آخرین مطالب
روشهای استاندارد سازی داده برای افزایش قابلیت همکاری تیمها
چالشهای پاکسازی دادههای سازمانی و راهحلهای عملی
مدیریت دادههای حساس در پروژههای تجاری چگونه باید باشد؟
اعتبارسنجی داده از دیدگاه مهندسی داده
راهنمای جامع پیادهسازی مدل پیشبینی فروش برای شرکتهای ایرانی
کاهش هزینههای ذخیرهسازی کلانداده (Big Data)
داغ ترین مطالب
اعداد حسابی
نصب و راه اندازی scikit-learn
انواع اعداد
نصب و راهاندازی Pandas در محیط پایتون
حذف ستون در SQL (DROP COLUMN)
علوم داده
روشهای استاندارد سازی داده برای افزایش قابلیت همکاری تیمها
چالشهای پاکسازی دادههای سازمانی و راهحلهای عملی
مدیریت دادههای حساس در پروژههای تجاری چگونه باید باشد؟
راهنمای جامع پیادهسازی مدل پیشبینی فروش برای شرکتهای ایرانی
تحلیل دادههای مشتریان (Customer Analytics) با استفاده از کتابخانه Pandas
تبدیل دادههای نامنظم به ساختار قابل تحلیل در پروژههای علوم داده
چطور پروژههای تحلیل داده را سریع و بهینه ارزیابی کنیم؟
راهنمای جامع ساخت سیستمهای توصیهگر برای افزایش فروش آنلاین
مهندسی داده
اعتبارسنجی داده از دیدگاه مهندسی داده
کاهش هزینههای ذخیرهسازی کلانداده (Big Data)
ETL بهینه برای اجرای فرآیند در شرکتهای متوسط
چالشهای مهاجرت داده از پایگاههای قدیمی به سامانههای جدید
راهکارهای کاهش خطاهای انسانی در جمعآوری داده
برنامهریزی منابع داده در پروژههای چندبخشی
کلان داده
DataNode در هدوپ
آپاچی هدوپ (Apache Hadoop)
مراحل پیاده سازی آپاچی هدوپ در لینوکس
کار با HDFS توسط کدهای پایتون
MapReduce در هدوپ
هوش مصنوعی
تشخیص چهره
تولید تصاویر
چت بات ها
تحلیل احساسات
تولید متن
سیستم های توصیه گر
هوش مصنوعی خلاق
یادگیری عمیق برای تحلیل دادههای بزرگ
هوش مصنوعی در فضای ابری
نورون های مصنوعی
توابع فعال سازی
تابع هزینه
SQL
نصب و راه اندازی SQL Server
توابع تو در تو در SQL
دستور SELECT در SQL
دستور UPDATE در SQL
مزایای استفاده از View
انواع ارتباطات بین جداول
مدیریت زمان
Pomodoro
GTD (Getting Things Done)
مدیریت برنامه ریزی
روش ۱۲ هفته
Bullet Journal
Numpy
تغییر شکل و بازآرایی آرایه ها در NumPy
حل معادلات خطی با NumPy
نصب و راه اندازی NumPy
عملیات و توابع برای آرایه های چند بعدی در NumPy
کاربرد آرایه های چند بعدی در مسائل واقعی
Pandas
بررسی رفتار خرید مشتری، الگوهای تقاضا و اثربخشی بازاریابی با Pandas
محاسبه آمارهای خلاصه ای (میانگین، میانه، واریانس) در Pandas
تاریخچه و مزایای استفاده از Pandas
تجزیه و تحلیل داده های آزمایشگاهی، تجزیه و تحلیل مجموعه داده های حسگر و مدل سازی داده ها با Pandas
شاخص: برچسبگذاری دادهها برای دسترسی آسان
SciPy
روش های عددی برای ادغام در SciPy
عملیات اساسی روی آرایه ها و ماتریس ها در SciPy
پروژه های کاربردی با SciPy همراه با مثال
سرفصل جامع آموزشی SciPy
ایندکس گذاری و برش گذاری در آرایه ها و ماتریس های SciPy
کاوش در فضای نام SciPy
Scikit-learn
تبدیل و مقیاس گذاری ویژگی ها با scikit-learn
پردازش متن با scikit-learn
ارزیابی عملکرد الگوریتمهای خوشهبندی در scikit-learn
سرفصل جامع آموزشی Scikit-learn
ارزیابی عملکرد مدلهای طبقهبندی با scikit-learn
-
یادگیری تقویتی
یادگیری تقویتی (Reinforcement Learning) چیست؟ یادگیری تقویتی (Reinforcement Learning یا RL) یکی از شاخههای مهم یادگیری ماشین است که به…
-
۱۴۰۳/۱۱/۰۳یادگیری عمیق و همکاری بین رشته ای
- ۱۴۰۳/۰۹/۱۲
هوش مصنوعی در صنعت
- ۱۴۰۳/۰۹/۱۷
ابهام در پردازش زبان طبیعی
-
۱۴۰۳/۱۱/۱۷یادگیری عمیق و هنر
- ۱۴۰۳/۱۱/۱۳
