👇 بسیاری از فعالیت‌های ما در محیط کار، کارهای تکراری پشت کامپیوتر هستند و با کمک گرفتن از هوش مصنوعی با سرعت و دقتی به مراتب بیشتر انجام می‌شوند. با تمرین کار با ابزارهای هوش مصنوعی بهره‌وری خود و سازمانتان را بالا ببرید!

#دوره_آموزشی_آنلاین

🔵 استفاده از هوش مصنوعی (AI) در زندگی حرفه‌ای

مجیدپورکاشانی | علیرضا چمن‌زار | سعید مجیدی | حسام محمدحسینی

📽️ ویدئوی معرفی دوره 📽️

برای استفاده از تخفیف بیشتر زودتر ثبت‌نام کنید:

🙂 کد تخفیف 25% برای پرداخت کامل: HpCd25
🙂 کد تخفیف 15% برای پرداخت قسطی: DphC15

🔴 اعتبار کدهای تخفیف تا ۵ اردیبهشت ۱۴۰۴

🔗 لینک ثبت نام:

d-learn.ir/ai4p

تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

🔤 نمونه‌ای از استخراج داده از وب با روش API Interception

در این ویدئو، مجید پورکاشانی اطلاعات سایت بورسی کدال را با روش API Interception استخراج می‌کند و این فرایند را مرحله به مرحله آموزش می‌دهید.

🔸🔸🔸🔸

اگر علاقه‌مند به یادگیری گام به گام و پروژه‌محور وب‌اسکرپینگ هستید، کامل‌ترین دوره آموزشی استخراج داده از وب پیش روی شما است.


🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

⭐ اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

🔗 لینک ثبت نام:
d-learn.ir/wbsp

تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

📊 تحلیل داده با سرعت بالا؛ مقایسه Pandas 🆚 Polars

در این آزمایش، برای هر کتابخانه (pandas و polars)، یک جدول با ۱ میلیون ردیف و ۵۰ ستون عددی ساخته شده و سپس ۱۰۰ بار میانگین ستونی داده‌ها با تابع mean() محاسبه شده است. هدف، اندازه‌گیری و مقایسه زمان پردازش این عملیات در دو کتابخانه محبوب تحلیل داده در پایتون است.

درحالی‌که Pandas برای بسیاری از پروژه‌ها کفایت می‌کند، در پروژه‌های بزرگ‌تر، Polars می‌تواند با پردازش‌های موازی و طراحی بهینه‌اش مزیت چشم‌گیری ایجاد کند.

↗️ تحلیل داده فقط دانستن ابزار نیست؛ بلکه هنر استفاده هوشمندانه از آن‌ها در شرایط مختلف است.
کتابخانه‌های Pandas و Polars هر دو ابزارهای قدرتمند تحلیل داده در پایتون هستند؛ در این ویدئو تفاوت را دیدید اما واقعیت این است که: هیچ ابزاری همیشه بهترین نیست!

💡 در دوره‌ی «پردازش بهینه با Pandas و Polars» با مزایا، محدودیت‌ها و کاربردهای عملی هر دو ابزار آشنا می‌شوید و یاد می‌گیرید که چطور هر ابزار رو به‌درستی و در جای خودش استفاده کنید.
این دوره برای افرادی طراحی شده که می‌خواهند سریع‌تر، بهتر و حرفه‌ای‌تر کار کنند.

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

⭐ اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

لینک ثبت‌نام:
🔗 d-learn.ir/pyps

تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

⌛ نگاهی به قابلیت‌های پانداس برای پردازش داده‌های حجیم

🧑‍💻 حسام محمدحسینی
مدرس دوره‌ آموزشی پردازش بهینه با pandas و polars

➖➖🔽➖➖

همچنین اگر علاقه‌مند به یادگیری مهارت‌های پردازش و تحلیل داده‌های حجیم در پایتون هستید، دوره آموزشی پردازش بهینه با pandas و polars برای شما طراحی شده‌است.

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

⭐ اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

لینک ثبت‌نام:
🔗 d-learn,ir/pyps

تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

📰 وب‌اسکرپینگ: ابزاری قدرتمند برای روزنامه‌نگاران و پژوهشگران

💻 وب‌اسکرپینگ (استخراج داده از وب) چیست؟

وب‌اسکرپینگ به فرآیند جمع‌آوری اطلاعات از وب‌سایت‌ها به صورت خودکار گفته می‌شود. این اطلاعات می‌توانند شامل قیمت‌ها، اخبار، مشخصات محصولات یا هر نوع داده قابل مشاهده در صفحات وب باشند. این تکنیک امکان تبدیل محتوای وب به داده‌های قابل تحلیل را فراهم می‌کند.

