آخرین مطالب
معماری Data Mesh
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
داغ ترین مطالب
اعداد حسابی
انواع اعداد
نصب و راه اندازی scikit-learn
نصب و راهاندازی Pandas در محیط پایتون
حذف پایگاه داده در SQL (DROP DATABASE)
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
معماری Data Mesh
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
کلان داده
کار با HDFS توسط کدهای پایتون
مراحل افزودن دیتا نود به کلاستر هدوپ
مراحل پیاده سازی آپاچی هدوپ با داکر
HDFS (Hadoop Distributed File System)
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
استفاده و کاربرد Subquery
نصب و راه اندازی SQL Server
توابع تو در تو در SQL
داده های بولین در SQL
ایندکس (Index) در SQL
مدیریت زمان
Pomodoro
Bullet Journal
روش تقویم
GTD (Getting Things Done)
مدیریت برنامه ریزی
Numpy
۱۰ روش برای ایجاد آرایه در NumPy
توابع برای بررسی و یافتن مقادیر در آرایه های NumPy
تغییر شکل و بازآرایی آرایه ها در NumPy
مدل سازی انتشار ویروس با NumPy
حل معادلات خطی با NumPy
Pandas
تبدیل انواع داده در Pandas
دسترسی به عناصر DataFrame با استفاده از شاخص ها
دستکاری رشته ها در Pandas
استخراج اطلاعات از متن، تجزیه و تحلیل احساسات و موضوع بندی متن با Pandas
ادغام و الحاق DataFrame در Pandas
SciPy
پروژه های کاربردی با SciPy همراه با مثال
کاربردهای ادغام در علم و مهندسی با SciPy
تبدیل سیگنال با SciPy
مراحل انجام آزمون فرضیه در SciPy
آمار استنباطی با SciPy
کاوش در فضای نام SciPy
Scikit-learn
الگوریتمهای رگرسیون در scikit-learn
بارگذاری و کاوش در دادهها با scikit-learn
ارزیابی عملکرد الگوریتمهای خوشهبندی در scikit-learn
آشنایی با مفاهیم پایه ریاضی و آماری
سرفصل جامع آموزشی Scikit-learn
-
آینده یادگیری تقویتی
آینده یادگیری تقویتی: افقهای نو در هوش مصنوعی یادگیری تقویتی به عنوان یکی از شاخههای پرقدرت هوش مصنوعی، در سالهای…
-
۱۴۰۳/۱۱/۳۰یادگیری عمیق سبک وزن
- ۱۴۰۳/۰۹/۱۲
الگوریتمهای یادگیری تقویتی
-
۱۴۰۴/۰۱/۱۸تشخیص چهره
- ۱۴۰۳/۰۹/۱۳
توکنسازی در پردازش زبان طبیعی (NLP)
- ۱۴۰۳/۰۹/۱۳
اخلاق در هوش مصنوعی
- علوم داده - Data Science
دستکاری داده ها در Matplotlib
دستکاری داده ها در Matplotlib Matplotlib به عنوان کتابخانه ای قدرتمند برای تجسم داده در پایتون، نه تنها امکاناتی برای…
-
۱۴۰۳/۰۲/۱۷ایجاد نمودار دایره ای در Matplotlib
-
۱۴۰۳/۰۲/۱۷ایجاد نمودار خطی در Matplotlib
-
۱۴۰۳/۰۲/۱۷ایجاد نمودار پراکندگی در Matplotlib
-
۱۴۰۳/۰۲/۱۷نمودارهای کنترل خطی در Matplotlib
-
۱۴۰۳/۰۲/۱۷به اشتراک گذاری نمودارهای Matplotlib در وب
-
-
۱۴۰۳/۰۲/۱۷معرفی Matplotlib
- علوم داده - Data Science
تابع where در NumPy
np.where() در NumPy: مثال جامع و توضیح np.where() یک تابع قدرتمند در NumPy است که به شما امکان می دهد…
