😉 آموزش شبکه‌های عصبی: لینک
😉 تبلیغات مبتنی بر تحلیل با Pinterest: لینک
😉 استفاده از Bert پیش‌آموزش‌دیده: لینک
😉 فشرده‌سازی مدل با تقطیر دانش: لینک
😉 استراتژی‌های بندیت چند-مسلح: لینک


4️⃣ دنیای مدل‌های زبانی بزرگ (LLMs):

😉 هوش مصنوعی مکالمه‌ای: لینک
😉 ماهیت دوگانه مدل‌های زبانی مکالمه‌ای: لینک
😉 پیشرفت‌های مرزی در LLM: لینک
😉 بهبود عملکرد LLMهای متن‌باز: لینک
😉 ساخت هوش مصنوعی با سبک شاهرخ خان: لینک


🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir

📄 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

📊 رسم نمودار‌ها، سریع‌تر از همیشه!


👨🏻‍💻 یه وقتایی تو کار با داده‌ها پیش اومده که هی باید کد بنویسیم برای رسم نمودار، مخصوصاً وقتی هنوز داریم داده‌ها رو بررسی می‌کنیم.


▶️ ابزار PlotAI این قسمت رو براتون راحت می‌کنه! این کتابخونه با استفاده از مدل‌های زبانی OpenAI، فقط با یه توضیح ساده، کد مربوط به matplotlib رو تولید می‌کنه.

◀️مثلاً می‌تونید بگید: “یک نمودار پراکندگی برای ستون A در مقابل ستون B بکش”. کتابخونه PlotAI تو یه چشم به هم زدن کد کاملش رو بهتون میده!


🎚️ حالا مزایاش چیه:

✅ سریع‌تر کردن تحلیل‌های اولیه.
✅ استفاده راحت در نوت‌بوک‌های Jupyter
✅ صرفه‌جویی تو وقت برای کارای تکراری.


┌ 🎨 PlotAI
└ 🐱 GitHub-Repos



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

🏳️‍🌈 جزوه خلاصه من از کتابخانه «NumPy»


👨🏻‍💻 یکی از ابزارایی که تو مسیر دیتا ساینتیست شدن کلی کمکم کرد، تسلط به NumPy بود. برای همین تصمیم گرفتم یه خلاصه جمع و جور از تکنیک‌های مهمش درست کنم.


📂 تو این خلاصه به این موضوعات پرداختم:

⬅️ساخت، تغییر شکل و برش آرایه‌ها
⬅️انجام محاسبات ریاضی و آماری روی داده‌ها
⬅️ماتریس و جبر خطی با NumPy
⬅️ ترکیب قدرت NumPy با Pandas

🎯 مسلط شدن روی این تکنیک‌ها می‌تونه سرعت و کیفیت تحلیل داده‌هاتون رو چند برابر کنه!



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

📖 جزوه «تسلط به NumPy»
✅ از پایه تا پیشرفته


👨🏻‍💻 اوایل که تازه وارد حوزه دیتا ساینس شده بودم، هرجا مقاله یا کدی می‌دیدم، اسم NumPy رو می‌شنیدم. یه ابزار بی‌نظیری برای کار با داده‌ها و محاسبات عددی، که یادگیریش واجبه!

💬 انصافاً NumPy با آرایه‌ها و توابع آماده‌ای که داره، کلی کار رو ساده و سریع می‌کنه. دیگه لازم نیست با لیست‌های پایتون و حلقه‌های پیچیده سروکله بزنی. می‌خوای هر کاری با داده‌ها انجام بدی، یه خط کد با NumPy کافیه!

✅ این جزوه از ساخت آرایه و ایندکس‌گذاری تا عملیات ریاضی، آماری و مفاهیم پیشرفته مثل reshape و stacking — اونم با مثالای ساده و قابل فهم رو شامل میشه.



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

📊 یه گنجینه‌ کامل برای مصورسازی داده‌ها!

👩🏻‍💻 من همیشه دنبال ایده‌های جدید برای ساخت نمودارهای خلاقانه برای پروژه‌هام بودم، اما پیدا کردن نمونه‌های جدید همیشه برام یه چالش بود. تا اینکه با dataviz-inspiration.com آشنا شدم!


✔️ سایت Dataviz Inspiration یه آرشیو فوق‌العاده از صدها پروژه‌ی خفن ویژوال‌سازی داده‌س که می‌تونین بر اساس نوع نمودار فیلترش کنین.

⭐ دقیقاً مثل پینترست، اما مخصوص تحلیلگرها!😎


✏️ چرا انقدر کاربردیه؟ وقتی ایده نداری، سریع یه عالمه نمونه جذاب پیدا می‌کنی. پروژه‌ها به دسته‌بندی‌های مختلف تقسیم شدن و لازم نیست ساعت‌ها دنبال نمونه‌ی مناسب بگردی. مهم‌تر از همه اینکه مرتب آپدیت میشه و پروژه‌های جدیدتر بهش اضافه میشه! 🤩

🔗 Dataviz Inspiration


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