Data world with Mina
4.17K subscribers
371 photos
62 videos
169 files
389 links
minarabti32@gmail.com
منبع مطالب يادگيري ماشين،پايتون ،داده كاوي ،هوش مصنوعي، دانلود داده، فيلم هاي آموزشي رايگان، داده
ارتباط با ادمین
@Datalook_mina
اینستاگرام:mina.rabti
Download Telegram
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
این سیستم هوش مصنوعی زمانی رو که سیاستمداران در حین کار با تلفن‌هاشون می گذرونن ردیابی می‌کنه و به طور خودکار یه توییت ارسال می‌کنه تا به اون‌ها یادآوری کنه که متمرکز بمونن!
یه کار فوق العاده از Dries Depoorter


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
10 سایت برتر برای یافتن شغل در سال 2022:
(Top 10 sites for your career in 2022)
1) Linkedin
2) Indeed
3) Naukri
4) Monster
5) JobBait
6) Careercloud
7) Dice
8) CareerBuilder
9) Jibberjobber
10) Glassdoor

10 مهارت فنی مورد تقاضا در سال 2022:
(Top 10 Teach skills in demand in 2022)

1) Machine Learning
2) Mobile Development
3) SEO/SEM Marketing
4) Data Visualization
5) Data Engineering
6) UI/UX Design
7) Cyber Security
8) Cloud Computing/AWS
9) Blockchain
10) IOT

10 سایت برای آموزش آنلاین رایگان در سال 2022:
(Top 10 sites for free online education in 2022)

1) Coursera
2) edX
3) Khan Academy
4) Udemy
5) iTunesU Free Courses
6) MIT OpenCourseWare
7) Stanford Online
8) Codecademy
9) ict iitr
10) ict iitk


10 سایت برای بررسی رایگان رزومه در سال 2022:
(Top 10 sites to review your resume for free in 2022)

1) Zety Resume Builder
2) Resumonk
3) Resume dot com
4) VisualCV
5) Cvmaker
6) ResumUP
7) Resume Genius
8) Resume builder
9) Resume Baking
10) Enhance

10 سایت برای آماده سازی مصاحبه در سال 2022:
(Top 10 sites for interview Preparation in 2022)

1) Ambitionbox
2) AceThelnterview
3) Geeksforgeeks
4) Leetcode
5) Gainlo
6) Careercup
7) Codercareer
8) InterviewUp
9) InterviewBest
10) Indiabix


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
جزوه ریاضیات پایه برای ورود به علم داده



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
یک راهنمای جامع برای مصورسازی داده ها

از کدام نمودار، چه زمانی استفاده کنیم؟


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
دوستانی که تمایل به همکاری در انتشار خروجی فعالیهای پژوهشی بین المللی (مقاله) دارند، در صورتی که شرایط ز یر را دارند لطفا به من پیام دهند:
· علاقه مند به فعالیت های پژوهشی و انتشار مقاله
· تسلط به زبان انگلیسی
· منظم و پایبند به برنامه ریزی های انجام شده
· تسلط نسبی به یکی از حوزه های زیر
o داده کاوی - Data Mining
o یادگیری ماشین – Machine Learning
o سیستم اطلاعات جغرافیایی - Geographic information system (GIS)
o ایمنی و سلامت شغلی - Occupational Safety and Health


مسیرهای ارتباطی
telegram : @MrMining
Email : MrMining@yahoo.com
📢📢#بوت‌کمپ_تخصصی_هوش_مصنوعی برگزار می‌شود

✳️مهلت ثبت‌نام تا #۲۵_آبان‌ماه


مدیر کل ترویج و توسعه خوشه‌های نوآوری پارک فناوری پردیس با اشاره به نیاز شرکت‌های دانش‌بنیان به نیروی انسانی متخصص گفت: بوت‌کمپ تخصصی هوش مصنوعی در راستای توانمندسازی و اشتغال نیروی انسانی متخصص برگزار می‌شود.

