Date: 26-04-2023
Company name: Numerator
Role: Data Scientist
Topic : RNN, pop & remove, calculated field, views

1. What are the uses of using RNN in NLP?
The RNN is a stateful neural network, which means that it not only retains information from the previous layer but also from the previous pass. Thus, this neuron is said to have connections between passes, and through time.
For the RNN the order of the input matters due to being stateful. The same words with different orders will yield different outputs.
RNN can be used for unsegmented, connected applications such as handwriting recognition or speech recognition.

2. How to remove values to a python array?
Ans: Array elements can be removed using pop() or remove() method. The difference between these two functions is that the former returns the deleted value whereas the latter does not.

3. What are the advantages and disadvantages of views in the database?
Answer: Advantages of Views:
As there is no physical location where the data in the view is stored, it generates output without wasting resources.
Data access is restricted as it does not allow commands like insertion, updation, and deletion.
Disadvantages of Views:
The view becomes irrelevant if we drop a table related to that view.
Much memory space is occupied when the view is created for large tables.

4. How to create a calculated field in Tableau?
Click the drop down to the right of Dimensions on the Data pane and select “Create > Calculated Field” to open the calculation editor.
Name the new field and create a formula.


👉🏻 برای منتورینگ مسیرعلم داده و اطلاع از کلاسهای آموزشی

@minarabti

🚨JOB OPENING ALERT🚨
لینک چند اپلای شغلی لیندکین


Company: Saisystems Technology
Role: Data Scientist
Exp: 0-2 years
Link: APPLY NOW

Company: Aston Carter
Role: Data Analyst
Exp: 0-1 year
Link: APPLY NOW

Company:Litra Venture
Role: Data Analyst
Exp: 0-2 years
Link: APPLY NOW

Company: Premium
Role: Data Analyst
Exp: 0-2 Years
Link: APPLY NOW

Company: NDS Infoserve
Role: Data Scientist
Exp: 0-2 years
Link: APPLY NOW

Company: S & P global inc
Role: Data Analyst
Exp: 0-2 years
Link: APPLY NOW

Company: Savista
Role: Hr Data Analyst
Exp: 0-1 years
Link: APPLY NOW

تا دیروز ۴ ایرانی از دپارتمان ریاضی محض هاروارد دکترا گرفته بودن. فرشید جمشیدیان (۱۹۸۰)، پیروز وکیلی (۱۹۸۸)، مریم میرزاخانی (۲۰۰۴)، علی اکبر دائمی (۲۰۱۴). دیروز یک اسم به این لیست اضافه شد: تینا ترکمان با موفقیت از تز خود با راهنمایی کورتیس مکمالن، برنده مدال فیلدز، دفاع کرد.
شاید لازم به گفتن نباشه: چنین دستاوردی بسیار دشواره (به طور خاص دپارتمان ریاضی محض ۴-۵ دانشگاه رده اول)، حداقل سختی اش قابل مقایسه اس با برنده شدن مدال المپیک. اما چون ریاضی مهجوره تا کسی جایزه شناخته شده تری مثل فیلدز رو نگیره در فضای عمومی توجه ای به خودش جلب نمی کنه.
باعث افتخاره🤩🤩🤩👏🏻👏🏻👏🏻👏🏻



منبع مطالب دیتاساینس، یادگیری ماشین و یادگیری عمیق
@datalook_ir
@minarabti

نمونه مصاحبه یک شرکت برای شغل
#دیتا_ساینتیست

Date: 28-04-2023
Company name: Infosys
Role: Data Scientist
Topic: LSTM, kmeans, cte, numpy

1. Can you explain how the memory cell in an LSTM is implemented computationally?

The memory cell in an LSTM is implemented as a forget gate, an input gate, and an output gate. The forget gate controls how much information from the previous cell state is forgotten. The input gate controls how much new information from the current input is allowed into the cell state. The output gate controls how much information from the cell state is allowed to pass out to the next cell state.


2. What is CTE in SQL?

A CTE (Common Table Expression) is a one-time result set that only exists for the duration of the query. It allows us to refer to data within a single SELECT, INSERT, UPDATE, DELETE, CREATE VIEW, or MERGE statement's execution scope. It is temporary because its result cannot be stored anywhere and will be lost as soon as a query's execution is completed.


3. List the advantages NumPy Arrays have over Python lists?

Python’s lists, even though hugely efficient containers capable of a number of functions, have several limitations when compared to NumPy arrays. It is not possible to perform vectorised operations which includes element-wise addition and multiplication. They also require that Python store the type information of every element since they support objects of different types. This means a type dispatching code must be executed each time an operation on an element is done.

4. Explain some cases where k-Means clustering fails to give good results

k-means has trouble clustering data where clusters are of various sizes and densities.
Outliers will cause the centroids to be dragged, or the outliers might get their own cluster instead of being ignored. Outliers should be clipped or removed before clustering.
If the number of dimensions increase, a distance-based similarity measure converges to a constant value between any given examples. Dimensions should be reduced before clustering them.

