7.38M حجم رسانه بالاست
مشاهده در ایتا
⭕️ ابزار PyForest | فراخوانی 40 کتابخانه پرکاربرد پایتون در علوم داده تنها با یک خط کد !
👨🏻💻 در پروژههای علم داده، ما اغلب از چندتا کتابخونهیِ پایتون به صورت روتین استفاده میکنیم. کتابخونههای Seaborn, Matplotlib, NumPy, Pandas, ...
این استفاده مکرر و دائمی از کتابخونهها میتونه هم خسته کننده باشه و هم روی بهرهوریتون تاثیر بذاره.
✅ با ابزار PyForest شما میتونین تمام کتابخونههای پایتون مورد علاقهتون رو تنها با یه خط کد و بدون وارد کردن خود کتابخونهها استفاده کنین. اینطوری به جای وقت گذاشتن روی کارهای جزئی و روزمره پروژهتون، روی آنالیز دادههاتون تمرکز میکنین.🚀
☑️ یکی دیگه از مزایای استفاده از PyForest اینه که تنها کتابخونه های مورد استفاده در کد شما رو وارد میکنه و این کار باعث کند شدن نوت بوک شما نمیشه!👌🏼
🔖 راهنمای استفاده از PyForest:
┌ 🏷 PyForest
├ 📂 pyforest 1.1.0
├ 🗃 Pyforest GitHub
├ 📑 Pyforest: Lazy-import python libraries
└ 🎬 Pyforest - Importing All Python Libraries
#️⃣ #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖
11.31M حجم رسانه بالاست
مشاهده در ایتا
👨🏻💻 اگر مطالعه و یادگیری مبانی علم داده رو تموم کردین و شروع به انجام پروژهها و درخواست برای موقعیتهای دورکاری و کارآموزی کردین، این مخزن GitHub برای آمادگی جهت مصاحبههای علم داده بسیار عالیه.👌🏼
✅ در این مخزن میتونین از نحوه نوشتن رزومه و آماده کردن نمونه کارهاتون آموزش پیدا کنین تا آماده شدن برای مصاحبههای رفتاری و فنی. در واقع این ریپازیتوری شامل همه چیزهایی هست که برای آماده شدن برای بازار کار علوم داده نیاز دارین.💯
🔖 راهنمای آمادگی برای مصاحبههای علوم داده:
┌ 🏷 Data Science Interview Resources
└ 📝 Data Science Interview GitHub
#️⃣ #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊
فعلا قابلیت پخش رسانه در مرورگر فراهم نیست
مشاهده در پیام رسان ایتا
👨🏻💻 یکی از مفیدترین منابع برای یادگیری علم داده از صفر.
✅ حدود 15 گیگ آموزش در تمام زمینههای علم داده💯
📂 این منبع ماژولهای زیادی مثل ریاضیات علم داده، آمار و احتمال، مباحث پایه، یادگیری عمیق، مطالعات موردی و پروژه های واقعی و... رو شامل میشه.👌🏼
┌ 🏷 Complete Data Science Bootcamp
└ 📝 Resources to Learn Data Science
#️⃣ #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📎
👨🏻💻 مونا حاتمی از دانشمندان و محققین داده یک دوره رایگان "دیتا ساینس کاربردی" رو به صورت هفتگی و به زبان فارسی در یوتیوب منتشر میکنه. تابحال 12 ویدیو از این دوره در یوتیوب منتشر شده است.
🔷 طی این دوره، یک پروژه ساده دیتاساینس از ابتدا تا مرحله آموزش مدلهای ماشین لرنینگ و مقایسه آنها به زبان ساده آموزش داده میشه.
🔶 دیتاست استفاده شده در این دوره، دیتاست شرکت اسپیس ایکسه که با دوره Applied Data science Capstone IBM در پلتفرم کورسرا مطابقت داره.
✅ تمام نوتبوکهای این ۱۰ هفته هم در گیت هاب قابل دسترسه.
🔖 راهنمای استفاده از دوره دیتا ساینس کاربردی:
┌ 🏷 Applied Data Science
├ 🎬 Applied Data Science YouTube
└ 🗃 Applied Data Science GitHub
#️⃣ #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📎
@MachineLearning_ir - Understanding DL.pdf
22.31M
📕کتاب "درک یادگیری عمیق"
📂 از تئوری تا عمل + تمرین
👨🏻💻 یکی از مشکلاتی که در فهم مباحث یادگیری عمیق وجود داره، عدم فهم درست مفاهیم به دلیل پیچیدگی مباحثه. این کتاب میاد تعادلی بین مباحث تئوری و عملی ایجاد میکنه و به روز ترین مفاهیم و تکنولوژیهای یادگیری عمیق رو در فصول کوتاه و متمرکز به شما ارائه میده تا فهم مطالب آسونتر بشه.
