⚪️ 7 استارتاپی که به طور موثر از داده کاوی استفاده کرده اند

استارت آپ هایی که در سطح جهانی فعالیت میکنند، با افزایش کاربرانشان، نیاز به آنالیز داده های خود دارند. شاید بتوان گفت که یکی از ارزش های افزوده این قبیل استارتاپ ها، فعالیت های آنها در حوزه آنالیز داده است. دراین مقاله لیست 7 استارتاپی آورده شده است که به صورت موثر از داده کاوی در کسب و کار خود استفاده کرده اند:

👉 https://www.entrepreneur.com/article/249504

@learn_dm

📘 مجموعه مقالات معتبر، نقشه راه یادگیری عمیق

در این صفحه، مجموعه ای به نسبت خوب، از مقالات معتبر حوزه یادگیری عمیق(deep learning) آورده شده است. در واقع کسانی که میخواهند نقشه راهی جهت خواندن مقالات یادگیری عمیق داشته باشند، میتوانند این مجموعه را مطالعه کنند

👉 https://github.com/songrotek/Deep-Learning-Papers-Reading-Roadmap

@learn_dm

⚪️ 10 الگوریتم داده کاوی که باید بلد باشید

هر شخصی که میخواهد متخصص علوم داده بشود، باید یک سری مجموعه از الگوریتم ها را مسلط باشد. در بین خیل عظیم الگوریتم های مختلف ارائه شده، شاید بتوان این 10 الگوریتم را جزو برترین و کاربردی ترین الگوریتم هایی دانست که هر متخصص علوم داده ای، باید یاد بگیرد

👉 https://rayli.net/blog/data/top-10-data-mining-algorithms-in-plain-english/

@learn_dm

🇮🇷 معرفی شرکت های فعال ایران، در حوزه داده کاوی

شرکت داده‌کاوان هوشمند توسن به عنوان یکی از شرکت‌های زیرمجموعه شرکت توسن با استفاده از سابقه چندین ساله این شرکت در ارائه خدمات و محصولات نوین بانکی و سابقه چند ساله در داده‌کاوی و تحلیل اطلاعات، فعالیت می کند.
از مشتریان این شرکت، بانک شهر، بانک اقتصاد نوین، بانک انصار و... را میتوان نام برد
وب سایت رسمی:
http://www.tidm.ir

#معرفیـشرکت
@learn_dm

🔴 یادگیری مباحث آماری به صورت دیداری

یکی از مشکلات بسیاری از افراد در حوزه داده کاوی و یادگیری ماشین، بدون شک، آمار و احتمالا مهندسی است. بسیاری از افراد در حوزه داده کاوی ، آمار و احتمالات را به صورت کاربردی درک نکرده اند و همین باعث شده تا در مباحث آماری که پایه و اساس بسیاری از مفاهیم داده کاوی است دچار مشکل شوند.
وب سایت زیر از دانشگاه brown توانسته این مباحث را به صورت دیداری، ساده سازی کند. پیشنهاد می شود قسمت ها مختلف این سایت را حتما نگاهی بیندازید:

👉 http://students.brown.edu/seeing-theory

@learn_dm

⚪️ در مواجهه با داده های غیرمتوازن چه کنیم؟

داده های غیر متوازن(unbalanced datasets) در بسیاری از مسائل حوزه داده کاوی مشاهده می شوند. این داده ها، بعضا باعث ایجاد خطا در الگوریتم های داده کاوی میشوند. در زیر 7 روش مقابله با این قبیل داده ها شرح داده شده است:

👉 http://www.kdnuggets.com/2017/06/7-techniques-handle-imbalanced-data.html

@learn_dm

🎧 پادکست آموزشی درباره activation functions

یک پادکست صوتی آموزشی درباره توابع فعال ساز که کاربرد بسیاری در شبکه های عصبی دارند
لینک دانلود پادکست:
http://traffic.libsyn.com/dataskeptic/activation-functions.mp3?dest-id=201630

از سری پادکست های dataskeptic
https://dataskeptic.com/podcast

@learn_dm

🔴 ۶۵ منبع با ارزش جهت یادگیری علوم داده

برای اینکه یک دانشمند علوم داده شوید، نیاز دارید که مهارت های متنوع را در حوزه های مختلف داشته باشید. در زیر، ۶۵ منبع با ارزش جهت یادگیری علوم داده، در حوزه های مورد نیاز، برای افراد مبتدی و متوسط قرار داده شده است. پیشنهاد میشود در یک برنامه زمانی مشخص، این منابع را فرابگیرید:

