کارگروه علم داده
428 subscribers
458 photos
14 videos
119 files
431 links
ارتباط با ادمین:
@Smn_statistics
Download Telegram
🔶چهار روش برای مقایسه مدل ها در صنعت:

1⃣استراتژی آزمون A/B (آزمون فرضیه)
2⃣استراتژی آزمون قناری
3⃣استراتژی آزمون جای داده
4⃣استراتژی آزمون سایه

🆔@dsfum
#استخدام
#شرکت_آهار
#مهندسی_کامپیوتر، #مهندسی_فناوری_اطلاعات


📋شرکت خدمات نیروگاهی آهار جهت تکمیل کادر خود در استان خراسان رضوی، از افراد واجد شرایط دعوت به همکاری می نماید.

🔻کارشناس نرم افزار

🔹نوع قرارداد: تمام وقت
🔹ساعات کاری: شنبه تا چهارشنبه 8 تا 16:30 و پنج شنبه 8 تا 14

🔸شرایط احراز:
🔹 بازه سنی: 22-35 سال
🔹 وضعیت نظام وظیفه: اتمام خدمت سربازی و یا معافیت از آن الزامی است.
🔹 سابقه کار: دارای حداقل یک سال سابقه کار مرتبط
🔹 میزان تحصیلات: حداقل کارشناسی مهندسی کامپیوتر (نرم‌افزار یا سخت‌افزار) - مهندسی فناوری اطلاعات
🔹 میزان آشنایی با زبان انگلیسی: در حد متوسط
🔹 میزان تسلط به نرم افزارها:
C#(پیشرفته)
Python (متوسط)
WPF (پیشرفته)
🔸شرح شغل و وظایف:
🔹 پشتیبانی و توسعه سیستم‌های نرم‌افزاری
🔹 برنامه‌نویسی در حوزه‌های کاری Backend و Frontend

🔸تسهیلات و مزایا:
🔹سرویس رفت و برگشت
🔹صبحانه
🔹ناهار

⬅️ از متقاضیان واجد شرایط خواهشمندیم رزومه خود را به آدرس ایمیل زیر ارسال نمایند.
📨 aharco.hr@gmail.com
Website: Www.aharco.com

💡جهت تسریع در امر بررسی رزومه ها، لطفا در عنوان ایمیل های ارسالی موقعیت شغلی مورد درخواست خود را یادداشت فرمایید.

📍نشانی:
خراسان رضوی - مشهد - کیلومتر 12 جاده آسیایی - پارک علم و فناوری خراسان - ساختمان آهار

کانال معرفی فرصتهای کارآموزی، کارورزی و شغلی - دانشکده مهندسی دانشگاه فردوسی مشهد
🆔@FUMENG_IndustOffice_Jobs
معاونت پژوهش و فناوری دانشکده مهندسی
🆔@FUMEngResearch
📨reng@um.ac.ir
#استخدام
#شرکت‌_هوشمند_بینش_سلامت_فردا
#مهندسی_کامپیوتر

🔰 شرکت هوشمند بینش سلامت فردا فعال در زمینه برنامه نویسی و هوش مصنوعی در پزشکی جهت تکمیل کادر خود در شهر مشهد از دانشجویان و فارغ التحصیلان عزیز واجد شرایط دعوت به همکاری می‌نماید.

🔹نوع همکاری: تمام‌وقت
🔹جنسیت: اهمیتی ندارد

🔷مهارت ها و دانش مورد نیاز:
🔹مسلط به پایتون
🔹مسلط به opencv
🔹مسلط به pytorch
🔹درک مطلب انگلیسی

📌موقعیت مکانی : بین صارمی  ۲۹ و ۳۱ پلاک ۱۹۵
از متقاضیان خواهشمندیم رزومه خود را به شماره زیر در تلگرام یا واتساپ ارسال نمایند.
📱 09159542676

کانال معرفی فرصتهای کارآموزی، کارورزی و شغلی - دانشکده مهندسی دانشگاه فردوسی مشهد
🆔@FUMENG_IndustOffice_Jobs
معاونت پژوهش و فناوری دانشکده مهندسی
🆔@FUMEngResearch
📨reng@um.ac.ir
1
🔸دوره‌های آموزشی مسابقات هوش مصنوعی


📌دوره آموزشی اول: ۲۴ تیر تا ۲۴ مرداد
📌دوره آموزشی دوم: ۲۸ مرداد تا ۲۸ شهریور
📆یکشنبه‌ها و سه‌شنبه‌ها ۱۶:۳۰ تا ۱۸