✅ از طرفی این کتاب مفاهیم یادگیری عمیق رو در قالب تصاویر و اشکال ریاضی و با رویکردی عملی تشریح میکنه و این امکان رو به شما میده تا این مفاهیم رو به بهترین شکل ممکن یاد بگیرین.💯
┌ 🏷 Understanding DL
├ 🌐 Homepage
└ 🗃 GitHub
#️⃣ #یادگیری_ماشین #ML
➖➖➖➖➖➖➖➖➖➖➖➖
💡
👨🏻💻 دوره رایگان "آمار و احتمال" Khan Academy، یه منبع عالی برای یادگیری مفاهیم آمار و احتمال برای ماشین لرنینگ هست. این دوره 16 جلسه آموزشی فوقالعاده جامع رو شامل میشه که مباحث مقدماتی تا پیشرفته آمار و احتمال رو پوشش میده.
🔷 با این دوره، شما مهارتهای ضروری و لازم برای آنالیز دادهها، استفاده از الگوریتمهای ماشین و ایجاد مدلهای پیشبینی بر اساس دادهها رو بدست میارین.
✅ اینم لینک دوره + درسنامهها: 👇🏼
┌ 🏷 Statistics & Probability Course
├ 🚀 Statistics & Probability Homepage
└ 🗃 Statistics & Probability Notes
#️⃣ #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
📎
@MachineLearning_ir - Python ML Blueprints.pdf
37.99M
🔴 پیاده سازی مفاهیم یادگیری ماشین در پروژههای واقعی با کتابخانههای پایتون
👨🏻💻 یه کتاب فوق العاده برای یادگیری مفاهیم ماشین لرنینگ به صورت عملی و پروژهمحور. در این کتاب شما با استفاده از پایتون و کتابخانههای معروفی مثل Scikit-learn, TensorFlow و Keras، میتونین مفاهیمی که یاد گرفتین رو در پروژههای واقعی و هوشمندانه به کار ببرین.👌🏼
#️⃣ #یادگیری_ماشین #ML
➖➖➖➖➖➖➖➖
⭕️ 15 کتابخانهیِ پایتون که زندگی مهندسان یادگیری ماشین را سادهتر میکند! 👌🏼
┌ 🏷 Machine learning, Modelling & Evaluation
├ 🔴 scikit-learn
├ 🟠 scipy
├ 🟡 statsmodels
├ 🟢 Yellowbrick
├ 🔵 imbalanced-learn
└ 🟣 mlxtend
┌ 🏷 Feature Engineering
├ 🔴 pandas
├ 🟠 Feature-engine
├ 🟡 Category Encoders
├ 🟢 Featuretools
└ 🔵 tsfresh
┌ 🏷 Hyperparameter Optimization
├ 🔴 scikit-optimize
├ 🟠 Hyperopt
└ 🟡 Optuna
┌ 🏷 Forecasting
└ 🔴 sktime
┌ 🏷 Other Python Libraries for ML
├ 🔴 Polars
├ 🟠 Nixtla
├ 🟡 skforecast
└ 🟢 Transformers
#️⃣ #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
📎
9.45M حجم رسانه بالاست
مشاهده در ایتا
👨🏻💻 یه روش فوق العاده برای افزایش سرعت زمان عرضه برنامههای علم داده و هوش مصنوعی استفاده از کتابخونه اُپن سورس Taipy هست. این کتابخونه Python به دانشمندان داده، مهندسان یادگیری ماشین و برنامهنویسان Python این امکان رو میده تا دادهها و مدلهاشون رو در مدت زمان کوتاهی به یه برنامه وب کاملاً عملی تبدیل کنن.
✅ از ویژگیهای مهم Taipy :
1) سادگی در استفاده به همراه قابلیتهای قدرتمند برای توسعهدهندگان بدون پیش زمینه کدنویسی.
2) پشتیبانی از اسکریپتهای Python و دفترچههای Jupyter.
3) افزونه Taipy studio برای Visual Studio Code به منظور توسعه سریعتر برنامهها.
4) قابلیت توسعه و سفارشیسازی زیاد با توجه به نیازهای پروژههای صنعتی.
🔖 راهنمای استفاده از Taipy:
┌ 🏷 Taipy Python Library
├ 🧩 Taipy
├ 🎬 Taipy Youtube Channel
└ 🗃 Taipy GitHub
#️⃣ #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
📎
#فرصت_شغلی مهندس ماشین لرنینگ
✅شرکت مایکت، "Machine Learning Engineeer" استخدام می نماید.
▪️برای کسب اطلاعات بیشتر و ارسال رزومه علمی و کاری خود، به لینک زیر مراجعه نمایید:
🔗https://buff.page.link/pzsh
🏫
#فرصت_شغلی کارشناس هوش تجاری (BI)
✅شرکت آماده لذید، "کارشناس هوش تجاری (BI)" استخدام می نماید.
▪️علاقمندان می توانند رزومه علمی و کاری خود را به آدرس ایمیل زیر ارسال نمایند.
📧 A.farmani@amadehlaziz.com