👉 https://elitedatascience.com/data-science-resources

@learn_dm

⚪️ معرفی کتابخانه های کاربردی پایتون برای داده کاوی

کتابخانه Bokeh یکی از کتابخانه های بسیار کاربردی پایتون جهت Visualization است. این کتابخانه میتواند چارت های مختلف را به صورت Interactive یا همان تعاملی، با کاربر پیاده سازی کند. اگر با کتابخانه معروف D3JS کار کرده باشید، حتما ارزش Interactive Visualization را درک کرده اید. توانایی Drill Down و Roll Up یکی از قابلیت های مصور سازی تعاملی است.

لینک وب سایت Dokeh:
👉 http://bokeh.pydata.org/en/latest

@learn_dm

📉 وب سایت مسابقات داده کاوی CrowdAI

وب سایت CrowdAI یکی از وب سایت هایی است که میتوانید در مسابقات مختلف آن شرکت کنید و مسائل مرتبط با علوم داده را در دنیای واقعی حل نمایید. نشانی وب سایت:

👉 https://www.crowdai.org

@learn_dm

🔴 کتابخانه Keras، ابزاری جهت یادگیری عمیق در پایتون

اگر با ابزارهای یادگیری عمیق در پایتون آشنا باشید، احتمالا نام Tensorflow و Theano به گوشتان خورده است. این دو ابزار، به خاطر قدرت بالای خود، استفاده های زیادی در حوزه یادگیری عمیق دارند. ولی با این حال، در برخی از موارد، استفاده از این دو ابزار کمی پیچیده به نظر می رسد.
کتابخانه Keras، این قابلیت را به شما میدهد که در سطح بالاتری از Tensorflow و Theano به طراحی الگوریتم یادگیری عمیق بپردازید. سپس این کتابخانه با استفاده از موتور Tensorflow یا Thenao(که در ابتدای کد مشخص میکنید)، میتواند الگوریتم را پیاده سازی کند و نتیجه را برگرداند.

در زیر یک آموزش ساده برای نصب و استفاده از این کتابخانه کاربردی قرار داده شده است:

👉 https://elitedatascience.com/keras-tutorial-deep-learning-in-python

@learn_dm

⚪️ کتابخانه داده کاوی و یادگیری عمیق برای زبان C Shap

زبان برنامه نویسی C Sharp که توسط شرکت ماکروسافت ارائه شده، برای سالیان متمادی مورد استفاده بسیاری از برنامه نویسان در سیستم عامل ویندوز بوده است. این زبان به خاطر قدرت فراوان ساختاری و استانداردهای رعایت شده، جزوه زبان های برتر دنیاست. با این حال، بسیاری از متخصصان حوزه علوم داده و هوش مصنوعی، از این زبان برای کارهای خود استفاده نمیکنند. کتابخانه های اندک موجود برای این زبان، شاید یکی از دلایل عدم استفاده مختصصین علوم داده از این زبان باشد.
ولی یک کتابخانه قدرتمند به اسم Accord برای این زبان ارائه شده است که پاسخگوی بسیاری از نیازهای متخصصان و دانشمندان علوم داده است:

👉 http://accord-framework.net/intro.html

@learn_dm

📗 معرفی کتاب Modeling With Data

یکی از کتاب هایی که به صورت معنایی به فرآیند های پردازش علمی داده ها نگاه کرده است، کتاب Modeling With Data اثر Ben Klement است. این کتاب به صورت ساختاری، مفاهیم مختلف مرتبط با علوم داده را به صورت تحلیلی پیاده سازی کرده و روش استفاده و Debug کردن پروسه های پردازش داده ها را آموزش می دهد. این کتاب از زبان C برای پیاده سازی مفاهیم استفاده کرده است.
دانلود رایگان این کتاب:
👉 http://modelingwithdata.org/about_the_book.html

@learn_dm

#کارگاه
📜آموزش داده کاوی و شبکه های عصبی عمیق با پایتون و Tensorflow
ارائه دهنده: مسعود کاویانی
ثبت‌نام رایگان همایش در http://sace.ui.ac.ir/ubuntu1704
#ufest1704

