1098
SQL Server Data Mining/ Azure ML / Machine Learning / Data Science / Python Big-Data @Shakoorniaz
🔗 Artificial Intelligence for Beginners • Curriculum: 12 weeks, 24 lessons
ترند 2- دنیای قابل برنامه‌ریزی
Programmable World
Our Planet, Personalized
با ماشین‌های جدید، امکانات جدیدی به دنیای دیجیتال اضافه شده است به طوریکه محاسبه غیر ممکن‌ها امروزه انجام می شود.
متاورس - بر مبنای منابع معتبر، متاورس یک قلمرو دیجیتالی است که به انسان‌ها اجازه تعامل با افراد دیگر یا شخصیت‌های دیجیتالی (مجازی) در قالب آواتارها برای برقراری ارتباط، همکاری، انجام بازی، رسیدگی به امور کاری و تجاری، یا معاشرت را می‌دهد.
این تعامل و یا Intraction در یک قالب جدید و شکلی جدید صورت می‌گیرد.
هر فردی در متاورس یک دوقلوی جدید دیجیتالی دارد که به آن Digital Twin می‌گویند. دوقلوی مجازی همان آواتار است.
در دنیای جدید دیجیتال، برای تعاملات، تفریح، بازی و کار از آن استفاده می‌کنند. این شخصیت مجازی جدید در ابعاد مختلف می‌تواند زندگی را جذاب‌تر، لذت‌بخش و ساده‌تر کند.
متاورس به عنوان یک فرهنگ جدید در دنیای دیجیتال در حال تکامل است. تاورس یک اژدها نیست؛ ترسناک نیست، بلکه درباره فرار از محدودیت‌ها و دیوارهای فیزیکی است تا زمانی را در یک فضای دیجیتال سپری کنیم.
🔗لینک کانال رسانه علم داده
ترندهای نوین دیجیتال
در عصر دیجیتال بصورت سالیانه گزارش ترندهای نوین دیجیتال و سازمان‌های پیشرو توسط موسسات تحقیقاتی بین المللی نظیر اکسنچر و دلویت منتشر می شوند.
رهبران بازار در هر صنعتی برای پیشرو بودن می‌بایست همواره نظاره‌گر این ترندها باشند و آنها را در صنعت خود و بر اساس برنامه‌ریزی مدون، پیاده‌سازی و اجرا نمایند.
همه به ترندهای نوین در عصر دیجیتال چشم دارند، «همه»، یعنی آنهایی که قصد دارند پیشرو باشند و در عصر دیجیتال، لیدر بازار باشند و از تکنولوژی‌های نوین استفاده کنند.
موسسه اکسنچر در سطح بین الملی داری بیش از 690000 پرسنل است و در سطح سازمان های مقیاس بزرگ قرار می گیرد. و گزارشات لبه تکنولوژی را به بیش از 120 کشور بصورت تخصصی و در سطح عمومی نیز ارائه می‌کند.
هر کدام از این ترندها از مجموعه‌ای از تکنولوژی های نوین استفاده شده تا زندگی ما را دیجیتالی کنند.
▫️در ادامه ترندهای نوین معرفی می شوند.
لینک کانال رسانه علم داده
📚برای مطالعه
📌موضوع شماره ۱ - ۱۰ ترند برتر علم-داده در ۲۰۲۳
🗂️دسته بندی: معرفی ترند و تکنولوژی
▫️بخش سوم
7. تحلیل افزوده - Augmented Analytics
Augmented Analytics ایده‌های آگاهی مبتنی بر Context و فرآیندهای خودکار ایجاد کرده است و با استفاده از الگوریتم‌های خاص، تحلیل مکالمه ای Conversational Analytics
را فعال می‌کند. با افزایش تعداد حوزه‌های کاربردی، منطقی‌سازی حجم رو به رشد داده‌های شرکتی برای صنایع مهمی مانند دفاع و حمل و نقل موفقیت‌آمیزتر خواهد بود.
این موضوع در گزارش اکسنچر که بصورت منتشر می شود، با توسعه متاورس و web3 و
واقعیت افزوده Augmented Reality، به شدت قوت می گیرد.
