اگه میخواین کار به عنوان تحلیل داده داشته باشین، باید این پروژهها رو توی رزومه داشته باشین ✨
#data_analysis
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
#data_analysis
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
👍3
بهترین کانالها برای یادگیری SQL :
🎁 The Net Ninja
🎁 Programming with Mosh
🎁 Traversy Media
🎁 freeCodeCamp
🎁 SQL Server Tutorials
🎁 Tech with Tim
🎁 Khan Academy
🎁 LearnCode academy
🎁 CodeWithHarry
🎁 Simplilearn
#youtube #sql
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
🎁 The Net Ninja
🎁 Programming with Mosh
🎁 Traversy Media
🎁 freeCodeCamp
🎁 SQL Server Tutorials
🎁 Tech with Tim
🎁 Khan Academy
🎁 LearnCode academy
🎁 CodeWithHarry
🎁 Simplilearn
#youtube #sql
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
👍2
10 اِی پی آی (API) رایگان و کاربردی 👇🏻
در این مقاله میتوانید لیست این API ها و توضیح مختصر در مورد هر کدام و نحو کار با هر کدام را ببینید.
#api #developer
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
در این مقاله میتوانید لیست این API ها و توضیح مختصر در مورد هر کدام و نحو کار با هر کدام را ببینید.
#api #developer
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
❤🔥5
ممد یه پروژه زدم اصلا لازم نیست راهنمای استفاده براش بنویسم..
همون لحظه مشتری:
#programming_joke
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
همون لحظه مشتری:
#programming_joke
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
😁48❤2
اگر دانشمند داده یا تحلیلگر داده هستی
این 7 افزونه ژوپیتر نوتبوک رو حتما داشته باش 👇🏻✨
1. Jupyter Contrib NBExtensions
مجموعهای از افزونههای قابل فعالسازی برای بهبود تجربه کار با نوتبوکها (مثل table of contents، تایمر، codefolding و ...).
2. jupyter-resource-usage
نمایش مصرف منابع (CPU، RAM) توسط هر نوتبوک در رابط کاربری.
3. Jupyter Widgets
ساخت رابطهای تعاملی (مثل اسلایدر، دکمه و...) درون نوتبوک با استفاده از ipywidgets.
4. Jupyter Themes
امکان تغییر تم ظاهری نوتبوک (رنگ پسزمینه، فونت، ظاهر سلولها و...).
5. Nbconvert
تبدیل نوتبوکها به فرمتهای دیگر مثل HTML، PDF، LaTeX یا اسلاید.
6. Voilà
تبدیل نوتبوک به یک اپلیکیشن وب تعاملی بدون نمایش کدها.
7. RISE
ارائه نوتبوک بهصورت اسلاید تعاملی درون مرورگر (برای کنفرانس یا آموزش).
#data_science #data_analysis
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
این 7 افزونه ژوپیتر نوتبوک رو حتما داشته باش 👇🏻✨
1. Jupyter Contrib NBExtensions
مجموعهای از افزونههای قابل فعالسازی برای بهبود تجربه کار با نوتبوکها (مثل table of contents، تایمر، codefolding و ...).
2. jupyter-resource-usage
نمایش مصرف منابع (CPU، RAM) توسط هر نوتبوک در رابط کاربری.
3. Jupyter Widgets
ساخت رابطهای تعاملی (مثل اسلایدر، دکمه و...) درون نوتبوک با استفاده از ipywidgets.
4. Jupyter Themes
امکان تغییر تم ظاهری نوتبوک (رنگ پسزمینه، فونت، ظاهر سلولها و...).
5. Nbconvert
تبدیل نوتبوکها به فرمتهای دیگر مثل HTML، PDF، LaTeX یا اسلاید.
6. Voilà
تبدیل نوتبوک به یک اپلیکیشن وب تعاملی بدون نمایش کدها.
7. RISE
ارائه نوتبوک بهصورت اسلاید تعاملی درون مرورگر (برای کنفرانس یا آموزش).
#data_science #data_analysis
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
❤4
اگه برنامهنویس جاوا اسکریپت هستین، این 6 تا اسنیپت رو یاد بگیرید👌
برای مطالعه کلیک کنید
#javascript #article
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
برای مطالعه کلیک کنید
#javascript #article
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
👍1
یادگیری AI برای تحلیل داده در سال 2025
اگر میخواین توی حوزه تحلیل داده فعالیت کنید حتما باید این ابزارها رو بشناسید 👇🏻
+ برای مطالعه کلیک کنید +
#article #data_analysis
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
اگر میخواین توی حوزه تحلیل داده فعالیت کنید حتما باید این ابزارها رو بشناسید 👇🏻
+ برای مطالعه کلیک کنید +
#article #data_analysis
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
❤2
وقتی فرانت درست کار میکنه، بک اند هم درست کار میکنه...