-
۱۴۰۳/۰۱/۲۸مدل سازی انتشار ویروس با NumPy
-
۱۴۰۳/۰۱/۲۸انواع داده های آرایه NumPy
-
۱۴۰۳/۰۱/۲۸نصب و راه اندازی NumPy
-
۱۴۰۳/۰۱/۲۸پردازش تصویر و گرافیک کامپیوتری با NumPy
-
۱۴۰۳/۰۱/۲۸تجزیه و تحلیل داده های فروش با NumPy
-
۱۴۰۳/۰۱/۲۸انتخاب و برش عناصر آرایه در NumPy
-
۱۴۰۳/۰۱/۲۸ضرب ماتریس ها در NumPy
- Python
ایجاد ماژول پایتون
ماژولها در پایتون، فایلهایی با پسوند .py هستند که شامل کد پایتون میباشند. آنها به شما اجازه میدهند تا کد…
-
۱۴۰۳/۰۵/۱۰تاریخچه پایتون
-
۱۴۰۳/۰۳/۰۸لیست
-
۱۴۰۳/۰۶/۲۵عملیات روی دیکشنریها در پایتون
-
۱۴۰۲/۱۱/۰۹آموزش جامع پایتون مقدماتی
-
۱۴۰۳/۰۳/۰۸تابع Filter
-
۱۴۰۳/۰۵/۳۱ساختار حلقهها در پایتون
-
۱۴۰۳/۰۶/۲۵دیکشنریها در 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…
-
-
۱۴۰۳/۰۲/۲۴استخراج ویژگی از تصاویر با scikit-learn
-
۱۴۰۳/۰۲/۲۴استخراج ویژگی از متن در scikit-learn
-
-
۱۴۰۳/۰۲/۲۴پردازش متن با scikit-learn
-
-
۱۴۰۳/۰۲/۲۴تابع هزینه (Loss Function)
- علوم داده - Data Science
عملیات پردازش تصویر پایه SciPy
در حالی که SciPy به طور خاص برای پردازش تصویر طراحی نشده است، می توانید از برخی از توابع آن…
-
۱۴۰۳/۰۲/۰۹خواندن، نوشتن و نمایش تصاویر با SciPy
-
۱۴۰۳/۰۲/۰۹کاربردهای پردازش سیگنال در علم و مهندسی
-
۱۴۰۳/۰۲/۰۹تبدیل سیگنال با SciPy
-
۱۴۰۳/۰۲/۰۹فیلتر کردن سیگنال با SciPy
-
۱۴۰۳/۰۲/۰۹الگوریتم های یادگیری ماشین رایج با SciPy
-
۱۴۰۳/۰۲/۰۹کاوش در فضای نام SciPy
-
۱۴۰۳/۰۲/۰۹تولید و تجزیه و تحلیل سیگنال با SciPy
- Pandas
ایجاد انواع مختلف نمودارها (خطی، میله ای، پراکندگی) با Pandas و Matplotlib
ایجاد انواع مختلف نمودارها (خطی، میله ای، پراکندگی) با Pandas و Matplotlib Pandas و Matplotlib کتابخانههای قدرتمندی در پایتون برای…
-
-
-
-
-
۱۴۰۳/۰۲/۰۴تبدیل انواع داده در Pandas
-
۱۴۰۳/۰۲/۰۴تاریخچه و مزایای استفاده از Pandas
-
۱۴۰۳/۰۲/۰۴DataFrame: ذخیره داده های چندبعدی (جدولی)
- SQL
SQL Functions
توابع SQL: ابزاری قدرتمند برای پردازش دادهها توابع SQL (SQL Functions) قطعههای کدی هستند که عملیات خاصی را روی دادهها…
-
۱۴۰۲/۱۲/۰۹داده های بولین در SQL
-
-
۱۴۰۳/۰۶/۲۰انواع قفل ها در پایگاه داده
-
۱۴۰۳/۰۷/۰۲Disaster Recovery
-
۱۴۰۳/۰۴/۱۱SP-GIST Index
-
۱۴۰۲/۱۲/۰۹ساختار ستونها در پایگاه دادههای رابطهای
-
۱۴۰۳/۰۳/۳۰توابع پنجره ROW_NUMBER
- آمار و احتمال
توزیع پواسون
توزیع پواسون: شرح مفصل و کاربردها مقدمه توزیع پواسون، یک توزیع احتمال گسسته است که برای مدلسازی تعداد رویدادهای تصادفی…
-
۱۴۰۳/۰۳/۲۷آزمونهای کای دو
-
۱۴۰۳/۰۳/۰۸اصل متمم
-
۱۴۰۳/۰۴/۰۲رگرسیون خطی و تجزیه و تحلیل واریانس
-
۱۴۰۳/۰۳/۱۳رگرسیون خطی
-
۱۴۰۳/۰۳/۰۷نمودار گرما
-
۱۴۰۳/۰۳/۰۷انحراف معیار
-
۱۴۰۳/۰۲/۳۰اعداد برنولی

































