8. خودکار کردن فرآیند به صورت رباتیک - Automating Process Robotically
APR - فناوری نرم افزاری پیشرفته ای است که امکان ایجاد، استقرار و مدیریت ربات هایی را فراهم می کند که در هنگام تعامل با سخت افزار و نرم افزار دیجیتال، رفتار انسان را کپی یا تقلید می کنند.
صنایع و کسب و کارها به دنبال دقت و کارایی برای تکمیل حجم وسیعی از وظایف توسط ربات ها، بدون خطا با حجم و سرعت بالا هستند.
9. مهاجرت به سمت فضای کلود -
Cloud Migration
این ترند، فرآیند انتقال دارایی های دیجیتال مانند داده ها، میزان کار، منابعIT یا برنامه های کاربردی به زیرساخت کلود بر اساس تقاضا و بصورت یک محیط سلف سرویس {سلف سرویس تعبیری از زیرساخت کلود است} محسوب می شود.
هدف، دستیابی به کارایی و عملکرد بی وقفه با کمترین میزان عدم قطعیت در نظر گرفته شده است. همانطور که کسب و کارهای بیشتری به مزایای آن پی می برند، برای بازنگری در خدمات خود و بهبود اثربخشی، چابکی و نوآوری عملیات شرکت خود، در مهاجرت به فضای کلود با سرعت بیشتری عمل می کنند.
10. اتوماسیون تحلیل بیگ دیتا -
Big Data Analysis Automation
اتوماسیون تحلیل بیگ دیتا یکی از منابع اصلی دگرگونی دنیای امروزی است که در آن داده ها قانون گذارند. به طور خاص، امکانات اتوماسیون در حال حاضر حول اتوماسیون تحلیل بیگ دیتا می چرخد.
همچنین، اتوماسیون فرآیند تحلیلی (APA) ، بینش و توانایی‌های پیش‌بینی متعددی را ارائه می‌دهد، به ویژه در مورد نقش قدرت محاسباتی در فرآیند تصمیم‌گیری، که به سازمان‌ها در دستیابی به کارایی در خروجی و مدیریت هزینه ها کمک می‌کند.
Analytical Process Automation
📌سخن آخر
هوش مصنوعی و علم داده راه درازی را طی کرده اند و پیچیدگی های خاص خود را برای استفاده در سازمان ها دارند. بیشتر سازمان ها در حال ساده سازی هوش مصنوعی و علم داده هستند تا بهره وری و کارایی آنها افزایش یابد.
هوش مصنوعی و علم داده بیشتر برای حذف کارهای دستی، خودکارسازی و ربات-محور کردن امور انسانی در سال 2023 و بعد از آن استفاده خواهند شد.
✍🏻گردآوری و تحقیق: ونوس شکورنیاز
🔗لینک کانال رسانه علم داده
📚برای مطالعه
📌موضوع شماره ۱ - ۱۰ ترند برتر علم-داده در ۲۰۲۳
🗂️دسته بندی: معرفی ترند و تکنولوژی
▫️بخش اول
مقدمه
در حال حاضر هوش مصنوعی و علم داده دو موضوع محبوب در بازار جهانی فناوری (Global Tech Market) است. بخش‌های متعدد و گسترده ای در سراسر جهان از سیستم‌های مستقل، امنیت سایبری، اتوماسیون،
RPA -Robotic Process Automation و چندین مزیت دیگر ارائه شده توسط مدل‌های هوش مصنوعی بهره می‌برند. بنابراین برای افزایش بهره وری و کارایی، کسب و کارهای مبتنی بر فناوری و داده باید از پیشرفت های نوین هوش مصنوعی آگاه باشند.
علم داده، با آگاهی داده محور از مخاطبان هدف و خاص، مطمئناً هر صنعتی را متحول خواهد کرد و از ابن رو برای زنده ماندن در صنعت دیجیتال جهانی، کسب و کارها باید از تِرِندها یا پیش بینی های رایج هوش مصنوعی و علم داده آگاه باشند.