ولی دیتابیس... 😂
#programming_joke
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
ولی دیتابیس... 😂
#programming_joke
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
😁40
5 لینوکس Beginner-Friendly 🐧
1. MX Linux
2. Linux Lite
3. Elementary OS
4. Solus
5. Manjaro
اگه خواستین بیشتر بخونید: کلیک کنید
#linux
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
1. MX Linux
2. Linux Lite
3. Elementary OS
4. Solus
5. Manjaro
اگه خواستین بیشتر بخونید: کلیک کنید
#linux
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
🗿2
5 پلاگین وردپرس برای توسعهدهندگان در سال 2025 🖥
Amelia
wpDataTables
MapSVG
LayerSlider
Slider Revolution
Chamevo
Essential Grid
برای اطلاعات بیشتر: کلیک کنید
#wordpress
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
Amelia
wpDataTables
MapSVG
LayerSlider
Slider Revolution
Chamevo
Essential Grid
برای اطلاعات بیشتر: کلیک کنید
#wordpress
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
10 کانال یوتوبی برای یادگیری آنالیز بیگ دیتا 🔥
1. Simplilearn
2. Edureka
3. DataCamp
4. Krish Naik
5. Intellipaat
6. Data School
7. TechPrimers
8. Alex, the Analyst
9. Data Science Dojo
10. StatQuest with Josh Starmer
🔗 منبع و اطلاعات بیشتر
#data_analysis
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
1. Simplilearn
2. Edureka
3. DataCamp
4. Krish Naik
5. Intellipaat
6. Data School
7. TechPrimers
8. Alex, the Analyst
9. Data Science Dojo
10. StatQuest with Josh Starmer
🔗 منبع و اطلاعات بیشتر
#data_analysis
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
❤3
10 لپتاپ مناسب ماشین لرنینگ در 2025 💻
برای مشاهده لیست: کلیک کنید
#ml
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
برای مشاهده لیست: کلیک کنید
#ml
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
🗿7👍1
🎓 بیارنه استروستروپ که بود و چه کرد؟
🔹 بیارنه استروستروپ (Bjarne Stroustrup)، دانشمند کامپیوتر دانمارکی، خالق زبان برنامهنویسی ++C است؛ زبانی که با هدف ترکیب کارایی زبان C با قابلیتهای سطح بالاتر طراحی شیگرا ساخته شد. او در دهه ۱۹۸۰ در آزمایشگاه Bell Labs کار میکرد و همانجا بود که پایههای ++C را گذاشت. استروستروپ همیشه به کارایی بالا و ساختارمندی در کدنویسی اهمیت میداد و میگفت:
او شخصیتی دقیق و متفکر دارد و همواره تلاش کرده زبانش با وجود پیچیدگی، انعطافپذیر و قدرتمند باقی بماند. جالبه که با وجود انتقادهایی که به پیچیدگی ++C میشه، خودش به شوخی گفته:
بیارنه نهتنها زبان ساخت، بلکه تا سالها فعالانه در تکامل استانداردهای آن حضور داشت و همیشه تلاش کرد فلسفهی طراحی زبانش شفاف و فنی باقی بمونه.
#programmers
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
🔹 بیارنه استروستروپ (Bjarne Stroustrup)، دانشمند کامپیوتر دانمارکی، خالق زبان برنامهنویسی ++C است؛ زبانی که با هدف ترکیب کارایی زبان C با قابلیتهای سطح بالاتر طراحی شیگرا ساخته شد. او در دهه ۱۹۸۰ در آزمایشگاه Bell Labs کار میکرد و همانجا بود که پایههای ++C را گذاشت. استروستروپ همیشه به کارایی بالا و ساختارمندی در کدنویسی اهمیت میداد و میگفت:
«سیپلاسپلاس به من این امکان را داد تا چیزهایی را که به نظر غیرممکن میرسید، ممکن کنم.»