📋 لیست کانال های فعال حوزه داده کاوی و یادگیری ماشین در تلگرام

🔹 کانال یادگیری عمیق
https://t.me/irandeeplearning

🔸کانال هوش مصنوعی، پایتون و یادگیری ماشین
https://t.me/ai_python

🔹 کانال یادگیری داده کاوی و بیگ دیتا
https://t.me/learn_dm

🔸 کانال علوم داده
https://t.me/dataanalysis

🔹کانال داده کاوی رها
https://t.me/RahaDmining

🔸 کانال یادگیری ماشین و یادگیری ژرف
https://t.me/MachineLearningDeep

🔹 کانال هوشمندی کسب و کار
https://t.me/Farabar_BI

🔸 کانال آموزش کلان داده
https://t.me/SMAC_MGMT

🔹 کانال tensorflow
https://t.me/cvision

🔸 کانال مدرسه هوش مصنوعی
https://t.me/aischool

🔹 کانال مرجع هدوپ ایران
https://t.me/hadoop

🔸کانال کارگروه کلان داده - صنعتی شریف
https://t.me/BigDataWorkGroup

🔹 کانال آموزشی هوش مصنوعی
https://t.me/ArtificialIntelligenceArticles

اسلاید آموزشی،
کتابخانه های متن باز داده کاوی و یادگیری ماشین در زبان های برنامه نویسی مختلف

◻️ ارایه روز آزادی نرم افزار، دانشگاه اصفهان

@learn_dm

استخدام دانشمند علوم داده
ارسال رزومه به
HR@MCIHUB.IR

@learn_dm

🔸 معرفی کتابخانه: کار با داده های نامتوازن در پایتون

یکی از مشکلات عملیات داده کاوی، کار با داده های نامتوازن است. فرض کنید شما با یک مسئله طبقه بندی(Classification) روبرو هستید و تعداد ۱۰۰۰نمونه در دو کلاس شماره۱ و کلاس شماره ۲ به نسبت ۹۰درصد به ۱۰درصد دارید. به این معنی که کلاس شماره ۱، تعداد ۹برابر نمونه بیشتر از کلاس شماره ۲ دارد. در این مواقع، بسیاری از الگوریتم های طبقه بندی به مشکل بر می خورند. برای همین بهتر است از روش های مقابله با داده های نامتوازن یا Imbalance استفاده کرد.
مجموعه ی بسیاری خوبی از این روش ها، برای زبان برنامه نویسی پایتون، توسط کتابخانه imbalanced-learn در دسترس است
لینک دانلود :
https://github.com/scikit-learn-contrib/imbalanced-learn

لینک راهنمایی الگوریتم ها:
http://contrib.scikit-learn.org/imbalanced-learn

@learn_dm

📗 معرفی کتاب آموزشی زبان R برای داده کاوی

زبان برنامه نویسی R یکی از زبان های مطرح در حوزه کاربردی داده کاوی و یادگیری ماشین است. این زبان که میتوان آن را جزو ۵زبان برتر دنیا در حوزه داده کاوی معرفی کرد، دارای روند کاری ساده و روند یادگیری آسانی نیز می باشد.
در این کتاب رایگان، به صورت کاربردی، سعی بر این است که قسمت های مختلف و کتابخانه متفاوت این زبان برنامه نویسی آموزش داده شود:
👉 https://leanpub.com/rprogramming

@learn_dm

📗 معرفی کتاب آموزش داده کاوی برای برنامه نویسان

در کتاب guidtodatamining که برای برنامه نویسان آماده شده است، میتوانید مباحث مختلف داده کای و یادگیری ماشین را به صورت کاربردی و واقعی آموزش ببینید. این کتاب را به تمام برنامه نویسانی که میخواهند در حوزه داده کاوی متخصص بشوند توصیه میکنم

👉 http://guidetodatamining.com

@learn_dm

📗 مجموعه کتاب های رایگان جهت تبدیل شدن به متخصص علوم داده

در این پست مجموعه ای از کتاب های رایگان و کاربردی لیست شده است. هر متخصص علوم داده، میتواند با توجه به نیاز خود، چندین مورد از این کتاب ها را برای مطالعه برگزیند

👉 http://masoudkaviani.ir/?p=45

@learn_dm