1098
SQL Server Data Mining/ Azure ML / Machine Learning / Data Science / Python Big-Data @Shakoorniaz
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
📝 مسیر شغلی در علم-داده
آیا مهارت های کافی و لازم برای کار با علم-داده را دارید؟
آیا می توانید آنرا یاد بگیرید؟ و از آن لذت می برید؟
در واقع سوال مهم این است که انتخاب مسیر شغلی مناسب، تصمیمی است که بر زندگی شما تأثیرگذار خواهد بود. این روزها هر فردی می تواند هر مهارتی را بدست بیاورد اگر واقعاً با تمام وجود به آن تعلق داشته باشد. به عبارتی دیگر اگر قصد دارید مهارت علم-داده را بیاموزید، شما می توانید آنرا بیاموزید. هدف و علاقه شما در یادگیری علم-داده منجر می شود مسیر آموزش و یادگیری آنرا را طی کنید. اما در مورد سوال بعدی که لذت بردن از علم داده بود؛ باید ببینید آیا هر روز از تمرین و یادگیری علم-داده لذت می برید. یعنی اگر هر روز از تمرین کردن آن لذت می برید، پس علم-داده برای شما لذتبخش است. برای دریافت جزئیات بیشتر می توانید به لینک زیر مراجعه و چک لیست آنرا مطالعه کنید:
https://data36.com/data-science-career-question-1/
@SQL_DataMining
✍🏻 منبع: سایت https://data36.com
📝 دوستانی که علاقه به یادگیری نرم افزار Orange دارند می توانند این فایل آموزشی را دانلود و مطالعه نمایند.
✍🏻 نگارش: محمد فاتحی
#Machine_Learning, #ML , #Data_Mining
@SQL_DataMining
📕معرفی کتاب عظیم_داده برای سازمانهای بیمه گر
📕 Big Data for Insurance Companies
Edited by
Marine Corlosquet-Habart
Jacques Janssen
📝 First published 2018 in Great Britain and the United States by ISTE Ltd and John Wiley & Sons, Inc.
بر روی جلد کتاب کلمات و عبارات جذاب زیر به چشم میخورد:
🔹نوآوری
🔹کارآفرینی
🔹مدیریت سریهای عظیم_داده
🔹هوش مصنوعی
🔹مجموعه تحلیل داده ها
در ارتباط بودن و همراستا شدن این مفاهیم با هم قابل تامل است و میتونیم پیش بینی کنیم که ترکیبی از خلاقیت، علم داده، هوشمندی و یادگیری ماشین، الگوریتم های ریاضی و آمار داخل کتاب در انتظارمون هستند.
میدونیم که امروزه حضور عظیم-داده در اغلب کسب و کارها اجتناب ناپذیر بوده و همواره متخصصان علم داده را برای مدیریت و استفاده بهینه از آنها و استخراج اطلاعات هوشمندانه و پیش بینی رفتارهای آتی به فکر فرو برده است. تا قبل از این بدلیل ضعف کامپیوترها و زیرساختها این مقوله فقط جنبه تئوری داشته و امکان پیاده سازی واقعی و کاربردی را نداشتند؛ ولی در حال حاضر این امکان فراهم شده است و متخصصان علم داده با سرعت زیادی مشغول اجرائی کردن ایده ها و طرح های نوآورانه ای هستند.
در این کتاب بصورت کاملا حرفه ای به این موضوعات پرداخته شده و ارائه چارچوب و الگوریتمهای جالب و مفاهیم ریاضی و آماری مربوطه به خوبی در کنار هم مطرح شده اند. همچنین در فصول آخر برای شرکتها و سازمانهای بیمه گر نیز پیشنهادها و راهکارهایی ارائه شده است.
در این کتاب مشخصات اصلی عظیم_داده تحت عنوان 5V بصورت زیر مطرح و بررسی شده اند:
Variety
Volume
Velocity
Varacity
Value
مطالعه این کتاب برای متخصصان علم داده، یادگیری ماشین و کلیه کسانی که تمایل دارند اطلاعات به روز داشته باشند توصیه میشود.