همچنین، دانشمندان داده مطمئناً به آگاهی جامعی از ترندهای نوین علم داده - Data Science Trendsنیاز دارند. برای مدیریت اطلاعات گسترده از سراسر جهان، دانشمندان داده باید در صنعت فناوری به روز بمانند. بنابراین، پیش‌بینی‌های علم داده یا ترندهای آینده علم داده ممکن است به شرکت‌ها در برنامه‌ریزیِ پویای بازار فنی در آینده کمک کند.
10 ترند برتر هوش مصنوعی و علم داده در سال 2023
1. پیشرفت تحلیل پیشگویانه - Predictive Analytics Advancement
توسعه تحلیل پیشگویانه برای بهبود تحقیقات یکی از شناخته شده ترین و محبوب ترین ترندها در زمینه هوش مصنوعی است.
تحلیل پیشگویانه، مبتنی بر استفاده از داده‌ها، الگوریتم‌های آماری و روش‌های یادگیری ماشین برای تعیین احتمال نتایج آینده با استفاده از سوابق داده‌ها است. به عبارتی دیگر با استفاده از اطلاعات گذشته، دقیق‌ترین پیش‌بینی را از آنچه در آینده رخ خواهد داد، انجام دهیم.
2. معرفی سیستم های مستقل | خودگردان بهبود یافته - Improved Autonomous System
سیستم های خودکار بهتری در حال معرفی هستند که یکی از فاکتورهای مهم در هوش مصنوعی محسوب می شوند. توسعه فناوری هواپیماهای بدون سرنشین / پهبادها - Drone Technology، اکتشافات خودگردان و سیستم‌های مشتق شده از زیست‌شناسی، همه در اولویت‌های نسل آینده سیستم‌های خودمختار با مدل‌های هوش مصنوعی هستند. فناوری‌هایی مانند پرواز، آمبولانس‌های خودران، و پاهای مصنوعی که به‌طور خودکار با گام‌های کاربر با استفاده از یادگیری ماشینی سازگار می‌شوند، در مرکز این تحقیقات هستند.
3. مدل‌های زبان بزرگ (LLM)
یادگیری ماشین، پایه و اساس مدل‌های زبان بزرگ است که از الگوریتم‌هایی برای شناسایی، پیش‌بینی و تولید زبان‌های انسانی از مجموعه داده‌های عظیم مبتنی بر متن - Text-Based Data Setاستفاده می‌کنند.
این مدل‌ها شامل
تحلیل احساسات - Sentiment Analysis
ترجمه ماشینی - Machine Translation
تحلیل جملات - Sentence Analysis
مدل‌های زبان آماری - Statistical Language Models
مدل‌های زبان عصبی - Neural Language Models
تشخیص گفتار - Speech Recognition
و پیشنهادات متنی - Text Suggestions
هستند.
✍🏻گردآوری و تحقیق: ونوس شکورنیاز
🔗لینک کانال رسانه علم داده
🎬 فیلم و بسته آموزشی (فارسی) علم داده در پایتون
1️⃣ بخش اول: آماده سازی داده در پایتون
Part1: Data Preprocessing with Python
⏳مدت 100 دقیقه
همراه با فایل برنامه ها و اسلایدهای آموزشی به تفکیک هر درس 📽️+ 📖
▫️برای خرید بسته آموزشی به آی دی ادمین پیام دهید و یا ایمیل بزنید.
📧 e-mail: datascience.media@gmail.com
📌مشخصات دوره آموزشی علم داده در پایتون به زبان فارسی
▫️نحوه نصب نرم افزارها و اعمال تنظیمات مورد نیاز و ساخت مدل‌های یادگیری ماشین در محیط Anaconda و در نرم‌فزار Spyder IDEبصورت گام به گام و همراه با کدهای برنامه‌نویسی آموزش داده می شود.
▫️سناریوهای آموزشی مطابق با استانداردها و سرفصل‌های معتبر آموزشی در پایتون ارائه می گردد.
