📚 آنالیز داده ها توسط پایتون
زبان : انگلیسی
#book #data_science #data_analyst
🆔 @learnpy

🗄 کتابخانه پایتون برای علم داده ها
#picture #data_science #python3 #python2
➖➖➖➖
🆔 @LearnPY

🗄 کتابخانه پایتون برای علم داده ها
#picture #data_science #python3 #python2
➖➖➖➖
🆔 @LearnPY

بهترین کتابخانه‌های دیتاساینس برای پایتون 🐍🗄

#introduction #data_science #library
➖➖➖➖
🆔 @LearnPY

مهارت‌های ضروری برای یک دیتا ساینتیست 🧪🤓
✨پایتون در صدر جدول..!

#tips #data_science #roadmap
➖➖➖➖
🆔 @LearnPY

8 کتابخانه پایتونی که هر دانشمند داده‌ای باید با آنها کار کرده باشد 🤓

💭 کتابخانه Numpy - برای عملیات‌های ریاضی (کار با ماتریکس‌ها و..)
🌱 کتابخانه Pandas - برای دیتافریم ها
💭 کتابخانه Scikit-Learn - برای ماشین لرنینگ
🌱 کتابخانه XGBoost - برای تعریف گرادیان و...
💭 کتابخانه Flask - برای نشان دادن مدل‌ها (کتابخانه نیست، فریم‌ورک است)
🌱 کتابخانه TensorFlow یا PyTorch - برای دیپ لرنینگ
💭 کتابخانه Matplotlib یا Seaborn - برای بصری سازی

#introduction #data_science #ml #machine_learning #deep_learning
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

💡 برای شروع دیتاساینس با پایتون، یادگیری این موارد رو شروع کن 👇

1. Anaconda
2. Pandas
3. Matplotlib
4. Seaborn
5. Scikit-learn

اگر میخوای بدونی دیتاساینس چیه +++این ویدیو+++ رو ببین.
💭 دیتاساینتیست داریم اینجا؟!

#tips #data_science
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

💬 دیتاساینس چیست؟!
🔸 دیتا‌ساینس یا علم داده، به معنای این است که آن داده از کجا می‌آید و نشان‌دهنده‌ی چه چیزی است. دیتا ساینس به معنای راه‌هایی می‌باشد که از طریق آن‌ها داده تبدیل به اطلاعات و منابعی ارزش‌مند برای خلق راهبردهای کسب‌وکار و فناوری اطلاعات (IT) می‌شود.

#data_science
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

دیتاساینس چیست؟! همه چیز راجع به علم داده 🔥

اگر میخواین بیشتر با دیتاساینس آشنا بشین این ویدیو رو ببینید:
🌐: https://youtu.be/Oxtv4yVDVcQ

#data_science
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

سیستم موردنیاز برای دیتاساینس 🖥

اگر قصد تهیه یا آپگرید سیستم برای کار دیتاساینس دارین، باید به این نکته توجه داشته باشین که رم در اولویت بیشتری قرار داره. اما با این حال این مشخصات لازم و حداقلی برای دیتاساینس هستش:
CPU: Intel i5 minimum, Intel i7 or i9 preferred (M1 and M2 NOT recommended)
Memory: 16GB minimum
Hard Drive: SSD is preferred, 500GB minimum or 256 GB and an external hard drive
Operating Systems: Windows 10 or 11 (Home or Pro) Mac: High Sierra or later

💡 نکته: لینوکس برای دیتاساینس خیلی پیشنهاد نمیشه. مگر اینکه خیلی حرفه‌ای باشین.
💡 نکته2: دقت کنید این کانفیگ برای "شروع" نیست. برای کسیه که میدونه و میخواد دیتاساینس کار کنه...

❤️ پس با سیستمی که دارین شروع کنید و اول ببینید علاقه دارین یا نه...

#data_science
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

🔰 از پایتون برای دیتاساینس چه چیزایی باید بلد باشیم؟ 🔰

● مورد اول: نحو نصب پایتون + نحو نصب آناکوندا + کار با محیط آناکوندا
● مورد دوم: پایتون پایه (تا شی گرایی)
● مورد سوم: یادگیری ریجکس یا Regular Expressions در پایتون
● مورد چهارم: یادگیری کتابخانه‌های آماری مثل NumPy, SciPy, Matplotlib و Pandas
● مورد پنجم: یادگیری بصری سازی داده‌ها با پایتون
● مورد ششم: یادگیری ماشین‌لرنینگ و کتابخانه‌های مربوط به آن مثل Scikit-learn
● مورد هفتم: یادگیری دیپ لرنینگ

و تمرین و تمرین و تمرین ... :)
اگر میخوای مورد دوم رو توی 1-2 ماه یاد بگیری (کلیک کن)
#data_science #roadmap
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

معرفی کتاب رایگان Practical Statistics for Data Science 📙

این کتاب یکی از بهترین کتاب‌ها برای مبتدی‌های حوزه دیتاساینس است. در این کتاب شما با مفاهیم پایه آماری و دیتاساینس آشنا میشوید و همچنین کتاب اشاراتی به ماشین لرنینگ هم میکند. تمام کدهای این کتاب مخلوطی از پایتون و R هستند.