#معرفی_کتاب
#عظیم_داده
#یادگیری_ماشین
#Big_Data
#Insurance
#Machine_Learning
@SQL_DataMining
1️⃣ قطره اول 💧
🎬 دوستانی که علاقه به یادگیری ماشین - Machine Learning دارند می توانند فیلم آموزشی7 دقیقه ای را ببینند. از این به بعد در هر جمعه آموزش قطره ای یادگیری ماشین با پایتون و R ارائه می شود.
آموزش نصب زبان برنامه نویسی R
#ML_Friday2
#R
#Machine_Learning
@SQL_DataMining
▫️معرفی ابزار AzureML
AzureML یک استدیوی تعاملی و یک ابزاری است که شما می توانید برای ساخت، آزمون و استقرار راهکارهای تحلیل های پیشگویانه روی داده هایتان از آن استفاده نمایید.
استدیوی یادگیری ماشینِ آن، مدل ها را به صورت وب سرویس منتشر می کند، بگونه ای که به سادگی توسط اَپ ها و ابزارهای BI مانند Power BI و حتی اکسل قابل استفاده هستند. این محیط جاییست که در آن علم داده، تحلیل های پیشگویانه، منابع اَبری و داده ها بصورت یکجا در دسترس و قابل کاربرد هستند.
همچنین برای شما یک محیط کاملاً تعاملی، بصری برای ساخت مدل های پیشگویانه مهیّا ساخته است بطوریکه می توانید منابع و مجموعه داده های ذخیره شده در بستر اَبریِ آنرا به سادگی بر روی محیط ویژوال آن بکشید و رها کنید. بله به همین سادگی...
مدل هارا می توانید بر روی بومِ کاریِ تعاملی آن (canvas)، تحلیل نمایید. منابع و ابزارهای تحلیلی را بهم متصل نموده تا یک تجربه جدید (experiment) برای اجرا در استودیوی یادگیری ماشین آماده شود. در این استودیو به هر مجموعه مدل ها، ابزارها، الگوریتم های تحلیلی در یک بوم کاری یک تجربه گفته می شود. بله در این استودیوی یادگیری ماشین شما به سادگی تجربه های تحلیلی می سازید...
می توانید طراحی مدل ها را تکرار کنید، تجربه را ویرایش و آنرا ذخیره و سپس دوباره اجرا (run) کنید و زمانیکه از خروجی و صحّت مدل ها مطمئن شدید، «تجربه یادگیری» - (training experiment) را به «تجربه پیشگویانه» - (predictive experiment) تبدیل (convert) کنید. در نهایت آنرا به عنوان یک وب سرویس منتشر کنید و اینجاست که مدل های شما می توانند توسط افراد دیگر استفاده شوند.
هفت گام ساده برای ساخت یک «تجربه یادگیری» و تبدیل آن به یک «تجربه پیشگویانه» و انتشار آن به عنوان وب سرویس تعریف می شود:
1- ایجاد یک تجربه جدید با +New experiment
2- بدست آوردن داده - دسترسی به منابع داده ای در بستر اَبری در این مرحله صورت می گیرد که شما با تایپ نام منبع داده ای مورد نظرتان، می توانید آنرا جستجو و سپس به بوم کاری خود بکشید. (drag-and-drop)
3- آماده سازی داده - برای پاکسازی داده های پَرت و یا فیلدهایی که فاقد مقدار هستند، ابزارهایی برای شناسایی و حذف (exclude) بصورت ستونی و ردیفی وجود دارد. آیتمی به نام Select Column in Dataset وجود دارد که برای انتخاب و شناسایی ستون ها استفاده می شود. سپس با آیتم Clean Missing Data می توانید به آماده سازی ردیفی نیز بپردازید.
4- تعریف مشخصه ها - در این مرحله ستون هایی که برای تحلیل ها مناسبند، انتخاب می کنید. برای این منظور نیز باید از آیتم Select Column in Dataset استفاده نمایید.
5- انتخاب و بکارگیری الگوریتم یادیگری - در این مرحله قبل از بکارگیری الگوریتم موردنظرتان، مجموعه داده را باید به دو مجموعه یادگیری و آزمایشی تقسیم کنید. برای این منظور از آیتم Split Data استفاده کنید. سپس با تایپ نام الگوریتم آنرا پیدا و در بوم کاری خود بکشید. و آنرا به مدل یادگیری (Train Model ) وصل نمایید و سپس تنظیمات الگوریتم را انجام دهید. در هر مرحله باید تجربه (experiment) را اجرا کنید.