▫️این دوره در سه بخش آماده سازی داده ها، الگوریتم های مرتبط با دسته‌بندی و خوشه‌بندی ارائه می شود و این بسته آموزشی شامل بخش اول «آماده سازی داده در پایتون» می باشد.
▫️بخش اول: نصب و راه اندازی و آماده سازی داده در پایتون
Part1: Data Preprocessing - 100 min
▫️Section 1 - Data Science and Machine Learning Applications
▫️Section 2 - Install Python - Anaconda and Configure Spyder IDE
▫️Section 3 - Get the dataset
▫️Section 4 - Importing the Libraries
▫️Section 5 - Importing the Dataset
▫️Section 6 - Missing Data
▫️Section 7 - Categorical Data
▫️Section 8 - Splitting the Dataset into the Training set and Test set
▫️Section 9 - Feature Scaling
📌بخش های دوم و سوم بزودی ارائه خواهد شد.
بیشتر از ۱۰۰ درس رایگان برای یادگیری علم داده و زبان های برنامه نویسی مرتبط💫
Читать полностью…
📕 Top 6 Data Science Books that you must study in 2020
Title: Practical Statistics for Data Scientists
Author(s): Peter Bruce and Andrew Bruce
Publisher: Published by O’Reilly Media, Inc., 2017
@SQL_DataMining
▪️Top 6 Data Science Books that you must study in 2020
#Data_Science
Source: https://towardsdatascience.com
@SQL_DataMining
📍Top 20 Websites for Data Science
#websites #Data_Science
@SQL_DataMining
✅مشخصات فیلم آموزشی علم داده در Microsoft Azure ML
🍃در این فیلم آموزشی ساخت مدل‌های یادگیری ماشین با تعریف یک سناریوی آموزشی/ کاربردی، طی یک فرآیند استاندارد یادگیری ماشین و علم داده در محیط Microsoft AzureML گام به گام به صورت عملی در نرم افزار آموزش داده می شود. سناریوهای آموزشی مطابق با استانداردها و سرفصل‌های معتبر آموزشی در Microsoft ارائه می گردد.
🍃سر فصل درس ها:
Section 1 - Data Science and Machine Learning Applications
Section2 - Microsoft Azure Machine Learning Studio Overview1
Section3 - Microsoft Azure Machine Learning Studio Overview2
Section3 - What is Data Science?
Section3 - Data Science Process
Section4 - Get Data: Automobile Price Prediction
Section4 - Create New Training EXPERIMENT
Section4 - Select Column in Data Set
Section4 - Prepare the Data
Section5 - Prepare the Data, Clean Missing Data
Section6 - Define Features for Prediction
Section7 - Split Data: Use data to Train and Test the model
Section7 - Choose and Apply a learning algorithm
Section7 - Run Experiment
Section 8 - Score Model
Section 8 - Deploy an Azure Machine Learning as a Web Service and Predictive Experiment
Section 8 - Test Azure Machine Learning Web Services
🎬 فیلم و بسته آموزشی (فارسی) علم داده در پایتون
1️⃣ بخش اول: آماده سازی داده در پایتون
Part1: Data Preprocessing with Python
⏳به مدت 100 دقیقه
قیمت: ۲۵۰ هزار تومان
✅برای خرید بسته به آی دی ادمین پیام دهید و یا ایمیل بزنید.
به همراه فایل برنامه ها و اسلایدهای آموزشی به تفکیک هر درس
📧 e-mail: venus.shakoorniaz@gmail.com
@SQL_DataMining
🎬 فیلم و بسته آموزشی کارگاه داده کاوی و علم داده در SQL Server و AzureML به مدت 7 ساعت
قیمت: ۵۰۰ هزار تومان
برای خرید بسته به آی دی ادمین پیام دهید.