دانلود کتاب در پست بعدی 🔻

#data_science #book #pdf
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

23 منبع رایگان برای یادگیری دیتاساینس 😱

✏️ منابع آموزشی:
✏️ edX
✏️ Google Cloud
✏️ Khan Academy
✏️ freeCodeCamp
✏️ Kaggle
✏️ The Open Source Data Science Masters
✏️ Intellipaat’s Python for Data Science Foundation Course
✏️ Learn Data Science by Nitin Borwankar

🔥 انجمن‌ها و فروم ها:
🔥 Reddit
🔥 Quora
🔥 Codementor
🔥 Kaggle
🔥 Intellipaat
🔥 IBM Data Science Community

🌐 مجله‌ها و اخبار مربوط به دیتاساینس:
🌐 Analytics Insight Magazine
🌐 Data Science Journal
🌐 MIT Technology ReviewDatafloq
🌐 International Conference on Machine Learning
🔅 وبلاگ‌های مربوط به دیتاساینس:
🔅 Intellipaat
🔅KDnuggets
🔅Data Science Central
🔅Towards Data Science
🔅Simply Statistics

#data_science #introduction
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

کتاب رایگان Pandas: Powerful Python Data Analysis Toolkit 📚

📌 این کتاب هر چیزی که باید از Pandas بلد باشین رو بهتون درس میده! یک کتاب کامل برای یادگیری Pandas که از صفرِ صفر یعنی نصب و استفاده‌های اولیه تا موارد پیشرفته رو بهتون میگه. (3743 صفحه اس!!!) البته باید براش پایتون پایه رو بلد باشین... یعنی یه پیش زمینه‌ای از پایتون رو یاد داشته باشین... اما در کل این یک کتاب جامع و کامل برای کتابخانه پانداس هستش که توی دیتاساینس خیلی کاربرد داره...

#book #pdf #data_science #pandas
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

پاسخ به چند سوال متداول در مورد دیتاساینس ⁉️

🟠 آیا با گوشی میشه دیتاساینس کار کرد؟
🟢 خیر! نه تنها با گوشی نمیشه، بلکه با کروم بوک و مک‌هایی که پردازنده M1,M2 دارن هم نمیشه!

🟠 آیا برای دیتاساینس باید توی ریاضی خوب باشیم؟
🟢 بله! تقریبا میشه گفت برای موفق شدن توی دیتاساینس باید قوه تحلیلی‌تون قوی باشه و توی آمار هم قوی باشین که بخش بزرگی از ریاضی رو شامل میشه...

🟠 آیا برای دیتاساینتیست بودن مدرک لازمه؟
🟢 الزاما نه! ولی هستن دانشگاه‌هایی که مدرک میدن... اما بازم برای کار کردن، اولویت با مهارت‌های شماست و اینکه چی بلدین!

🟠 چقدر طول میکشه تا توی دیتاساینس به سطح خوبی برسیم؟
🟢 بستگی به خود شخص داره ولی معمولا کسی که صفرِ صفر هستش و هیچ پیش زمینه برنامه نویسی یا ریاضیات نداره، میتونه بین 7 تا 12 ماه به سطحی برسه که بتونه کار کنه... (دقت کنید کار کنه! با کمترین حقوق ممکن)

سوالاتتون رو توی این پست کامنت کنید تا جواب بدم و اضافه کنم ❤️

#data_science
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

درآمد حدودی یک دیتا ساینتیست چقدر است؟! 💰

طبق این تصویر که از سایت emeritus گرفته شده است. دیتا ساینتیست‌ها را به سه سطح تقسیم کرده. سطوح ابتدایی یا Entry level با تجربه حدود 0 تا 5 سال، به طور میانگین و سالانه 95 هزار دلار دریافت میکنند. یعنی ماهی حدود 7500 دلار که مبلغ خوبی محسوب میشود!

و این هنوز سطح پایه است... به مرور که تجربه تان بیشتر شود، مبلغ دریافتی تان هم بیشتر میشود...

🔸منبع: وبسایت emeritus.org

#data_science #salary #job
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

فریم‌ورک‌ها و کتابخانه‌های دیتاساینسی در پایتون 🌱

1. NumPY
2. SciPY
3. TensorFlow
4. Keras
5. Matplotlib
6. Pandas

تجربه‌ای توی استفاده از این کتابخونه‌ها دارین؟ 🤔

#tips #data_science #introduction
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

کتابخانه‌هایی از پایتون که برای دیتاساینس باید یاد داشته باشین:

برای بصری سازی داده‌ها:
💢 NumPy
💢SciPy
💢Pandas
💢Matplotlib
برای وب اسکرپینگ:
⚜️ Scrapy
⚜️ BeautifulSoup
⚜️ Request
برای ماشین لرنینگ (و دیپ لرنینگ):
♻️ SciKit-Learn
♻️ PyTorch
♻️ TensorFlow

پست در مورد دیتاساینس بیشتر بذارم؟!

#tips #data_science #library
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

نقشه راه دیتاساینس 🗺 آموزش دیتاساینس در 6 مرحله 😍

اگر دوست دارین دیتاساینس یاد بگیرین و نمیدونید چه مراحلی رو باید طی کنید تا تبدیل به یه دیتاساینتیست بشین، این ویدیو رو ببینید ↙️
🌐: https://youtu.be/piwEYHLS7ow

لایک و سابسکرایب یادتون نره ❤️

#tips #data_science #video #youtube #mrrobat #python
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای

کانال‌های یوتوبی برای یادگیری ریاضی 🧮

اگر میخواین دیتاساینس یا ماشین لرنینگ و... رو یاد بگیرین، باید پایه ریاضی خوبی داشته باشین که این کانال ها تو این زمینه میتونن بهتون کمک کنن:
- 3Blue1Brown
- ProfRobBob
- Ghrist Math

#data_science #math
➖➖➖➖➖➖➖
🐍 @LearnPY | لرن پای