⭕️ بیش از 340 پروژه رایگان پایتون

👨🏻‍💻 تو این مخزن Github بیش از 340 پروژه منبع باز پایتون، در 27 بخش و دو سطح مقدماتی و پیشرفته، به صورت حل شده قرار داره که کاملا رایگان هست. بخش جذاب این مخزن اینه که این پروژه‌ها هر هفته آپدیت میشن و پروژه‌های جدیدی به این مجموعه اضافه میشه.

✅ می‌تونید از طریق لینک زیر به طور کاملاً رایگان به تمامی این پروژه‌ها دسترسی داشته باشید :👇🏼

🔘 +340 Best of Python Projects

✍🏼 Arash
➖➖➖➖➖➖➖➖➖➖➖➖➖ ➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 تو چند هفته گذشته یه تجربه جالب از رزومه‌ام به دست آوردم که گفتم این‌جا با شما به اشتراک بذارمش.

◼️ یه مدت داشتم برای شرکت‌ها و تیم‌های مختلف اپلای می‌کردم و موقع اپلای‌کردن برای این مجموعه‌ها دو مدل #رزومه از خودم رو می‌فرستادم، یعنی یه‌جورایی A/B Testing انجام می‌دادم.😀

◻️ متوجه شدم وقتی پروفایل لینکدین خودم رو در قالب رزومه، Export می‌گیرم و با اون اپلای می‌کنم، معمولا شرکت‌ها و تیم‌ها دست‌کم یه قرار مصاحبه باهام تنظیم می‌کنن و گپ اولیه رو می‌زنیم. ولی وقتی رزومه‌یِ خودم رو می‌فرستم که خروجیِ لینکدین نیست، نرخ تبدیل پایین‌تری داره و کمتر به جلسه‌ی مصاحبه دعوت میشم!

✅ می تونید از طریق گزینه‌ی Build a resume در بخش View profile لینکدین، رزومه خودتون رو Export بگیرین.

🔷 ماجرا از این قراره که رزومه‌ی خروجی لینکدین، یک صفحه و نیمه و تجارب من رو تیتروار منتقل می‌کنه. در اون اثری از خودشیفتگی و خودبزرگ‌بینی هم نیست. انگار یکی از بیرون داره من رو توضیح میده و در واقع یک تیزینگ هست که لازمه در یه مصاحبه‌ی اولیه، اوپنینگ انجام بشه. از مقایسه‌ای که خودم بین دو رزومه انجام دادم، فهمیدم رزومه‌ی ساخته‌ی من، توضیح اضافی داره و همه‌ی اتفاقات مهم تحصیلیم رو شامل میشه، ولی رزومه خروجی لینکدین، عینی‌تره و خیلی واقعی‌تره و اسکن‌کردنش برای چشم هر انسانی، راحت‌تر.

🔶 پس تصمیم گرفتم رزومه‌ی ساخته‌ی خودم رو به‌عنوان یه سند شخصی نگه دارم، همیشه به‌روزش کنم و کمتر برای جایی بفرستم.
معمولا رزومه‌هایی که خود افراد درست می‌کنن هم می‌تونن ساختار استاندارد و کلمات موثر داشته باشن، اما در کل رزومه‌ی خروجی از لینکدین ساختار استاندارد و لی‌اوت خوبی داره که می‌تونه برای پذیرش تو شغل مدنظرتون بهتر باشه. (تازه با کلاس‌ترم هست :) البته اینم مهمه که خود پروفایل لینکدین‌تون رو به بهترین نحو بهینه کنید که خروجی رزومه‌تون هم خوب باشه. نتیجه اینکه از اهمیت لینکدین به هیچ‌وجه غافل نشید!
✍🏼 Kia
➖➖➖➖➖➖➖➖➖➖➖➖➖ ➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 یادمه تو دانشگاه ما، همیشه اساتید به دانشجوهای صنایع توصیه می‌کردند که کتاب The Goal رو که در مورد فرآیند مستمر بود رو بخونند تا با مفاهیم مهندسی صنایع به صورت عملی آشنا بشن.