◀️ آخرین مهلت ثبت نام: ۲۰ تیرماه

❗️ثبت‌نام و کسب اطلاعات بیشتر:
Rayancup.ir/ai


┈┈••••✾•🌿💠🌿•✾•••┈┈
🌐 http://farhangi.um.ac.ir
🆔 https://zil.ink/farhangifum
🆔 https://eitaa.com/farhangifum
دانشگاه فردوسی مشهد
🔸دوره‌های آموزشی مسابقات هوش مصنوعی 📌دوره آموزشی اول: ۲۴ تیر تا ۲۴ مرداد 📌دوره آموزشی دوم: ۲۸ مرداد تا ۲۸ شهریور 📆یکشنبه‌ها و سه‌شنبه‌ها ۱۶:۳۰ تا ۱۸ ◀️ آخرین مهلت ثبت نام: ۲۰ تیرماه ❗️ثبت‌نام و کسب اطلاعات بیشتر: Rayancup.ir/ai ┈┈••••✾•🌿💠🌿•✾•••┈┈…
این دوره مربوط به دانشگاه شریف هست.

بررسی کردم هزینه دوره مقدمه ای بر یادگیری ماشین و ژرف صد هزار تومان و دوره اعتمادپذیری در یادگیری ژرف صد هزار تومان است. که قیمت نسبتا مناسبی هست. دوره به صورت مجازی هست.
SQL.pdf
36.5 MB
🔶جزوه دست نویس SQL

🆔@dsfum
👍1
🔶 #استخدام تحلیلگر داده پول تیکت

لینک

#فرصت_شغلی
🆔@dsfum
⭕️ دوره رایگان یادگیری عمیق و شبکه‌های عصبی به فارسی

👨🏻‍💻 دکتر سید مجتبی روحانی استادیار گروه کامپیوتر، هوش مصنوعی دانشگاه فردوسی مشهد، دوره آموزشی کامل "یادگیری عمیق و شبکه‌های عصبی" رو به زبان فارسی و رایگان در کانال یوتیوب‌شون منتشر کردن.

📑 این دوره‌ شامل 21 ویدیوی آموزشی و بیش از 25 ساعت آموزش جامع و کاربردی مباحث یادگیری عمیق و شبکه‌های عصبی شامل یادگیری با بهینه سازی، شبکه‌های عصبی پیچشی، شبکه باور عمیق، و... میشه.

🔰 برای دسترسی به این دوره‌ می‌تونین از لینک زیر استفاده کنین.👇🏼

🏷 دوره رایگان یادگیری عمیق و شبکه‌های عصبی

◼️
لینک: Deep Learning and Neural Networks


#️⃣
#یادگیری_ماشین #MachineLearning

💡 مهندس ML شوید :
📎
@MachineLearning_ir
14 پروژه Power BI برای بصری‌سازی داده‌ها!

👨🏻‍💻 در این لیست با روش‌های مختلف طراحی و پیاده‌ سازی داشبوردهای قدرتمند و کارآمد آشنا میشین. هر پروژه، نمونه‌ای عملی از نحوه استفاده از PBI برای تحلیل داده‌ها و ارائه گزارش‌های بصری جذابه. با کار کردن روی این پروژه‌ها، مهارت‌هاتون رو در زمینه مصور سازی داده‌ها تقویت و به سطح بالاتری ارتقا بدین.👌🏼


🏳️‍🌈 14 Power BI Dashboard Projects
1️⃣ Indian Airlines
2️⃣ New York Airbnb
3️⃣ Customer Churn
4️⃣ HR Analytics KPIs
5️⃣ Call Center
6️⃣ Cyclistic Bike-Share
7️⃣ Indian Start-up Ecosystem
8️⃣ Global Superstore
9️⃣ Netflix Stock Price
1️⃣ E-Commerce Sales
1️⃣ Diversity & Inclusion
1️⃣ Walmart-Sales
1️⃣ Splendor Hotel Groups
1️⃣ IDA Historical Data


🌐 #هوش_تجاری  #تحلیل_داده  #PowerBI

📈 تحلیلگر داده شوید :
📈 @PowerBI_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
🔶کتابخانه های پرکاربرد پایتون

🆔@dsfum
👍2
Forwarded from پایتون مالی
⚠️ نمودار پراکندگی و Hexbin، کدام بهتر است؟

نمودارهای پراکندگی
برای زمانی که تعداد زیادی نقطه داده دارید، ایده‌آل نیستند. نمودارهای پراکندگی وقتی تعداد نقاط داده زیاد باشد، بیش از حد فشرده و غیرقابل تفسیر می‌شوند. به جای آن، از نمودارهای Hexbin استفاده کنید.

