دسته: فروشگاه

می توان شغل های مرتبط با علوم داده را به سه بخش زیر تقسیم بندی کرد:

» تحلیلگر داده (Analyzer Data)
» مهندس داده (Engineer Data)
» دانشمند علوم داده (Data Scientist)

معمولا تحلیلگران داده ، داده ها را از لحاظ تجاری و آماری مورد تحلیل قرار می دهند در حالی که مهندسان داده معمولا برنامه نویسانی هستند که عملیات مختلف داده‌کاوی و یادگیری ماشین را بر روی داده ها انجام میدهند. دانشمندان علوم داده نیز به بررسی و تولید الگوریتم های جدید مناسب نیاز آن صنعت می پردازند. البته که نمیتوان مرز مشخصی را بین این سه ردیف شغلی تعیین نمود و در موارد مختلف ممکن است اسامی به جای یکدیگر استفاده شوند. معموال برای انجام یک پروژه موفق در حوزه علوم داده و داده‌کاوی به هر سه این دسته از ویژگی‌ها که میتواند در یک فرد نیز جمع شود، نیاز است. در واقع تحلیل مناسب کسب و کار همراه با پیاده سازی مناسب و در صورت نیاز استفاده از الگوریتم بهینه برای یک پروژه موفق داده‌کاوی ضروری به نظر میرسد.

در کتابچه‌ای که برای دانلود قرار داده‌ایم، یک نقشه راه کلی جهت علاقه‌مندان به حوزه علوم داده قرار دارد که جهت تبدیل شدن به یک متخصص در حوزه علوم‌داده می‌توانید از آن بهره ببرید.

زبان برنامه نویسی و محیط R یکی از روش های کاردی ساده و در عین حال پرطرفدار در حوزه داده‌کاوی و یادگیری ماشین است. مخصوصا آن دسته از دانشجویان و علاقه مندان حوزه داده‌کاوی که کمتر با زبان های برنامه نویسی و ساختارهای مهندسی نرم افزار آشنا هستند، به راحتی می توانند زبان R را فراگرفته و در پروژه های مختلف خود از آن استفاده کنند.

در کتابچه جاری یک مجموعه از دستورالعمل ها جهت نصب، راه اندازی و منابع یادگیری زبان برنامه نویسی R در اختیار مخاطبان عزیز قرار داده شده است. همچنین مجموعه ای از پکیج های مختلف جهت عملیات مختلف داده‌کاوی، یادگیری ماشین، طبقه‌بندی، پیش پردازش داده ها و تحلیل گراف و شبکه برای معرفی در این کتابچه گنجانده شده است.

دانلود رایگان این کتابچه از لینک زیر:

تنسرفلو (Tensorflow) یکی از برترین کتابخانه های داده‌کاوی و یادگیری ماشین است که تا به حال به صورت رایگان منتشر شده است. این کتابخانه که توسط شرکت گوگل برای محاسبات مبتنی بر گراف استفاده شد، چند سالی است که به صورت رایگان در اختیار عموم قرار گرفته است. با انتشار عمومی این کتابخانه و کاربردهای مختلف مشخص شده برای آن، روند محبوبیت Tensorflow به شدت افزایش یافت و این کتابخانه را جزو برترین کتابخانه های موجود برای داده‌کاوی، یادگیری ماشین و کلا عملیات محاسباتی پیچیده‌تر مبدل کرد.

در این کتابچه سعی داریم با استفاده از مثال‌های ساده (همراه با نمونه کد) مقدمات تنسرفلو را آموزش بدهیم. اشیا مختلف در Tensorflow کدام هستند، چگونه از این اشیا و موجودیت‌ها می‌توان استفاده کرد. توابع مختلفی که به عملیات داده‌کاوی کمک می‌کنند کدام هستند و…

همچنین یک مثال عملی پیاده سازی رگرسیون خطی (Linear Regression) را همراه با نمونه کد آورده ایم تا استفاده عملی از این کتابخانه نیز برای شما روشن‌تر شود. مقدمات Tensorflow برای دانشجویانی است که می‌خواهند مقدمات این کتابخانه را برای عملیات بعدی یاد بگیرند و بتوانند کد‌های نوشته شده با Tensorflow را بفهمند.

محتویات بسته:

» فایل PDF آموزشی مقدمات Tensorflow شامل ۲۷صفحه

» دو فایل آموزشی آشنایی با بعدها و بهینه سازی همراه با کاهش گرادیان (جهت مباحث پیش نیاز و دانشجویانی که قصد دارند دانش عمیق تری داشته باشند)

» نمونه کدهای انجام شده شامل ۴فایل پایتون همراه با فایل های Jupyterآن‌ها

» دو PDF آموزشی جهت نصب Eclips و Jupyter برای آماده سازی ابزارهای Tensorflow

در این کتابچه به صورت اسلاید مانند طراحی شده است، سعی شده مباحث آغازین، روش ها و الگوریتم های مرتبط با داده‌کاوی و مباحث پایه یادگیری ماشین در زبان برنامه نویسی پایتون آورده شود.

همچنین در این کتابچه سعی بر پوشش پایه کتابخانه ها و گرایش های مختلف داده‌کاوی در پایتون برای آشنایی هر چه بیشتر دانشجویان عزیر شده است. اینکه چه کتابخانه هایی را برای شروع یاد بگیریم و چه زیر گرایش هایی برای داده‌کاوی موجود است به صورت پایه و خلاصه شده در این کتابچه آورده شده است.

این کتابچه در تاریخ ۵ خرداد ماه ۱۳۹۸ به روز‌رسانی شده است

در این کتابچه قصد داریم کسانی که به تازگی به جمع متخصصان علوم داده پیوسته اند را به صورت کاربردی با مباحث داده‌کاوی آشنا کنیم. از آن جایی که علم داده و داده‌کاوی بسیار گسترده است، در این کتابچه تمرکز خود را بر روی یکی از اصلی ترین زیر شاخه ها داده‌کاوی قرار میدهیم.

همان طور که میدانید یکی از زیر شاخه های اصلی و بسیار پرکاربرد داده‌کاوی، بحث طبقه‌بندی است. با استفاده از طبقه‌بندی میتوان الگوهای مختلف موجود در داده ها را فراگرفت. مثلا میتوانید تصویر یک دست نوشته را به صورت خودکار تشخیص داده و یا به صورت خودکار محتواهای مختلف نظرات کاربران یک وب سایت را به دسته های مثبت و منفی (از روی نوشته) تقسیم بندی کنید (که به آن تحیلی احساس یا Sentiment Analyse میگویند). کاربردهای طبقه‌بندی در بسیاری از کسب و کارها و استارت آپ های جهان مانند گوگل بر کسی پوشیده نیست.

ادامه خواندن “آموزش مقدماتی داده‌کاوی (طبقه‌بندی) با پایتون و Scikit Learn”

نصب پایتون همراه با پکیج های متنوع آن کار آسانی نیست. اگر در حوزه علوم داده و داده‌کاوی کار کرده باشید حتما میدانید که پایتون یکی از ابزارهای مشهور این حوزه جهت علمیات داده‌کاوی و یادگیری ماشین است. این زبان به خاطر کتابخانه های فراوان در حوزه داده‌کاوی شناخته شده است.

ادامه خواندن “رایگان: دانلود آموزش نصب پایتون Anaconda و Eclipse و ملزومات دیگر داده‌کاوی”