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
آپاچی هدوپ (Apache Hadoop)
مراحل پیاده سازی HDFS
DataNode در هدوپ
MapReduce در هدوپ
مراحل پیاده سازی آپاچی هدوپ با داکر
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
مرتب سازی اطلاعات در SQL
مدیریت SQL Server
ساختار ستونها در پایگاه دادههای رابطهای
استفاده از توابع در SELECT
توابع تاریخ و زمان در SQL (Date and Time Functions)
مزایای استفاده از پایگاه داده
مدیریت زمان
GTD (Getting Things Done)
مدیریت برنامه ریزی
Pomodoro
روش تقویم
روش ۱۲ هفته
Numpy
توابع ریاضی و آماری NumPy
آموزش جامع NumPy
تابع newaxis در NumPy
یادگیری ماشین و هوش مصنوعی با NumPy
مدل سازی انتشار ویروس با NumPy
Pandas
سرفصل جامع آموزش Pandas
تاریخچه و مزایای استفاده از Pandas
جمع آوری و خلاصه سازی داده ها در Pandas
نصب و راهاندازی Pandas در محیط پایتون
تجزیه و تحلیل توصیفی با Pandas
SciPy
کاربردهای یادگیری ماشین در علم و مهندسی با SciPy
تبدیل سیگنال با SciPy
تجزیه و تحلیل تصویر SciPy
سرفصل جامع آموزشی SciPy
کاربردهای ادغام در علم و مهندسی با SciPy
فیلتر کردن سیگنال با SciPy
Scikit-learn
بهینهسازی در یادگیری ماشین
الگوریتم های یادگیری ماشین یادگیری با نظارت
استخراج ویژگی از متن در scikit-learn
شبکههای عصبی مصنوعی در scikit-learn
استخراج ویژگی از تصاویر با scikit-learn
- هوش مصنوعی - AI
تولید متن
مقدمه:تولید متن، یکی از شاخههای پیشرفته و بسیار فعال در پردازش زبان طبیعی (NLP) و هوش مصنوعی (AI)، به فرآیند…
- ۱۴۰۳/۱۰/۰۲
مقایسه GPT-4 و Gemini
- ۱۴۰۳/۰۹/۱۳
پردازش زبان طبیعی (NLP)
-
۱۴۰۴/۰۱/۱۸تشخیص چهره
- ۱۴۰۳/۰۹/۱۲
کاربردهای یادگیری عمیق در تشخیص تصویر
- ۱۴۰۳/۰۹/۱۳
ریشهیابی و بنیانیابی در پردازش زبان طبیعی
- ۱۴۰۳/۰۹/۱۲
هوش مصنوعی در آموزش
- علوم داده - Data Science
بارگذاری داده ها از فایل های مختلف در Matplotlib
بارگذاری داده ها از فایل های مختلف در Matplotlib Matplotlib به عنوان کتابخانه ای قدرتمند برای تجسم داده در پایتون،…
-
۱۴۰۳/۰۲/۱۷علائم واختصارات در نمودارهای Matplotlib
-
۱۴۰۳/۰۲/۱۷فیلتر کردن داده ها در Matplotlib
-
-
-
۱۴۰۳/۰۲/۱۷نمودارهای جعبه ای در Matplotlib
-
۱۴۰۳/۰۲/۱۷نمودارهای سه بعدی در Matplotlib
-
- NumPy
محاسبه معکوس ماتریس در NumPy
معکوس ماتریس نقشی اساسی در حل سیستم های معادلات خطی، یافتن جواب معادلات ماتریسی و انجام سایر محاسبات ریاضی دارد.…
-
۱۴۰۳/۰۱/۲۸۱۰ روش برای ایجاد آرایه در NumPy
-
۱۴۰۳/۰۱/۲۸توابع ریاضی و آماری NumPy
-
-
۱۴۰۳/۰۱/۲۸شبیه سازی و مدل سازی علمی با NumPy
-
۱۴۰۳/۰۱/۲۸توابع دستکاری آرایه در NumPy
-
۱۴۰۳/۰۱/۲۸آموزش جامع NumPy
-
