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
MapReduce در هدوپ
مراحل افزودن دیتا نود به کلاستر هدوپ
مراحل پیاده سازی آپاچی هدوپ با داکر
مراحل پیاده سازی آپاچی هدوپ در لینوکس
دستورات مدیریتی HDFS
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
داده های تاریخ و زمان در SQL
مزایای استفاده از View
SQL GROUP BY CUBE
تعریف کلید خارجی در SQL (Foreign Key)
حذف پایگاه داده در SQL (DROP DATABASE)
مدیریت زمان
GTD (Getting Things Done)
روش ۱۲ هفته
مدیریت برنامه ریزی
Bullet Journal
Pomodoro
Numpy
حل معادلات خطی با NumPy
ایجاد، نمایش و دسترسی به عناصر آرایه های چند بعدی در NumPy
عملیات اساسی بر روی آرایه های NumPy
توابع ریاضی و آماری NumPy
توابع دستکاری آرایه در NumPy
Pandas
ایجاد Series و DataFrame از ابتدا
بررسی رفتار خرید مشتری، الگوهای تقاضا و اثربخشی بازاریابی با Pandas
شاخص: برچسبگذاری دادهها برای دسترسی آسان
تبدیل انواع داده در Pandas
DataFrame: ذخیره داده های چندبعدی (جدولی)
SciPy
تجزیه و تحلیل تصویر SciPy
عملیات اساسی روی آرایه ها و ماتریس ها در SciPy
پردازش تصویر در علم و مهندسی با SciPy
نصب و راه اندازی SciPy
ایندکس گذاری و برش گذاری در آرایه ها و ماتریس های SciPy
تبدیل سیگنال با SciPy
Scikit-learn
یادگیری عمیق با scikit-learn
پاکسازی و آماده سازی داده ها با scikit-learn
الگوریتمهای خوشهبندی در scikit-learn
شبکههای عصبی مصنوعی در scikit-learn
انتخاب مدل در یادگیری ماشین
- هوش مصنوعی - AI
هوش مصنوعی در فضای ابری
مقدمه:هوش مصنوعی در فضای ابری (Cloud AI) به مجموعهای از خدمات، ابزارها و زیرساختهای مبتنی بر هوش مصنوعی اشاره دارد…
- ۱۴۰۳/۰۹/۱۲
آیا هوش مصنوعی جایگزین انسان خواهد شد؟
-
۱۴۰۴/۰۱/۱۷یادگیری انتقالی و یادگیری چندوظیفه ای
-
۱۴۰۳/۱۱/۰۶استخراج خودکار ویژگیها
- ۱۴۰۳/۰۹/۱۲
هوش مصنوعی (Artificial Intelligence یا AI)
-
۱۴۰۴/۰۱/۱۷هیپرپارامترها
- علوم داده - Data Science
نمودارهای سه بعدی در Matplotlib
نمودارهای سه بعدی در Matplotlib: راهنمای جامع و کاربردی مقدمه نمودارهای سه بعدی ابزاری کارآمد برای نمایش روابط پیچیده بین…
-
۱۴۰۳/۰۲/۱۷ایجاد نمودار پراکندگی در Matplotlib
-
۱۴۰۳/۰۲/۱۷نمودارهای جعبه ای در Matplotlib
-
۱۴۰۳/۰۲/۱۷سرفصل جامع Matplotlib
-
۱۴۰۳/۰۲/۱۷معرفی Matplotlib
-
-
-
- NumPy
ماتریس ها در NumPy
ماتریس ها در NumPy آرایه های دو بعدی هستند که برای ذخیره و دستکاری داده های عددی به صورت منظم…
-
۱۴۰۳/۰۱/۲۸تحلیل داده ها و آمار با NumPy
-
۱۴۰۳/۰۱/۲۸۱۰ روش برای ایجاد آرایه در NumPy
-
۱۴۰۳/۰۱/۲۸عملیات اساسی بر روی آرایه های NumPy
-
۱۴۰۳/۰۱/۲۸تغییر شکل و بازآرایی آرایه ها در NumPy
-
۱۴۰۳/۰۱/۲۸شبیه سازی و مدل سازی علمی با NumPy
-
-
۱۴۰۳/۰۱/۲۸تولید آرایههای آماده در NumPy
- آموزش
کلاس در پایتون