📚 این کتاب در مورد الکس روگو یک مدیر کارخانه خشمگینه که با ناامیدی داره تلاش می کنه عملکردش رو بهبود ببخشه. کارخانه او به سرعت به سمت فاجعه پیش میره.(مثل ازدواجش.) حالا او نود روز فرصت داره تا کارخانه‌اش رو نجات بده، در غیر این صورت کارخانه توسط HQ شرکت بسته میشه و صدها شغل از بین میره. یک ملاقات تصادفی با یکی از همکاران دوران دانشجوییش (جونا) کافی بود تا به او کمک کنه تا با روش های متعارف به هدفی که داره برسه.

📘 کتاب هدف که به سبک هیجان انگیز نوشته شده، رمان جذابی است که تفکر مهندسی صنایع رو به صورت عملی در یک کارخانه رو به شکست پیاده سازی می‌کنه. مجله تایم این کتاب رو به عنوان یکی از ۲۵ کتاب تاثیرگذار مدیریت کسب و کار معرفی کرده است.

🔰 من نسخه PDF این کتاب رو اینجا براتون قرار دادم که می‌تونید دانلودش کنید:👇🏼

🔘 The Goal: A Process of Ongoing Improvement
✍🏼 Navid
➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 ‏آخر هر ترم احساسِ «شِت، این چه درس باحالیه. چه حیف که دارم سرسری ازش رد می‌شم.» مرا می‌نماید و با گفتن ‏جمله «عوضش بین دو ترم می‌خونمش.» خودش را آرام می نماید.
✍🏼 Sourosh
➖➖➖➖➖➖➖➖➖➖➖➖➖ ➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 ‏این ترم سر امتحان، هر استادی رو که دیدم گفتم:
‌ اگر چه می‌گذریم از کنار هم آرام
شما ز من متنفرُ، من از شما بیزار...
✍🏼 Alireza
➖➖➖➖➖➖➖➖➖➖➖➖➖ ➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 برای حل مسئله‌ای که تابع هدف و مجموعه محدودیت داشته باشه، میشه از جدول سیمپلکس استفاده کرد. این جدول با گردش روی نقاط شدنی، جواب بهینه رو پیدا می‌کنه‌. اما اگر جدول روی یک نقطه قرار بگیره و نتونه بره رو نقطه‌ی بعدی، تباهیدگی پیش میاد. من الان زندگیم یه چند سالیه روی همون نقطه گیر کرده.
✍🏼 Sina
➖➖➖➖➖➖➖➖➖➖➖➖➖ ➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 #رشتو تو این رشته توییت میخوام در مورد زمینه های کاری مختلف مربوط به دیتا ساینس حرف بزنم. مخصوصا ۴ تا از معروف ترین هاش:

Machine Learning (ML) Engineer
ML Research Scientist
Data Scientist
Data Engineer

🔷 خیلی جاها به یک یا چند تا از اینا میگن دیتا ساینتیست که اشتباهه! عکس زیر به خوبی تفاوت همشون رو نشون میده.

📝 به عنوان یه مثال عینی، فرض کنیم اسپاتیفای میخواد واسه همه کاربرهاش یه پلی لیست از آهنگ های پیشنهادی درست کنه.

1️⃣ اولین مرحله اینه که دیتا جمع کنیم از هر سیگنال ممکن. اینکه هر کسی چه آهنگایی رو گوش میده تا آخر، چیا رو سریع میزنه بعدی، چیا رو رو ریپیت داره. همه اینا حجم خیلی زیادی از دیتا ایجاد می‌کنه و خیلی مهمه راه سریع و مطمئنی برای پردازشش داشته باشیم. این وظیفه به عهده Data Engineer قرار داره. تخصصشون رو اینه که بر اساس نوع داده و نیازمندی‌ها راه مناسب رو انتخاب کنن. خروجی کار معمولا یه سری table از داده هاست برای استفاده راحت و سریع توسط بقیه.

2️⃣ اما Data Scientist در کل پروژه حتی قبل از شروع کار دخالت داره. از اینکه مثلا با این فیچر جدید کدوم‌ متریک رو چقدر باید جابجا کنیم، از کدوم کاربرها شروع کنیم و چطوری ورژن های مختلف رو مقایسه کنیم. اکثر کارشون بر اساس داده موجود تو محیط پایتونه و تسلط اصلیشون رو تحلیل آماریه داده ست.