۱۴۰۳/۰۱/۲۸ماتریس ها در NumPy
- Python
تابع map
تابع map در پایتون تابع map در پایتون برای اعمال یک تابع به هر عنصر از یک iterable (مانند لیست،…
-
۱۴۰۳/۰۵/۱۰نصب پایتون
-
۱۴۰۳/۰۵/۱۴متغیرها در پایتون
-
۱۴۰۳/۰۳/۰۸لیست
-
۱۴۰۳/۰۵/۳۱ساختار حلقهها در پایتون
-
۱۴۰۲/۱۲/۲۱متدهای استاتیک در پایتون
-
۱۴۰۳/۰۶/۲۵دیکشنریها در پایتون
-
۱۴۰۳/۰۶/۱۰عملیات روی لیستها در پایتون
- علوم داده - Data Science
ارزیابی عملکرد مدلهای رگرسیون با scikit-learn
ارزیابی عملکرد مدلهای رگرسیون با scikit-learn: راهنمای جامع در دنیای یادگیری ماشین، ارزیابی عملکرد مدل نقشی اساسی در سنجش کارایی…
-
۱۴۰۳/۰۲/۲۴الگوریتم های یادگیری ماشین یادگیری با نظارت
-
-
۱۴۰۳/۰۲/۲۴آشنایی با زبان برنامه نویسی پایتون
-
۱۴۰۳/۰۲/۲۴چرا از scikit-learn استفاده کنیم؟
-
۱۴۰۳/۰۲/۲۴تکنیکهای رایج کاهش ابعاد در scikit-learn
-
-
۱۴۰۳/۰۲/۲۴طبقهبندی متنی با scikit-learn
- علوم داده - Data Science
تولید و تجزیه و تحلیل سیگنال با SciPy
تولید و تجزیه و تحلیل سیگنال با SciPy SciPy کتابخانه ای قدرتمند برای محاسبات علمی در زبان برنامه نویسی Python…
-
-
۱۴۰۳/۰۲/۰۹توزیع های احتمال در SciPy
-
-
۱۴۰۳/۰۲/۰۹تجزیه و تحلیل تصویر SciPy
-
۱۴۰۳/۰۲/۰۹پردازش تصویر در علم و مهندسی با SciPy
-
۱۴۰۳/۰۲/۰۹عملیات پردازش تصویر پایه SciPy
-
۱۴۰۳/۰۲/۰۹روش های عددی برای ادغام در SciPy
- Pandas
تجسم توزیع داده ها با هیستوگرام و نمودارهای جعبه ای-شمعی در Pandas
تجسم توزیع داده ها با هیستوگرام و نمودارهای جعبه ای-شمعی در Pandas در تجزیه و تحلیل داده، تجسم توزیع داده…
-
۱۴۰۳/۰۲/۰۴تبدیل انواع داده در Pandas
-
-
۱۴۰۳/۰۲/۰۳سرفصل جامع آموزش Pandas
-
-
-
۱۴۰۳/۰۲/۰۴تجزیه و تحلیل آماری با Pandas
-
۱۴۰۳/۰۲/۰۴انتخاب ستون ها و سطرها در Pandas
- SQL
مزایای استفاده از پایگاه داده
مزایای استفاده از پایگاه داده مقدمه: در دنیای امروز، حجم اطلاعات به طور فزایندهای در حال افزایش است. سازمانها برای…
-
۱۴۰۲/۱۲/۰۹داده های عددی در SQL
-
۱۴۰۲/۱۲/۲۶ابزارهای بهینه سازی کوئری SQL
-
۱۴۰۳/۰۳/۳۰LEAD
-
۱۴۰۳/۰۷/۰۲Standby در پایگاه داده
-
۱۴۰۳/۰۶/۲۰Snapshot Isolation
-
۱۴۰۲/۱۲/۰۹انواع SQL
-
۱۴۰۳/۰۷/۱۱Statement-Based Replication
- آمار و احتمال
هیستوگرام
هیستوگرام: نمایش توزیع دادههای کمی پیوسته مقدمه هیستوگرام، ابزاری گرافیکی قدرتمند در علم آمار است که برای نمایش توزیع دادههای…
-
-
۱۴۰۳/۰۳/۱۳قانون ضرب
-
۱۴۰۳/۰۳/۱۳فضای نمونه
-
۱۴۰۳/۰۲/۲۰سرفصل جامع آمار و احتمال برای علوم داده
-
۱۴۰۳/۰۲/۳۰اعداد برنولی
-
۱۴۰۳/۰۳/۱۳آزمون فرضیه کای دو
-
۱۴۰۳/۰۲/۳۰اعداد متعالی

































