6- ارزیابی و امتیاز دهی به مدل ها - با آیتم Score Model می توانید مدل ها را ارزیابی کنید.
7- و در پایان آنرا به عنوان یک وب سرویس منتشر (Publish) کنید.
Why Data-as-a-Service
Is the Next-Generation
Data Platform
#DAAS
@SQL_DataMining
چگونه می توان تقاضا را برای یک محصول با استفاده از یادگیری ماشین پیش بینی کرد؟ گام ها با استفاده از تحلیل رگرسیون:
@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
📝 دوستانی که علاقه به آگاهی از روندهای نوین در عصر دیجیتال دارند می توانند این فایل را دانلود و مطالعه نمایند.
✍🏻 نگارش: ونوس شکورنیاز
@SQL_DataMining
📝 دوستانی که علاقه به یادگیری ماشین - Machine Learning دارند می توانند این فایل آموزشی را دانلود و مطالعه نمایند.
✍🏻 نگارش: محمد فاتحی
#Machine_Learning, #ML , #Data_Mining
@SQL_DataMining
📕معرفی کتاب روندهای نوین در عصر دیجیتال
این کتاب نگاهی دارد به چشم‌‌‌‌‌انداز فن‌آوری‌های دیجیتال و گزارش‌های منتشر شده طی سال‌های 2015 تا 2017 که توسط مؤسسه‌ها و شرکت‌های تحقیقاتی و مشاوره‌ای مطرح دنیا نظیر اکسنچر و دلویت در این زمینه در هر سال منتشر میشود. این مؤسسه‌ها دیدگاه‌ها، گرایش‌ها و روندهای فن‌آوری‌های نوین دیجیتالی را که طی سه تا پنج سال آتی، تأثیر چشم‌گیری بر پیشگامان صنعت خواهند داشت را معرفی می‌‌کنند. همچنین در این کتاب از تحقیقات، به‌روش‌ها، تجربه‌های آزموده شده‌ی شرکت‌های معروف و مطرح در دنیا، نظرسنجی‌ها و گزارش‌های ارزیابی مؤسساتی نظیر گارتنر، دلویت، مجلات معتبر و سایت‌های رسمی مرتبط با هر موضوع، برای تشریح و کاربردپذیری روندهای نوین در عصر دیجیتال همراه با ارائه خدمات و محصولات مرتبط با آنها بهره گرفته شده است.
#معرفی_کتاب
@SQL_DataMining
🌟معرفی موارد کاربردی از علم داده در کسب و کارهای متعدد و صنایع
📌برخی از کاربردهای یادگیری ماشین و هوش مصنوعی را در این یاددشت بخوانید و بعد از آن فکر کنید که چرا امروزه ترس از کاربردهای هوش مصنوعی در زندگی بشر تضمین نشده است!
این یادداشت از زبان فردی است که در یک کنفرانس حضور داشته و به برداشت های خود از یک سخنرانی درباره آمازون پرداخته است...
سخنران طرفدار آمازون بود. او به همه چیز در مورد عملکرد شرکت آمازون علاقه داشت. از مدل کسب و کار، تکنولوژی های مورد استفاده در آن، نحوه رشد، استراتژی ای که برای مقابله با هر رقیب از طریق ارائه خدمات بهتر به مشتریان خود، دنبال می کند. اگر به آرم آمازون دقّت کنید، یک فلش یا نشانه را از A به سمت Z می بینید. این یعنی آمازون همه چیز را دارد و باید داشته باشد. آنها مالک بازار هستند، هر چیزی که فکر کنید، می توانید در آمازون بیابید.