❇️جباری پور هوش مصنوعی را یکی از رشته‌های مورد تاکید نهادهای تصمیم ساز دانست و افزود: از ویژگی‌های بوت‌کمپ‌ها، کوتاه مدت بودن، مبتنی بودن بر نیازها و مهارت افزایی بدون توجه به مقطع تحصیلی است.

🌐متن کامل خبر:
https://techpark.ir/news/p=7918

-------------------------

http://Instagram.com/isadaf_ir

@samaneh_sadaf
معرفی سایت آموزشی با دوره‌های کاملاً رایگان
📂 آموزش + تمرین + پروژه + مدرک پایان دوره

👇🏻 سایت Sololearn یک پلتفرم‌ آموزشی رایگان است که بیش از ۳۰ دوره رایگان در حوزه «برنامه نویسی» و «علم داده» را به همراه تمرین، پروژه طی دوره و در نهایت مدرک پایان دوره ارائه می‌دهد.

اینجا چندین دوره از پر طرفدارترین دوره‌های آموزشی این سایت قرار داده شده، اما شما می‌توانید برای دسترسی به تمامی دوره‌ها به سایت این مجموعه مراجعه کنید.

🏷 Sololearn
◼️ Python for Beginners
◻️ Python for Data Science
◼️ Machine Learning
◻️ Data Science
✍🏼 Python for Finance
✍🏼 SQL
✍🏼 R
✍🏼 JavaScript




#داده_كاوي
#علم_داده
#بيگ_ديتا
#پايتون
#آموزش_رايگان
#آموزش_داده_كاوي
#يادگيري_ماشين

منبع مطالب رایگان‌ #علم_داده
در مسیر #داشمند_داده شدن

https://xn--r1a.website/datalook_ir
زبان R یا زبان پایتون؟

دکتر Katie Bouman، کسی که الگوریتم پیشنهادی وی باعث شد اولین تصویر از سیاه چاله ها به دست آید و نظریه انیشتین در عمل اثبات شود، کدهای الگوریتم شان را در زبان پایتون نوشته اند.
👇🏻👇🏻✍🏼


زبان R برای مصورسازی و مهندسی ویژگی ها و کارهای آماری مفید است

زبان پایتون برای یادگیری عمیق و یادگیری تقویتی و پردازش متن و پردازش های مبتنی بر تکنولوژی هایی مثل اینترنت اشیا و...

هرچند که هم R یادگیری عمیق را در پکیج هایش دارد و هم پایتون، ابزارهای بسیاری در حوزه آمار و مصور سازی دارد.
منتها بحث اصلی در سهولت استفاده است
مثلا اگر در R بخواهید پردازش متن کار کنید باید با حداقل 5 پکیج کار کنید ولی در پایتون با یک پکیج مشکل حل می شود.


#داده_كاوي
#علم_داده
#بيگ_ديتا
#پايتون
#آموزش_رايگان
#آموزش_داده_كاوي
#يادگيري_ماشين

منبع مطالب رایگان‌ #علم_داده
در مسیر #دانشمند_داده شدن

https://xn--r1a.website/datalook_ir
👍1
موقعیت دکتری
آلمان
حقوق ۳۰۵۵ یورو قبل کسر مالیات و حق بیمه

PhD position: Neuro-Symbolic Models, Saarland University, Germany
=========================================================
(Computer Science, Computational Linguistics  or similar)

We are looking for an excellent candidate who is interested 
• exploring the limits for neural networks on symbolic tasks and/or
• integrating symbolic knowledge into neural networks.

Ideal candidate for the position would have:

   1. A good understanding of natural language processing

   2. Excellent knowledge of machine learning

   3. Excellent programming skills

   4. Masters degree in Computer Science, Computational Linguistics  or similar

Salary: The PhD position will be 75% of full time on the German E13 scale (TV-L) which is about 3055€ per month before tax and social security contributions. The appointments will be for three years with a possible extension. Starting day will be spring 2023.