او شخصیتی دقیق و متفکر دارد و همواره تلاش کرده زبانش با وجود پیچیدگی، انعطافپذیر و قدرتمند باقی بماند. جالبه که با وجود انتقادهایی که به پیچیدگی ++C میشه، خودش به شوخی گفته:
«سیپلاسپلاس مثل چاقوی سوییسیه، اما اگه بلد نباشی استفادهش کنی، دستتو میبری.»
بیارنه نهتنها زبان ساخت، بلکه تا سالها فعالانه در تکامل استانداردهای آن حضور داشت و همیشه تلاش کرد فلسفهی طراحی زبانش شفاف و فنی باقی بمونه.
#programmers
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
👍8❤6🆒2
۷ اشتباهی که دیتاساینتیستها هنگام درخواست شغل مرتکب میشوند 👇🏻
۱. یکسان در نظر گرفتن همهٔ موقعیتهای شغلی
برخی دادهکاوان بدون توجه به تفاوت نقشها (مانند تحلیلگر داده، مهندس داده، دانشمند داده و...) برای همهٔ موقعیتها یکجور رزومه و رویکرد ارسال میکنند.
۲. پروژههای نمونهٔ عمومی و غیرمتمایز
داشتن پروژههایی تکراری و بدون خلاقیت (مثل تحلیل دیتاست تایتانیک یا فروش فروشگاه) که تأثیر زیادی روی جذب کارفرما ندارد.
۳. درک ناکافی از SQL
کماهمیت شمردن SQL یا تسلط نداشتن به آن، در حالی که اکثر شغلهای داده به آن نیاز دارند.
۴. بیتوجهی به تفکر محصول (Product Thinking)
تمرکز صرف روی مدلسازی و الگوریتمها، بدون در نظر گرفتن نیاز واقعی کسبوکار یا کاربرد عملی پروژه.
۵. نادیده گرفتن MLOps (مهندسی عملیات مدلهای یادگیری ماشین)
فقط ساخت مدل و بیتوجهی به مراحل بعدی مانند استقرار، نگهداری و نظارت بر عملکرد مدلها.
۶. نادیده گرفتن آمادگی برای مصاحبههای رفتاری
فقط تمرین سؤالات فنی بدون آمادگی برای سؤالات شخصیتی، رفتاری یا موقعیتی که در استخدام بسیار مهماند.
۷. استفاده بیش از حد از کلمات پرزرقوبرق (Buzzwords)
استفادهی افراطی از اصطلاحات جذاب ولی بیپشتوانه مانند "هوش مصنوعی"، "یادگیری عمیق"، "کلانداده"، بدون نشان دادن درک واقعی از آنها.
🌐 منبع
#data_science
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
۱. یکسان در نظر گرفتن همهٔ موقعیتهای شغلی
برخی دادهکاوان بدون توجه به تفاوت نقشها (مانند تحلیلگر داده، مهندس داده، دانشمند داده و...) برای همهٔ موقعیتها یکجور رزومه و رویکرد ارسال میکنند.
۲. پروژههای نمونهٔ عمومی و غیرمتمایز
داشتن پروژههایی تکراری و بدون خلاقیت (مثل تحلیل دیتاست تایتانیک یا فروش فروشگاه) که تأثیر زیادی روی جذب کارفرما ندارد.
۳. درک ناکافی از SQL
کماهمیت شمردن SQL یا تسلط نداشتن به آن، در حالی که اکثر شغلهای داده به آن نیاز دارند.
۴. بیتوجهی به تفکر محصول (Product Thinking)
تمرکز صرف روی مدلسازی و الگوریتمها، بدون در نظر گرفتن نیاز واقعی کسبوکار یا کاربرد عملی پروژه.
۵. نادیده گرفتن MLOps (مهندسی عملیات مدلهای یادگیری ماشین)
فقط ساخت مدل و بیتوجهی به مراحل بعدی مانند استقرار، نگهداری و نظارت بر عملکرد مدلها.
۶. نادیده گرفتن آمادگی برای مصاحبههای رفتاری
فقط تمرین سؤالات فنی بدون آمادگی برای سؤالات شخصیتی، رفتاری یا موقعیتی که در استخدام بسیار مهماند.
۷. استفاده بیش از حد از کلمات پرزرقوبرق (Buzzwords)
استفادهی افراطی از اصطلاحات جذاب ولی بیپشتوانه مانند "هوش مصنوعی"، "یادگیری عمیق"، "کلانداده"، بدون نشان دادن درک واقعی از آنها.
🌐 منبع
#data_science
〰️〰️〰️〰️〰️〰️〰️
@programming_tips
🗿4🆒3❤1👍1