کلاس در پایتون یک الگو برای ساخت اشیاء است. اشیاء موجودیتهای مستقل هستند که شامل داده و توابع مربوط به…
-
۱۴۰۳/۰۶/۰۵آرگومانهای توابع در پایتون
-
۱۴۰۳/۰۵/۱۰نصب پایتون
-
۱۴۰۳/۰۶/۲۵عملیات روی مجموعهها در پایتون
-
۱۴۰۳/۰۶/۰۵فراخوانی توابع در پایتون
-
۱۴۰۳/۰۳/۰۸تابع Filter
-
۱۴۰۳/۰۶/۰۵تعریف توابع در پایتون
-
۱۴۰۳/۰۶/۱۰دسترسی به عناصر یک لیست در پایتون
- علوم داده - Data Science
ساخت مدلهای یادگیری عمیق با scikit-learn
ساخت مدلهای یادگیری عمیق با scikit-learn: راهنمای گام به گام مقدمه کتابخانه scikit-learn که به عنوان ابزاری قدرتمند در حوزه…
-
۱۴۰۳/۰۲/۲۴scikit-learn چیست؟
-
۱۴۰۳/۰۲/۲۴آشنایی با زبان برنامه نویسی پایتون
-
۱۴۰۳/۰۲/۲۴پردازش متن با scikit-learn
-
۱۴۰۳/۰۲/۲۴الگوریتمهای رگرسیون در scikit-learn
-
۱۴۰۳/۰۲/۲۴تابع هزینه (Loss Function)
-
۱۴۰۳/۰۲/۲۴الگوریتم های یادگیری ماشین یادگیری با نظارت
-
۱۴۰۳/۰۲/۲۴آشنایی با مفاهیم پایه ریاضی و آماری
- علوم داده - Data Science
معرفی توابع و ماژول های کلیدی در SciPy
معرفی توابع و ماژول های کلیدی در SciPy SciPy کتابخانه ای قدرتمند برای محاسبات علمی در پایتون است که طیف…
-
۱۴۰۳/۰۲/۰۹کاوش در فضای نام SciPy
-
۱۴۰۳/۰۲/۰۹محاسبات آماری توصیفی با SciPy
-
۱۴۰۳/۰۲/۰۹روش های بهینه سازی مختلف در SciPy
-
۱۴۰۳/۰۲/۰۹عملیات پردازش تصویر پایه SciPy
-
۱۴۰۳/۰۲/۰۹آمار استنباطی با SciPy
-
۱۴۰۳/۰۲/۰۹کاربردهای پردازش سیگنال در علم و مهندسی
-
- Pandas
حذف سطرها و ستون هایی حاوی مقادیر گمشده در Pandas
حذف سطرها و ستون هایی که حاوی مقادیر گمشده هستند در Pandas در تجزیه و تحلیل داده، مقادیر گمشده می…
-
-
۱۴۰۳/۰۲/۰۴Series: ذخیره دادههای تکبعدی
-
۱۴۰۳/۰۲/۰۴تجزیه و تحلیل توصیفی با Pandas
-
۱۴۰۳/۰۲/۰۴DataFrame: ذخیره داده های چندبعدی (جدولی)
-
۱۴۰۳/۰۲/۰۴نصب و راهاندازی Pandas در محیط پایتون
-
۱۴۰۳/۰۲/۰۴ایجاد Series و DataFrame از ابتدا
-
- آموزش
SQL GROUP BY CUBE
فرض کنید جدولی به نام “Sales” با ستونهای “ProductID”، “SalesPersonID”، “OrderDate” و “SalesAmount” دارید. هدف شما تجزیه و تحلیل عمیق…
-
۱۴۰۳/۰۵/۲۲GROUP_CONCAT
-
۱۴۰۲/۱۲/۰۸مزایای استفاده از پایگاه داده
-
۱۴۰۳/۰۶/۲۴Multi-Version Concurrency Control
-
۱۴۰۳/۰۷/۰۲Cold Standby در پایگاه داده
-
۱۴۰۳/۰۵/۲۲Materialized View
-
۱۴۰۲/۱۲/۱۳توابع رشته ای در SQL (String Functions)
-
۱۴۰۲/۱۲/۰۹تاریخچه SQL
- آمار و احتمال
قانون بویز
قانون بویز در آمار و احتمال: یک بررسی جامع با مثال مقدمه: قانون بویز، که به عنوان قانون برنولی نیز…
-
۱۴۰۳/۰۲/۳۰اعداد حقیقی
-
۱۴۰۳/۰۳/۲۷آزمونهای کای دو
-
۱۴۰۳/۰۳/۱۹تجزیه و تحلیل واریانس (ANOVA)
-
۱۴۰۳/۰۳/۱۳رویداد
-
۱۴۰۳/۰۲/۳۰انواع اعداد
-
۱۴۰۳/۰۲/۳۰اعداد گنگ
-
۱۴۰۳/۰۳/۲۷تخمین فواصل



































