به همراه فایل برنامه ها و اسلایدهای آموزشی به تفکیک هر کارگاه
@SQL_DataMining
Best Youtube Channels
For DATA SCIENCE
——————————————————
Python » Corey Schafer
SQL » Joey Blue
Mathematics » 3BluelBrown
PowerBl ™ » Guy in a Cube
Tableau "» Tableau Tim
MS Excel » ExcellsFun
Statistics » statquest
ML, DL ™ » sentdex
Data Analyst ™ » AlexTheAnalyst
📚برای مطالعه
📌موضوع شماره ۲ -Web Me
🗂️دسته بندی: معرفی ترند و تکنولوژی
▫️بخش سوم
✨یک روز عادی در سال 2030
او و همکارش در حالی که یک ربات ساختمانی را هدایت می‌کنند تا روی بخشی از بزرگراه، آسفالت بریزد، صحبت می‌کنند. در همین حین، دستیار او به صورت هولوگرام در لبه سایت ظاهر می‌شود و برای او دست تکان می‌دهد تا خلاصه کار روز را تأیید کند و به او یادآوری کند که زمان ملاقات با بازرس شهر برای پروژه دیگری فرا رسیده است.
او به سمت دفتر کار خود می‌رود، VR headset خود را می‌گذارد و خود را در لابی بخش برنامه‌ریزی شهری بصورت مجازی می بیند. دیگر نیازی نیست تا حضور فیزیکی داشته باشد. سوار ماشین و یا مترو شود...
دستیار AI او دوباره ظاهر می‌شود تا او را به سمت اتاق کنفرانس مجازی که جلسه‌اش در آنجا برگزار می‌شود هدایت کند.
به محض ورود او، اتاق با استفاده از یک فید Time Real از یک پهباد بیرونی بصورت یک سایت بازرسی به نظر می‌رسد (مسیر روگذری که اخیراً تکمیل کردند). اطلاعات را از یک پهباد بیرونی جمع آوری می کند.
نقشه‌های معماری از اطلاعات قراردادهای کالیفرنیا که فضای کلود ذخیره شده
California Contractor Cloud
بر روی فیلم زنده و چند بعدی گذاشته می‌شود و سرکارگر و بازرس شروع به ارزیابی کار می‌کنند.
پس از تایید بازرس، دستیار خود را برای ارائه درخواست‌های مجوزهای ساخت‌و‌ساز بعدی می‌فرستد. سپس هدست خود را برمی‌دارد و به سمت محل کار برمی‌گردد.
این فضا را تجسم کنید که بزودی فراگیر می‌شود و زیرساخت‌های آن در حال آماده‌سازی است.
چیزی که بیان شد، این است که در مورد هر ترند موضوعات تصویر کلی، تحلیل آن، اقداماتی که می‌توان انجام داد و خطوط فکری، بیان می‌شود.
این گزارشات معمولا یک برنامه 100 روزه را برای پیاده‌سازی هر ترند را به سازمان ها ارائه می‌کنند و هر سازمانی می تواند با در نظر گرفتن میزان آمادگی خود از ابعاد مختلف، به پیاده‌سازی آنها بپردازد.
با این مقدمه پیاده سازی ترندها و ارتباط آن با هوش مصنوعی و علم داده در پست های بعدی شرح داده می شود.
✍🏻گردآوری و تحقیق: ونوس شکورنیاز
🔗لینک کانال رسانه علم داده
📚برای مطالعه
📌موضوع شماره ۲ -Web Me
🗂️دسته بندی: معرفی ترند و تکنولوژی
▫️بخش اول
ترند WEB Me
در سال 2016 و 2017 ترندی با عنوان IOM گسترش پیدا کرد. اینترنت برای من
در حال حاضر و از سال 2022 و در 2023 بسیار فراتر رفته و تبدیل شده به WEB ME
و به معنای قرارگرفتن افراد در متاورس است.
Putting the Me in Metaverse
متاورس چه کاری انجام می‌دهد و چقدر در بیزینس و کار ما، در تعاملات و حتی تفریحات ما تاثیرگذار است؟
اینترنت در حال بازسازی شدن است و یک تصویر جدیدی از آن، با یکسری از تکنولوژی‌های نوین، ساخته می‌شود. این تصویر و بازسازی جدید در اینترنت با متاورس و WEB3 صورت می‌گیرد. پیشتر بستر اینترنت با WEB 1.0 و WEB 2.0 ارائه می‌شد و برنامه‌های کاربردی و تعاملات کاربران، شبکه‌ها چه بصورت B2B و چه در قالب B2C در این قالب بود. اما در حال حاضر متاورس و WEB3 این زیرساخت را تغییر داده‌اند.