این نمودارها، چارت را به شش‌ضلعی‌ها تقسیم می‌کنند و شدت رنگ را بر اساس تعداد نقاط در آن ناحیه تعیین می‌کنند.
❗️در تصویر فوق، کد پایتون برای استفاده از این نمودارها ارائه شده است.
--
Scatter plots are not ideal when you have plenty of data points.
Scatter plots get too dense to interpret when you have many data points.
Instead, use Hexbin plots.
They bin the chart into hexagons and assign a color intensity based on the number of points in that region.

افزایش دانش مالی با پایتون در تلگرام
https://t.me/pyfinance
.
Please open Telegram to view this post
VIEW IN TELEGRAM
👏1
👨🏻‍💻 دکتر محمد‌علی زارع چاهوکی استاد دانشکده مهندسی کامپیوتر دانشگاه یزد، کتاب "مقدمه‌ای بر یادگیری ماشین" رو به زبان فارسی و رایگان در پیج دانشگاهی منتشر کردن. هدف اصلی این کتاب آموزش جامع یادگیری ماشین مبتنی بر ریاضیات و آمار و احتمال هست.🔥


اینم لینک کتاب: 👇🏼

🏷 An Intoduction to ML
📘 ML Book


#️⃣ #یادگیری_ماشین #MachineLearning

💡 مهندس ML شوید :
📎
@MachineLearning_ir
Forwarded from Rade AI
🏢🏡 تحلیل آگهی‌های بازار مسکن با دیتاست دیوار 🏡🏢

اگه به دنبال اطلاعات دقیق و جامع از بازار رهن و اجاره آپارتمان در سراسر کشور هستید، مرکز تحلیل داده راده با افتخار دیتاست و داشبورد تحلیلی خودش رو از ۷۰۰ هزار آگهی در دیوار معرفی می‌کنه! 📊🌟
این دیتاست شامل اطلاعات کاملی از ۲۱۸ شهر کشور هست و جزئیات دقیقی مثل مختصات جغرافیایی، قیمت، متراژ، شهر، محله و سایر ویژگی‌های آگهی‌ها رو در بر داره. با استفاده از این ابزارها، می‌توانید تحلیل‌های ارزشمندی برای تصمیم‌گیری بهتر در بازار مسکن داشته باشید.

🚀 ویژگی‌های کلیدی و مهم این پروژه:
انجام تحلیل های آماری بازار املاک و مستغلات 📈
امکان تحلیل جغرافیایی توزیع املاک 🌍
انجام مطالعات اهمیت ویژگی ها در تعیین قیمت اجاره بها 📚
تحلیل روند قیمت در بازار مسکن ایران 📊


همچنین برای این دیتاست یک داشبورد تعاملی تهیه شده که دیتای اون هر روز آپدیت میشه و میتونید از طریق لینک زیر بهش دسترسی داشته باشید

🔗 لینک داشبورد : Dashboard

هم اکنون میتوانید این دیتاست رو از طریق Kaggle و Hugging Face دانلود کنید.

⬇️ لینک دانلود از Kaggle
⬇️ لینک دانلود از Hugging Face
👍1👏1
Forwarded from پایتون مالی
سند ملی هوش‌مصنوعی ۱۴۰۳.pdf
2.5 MB
🤖 سند ملی هوش‌مصنوعی ایران

مصوب ۱۴۰۳/۰۴/۳۰

کانال پایتون برای مالی
@pyfinance
.
Please open Telegram to view this post
VIEW IN TELEGRAM
99+ Machine Learning algorithms.pdf
20.9 MB
🔶الگوریتم های معروف مورد استفاده در علم داده ها

🆔@dsfum
👌3
🔶هفت مهارت پر تقاضای تحلیل داده‏
1️⃣مهارت SQL
2️⃣کار با جداول(Excel)
3️⃣زبان های برنامه نویسی آماری(R,python,SAS)
4️⃣مصورسازی داده ها
5️⃣مدیریت پایگاه داده
6️⃣مدلسازی و یادگیری ماشین
7️⃣مهارت های نرم

🆔@dsfum
👍4
🔶آشنایی با فرایند ETL و ELT

⭐️در فرایند ETL داده ها از منابع مختلف استخراج(extract) سپس تبدیل (transform) به داده هایی می شود که قصد استفاده از آنها را داریم و در نهایت روی انبار داده قرار میگیرد(load)

⭐️در فرایند ELT اما داده ها ابتدا جمع آوری و استخراج می شود و روی انبار داده ها قرار میگیرد و در نهایت در داخل انبار داده ها فرایند تبدیل انجام می شود.

روش ELT در امروزه مرسوم تر است.