About the department: The department of Language Science and Technology t Saarland University is one of the leading departments in the speech and language area in Europe. The flagship project at the moment is the CRC on Information Density and Linguistic Encoding. It also runs a significant number of European and nationally funded projects. In total, it has seven faculty and around 50 postdoctoral researchers and PhD students. The department is part of the Saarland Informatics Campus. With 900 researchers, two Max Planck institutes, CISPA, and the German Research Center for Artificial Intelligence, it is one of the leading locations for Informatics in Germany and Europe.

How to apply: Please send us a letter of motivation, a one page research proposal, your CV, your transcripts, if available a list of publications, and the names and contact information of at least two references, as a single PDF or a link to a PDF if the file size is more than 3 MB.

Please apply latest by November 15th, 2022. Earlier applications are welcome and will be processed as they come in.

Contact: Applications and any further inquiries regarding the project should be directed to dietrich.klakow@lsv.uni-saarland.de
Forwarded from Meteor journal  (Shahab)
Media is too big
VIEW IN TELEGRAM
آموزش ساختن وب سرور خانگی به طوری که از اینترنت هم مشاهده بشه

توی این ویدیو جادی طریقه‌ی ساخت یک سِروِر رو روی سیستم شخصیتون آموزش میده از مودم خونه میتونه به شبکه جهانی وصل بشه

این ویدیو رو از قدیم دارم، گفتم بذارمش که یک یادی هم از جادی بکنیم که برای آموزش ما خیلی زحمت کشید.


❗️ویدیو با کیفیت بالا

#شبکه #جادی #آموزش #server #web #کامپیوتر

🙋🏻‍♂@meteorjournal👉🏼 کانال
🙋🏻‍♂@meteorjournalgroup 👉🏼 گروه
🙏1👌1
لیست درسهای مقدماتی و پیشرفته یادگیری ماشین که از ‌ یوتیوب به صورت کاملاً رایگان قابل دسترس هستند


- Andrew Ng CS229 ML: https://lnkd.in/gkDEyuCS
- MIT: Deep Learning for Art: https://lnkd.in/grusgt3Z
- Stanford CS230: Deep Learning: https://lnkd.in/ggXNEX7K
- Practical Deep Learning for Coders: https://lnkd.in/giHMNrHG, https://lnkd.in/gDtRtHmG
- Stanford CS224W: Machine Learning with Graphs: https://lnkd.in/grZC_j4N
- Probabilistic Machine Learning: https://lnkd.in/gjSpNDCD
- MIT 6.S191: Introduction to Deep Learning: https://lnkd.in/gWtSdkSH
- UC Berkeley CS 182: Deep Learning: https://lnkd.in/gzHS6m8G
- UC Berkeley Deep Unsupervised Learning: https://lnkd.in/gPdPbKku
- Yann Lecun's NYU Deep Learning SP21L: https://lnkd.in/gdyzmf8b
- Stanford CS25 - Transformers United: https://lnkd.in/gaZVn3wY
- Hugging Face NLP Course: https://lnkd.in/gigfE2Yj
- Stanford CS224N: Natural Language Processing with Deep Learning: https://lnkd.in/g4fg4_wX
- CMU Neural Nets for NLP: https://lnkd.in/gVpUwtXE
- Stanford CS224U: Natural Language Understanding: https://lnkd.in/gMeGkkzV
- CMU Advanced NLP: https://lnkd.in/gAtrsGqY
- CMU Multilingual NLP: https://lnkd.in/ghbcWftV
- Stanford CS231N: Convolutional Neural Networks for Visual Recognition: https://lnkd.in/g3DeCWEc
- Michigan Deep Learning for Computer Vision: https://lnkd.in/gbdgGgJQ
- AMMI Geometric Deep Learning Course: https://lnkd.in/gYH6Vuum
- UC Berkeley CS 285 Deep Reinforcement Learning: https://lnkd.in/gH-HYdqz
- Intro to Deep Learning and Generative Models: https://lnkd.in/gxuTtkSk
- Stanford CS330: Deep Multi-Task and Meta Learning: https://lnkd.in/gasntdBh

Source: https://lnkd.in/gys5Rk5k