@minarbti
@datalook_ir

رگولارازسیون شکلی از رگرسیون است که برآوردهای ضریب به سمت صفر را محدود یا کوچک می‌کند. به عبارت دیگر، این تکنیک یادگیری یک مدل پیچیده‌تر یا انعطاف‌پذیرتر را منع می‌کند تا از خطر بیش برازش اجتناب شود.
این جزوه خیلی کاربردی و به زبان ساده در خصوص رگولارکردن سه مدل رگرسیون توضیح داده


منبع مطالب دیتاساینس، یادگیری ماشین و یادگیری عمیق
@datalook_ir
@minarabti

📣استخدام در شرکت های بین المللی با درآمد دلاری به صورت دورکاری

👈 میانگین درآمد به صورت دورکاری ساعتی ۴۰ تا ۱۵۰ دلاره (یعنی ساعتی ۲ الی ۸ میلیون تومان)


📆دوشنبه ۱۸ اردیبهشت ساعت ۲۰

✅برای آشنایی بیشتر برای این همکاری کلیک کنید
https://etekanesh.com/7c1v

ارتباط با ما :

🆔@grouplancingcom

چیت شیت پردازش متن با Nltk
دستورات مهم
#nlp



منبع مطالب دیتاساینس، یادگیری ماشین و یادگیری عمیق
@datalook_ir
@minarabti

مفهوم گرادیان و گرادیان نزولی

https://instagram.com/p/Cp-cykPo6oi/

Decision trees: The answer to all your non-linear classification problems.😂😂😂😂


منبع مطالب دیتاساینس، یادگیری ماشین و یادگیری عمیق
@datalook_ir
@minarabti

🏁 اگه دنبال گرفتن جاب آفر (ویزا اسپانسرشیپ) از این کشورها هستید این ویدیو رو ببینید:
اتریش٬ انگلیس٬ فنلاند٬ فرانسه٬ آلمان٬ ایرلند٬ ایتالیا٬ هلند٬ نیوزلند٬ نوروژ٬ اسپانیا و سوید.



https://www.youtube.com/watch?v=A-qS1cx8bfk


آدرس اصلی کانال:
🎯 @FollowThePathWithUs

منبع مطالب دیتاساینس، یادگیری ماشین و یادگیری عمیق
@datalook_ir
@minarabti

پاسخ درست: گزینه آخر: همه موارد

چالش های اساسی تحلیل داده:

1- چه تحلیلی (توصیفی، پیشگویانه، سری زمانی، دسته بندی، خوشه بندی و ...) باید انتخاب شود و شاخص های ارزیابی کارایی کدام ها باشند؟

2- کدام الگوریتم (ها) باید مورد استفاده قرار گیرد؟

3- کدام داده ها استفاده شده و کدام استفاده نشود؟

4- چگونه داده ها آماده ی تحلیل شود؟ (پیش پردازش داده ها)

5- کدام ویژگی ها در مدل استفاده شود؟ (انتخاب ویژگی)

6- کدام داده ها برای آموزش و تست مورد استفاده قرار گیرد؟ (LOOCV یا CV)

نحوه تعامل با چالش ها نباید یک فرآیند مستقیم و یکباره تصور شود بلکه این فرآیند یک فرآیند بازگشتی و همراه با آزمون و خطاست.


منبع مطالب دیتاساینس، یادگیری ماشین و یادگیری عمیق
@datalook_ir
@minarabti

پردازش متن در پایتون

اگر پروژه‌ای در زمینه پردازش زبان طبیعی انجام داده باشید، می‌دانید که مراحل پیش‌پردازش چقدر خسته‌کننده است. قبل از شروع آموزش مدل باید:
• داده‌ها را از دیسک بخوانید.
• جملات را Tokenize کنید.
• یک نگاشت از هر کلمه به یک عدد صحیح و منحصر‌به‌فرد ایجاد کنید.
• متن را به لیستی از اعداد صحیح تبدیل کنید.
• داده‌ها را به هر شکلی که فریمورک یادگیری عمیق شما نیاز دارد load کنید.
• متن را pad کنید تا تمامی دنباله‌ها به یک اندازه باشند، تا بتوانید آنها را به صورت یک batch پردازش کنید.


Torchtext در پایتورچ، کتابخانه‌ای است که پروسه‌های بالا را بسیار ساده‌تر می‌کند. اگرچه این کتابخانه نسبتا جدید است. اما عملکرد آسان آن، خصوصاً در Batching و Loading، آن را به کتابخانه‌ای ارزشمند تبدیل کرده‌است. 


#nlp
#python
@datalook_ir

همه ی این داده ها میانگین، انحراف معیار و همبستگی یکسانی دارند اما الگوی تصویری آنها زمین تا آسمان متفاوت است

قبل از تحلیل داده حتما نگاه تصویری به داده هایتان داشته باشید


منبع مطالب دیتاساینس، یادگیری ماشین و یادگیری عمیق
@datalook_ir
@minarabti

تفاوت هوش مصنوعی با یادگیری ماشین چیست؟

این روزها این سوال بسیار پرسیده می شود

واقعا نمی توان هیچ مرز خشک و خالی برای این تفاوت ها به کار برد
همه ی این مفاهیم از مدل های ریاضی برای توصیف داده ها به منظور یک هدف خاص استفاده می کنند

حالا شما می خواهی اسم های جورواجور برای آن بگذار
اصل مسئله همین است که بیان شد

کار یادگیری ماشین و هوش مصنوعی از مرزبندی گذشته است
هر ایده ای - ولو در حوزه ای مثل بهینه سازی، تحقیق در عملیات، رباتیک، بیولوژیک و ...- می تواند در ارائه یک مدل ریاضی برای اهداف و کاربردهایی که مد نظر یادگیری ماشین و هوش مصنوعی است، به کار رود.

با این حال بهتر است زمانی که با افرادی از حوزه کسب و کار صحبت می کنید، بیشتر از واژه ی هوش مصنوعی استفاده کنید (چون واژه ملموس تر و جا افتاده تر است) و زمانی که با فنی ها گفتگو می کنید، از مفهوم هرس شده و شاخ و برگ زده شده ی «یادگیری ماشین» استفاده کنید.

@minarabti
@datalook_ir