🔺ادامه دارد…
✍🏻گردآوری و تحقیق: ونوس شکورنیاز
🔗لینک کانال رسانه علم داده
برای ساخت از ۴ نرم افزار مختلف استفاده شده و متن ، صدا و آواتار همه با ماشین تولید شده است.
نحوه ساخت آنرا در پست های بعدی آموزش خواهم داد.
🔗لینک کانال رسانه علم داده
📚برای مطالعه
📌موضوع شماره ۱ - ۱۰ ترند برتر علم-داده در ۲۰۲۳
🗂️دسته بندی: معرفی ترند و تکنولوژی
▫️بخش دوم
4. NFT ها
در حال بازتعریف نحوه کار هنرمندان NFT، توسعه پروژه های جدید و مالکیت هنر خود است.
ترکیب مدل‌های NFT و AI می‌تواند کمک قابل‌توجهی به تأسیس مدارس هنری کند، زیرا آنها پتانسیل دموکراتیک کردن و غیرمتمرکز کردن ثروت و همچنین دسترسی به جریان‌های درآمدی جدید را دارند.
در حال حاضر، آثار هنری دیجیتال ِDigital Artwork و فایل‌ها را می‌توان به عنوان اشیاء انحصاری ثبت کرد و هنرمندان این امکان را دارند که با موفقیت هنری خود و با جریان درآمدی جدیدی شارژ شوند.
5. سلاح های نظامی - Military Weapons
موجودات زنده و اشیای بی جان هر دو می توانند به عنوان سلاح استفاده شوند. اسلحه، راکت، مسلسل، نارنجک و زره در لیست این گونه تسلیحات قرار دارند. ارتش ها از هوش مصنوعی برای ویژگی های نوآورانه و از راه دور و همچنین محافظت از سربازان - safeguarding استفاده می کنند. این ترند، به سرعت به عنوان یکی از برترین روندهای هوش مصنوعی برای سال 2023 در حال توسعه و ظهور است.
6. تحلیل پیشگویانه
تحلیل پیش‌بینی‌کننده زیرمجموعه‌ای از تحلیل‌های پیشرفته است که از سوابق داده‌های همراه با مدل‌سازی آماری، داده‌کاوی و یادگیری ماشین برای پیش‌بینی در مورد نتایج آینده استفاده می‌کند. با رشد بیگ دیتا، این ترند در کسب و کارها با شناسایی خطرات و احتمالات در صنایع مختلف از جمله آب‌وهوا، مراقبت‌های بهداشتی و تحقیقات علمی و انتخاب بهترین مسیر اقدام، گسترش خواهد یافت.
7. تحلیل افزوده - Augmented Analytics
Augmented Analytics ایده‌های آگاهی مبتنی بر Context و فرآیندهای خودکار ایجاد کرده است و با استفاده از الگوریتم‌های خاص، تحلیل مکالمه ای Conversational Analytics
را فعال می‌کند. با افزایش تعداد حوزه‌های کاربردی، منطقی‌سازی حجم رو به رشد داده‌های شرکتی برای صنایع مهمی مانند دفاع و حمل و نقل موفقیت‌آمیزتر خواهد بود.
✍🏻گردآوری و تحقیق: ونوس شکورنیاز
🔗لینک کانال رسانه علم داده
DataScience.Media
📌رسانه تخصصی علم داده است که به صورت مستقل مقالات، اخبار، گزارشات، آموزش و رویدادهای مرتبط با توسعه آنرا در زمینه ترندهای نوین، فناوری علم داده، داده کاوی و یادگیری ماشین منتشر می کند.
📌هر فردی می تواند در راستای گسترش و اشتراک دانش علم داده، فایل های رسانه ای خود مبتنی بر مقاله، فیلم آموزشی، اسلایدهای آموزشی با نام خود، را به ایمیل مجموعه ارسال نماید.
