آموزش

دانشمند داده یا تحلیلگر داده؟ تفاوت‌ها را بشناسید

در دنیای امروز، دانشمند داده و تحلیلگر داده از جمله مشاغل کلیدی در حوزه داده‌محوری هستند، اما وظایف و مهارت‌های آن‌ها چه تفاوت‌هایی دارد؟ این اینفوگرافیک به شما کمک می‌کند تا نقش هر کدام را بهتر درک کنید.

دانشمند داده یا تحلیلگر داده؟ تفاوت‌ها را بشناسید Read More »

راهنمای جامع علم داده در یک نگاه

علم داده، دنیایی پر از مفاهیم، ابزارها و کاربردهای شگفت‌انگیز است که هر روز نقش پررنگ‌تری در زندگی ما ایفا می‌کند. این اینفوگراف جامع، یک نمای کلی و دقیق از تمام جنبه‌های علم داده، از مبانی نظری گرفته تا کاربردهای عملی آن در صنایع مختلف، ارائه می‌دهد. اگر می‌خواهید سفری کوتاه اما مفید به دنیای

راهنمای جامع علم داده در یک نگاه Read More »

پوزیشن های شغلی علم داده – بخش1

دانشمند داده: شخصی که آمار را بهتر از هر مهندس کامپیوتری می‌داند و مهندسی کامپیوتر را بهتر از هر متخصص آماری می‌فهمد. لازم به ذکر است که در این تعریف، مهارت‌های موردنیاز به دو بخش تقسیم شده‌اند: مهارت‌های مرتبط با مهندسی نرم‌افزار و علوم کامپیوتر. مهارت‌های مرتبط با ریاضیات، آمار و الگوریتم‌ها. این تعریف نشان

پوزیشن های شغلی علم داده – بخش1 Read More »

چگونه مطالعه کنیم؟

مسیر یادگیری دیتاساینس که در دایکه طراحی شده است شامل یادگیری آیتم‌ها و مواردی است که هم به شکل تئوری و هم تمرینی ارائه می‌شود. یک سؤال رایج این است که چگونه این حجم از محتوا را مدیریت کنیم؟ این محتوا شامل: چندین ساعت ویدیوی آموزشی در هفته کلاس‌های آنلاین پروژه‌ها و تمرین‌های عملی ماهیت

چگونه مطالعه کنیم؟ Read More »

انواع وظایف در علم داده

زمانی که ما در علم داده با دیتاها کار می‌کنیم، در واقع با انواع متفاوتی از یادگیری مواجه هستیم: یادگیری با نظارت (Supervised Learning) یادگیری بدون نظارت (UnSupervised Learning) یادگیری نیمه نظارتی (Semi-Supervised Learning) یادگیری تقویتی (Reinforcement learning) در اینجا قصد داریم برای هر یک از این روش‌ها توضیح مختصری بیان کنیم. یادگیری با نظارت

انواع وظایف در علم داده Read More »

اولین پروژه دیتاساینس

ما تا اینجا درباره کلیات دیتا ساینس صحبت کردیم و با متدولوژی CRISP-DM آشنا شدیم؛ چارچوبی که به ما نشان می‌دهد چگونه از نقطه صفر شروع کنیم، مسئله را تعریف کنیم و قدم‌به‌قدم پیش برویم تا آن مسئله را حل کنیم. اکنون وارد یکی از مهم‌ترین بخش‌های یادگیری علم داده می‌شویم: اجرای عملی اولین پروژه.

اولین پروژه دیتاساینس Read More »

آشنایی با سرویس ChatGPT

در این بخش، به بررسی ابزار ChatGPT می‌پردازیم؛ ابزاری مبتنی بر هوش مصنوعی که بسیاری از شما با آن آشنا هستید و احتمالاً برخی از شما تجربه استفاده از آن را دارید. ChatGPT یک مدل زبانی است که می‌تواند متن تولید کند، مکالمه انجام دهد و در بسیاری از حوزه‌ها به‌عنوان یک دستیار هوشمند عمل

آشنایی با سرویس ChatGPT Read More »

معرفی سرویس Kaggle

در این پست ابتدا خلاصه جلسه و سپس متن کامل جلسه آموزشی را مطالعه خواهید کرد: امکانات و خدمات Kaggle Kaggle خدمات متنوعی را برای متخصصان و علاقه‌مندان به حوزه داده فراهم می‌کند که مهم‌ترین آن‌ها عبارت‌اند از: مسابقات (Competitions): شرکت‌ها و سازمان‌ها، مجموعه داده‌های خود را در قالب مسابقات منتشر می‌کنند. افراد از سراسر

معرفی سرویس Kaggle Read More »

آموزش یا هوش مصنوعی: کدام مسیر در پروژه‌های تمرینی بهتر است؟

❓ سوال: در نخستین پروژه‌های تمرینی در مسیر یادگیری دیتاساینس که با کمک ChatGPT  انجام می‌دهیم، بهتر است دقیقاً مطابق مراحل آموزش ویدئو پیش برویم یا از پیشنهادات تکمیلی ChatGPT هم استفاده کنیم؟در نهایت، آیا این تفاوت‌ها در نتیجه نهایی تأثیر قابل توجهی دارند؟ ✅ پاسخ: در استفاده از مدل‌های زبانی هوش مصنوعی مانند ChatGPT،

آموزش یا هوش مصنوعی: کدام مسیر در پروژه‌های تمرینی بهتر است؟ Read More »

خطای ModuleNotFoundError هنگام نصب کتابخانه جدید پایتون

❓ سوال: در اجرای پروژه دوم مسیر یادگیری دیتا ساینس (بخش شیرجه در علم داده)، هنگام استفاده از oversampling برای کلاس اقلیت با RandomOverSampler از کتابخانه imbalanced-learn، با خطای ModuleNotFoundError مواجه شدم. به همین دلیل، با توجه به پیشنهاد ChatGPT، تلاش کردم دو کتابخانه scikit-learn و imbalanced-learn را با نسخه‌های خاص زیر نصب کنم: pip

خطای ModuleNotFoundError هنگام نصب کتابخانه جدید پایتون Read More »

درخواست مشاوره رایگان ×

    Call Center
    سبد خرید شما
    هیچ محصولی در سبد خرید نیست.

    ورود به حساب کاربری

    ساخت حساب کاربری

    Prove your humanity: 2   +   6   =