توضیحات کامل و آشنایی با مزایا و معایب هر کدام:
https://www.linkedin.com/pulse/etl-vs-elt-understanding-differences-advantages-asad-amjad-qvmkf?utm_source=share&utm_medium=member_android&utm_campaign=share_via

در آگهی های شغلی این مفهوم بعضا به چشم می خورد.

🆔@dsfum
🏳️‍🌈 آموزش‌های رایگان برای یادگیری Power BI

👨🏻‍💻 اگه دوست داری مهارت‌های تحلیل داده‌ات رو ارتقا بدی، اینجا یه خبر خوب برات دارم. Pragmatic Works کلی منابع و آموزش‌های رایگان برای Power BI آماده کرده تا بتونی به بهترین شکل از داده‌هات استفاده کنی. از این منابع رایگان استفاده کن و مهارت‌هات رو به سطح بالاتر ارتقا بده!


1️⃣ با یه چیت شیت رایگان شروع می‌کنم که کلی نکته و ترفند توش جمع شده. از ادغام داده‌ها گرفته تا شناسایی انواع داده‌ها و استفاده مؤثر از تصاویر PBI. این چیت شیت رو می‌تونی همین الان دانلود کنی و به عنوان یه مرجع برای پروژه‌هات استفاده کنی.👇

📎 لینک: PDF


2️⃣ اگه تازه با PBI آشنا شدی، یه دوره رایگان هم براتون دارم که از صفر تا صد یاد می‌گیری چطور داده‌ها رو بارگذاری کنی، مدل‌سازی داده‌ها رو انجام بدی و گزارش‌های تعاملی بسازی. با این دوره، می‌تونی تبدیل به یه حرفه‌ای تو این حوزه بشی.👇

📎 لینک: Youtube Video


3️⃣ اگه دنبال یادگیری بیشتر یا حل مشکلات کار با PBI هستی، می‌تونی از پلی‌لیست یوتیوب زیر استفاده کنی که بیش از 70 تا ویدیو داره و توش کلی نکته عملی و مثال‌های دنیای واقعی آورده شده.👇

📎 لینک: Youtube Playlist


🌐 #هوش_تجاری  #تحلیل_داده  #PowerBI

📈 تحلیلگر داده شوید :
📈 @PowerBI_ir
📱 پیج اینستاگرام:
📈 @PowerBI_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Python4Finance
This media is not supported in your browser
VIEW IN TELEGRAM
تفاوت CPU و GPU در محاسبات
با پیشرفت مدل های هوش مصنوعی، ضرورت استفاده از پردازنده های GPU (Graphics Processing Unit) به جای CPU (Central processing unit) های سنتی بیش از پیش آشکار شده است. پیش از این در خصوص ارزش سهام شرکت #Nvidia به همین دلیل صحبت کرده بودیم.
در این ویدئو کوتاه که توسط Nvidia تهیه شده است تفاوت پردازش مبتنی بر CPU و GPU را مشاهده می نمایید.

#ویدئو

#Cpu
#Gpu

پایتون برای مالی

🆔 t.me/python4finance
🆔 ble.ir/python4finance
👍1
@DataScience_ir - Amazon Sales Data Analysis.pdf
2.4 MB
☑️ سری جدید پروژه علم داده من
1️⃣ آنالیز داده‌های فروش آمازون

👨🏻‍💻 پروژه من با هدف بهبود روش های توزیع برای کاهش هزینه‌ها و افزایش سود، با تجزیه و تحلیل داده‌های فروش آمازون انجام شد.

📁 در این پروژه من یک ETL روی مجموعه داده آمازون انجام دادم تا روندهای فروش رو به صورت ماهانه، سالانه و ماهانه-سالانه کشف کنم. سپس برای دقت و قابلیت اطمینان داده‌ها، اونا رو پردازش و تمیز کردم. از EDA برای کشف روش‌های کلیدی عملکرد فروش و از Power BI, Matplotlib و Seaborn برای تجسم‌های تعاملی استفاده کردم.

از کد نویسی گرفته تا آنالیز و نتایج پروژه، همگی در فایل زیر موجوده.👇

🏷 Amazon Sales Data Analysis
🗃
GitHub-Repos


🌐 #علم_داده #DataScience

📊 دانشمند داده شوید :
📊 @DataScience_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
🔶مراحل ساختن مدل های یادگیری ماشین
1⃣آماده سازی داده ها
2⃣تحلیل اکتشافی
3⃣پیش پردازش داده ها
4⃣تقسیم بندی train test یا cross validation
5⃣مدل سازی با داده های train
6⃣ارزیابی مدل

🆔@dsfum
👍1