یکی از محصولات ویژه که آمازون با بکارگیری هوش مصنوعی ارائه کرد، اَلِکسا (Alexa) است. الکسا نسخه پیشرفته و مدرن محصولِ سیریِ اَپل - Apple’s Siri است. برای نمونه، به یکی از کاربردهای آن در یخچال اشاره می کنم. این محصول می تواند یخچال شما را کنترل نماید و اگر شما قصد خرید نوشیدنی مورد علاقه خود را دارید، تنها کافیست با کلیک بر رویِ اَپ، سفارش خرید خود را در Amazon Go ثبت و در کمتر از یک ساعت آنرا در منزل دریافت کنید. علاوه بر آن می توانید روی تمامی مواد غذایی موجود در حافظه یخچال، برچسب های تاریخ انقضاء ثبت کنید تا یخچال آن تاریخ را به شما در روز مقرر شده، یادآوری نماید. علاوه بر آن می توانید دستورالعمل های غذایی مورد علاقه خود را جستجو نمایید، موسیقی درخواست کنید و سایر سفارشات مجاز را به سایت Amazon.com بفرستید.
کاربرد دیگر: الکسا دارای امکان «تشخیص صداست» - voice recognition و می تواند به کودکان شما آموزش دهد. هنگامی که کودکان از الکسا خرید دونات درخواست می کنند، از طریق تشخیص صدای آنها می تواند پیشنهادی را که توسط والدین آنها در یخچال ثبت شده است را ارائه دهد؛ و با ارائه ای جذاب، سیب را به جای دونات به کودک پیشنهاد می دهد.
مواردی که بیان شد از کاربردهای هوش مصنوعی است. با با همکاری اخیر آمازون با مایکروسافت، نیز این کاربردها بیشتر خواهد شد. این دو شرکت قصد دارند سیستم های نورونی را با الگوریتم ها اضافه کنند تا «عامل تجربه» - experience factor را به این معادله اضافه کنند.
البته بعضی افراد معتقدند که علیرغم اثرات مثبتی که هوش مصنوعی در جامعه به ارمغان می آورد، دارای اثرات منفی نیز هست، در واقع هوش مصنوعی بعضی از جنبه های انسانیِ فرآیند تولید را از بین می برد. دیدگاه فاجعه آمیز دیگری ادعا می کند که هوش مصنوعی قادر است انسان را به عنوان بخش های هوشمند ناچیزی از زندگی ببیند و حتی در شرایطی آنها را حذف می کند.
دیدگاه من نسبت به کسانی که هیجان دارند نزدیک است. درست همانند انقلاب صنعتی، هوش مصنوعی جامعه را تغییر خواهد داد و باعث می شود تا برخی از شغل های فعلی را تکامل و تغییر دهد.
برای مشاهده سایر محصولات الکسا می توانید به این لینک مراجعه نمایید:
https://www.the-ambient.com/guides/best-amazon-alexa-devices-183
معرفی کتاب 📕
Data Science with Microsoft SQL Server 2016
Copyright © 2016 by Microsoft Corporation
«علم-داده» یک اصطلاح نسبتاً رایج است که و دارای چند تعریف است. برای این کتاب، از نام آن برای تعریف آن استفاده شده است و تعریف اصلی به عهده خواننده گذاشته شده است.
بنابراین افرادی که از این تکنیک حرفه ای استفاده می کنند، کار را با یک رویکرد و نگرش علمی در یک فرآیند تحلیل-داده آغاز نموده (سوالی را مطرح می کنند، فرضیه ای می سازند، بر اساس یک مدل ایجاد می کنند، فرضیه/ مدل را تست می کنند و سپس نتایج را تحلیل می کنند.) و اینکه از داده ساختاریافته و یا بدون ساختار و یا شاید هردو در این فرآیندِ علمی-تحلیلی استفاده می کنند.
در این کتاب با ارائه کاربردهای متنوع در دنیای واقعی کسب و کار در صنایع مختلف، به استفاده از سرویس R در Microsoft SQL Server پرداخته شده است. کاربردها و سناریوهای مرتبط با آنها به همراه روش ساخت مدل، تحلیل، آزمون و استقرار آنها گام به گام تشریح شده است.
این کتاب برای آندسته از افرادی که با زبان برنامه نویسی R، آشنا نیستند، فصلی جداگانه برای آموزش در نظر گرفته است.
@SQL_DataMining
Why Data-as-a-Service
Is the Next-Generation
Data Platform
#DAAS
@SQL_DataMining
راهکارها در انواع پیش بینی ها در یادگیری ماشین
@SQL_DataMining