مطالب پس از داوری و بررسی منابع، در کانال منتشر خواهد شد.
📌اشتراک مطالب آموزشی، مقالات، اخبار و گزارشات باید بگونه ای باشد که جنبه تبلیغاتی نداشته باشد؛ چراکه بصورت رایگان و دائم در کانال قرار می گیرد.
▫️مطالبی که در قالب اینفوگرافیک هستند، پس از بررسی در کانال قرار می گیرد.
▫️سایر محتواها می تواند در قالب متن، فایل pdf، اسلاید نمایشی، فیلم و پادکست باشد.
▫️راه های ارتباطی
📱 0912 380 7750
📧 datascience.media@gmail.com
✍🏻 سردبیر: دکتر ونوس شکورنیاز
🔗لینک ورود به کانال
Digital ERA New Tech Trends 2022
🔗لینک مشاهده فیلم وبینار ترندهای نوین تکنولوژی در عصر دیجیتال ۲۰۲۲
🔴 برای مشاهده فیلم، شروع از اسلاید شماره ۳۶ از لینک مرتبط با این موضوع است
❌این فیلم در موبایل قابل نمایش نیست
🕛 مدت زمان: ۱ساعت و ۱۳ دقیقه
@SQL_DataMining
▪️9 Machine Learning END To END Project Steps
1. Data Cleaning and Formatting
2. Exploratory Data Analysis
3. Features Engineering and Selection
4. Compare multiple algorithms
5. Perform hyperparameter tuning
6. Evaluate the best model on the Testing Set
7. Interpret the model result
8. Deploy the model
9. Draw conclusions and document work
@SQL_DataMining
▪️11 MACHIN LEARNING METHODS YOU SHOULD LEARN
1. Regression
2. Classification
3. Clustering
4. Dimensionality Reduction
5. Ensemble Methods
6. Neural Networks and Deep Learning
7. Transfer learning
8. Reinforcement Learning
9. Natural Language Processing
10. Computer Vision
11. Word Embeddings
#Data_Science
@SQL_DataMining
📍Top 20 Websites for Data Science
#websites #Data_Science
@SQL_DataMining
📍Top Python Libraries for Data Science
#Python #Libraries #Data_Science
@SQL_DataMining
🎬 فیلم و بسته آموزشی (فارسی) علم داده و یادگیری ماشین در Microsoft AzuerML
Data Science with Microsoft Azure Machine Learning
⏳به مدت 70 دقیقه
قیمت: 100 هزار تومان
✅برای خرید بسته به آی دی ادمین پیام دهید و یا ایمیل بزنید.
به همراه فایل برنامه ها و اسلایدهای آموزشی به تفکیک هر درس
📧 e-mail: venus.shakoorniaz@gmail.com
@SQL_DataMining
📌 مشخصات بسته آموزشی داده کاوی و علم داده در SQL Server و AzureML:
دوره آموزشی داده‌کاوی در نرم افزار SQL Serverبه شرکت کنندگان در دوره کمک می‌کند تا علاوه بر آشنایی بر مفاهیم داده‌کاوی با فرآیند و الگوریتم های آن آشنا شده و مراحل ساخت یک پروژه داده‌کاوی را از ابتدا تا انتها مورد بررسی قرار دهند و از کاربرد آن در محل کسب و کار و در دنیای واقعی بهره‌مند گردند.
روند تدريس در دوره آموزشی به گونه‌اي است كه كاربر را از سطح كاملاً مقدماتي به سطوح پيشرفته و حرفه‌اي منتقل می كند.
در این دوره آموزشی ساخت مدل‌های کاوُشی با تعریف یک سناریوی آموزشی/ کاربردی، طی یک فرآیند استاندارد داده‌کاوی و علم داده در محیط SQL Server و Azure ML گام به گام به صورت عملی آموزش داده می شود تا ماهیت کاربردپذیری آن در هر محیط کسب‌و‌کاری و در هر صنعتی فراهم گردد. سناریوهای آموزشی مطابق با استانداردها و سرفصل‌های معتبر آموزشی دپارتمان هوشمندیِ کسب‌و‌کار و داده‌کاوی شرکت Microsoft ارائه می گردد.