3️⃣ در ML Research Scientist بخش هوش مصنوعی کار رو به عهده‌ داره. اینکه کدوم مدل موجود music recommendation بهتره، یا حتی ساختن یه مدلِ ماشین لرنینگ جدید در صورت نیاز. خیلی از کسایی که مدرک دکترا دارن به این سمت کشیده میشن چون خیلی به محیط آکادمیک نزدیکه.

4️⃣ کار ML Engineer پیاده سازی مدل هاییه که پیشنهاد شده و وصل کردنش به بقیه سیستم. سرعت و دقت کدشون خیلی مهمه چون مثلا تو اسپاتیفای ممکنه نیاز باشه هر ثانیه واسه هزاران نفر پلی لیست درست شه. واسه همین اکثرا بکگراند برنامه نویسی دارن و کدشون باید کیفیت بالایی داشته باشه.

◼️ به طور خلاصه کسایی که بکگراند قوی برنامه نویسی دارن و به ماشین لرنینگ علاقمند هستن معمولا میشن ML Engineer.

◻️ اونایی که بکگراند قوی ماشین لرنینگ دارن و خیلی به برنامه نویسی علاقه ندارن میشن ML Research Scientist.

◼️ اونایی که با آمار و احتمالات و مبانی ماشین لرنینگ آشنان اما برنامه نویسی تخصصشون نیست، میرن سمت Data Science.

◻️ اونایی که به Big Data علاقه دارن اما آمار و احتمالات و ماشین لرنینگ دغدغه شون نیست میشن Data Engineer.

🔔 همه اینا بر اساس مشاهدات منه و خب تو هر کمپانی ممکنه کمی فرق کنه، اما کلیتش بنظر من همینه. اما دیتا ساینتیست چون خیلی overloaded شده‌، هر جایی تعریف خودشو داره.
✍🏼 Hesam
➖➖➖➖➖➖➖➖➖➖➖➖➖ ➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

⭕️ دوره ۷۵ ساعته و رایگان برنامه نویسی با پایتون
📂 بدون نیاز به دانش قبلی برنامه نویسی👌🏼

👩🏻‍💻 آکادمی Cisco Networking یک دوره 75 ساعته کاملا رایگان برنامه نویسی با پایتون ایجاد کرده که فوق العادست. این دوره بدون نیاز به دانش قبلی برنامه‌نویسی هست و با تکمیل دوره، به شما 2 گواهینامه داده میشه.

📑 گواهینامه ۱: برای 35 ساعت ابتدایی / سطح مبتدی
📑 گواهینامه ۲: برای 40 ساعت پایانی / سطح پیشرفته

1️⃣ 100% رایگان است + ۲ مدرک پایان دوره
2️⃣ شامل پروژه هایی با داده های دنیای واقعی
3️⃣ از سطح مبتدی در پایتون شروع و شما را به مباحث پیشرفته پایتون مسلط می‌کند.💯

✅ می‌تونید از طریق لینک زیر به طور کاملاً رایگان به این دوره دسترسی داشته باشید :👇🏼

🔘 PCAP: Programming Essentials in Python

✍🏼 Mahshid
➖➖➖➖➖➖➖➖➖➖➖➖➖ ➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 ‏بعضی استادا درس خودشون رو با عملیات والفجر اشتباه می‌گیرن. درسو گردان بر میداره نفر پاس می‌کنه. واقعا اندک علاقه‌ای که به این رشته داشتم سر فشار امتحانا از بین رفت.🚶🏻‍♂
✍🏼 Hojjat
➖➖➖➖➖➖➖➖➖➖➖➖➖ ➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 مثل جبرخطی باش. بذار همه نادیده‌ت بگیرن و دیر بفهمن چقدر مهم بودی. آخر خودشون ضربه می‌خورن.
جبرخطی همون درسیه که اگه درست یادش نگیری یه روزی ازت انتقام می‌گیره. #دیتاساینس
✍🏼 Mahdi
➖➖➖➖➖➖➖➖➖➖➖➖➖ ➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter