💡 فرصت #کارآموزی در زمینه هوش تجاری

🔰شرکتی معتبر در زمینه فروش و خدمات مالی از علاقه مندان در حوزه منابع انسانی و فروش جهت کاراموزی دعوت به عمل می اورد.

‼️در حین دوره به یادگیری اصولی پاور بی ای پرداخته شده و از بین واجدین شرایط استخدام به عمل خواهد امد

✅ادرس شرکت در تهران - صادقیه و میرداماد

‼️برای ارسال رزومه از طریق سایت زیر و از بخش "درخواست همکاری" اقدام نمایید و حتما نوع درخواست رو "کارآموزی" قید کنید.

www.sinamohamadyari.com

🏷 عنوان شغلی: استخدام کارآموز هوش مصنوعی

📅 تاریخ آگهی: 1401/02/16

🏦 شرکت: روشن

🏫 موقعیت مکانی: #تهران

⏰ نوع همکاری: #کارآموزی #تمام_وقت

📂 حداقل سابقه: توافقی

💰حقوق:

🛠 مهارت‌ها: کارآموزی , هوش مصنوعی

❇️ اطلاعات بیشتر👇

https://jobinja.ir/835764


👉@data_jobs

🏷 عنوان شغلی: استخدام کارآموز هوش مصنوعی (سری زمانی)

📅 تاریخ آگهی: 1401/02/15

🏦 شرکت: نور آفرین

🏫 موقعیت مکانی: #تهران

⏰ نوع همکاری: #کارآموزی #تمام_وقت

📂 حداقل سابقه: کمتر از سه سال

💰حقوق: توافقی

🛠 مهارت‌ها: کارآموزی , هوش مصنوعی

❇️ اطلاعات بیشتر👇

https://jobinja.ir/835370


👉@data_jobs

🏷 عنوان شغلی: استخدام مهندس داده کاوی (مشهد)

📅 تاریخ آگهی: 1401/02/12

🏦 شرکت: هتلین دات کام

🏫 موقعیت مکانی: #مشهد

⏰ نوع همکاری: #تمام_وقت

📂 حداقل سابقه: کمتر از سه سال

💰حقوق: توافقی

🛠 مهارت‌ها: Microsoft Office , visualization , REST API , ETL , kibana , NoSQL , Python

❇️ اطلاعات بیشتر👇

https://jobinja.ir/834938


👉@data_jobs

📣فرصت کارآموزی :
جذب کارآموز تحلیلگر داده و گزارشات 📊
محل کار : تهران ، محدوده پارک ملت
شرایط احراز :
-محل سکونت تهران
رشته های تحصیلی : مهندسی صنایع، مهندسی آی تی
-دانشجو یا فارغ التحصیل کارشناسی دانشگاه های معتبر
- آشنایی با پاور بی آی
- آشنایی با اکسل
- علاقه به یادگیری و پژوهش در زمینه هوش تجاری
ارسال رزومه تلگرام و واتساپ : 09126209698

لینک دسترسی به ۶۰ هزار رکورد :آگهی فروش خودرو در سایت دیوار

https://www.kaggle.com/datasets/arianghasemi/divar-cars

سلام دوستان وقت بخیر. اگر کسی در زمینه علوم داده کار کرده و در اصفهان بدنبال شغل مرتبط میگرده لطفا رزومه‌ی خودش رو برای اکانت من ارسال کنه تا برای مصاحبه باهاش هماهنگ کنم.
(کار در معاونت بازاریابی شرکت اسنوا)
اگر کسی رو می‌شناسید هم ممنون میشم معرفی بفرمایید

@NSHZRT

کتابخانه کراس یک منبع نرم افزاری منبع باز برای کار با یادگیری عمیق و‌انواع شبکه های عصبی عمیق است. در این شیت
نحوه نصب و کار با این ابزار را با زبان
R آموزش داده شده

#keras
#deep_learning
#neural_network

آموزش کار با فیلترشکن کلش
ویندوز

پروکسی های امن MTproto را برای عبور از سد فیلترینگ در تلگرام - سه شنبه - ۵ مهر ۱۴۰۱

برای استفاده سایر کاربران، دوستان و هم‌وطنان، این پروکسی‌ها را به اشتراک بگذارید.

Germany
https://xn--r1a.website/proxy?server=94.130.137.217&port=88&secret=7tpqp8KsYZwGDzVfPxcyVzdzZWdtZW50LnByb2QuYmlkci5pbw

Ireland
https://xn--r1a.website/proxy?server=www.etherminer.lol&port=443&secret=7jK5IN_7UWQwKOL2uHjU6sEgICAgIA

Germany
https://xn--r1a.website/proxy?server=senator.bullshet.immo.&port=443&secret=7tvikxn_uKfIq7OAYerm81Nicm93c2VyLnlhbmRleC5ydQ==

Lithuania
https://xn--r1a.website/proxy?server=Dictionary.unlimited-Box.Motorcycles&port=443&secret=7jK5IN_7UWQwKOL2uHjU6sF3d3cubm9raWEubmV0

Germany
https://xn--r1a.website/proxy?server=195.201.165.101&port=443&secret=7tpqp8KsYZwGDzVfPxcyVzd3ZWIuYmFsZS5pcg

Germany
https://xn--r1a.website/proxy?server=www.digitalresistance.us.&port=443&secret=7gAAAAAAAAAAAAAAAAAAAABzbGFjay5jb20%3D

Romania
https://xn--r1a.website/proxy?server=Allnetwork.sinorita.pics.&port=88&secret=7tpqp8KsYZwGDzVfPxcyVzdzZWdtZW50LnByb2QuYmlkci5pbw&@UrProxy

Pol

لینک به ویدیوهای هشتصد درس رایگان علوم کامپیوتر


800 free #ComputerScience classes you can take online right now, with video lectures:


https://github.com/Developer-Y/cs-video-courses

برای کار به عنوان داده کاو یا دانشمند داده در یک شرکت‌‌، باید مصاحبه فنی مربوطه را با موفقیت پشت سر گذاشت. اما چه سوالهایی معمولا برای این مصاحبه پرسیده می شوند؟ چند نمونه از این سوالات را که خودم در مصاحبه ها با آنها مواجه شده ام را در اینجا مطرح می کنم. با توجه به اینکه سابقه کار در این زمینه را در ایران ندارم، لذا سوالات مربوطه از مصاحبه های فنی موسسات و شرکتهای واقع در خارج از ایران نظیر IBM, ANZ bank, Sportsbet, iSelect
می باشد.
(صحبت های یک دیتا ساینتیست در خارج ایران)
۱- تعریف و توضیح در مورد
P-value

۲- رگولاریزاسیون چیست و برای حل چه مشکلی استفاده میشود؟ تفاوت بین نرم L1 و L2 چیست؟

۳- تبدیل Box-Cox چیست؟

۴- توضیح در مورد MultiCollinearity
و چگونگی حل آن؟

۵- آیا الگوریتم Gradient descent همیشه به نقطه یکسانی همگرا میشود؟

۶- چگونه در الگوریتم K-means تعداد کلاسترهای بهینه را می توان مشخص کرد؟

۷- بردار ویژه و مقدار ویژه چیست؟

۸- با چه کتابخانه های داده کاوی از زبان پایتون آشنایی دارید؟ همچنین سوالاتی که توانایی شما را در کدنویسی ارزیابی میکند که معمولا این کدها را باید بر روی تخته وایت بردی که در اختیار شما قرار می گیرد، بنویسید

۹- نفرین بعدیت چیست؟

۱۰- چرا خطای کمترین مربعات همیشه متریک مناسبی برای ارزیابی خطا نیست؟ چه متریک دیگری را پیشنهاد می کنید؟

۱۱- آیا استفاده از ۵۰ درخت تصمیم کوچک به جای یک درخت تصمیم بزرگ اولویت دارد؟ چرا؟

۱۲- تعامل بین بایاس و واریانس به چه معناست؟






۱۳- منحنی
ROC
چیست؟

۱۴- کدام را ترجیح می دهید؟ داشتن تعداد زیادی جواب منفی کاذب و یا داشتن تعداد زیادی جواب مثبت کاذب؟

۱۵- چرا دسته بندی کننده نایو بیز، الگوریتم مناسبی نیست؟ برای مسئله تشخیص اسپم در ایمیل، چه روشی را برای بهبود نایو بیز پیشنهاد می کنید؟

۱۶ در بعضی مواقع یک سناریو به داوطلب داده می شود و از او خواسته می شود که برای آن سناریو راه حل پیشنهاد کند. به عنوان مثال: مدیر یک موسسه انتشاراتی که پنج مجله در آن به چاپ می رسد از شما ( به عنوان داده کاو) می خواهد روشی ارائه دهید برای طراحی یک سیستم توصیه به خواننده که بر اساس سلیقه خواننده مجله مورد علاقه اش را به او پیشنهاد می کند.




الگوریتم های #یادگیری_ماشین
#مصاحبه_علم_داده
#علم_داده
@datalook_ir
منبع مطالب رایگان علم داده، کتاب ، نمونه کد
فیلم آموزشی
کارگاه و وبینار رایگان

کتابخانه Dask


- اگر با دیتاست حجیمی روبرو هستید که حافظه اصلی (RAM) کامپیوتر شما گنجایش نگه‌داری آن برای پردازش را ندارد…
- اگر در حال توسعه سیستم نرم‌افزاری و یا یک پایپلاین ETL هستید که کوئری سنگینی را به دیتابیس میزند و مدت زیادی طول می‌کشد (long-run query) یا دیتابیس عملیاتی شما را با اختلال مواجه می‌کند…
- اگر قرار است یک پردازش سنگین مثل تحلیل اکتشافی داده‌ها (EDA) بر روی حجم بالایی از کلان‌داده‌ها داشته باشید که بدون پردازش موازی امکان‌پذیر به نظر نمی‌آید…

احتمالا شما نیاز به یک ابزار مناسب برای پردازش موازی، توزیع شده و مقیاس‌پذیر دارید. ابزارهایی مثل Apache Spark و Hadoop مبتنی بر اکوسیستم Java اند و احتمالا به همین دلیل مورد علاقه خیلی از Data Scientist ها و Data Analyst ها نیستند. در مقابل Dask کاملا بر اکوسیستم Python سوار است و به Data Scientist ها و Data Analyst ها اجازه می‌دهد ابزارهای روزمره خود مثل Numpy و Pandas و Scikit-learn و XGBoost و TensorFlow رو به صورت توزیع شده، موازی و مقیاس پذیر به کار گیرند.


الگوریتم های #یادگیری_ماشین
#مصاحبه_علم_داده
#علم_داده
@datalook_ir
منبع مطالب رایگان علم داده، کتاب ، نمونه کد
فیلم آموزشی
کارگاه و وبینار رایگان