http://bit.ly/2TUnOaI
🎉 بعد از معرفی علوم داده و کاربردهاش تو کانال کوئرا، نوبت به ترسیم مسیر یادگیری این دانش می‌رسه. این مطلب قراره به شما یاد بده:
چجوری تبدیل به #دانشمند_علوم_داده بشین⁉️
1️⃣ اولین قدم برای شروع، یاد گرفتن #آماره. شما باید با شاخص‌های توصیفی آمار، توزیع‌های آماری، راه‌های نمونه‌برداری و نظریه‌های اون آشنا بشین. برای این کار می‌تونین از کتاب‌های مختلف کمک بگیرین و یا از دوره‌ی آموزش آمار کوئرا که به زودی منتشر می‌شه استفاده کنین.
2️⃣ قدم بعدی اینه که درک مناسبی از #یادگیری_ماشین به دست بیارین. خوبه که با استفاده از آموزش‌های موجود تو کتاب‌ها و اینترنت خودتون رو به یه تسلط نسبی تو این شاخه برسونین.
3️⃣ قدم سوم انتخاب یه زبان برنامه‌نویسی و یادگیری اونه که یه ابزار مهم برای کارها و پروژه‌های آینده‌تون محسوب می‌شه. با جمع‌آوری اطلاعات از نیازمندی‌های این علم تو دنیا می‌تونین به این نتیجه برسین که پایتون و R بیشتر از بقیه زبان‌ها به کارتون میاد. البته که پایتون به دلیل به روز بودن، کتاب‌خونه‌های گسترده و سرعت رشد بالاش اولویت بالاتری داره.
4️⃣ تا این جای کار شما بیشتر راه رو طی کردید. حالا برای قوی‌تر کردن خودتون می‌تونین با مباحث #هوش_تجاری و همچنین ابزارهای مورد نیازش آشنا بشین. دو ابزار مهم Power BI و Tableau هستن که برای مصورسازی داده‌ها و کارهای آماری دیگه‌ای به کمک‌تون میان.
5️⃣توی آخرین گام خوبه که اقدام به یادگیری نرم‌افزارهای #داده‌کاوی کنین. Knime و RapidMiner می‌تونن برای مدل سازی، آماده کردن و ارزیابی داده‌ها کاربرد داشته باشن.
این یه مسیر کلی از چیزهایی بود که بهتون کمک می‌کنه تبدیل به یه دانشمند علوم داده بشید. یادتون نره که توی این راه می‌تونین از دوره‌های یادگیری ماشین و آموزش پایتون کوئرا هم استفاده کنین.👇👇
🔗 https://quera.ir/r/msdff
➖➖➖➖➖➖➖
@Quera_ir
@quera_ir
@algorithmha
🎉 بعد از معرفی علوم داده و کاربردهاش تو کانال کوئرا، نوبت به ترسیم مسیر یادگیری این دانش می‌رسه. این مطلب قراره به شما یاد بده:
چجوری تبدیل به #دانشمند_علوم_داده بشین⁉️
1️⃣ اولین قدم برای شروع، یاد گرفتن #آماره. شما باید با شاخص‌های توصیفی آمار، توزیع‌های آماری، راه‌های نمونه‌برداری و نظریه‌های اون آشنا بشین. برای این کار می‌تونین از کتاب‌های مختلف کمک بگیرین و یا از دوره‌ی آموزش آمار کوئرا که به زودی منتشر می‌شه استفاده کنین.
2️⃣ قدم بعدی اینه که درک مناسبی از #یادگیری_ماشین به دست بیارین. خوبه که با استفاده از آموزش‌های موجود تو کتاب‌ها و اینترنت خودتون رو به یه تسلط نسبی تو این شاخه برسونین.
3️⃣ قدم سوم انتخاب یه زبان برنامه‌نویسی و یادگیری اونه که یه ابزار مهم برای کارها و پروژه‌های آینده‌تون محسوب می‌شه. با جمع‌آوری اطلاعات از نیازمندی‌های این علم تو دنیا می‌تونین به این نتیجه برسین که پایتون و R بیشتر از بقیه زبان‌ها به کارتون میاد. البته که پایتون به دلیل به روز بودن، کتاب‌خونه‌های گسترده و سرعت رشد بالاش اولویت بالاتری داره.
4️⃣ تا این جای کار شما بیشتر راه رو طی کردید. حالا برای قوی‌تر کردن خودتون می‌تونین با مباحث #هوش_تجاری و همچنین ابزارهای مورد نیازش آشنا بشین. دو ابزار مهم Power BI و Tableau هستن که برای مصورسازی داده‌ها و کارهای آماری دیگه‌ای به کمک‌تون میان.
5️⃣توی آخرین گام خوبه که اقدام به یادگیری نرم‌افزارهای #داده‌کاوی کنین. Knime و RapidMiner می‌تونن برای مدل سازی، آماده کردن و ارزیابی داده‌ها کاربرد داشته باشن.
این یه مسیر کلی از چیزهایی بود که بهتون کمک می‌کنه تبدیل به یه دانشمند علوم داده بشید. یادتون نره که توی این راه می‌تونین از دوره‌های یادگیری ماشین و آموزش پایتون کوئرا هم استفاده کنین.👇👇
🔗 https://quera.ir/r/msdff
➖➖➖➖➖➖➖
@Quera_ir
@quera_ir
@algorithmha