ساخت مدل‌ها در دو روش بصورت Wizard و همچنین استفاده از دستورات DMX انجام می شود، سپس تحلیل مدل‌ها بر اساس نتایج بدست آمده ارائه می شود. بنابراین آن دسته از علاقه مندانی که مهارت کار با دستورات DMX و برنامه نویسی را نیز ندارند، قادر خواهند بود پس از اتمام دوره، مدل های داده‌کاوی را با استفاده از Wizard، گام به گام دنبال کرده و از این کارگاه آموزشیِ بهره ببرند.
در این دوره آموزشی، معرفی امکانات در محیط Azure ML جهت ساخت و استقرار مدل‌های داده‌کاوی و علم داده نیز ارائه می شود و برای اولین بار فیلم آموزشی آن در حدود 7 ساعت برای دوره غیر حضوری تعبیه شده است. (قابل توجه برای شرکت کنندگان در سایر شهرها و کسانی که مشغله کاری دارند و نمی‌توانند در کلاس‌های حضوری شرکت کنند.)
در این دروه آموزشی این درس ها را فراخواهید گرفت:
نام کارگاه : داده‌کاوی پیشرفته درنرم افزار SQL Server
📌 مدرس: دکتر ونوس شکورنیاز
1️⃣درس اول:
مروری بر داده‌کاوی در SQL Server - Over View of SQL Server Data Mining
آشنایی با محیط کاری:
• Microsoft Business Intelligence Studio (BI), SQL Server Data Tools
• SQL server management studio & DMX Query
• SQL Server Integration Services
• مفاهیم مدل سازی، اجزای مدل و زبان داده‌کاوی
• ساخت مدل کاوشی، آموزش مدل و پیش بینی مدل
• مفاهیم و فرآیند داده‌کاوی
• ساخت پروژه آماده سازی داده ها با استفاده از Integration Services
• معرفی معماری مدیریت داده
• معرفی سرویس کیفیت داده Data Quality Services
• معرفی سرویس مدیریت داده های اصلی (پایه) Master Data Services
2️⃣ درس دوم:
بخش بندی بازار در SQL Server (DMX) با استفاده از خوشه بندی
Segmentation DMX with Clustering Algorithms in SQL Server
3️⃣ درس سوم:
کلاس بندی و پیش بینی در SQL Server (DMX) با استفاده از درخت تصمیم
Classification and Prediction DMX with Decision Tree Algorithms in SQL Server
4️⃣ درس چهارم:
تحلیل سبد بازار با استفاده از قوانین وابستگی
Market Basket DMX Tutorial With Association Algorithm
5️⃣ درس پنجم:
معرفی الگوریتم نیو بیز و سری زمانی، تحلیل پیشگویانه در صنعت فروش
Naïve Bayes & Time Series algorithm
6️⃣ درس ششم:
ارزیابی اعتبار و دقت مدل ها با استفاده از نمودارهای دقت
Evaluation with View Mining Accuracy Charts
7️⃣ درس هفتم : معرفی الگوریتم های Data Science و یادگیری ماشین در AzureML
• Classification Algorithms
• Anomaly detection Algorithms
• Regression Algorithms
• Clustering Algorithms
• Reinforcement Learning Algorithms
• Introduction to Azure Machine Learning Studio interactive workspace
• Create New Experiment in Azure ML for Automobile price prediction
- Step 1: Get data
- Step 2: Prepare the data
- Step 3: Define features
- Step 4: Choose and apply a learning algorithm
- Step 5: Predict new automobile prices
- Step 6: Deploy an Azure Machine Learning predictive model to web service
@SQL_DataMining
📕 انباره-داده: بهروش ها و تجربیات موفق و آزموده شده برای جمع آوری، ذخیره سازی و تحویل داده های پشتیبان تصمیم
اگر علاقمند به یادگیری مفاهیم و معماری انباره-داده هستید، این فایل بصورت خلاصه و همراه با آموزش کامل شما را در این مسیر هدایت می کند.
@SQL_DataMining