تفاوت Qwen 2.5 vs DeepSeek
-
۱۴۰۳/۱۰/۱۰پایگاه دادههای کلید-مقدار
- علوم داده - Data Science
نمودارهای جعبه ای در Matplotlib
نمودارهای جعبه ای در Matplotlib: راهنمای جامع و کاربردی مقدمه نمودارهای جعبه ای ابزاری بصری کارآمد برای نمایش توزیع داده…
-
-
۱۴۰۳/۰۲/۱۷نمودارهای کنترل خطی در Matplotlib
-
۱۴۰۳/۰۲/۱۷افزودن شبکه به نمودارهای Matplotlib
-
-
-
-
۱۴۰۳/۰۲/۱۷به اشتراک گذاری نمودارهای Matplotlib در وب
- علوم داده - Data Science
آشنایی با NumPy و کاربردهای آن
NumPy (مخفف Numerical Python) کتابخانه ای قدرتمند و محبوب در زبان برنامه نویسی پایتون است که به طور خاص برای…
-
۱۴۰۳/۰۱/۲۸شبیه سازی و مدل سازی علمی با NumPy
-
۱۴۰۳/۰۱/۲۸نصب و راه اندازی NumPy
-
-
۱۴۰۳/۰۱/۲۸۱۰ روش برای ایجاد آرایه در NumPy
-
۱۴۰۳/۰۱/۲۸تحلیل داده ها و آمار با NumPy
-
-
۱۴۰۳/۰۲/۲۳تابع newaxis در NumPy
- Python
عملیات روی دیکشنریها در پایتون
عملیات روی دیکشنریها در پایتون دیکشنریها (Dictionaries) در پایتون ساختار دادهای بسیار انعطافپذیری هستند که امکان ذخیره دادهها به صورت…
-
۱۴۰۳/۰۶/۲۵دیکشنریها در پایتون
-
۱۴۰۲/۱۲/۲۱متدها در پایتون
-
۱۴۰۲/۱۲/۲۱متدهای مخفی در پایتون
-
۱۴۰۳/۰۶/۲۵تفاوت تاپل (Tuple) و لیست (List) در پایتون
-
۱۴۰۳/۰۲/۲۹مجموعهها (Sets) در پایتون
-
۱۴۰۳/۰۶/۰۵آرگومانهای توابع در پایتون
-
۱۴۰۳/۰۵/۱۰نصب پایتون
- علوم داده - Data Science
نصب و راه اندازی scikit-learn
نصب و راه اندازی scikit-learn دو روش اصلی برای نصب scikit-learn وجود دارد: 1. با استفاده از pip: pip ابزاری…
-
۱۴۰۳/۰۲/۲۴الگوریتمهای رگرسیون در scikit-learn
-
-
۱۴۰۳/۰۲/۲۴بارگذاری و کاوش در دادهها با scikit-learn
-
-
۱۴۰۳/۰۲/۲۴تابع هزینه (Loss Function)
-
۱۴۰۳/۰۲/۲۴آشنایی با مفاهیم پایه ریاضی و آماری
-
۱۴۰۳/۰۲/۲۴تکنیکهای رایج کاهش ابعاد در scikit-learn
- علوم داده - Data Science
کاوش در فضای نام SciPy
کاوش در فضای نام SciPy فضای نام SciPy مجموعه ای از ماژول ها، کلاس ها و توابع است که به…
-
۱۴۰۳/۰۲/۰۹حل مسائل بهینه سازی با SciPy
-
۱۴۰۳/۰۲/۰۹روش های بهینه سازی مختلف در SciPy
-
۱۴۰۳/۰۲/۰۹توزیع های احتمال در SciPy
-
۱۴۰۳/۰۲/۰۹مراحل انجام آزمون فرضیه در SciPy
-
۱۴۰۳/۰۲/۰۹تجزیه و تحلیل تصویر SciPy
-
۱۴۰۳/۰۲/۰۹پروژه های کاربردی با SciPy همراه با مثال
-
۱۴۰۳/۰۲/۰۹سرفصل جامع آموزشی SciPy
- Pandas
تجزیه و تحلیل داده های آزمایشگاهی، تجزیه و تحلیل مجموعه داده های حسگر و مدل سازی داده ها با Pandas
تجزیه و تحلیل داده های آزمایشگاهی، تجزیه و تحلیل مجموعه داده های حسگر و مدل سازی داده ها با Pandas…
-
-
-
۱۴۰۳/۰۲/۰۴مشاهده و چاپ DataFrame
-
-
۱۴۰۳/۰۲/۰۴جایگزینی مقادیر گمشده در Pandas
-
-
۱۴۰۳/۰۲/۰۴اعمال توابع به داده ها در Pandas
- آموزش
ایجاد پایگاه داده در SQL (CREATE DATABASE)
ایجاد پایگاه داده در SQL دو روش کلی برای ایجاد پایگاه داده در SQL وجود دارد: 1. استفاده از رابط…
-
۱۴۰۳/۰۷/۰۲تکثیر (Replication) در پایگاه داده
-
-
۱۴۰۲/۱۲/۲۰دستور UPDATE در SQL
-
۱۴۰۳/۰۴/۱۱Covering Index
-
۱۴۰۳/۰۷/۰۹Trigger Replication
-
۱۴۰۳/۰۷/۰۹Ceph
-
۱۴۰۲/۱۲/۲۶Subquery در SQL
- آمار و احتمال
اعداد طبیعی
اعداد طبیعی اعداد طبیعی، دستهای از اعداد در ریاضیات هستند که شامل تمام اعداد مثبت و بدون کسر میشوند. ویژگیهای…
-
۱۴۰۳/۰۳/۲۷آزمونهای دو نمونهای
-
۱۴۰۳/۰۲/۳۰اعداد حقیقی
-
۱۴۰۳/۰۲/۳۰اعداد کسری
-
۱۴۰۳/۰۳/۱۳قانون بویز
-
-
-
۱۴۰۳/۰۳/۰۷نمودار پراکندگی


































































