این دوره ماشین لرنینگ رایگان IBM هم خیلی خوبه 👌
https://www.coursera.org/learn/machine-learning-with-python?specialization=ibm-data-science&utm_source=gg&utm_medium=sem&campaignid=1876641588&utm_campaign=10-IBM-Data-Science-US&utm_content=B2C&adgroupid=117357906417&device=c&keyword=&matchtype=&network=g&devicemodel=&adpostion=&creativeid=507196710149&hide_mobile_promo&gclid=CjwKCAiAk--dBhABEiwAchIwkeKxb3MYupwZIqXlI2agTDZNC2U8PTnCHGQIoR6wHRRCO-JlY7JKWRoCP6AQAvD_BwE


#یادگیری_ماشین #ماشین_لرنینگ
#Machine_Learning
@DataHobbies

مهم ترین کتابخانه های پایتون برای دیتا ساینس ها
@DataHobbies

بعد از ماشین لرنینگ کلاسیک، موارد تکمیلی تر هم احتیاجه مثله:
Measuring Accuracy
Bias-Variance Trade-off
Applying Regularization
Elastic Net Regression
Logistic Regression
Predictive Analytics
Exploratory Data Analysis
Hypothesis testing in machine learning


#یادگیری_ماشین #ماشین_لرنینگ
#Machine_Learning
@DataHobbies

برای ادامه چندین شاخه وجود داره که باید به فراخور علاقه و نیازمون تو یکی ازین زمینه ها وارد شیم. مثلا
پردازش زبان طبیعی Natural Language Processing
بینایی ماشین Computer Vision
یادگیری تقویتی Reinforcement Learning
یادگیری عمیق Deep Learning
و . . .
تو پست های بعدی منابع و مسیرهای پیشرفت هر کدوم توضیح میدم🙂

#Machine_Learning
#ماشین_لرنینگ #یادگیری_ماشین
@DataHobbies

یکی از مسائلی که اهمیت زیادی داره، بحث Visualization یا بصری سازیه و افراد تو پوزیشن های شغلی مختلف مرتبط با داده، ارائه داشبوردهای مدیریتی نیازشون میشه.
داشبوردها یکی از قدرتمندترین ابزارهایی که میتونیم با استفاده ازونها با ذینفعان و فعالین بیزینس ارتباط بگیریم، نتایج و خروجی تحلیل ها رو نمایش بدیم و با افرادی که خیلی درکی از جزئیات اجرا ندارن و قرار استفاده کننده نهایی باشن ارتباط برقرار کنیم.

ابزارهای بصری سازیه متفاوتی وجود داره، مثل Oracle BI، Power BI، Tableau، Click View و . . .

به نظرم اگر با حوزه طراحی داشبوردها آشنایی ندارین، تو تیم و مجموعه خاصی نیستین که الان در حال استفاده از ابزار خاصی باشن و خودتون تازه میخواین شروع کنین، Power BI برای شروع گزینه خوبیه

#بصری_سازی #پاور_بی_آی
#Power_BI #Visualization
@DataHobbies

با دیدن یه فیلم چند ساعته از Power BI میشه یه دید کلی به دست آورد و به فراخور نوع نیازمون یه پروژه رو شروع کنیم. مسائلی مثل اینکه درک کنیم بحث دیتامدل ها چطور انجام میشه، قسمت های مختلف ابزار چطور استفاده میشه و . . .
وگرنه اینکه کدوم ویژوال ها برای چه کاربردی استفاده میشن، طراحی به چه صورت باشه کاربرپسندتره و اینها یه سری شناخت مفهومی میخواد و یه جاهایی واقعا نیاز به UI/UX Developer داریم.
برای شروع و دید کلی گرفتن، دیدن یکی از ویدویهای زیر رو پیشنهاد میکنم:

#بصری_سازی #پاور_بی_آی
#Power_BI #Visualization
@DataHobbies

https://www.youtube.com/watch?v=5X5LWcLtkzg
#بصری_سازی #پاور_بی_آی
#Power_BI #Visualization
@DataHobbies

https://www.youtube.com/watch?v=bSAus3Ixhk8

#بصری_سازی #پاور_بی_آی
#Power_BI #Visualization
@DataHobbies

https://www.youtube.com/watch?v=i3CSD7bMMbg

#بصری_سازی #پاور_بی_آی
#Power_BI #Visualization
@DataHobbies


------اتمام بصری سازی مقدماتی با PBI-------

اگه بخوایم یکم سطح داشبوردهامون حرفه ای تر کنیم و فیلترنویسی های پیشرفته استفاده کنیم (تو Power BI) باید با DAX ارتباط برقرار کنیم.
https://www.youtube.com/watch?v=QJw4HkagVWc

#بصری_سازی #پاور_بی_آی #پیشرفته
#Power_BI #Visualization
@DataHobbies

اگه بخوایم یکم سطح داشبوردهامون حرفه ای تر کنیم و فیلترنویسی های پیشرفته استفاده کنیم (تو Power BI) باید با DAX ارتباط برقرار کنیم.

https://www.youtube.com/watch?v=waG_JhBgUpM
#بصری_سازی #پاور_بی_آی #پیشرفته
#Power_BI #Visualization
@DataHobbies

--------اتمام پاور بی آی پیشرفته--------

انبار داده یا Data Warehouse چیست؟
انبار داده یه بانک اطلاعاتی غیرنرمال و مخزن مرکزی داده ها است که از منابع و پایگاه داده های مختلف، داده ها به صورت یکپارچه درون آن جمع شدن. مبتنی بر استخراج (Extract)، تبدیل (Transform) و بارگذاری (Load) ساخته میشه به اختصار (ETL).
انبار داده ها باید خصوصیات زیر را داشته باشند:
موضوع‌گرا (Subject Oriented)
مجتمع (Integrated)
ماندگار در زمان‌های مختلف (Timevariying)
و غیر فرَار (none-volatile)

#انبارداده
#DataWareHouse
@DataHobbies

مهم ترین قسمت طراحی دیتاورهاوس بحث طراحی مفهومی اونه. اول باید دانشمون رو تو زمینه طراحی مفهومی بالا ببریم و مفاهیم پایه ای رو یاد بگیریم، مثلا طراحی های پایین به بالا ، بالا به پایین ، ستاره ای، دانه برفی . فرق بین روش های Tabular , Multi Dimensional را بدانیم.
بعد انبارداده های مختلف ببینیم و آنالیز کنیم تا تجریه مون بالا بره. این قسمت هم به دانش خوبی احتیاج داره هم تجربه کمک کنندس!
#انبارداده
#DataWareHouse
@DataHobbies

این فایل مفاهیم منطقی طراحی انبار داده رو قشنگ توضیح داده
#انبارداده
#DataWareHouse
@DataHobbies

مهم‌ترین رویکردهای طراحی دیتاورهاس توسط Kimball, Inmon مطرح شده.
دو تا عکس بالا با یه دید به طور سریع این دو تا مفهوم رو مرور میکنه و تو پست های بعدی لینک دانلود کتاب های مرجع این دو نفر هم میذارم.
#انبارداده
#DataWareHouse
@DataHobbies

مسیر پیشنهادی BI Developer
او کیست؟
@DataHobbies