✅ اهمیت و مزایای وب‌اسکرپینگ

🔵گردآوری داده انبوه: امکان جمع‌آوری حجم وسیعی از داده‌ها از منابع متعدد وب که به صورت دستی بسیار زمان‌بر یا غیرممکن است.
🟢افزایش کارایی: صرفه‌جویی قابل توجه در زمان و منابع انسانی مورد نیاز برای جمع‌آوری داده‌ها.
🔴دستیابی به جزئیات: استخراج اطلاعات دقیق و مشخص از میان حجم بالای محتوای وب.
🟠تحلیل روندها: شناسایی الگوها، همبستگی‌ها و روندهای پنهان در داده‌های جمع‌آوری شده در طول زمان.
🔴مستندسازی گزارش‌ها: ارائه شواهد کمّی و دقیق برای پشتیبانی از یافته‌ها و تحلیل‌های روزنامه‌نگاری یا پژوهشی.
🟡رصد مداوم: قابلیت پایش مستمر تغییرات داده‌ها در وب‌سایت‌های مورد نظر (مانند قیمت‌ها، آمارها، شاخص‌ها).

📈 مثال: تحلیل نوسانات قیمت
روزنامه‌نگاران اقتصادی یا پژوهشگران بازار می‌توانند با استخراج دوره‌ای قیمت انواع کالا (مثلاً تجهیزات دیجیتال، خودرو، کالاهای اساسی) از وب‌سایت‌های فروش آنلاین متعدد یا نرخ ارز و طلا، به تحلیل دقیق نوسانات بازار، مقایسه قیمت‌ها و بررسی اثر سیاست‌گذاری‌ها بپردازند.

👩‍💻 مثال: پایش و تحلیل بازار کار
جمع‌آوری و تحلیل داده‌های مربوط به آگهی‌های شغلی از پلتفرم‌های کاریابی مطرح در ایران. این امر امکان شناسایی مهارت‌های پرتقاضا، توزیع جغرافیایی فرصت‌های شغلی، تحلیل روندهای استخدامی در صنایع مختلف و برآورد سطح دستمزدها را فراهم می‌کند.

🏠 مثال: رصد داده‌های عمومی و اجتماعی
استخراج داده‌های مرتبط با بازار مسکن (قیمت، متراژ، منطقه) از وب‌سایت‌های نیازمندی یا جمع‌آوری داده‌های مربوط به شاخص‌های عمومی مانند کیفیت هوا از پرتال‌های رسمی. این داده‌ها مبنای مناسبی برای تحلیل روندهای اجتماعی، اقتصادی و محیطی فراهم می‌آورند.

🔍مثال: پایش رخدادها از منابع خبری
در مواردی که آمار رسمی برای رخدادهای حساس اجتماعی (نظیر موارد خودکشی، قتل، یا آسیب‌های اجتماعی خاص) به صورت عمومی، دقیق یا به‌هنگام منتشر نمی‌شود، وب‌اسکرپینگ می‌تواند به عنوان ابزاری کمکی به کار گرفته شود.
با استخراج هدفمند اخبار مرتبط از وب‌سایت‌های خبری معتبر داخلی و تحلیل محتوای آن‌ها (بر اساس کلیدواژه‌ها، مناطق جغرافیایی و بازه‌های زمانی)، می‌توان به یک نمایه غیررسمی از فراوانی گزارش‌شده این رویدادها و توزیع جغرافیایی آنها دست یافت.

✅ جمع‌بندی

وب اسکرپینگ به عنوان یک مهارت کلیدی، امکان دستیابی به عمق تحلیلی بیشتر و ارائه گزارش‌های دقیق‌تر و مستندتر را فراهم می‌سازد که سریع‌تر و راحت‌تر به سرانجام رسیده‌اند. استفاده از این تکنیک می‌تواند به ارتقاء کیفیت پژوهش‌ها و اطلاع رسانی در جامعه کمک شایانی نماید.


⬇️⬇️⬇️
اگر علاقه‌مند به یادگیری گام به گام و پروژه‌محور وب‌اسکرپینگ هستید، دوره آموزشی استخراج داده از وب برای شما طراحی شده است.
اطلاعات بیشتر در:
🔗 d-learn.ir/wbsp

⏳ برای استفاده از تخفیف بیشتر زودتر ثبت‌نام کنید:

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

⭐ اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

🔗 لینک ثبت نام:
d-learn.ir/wbsp

تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

🔍 آشنایی با الگوریتم K-means
🌐 واژه‌نامه #هوش_مصنوعی

الگوریتم K-means یکی از پرکاربردترین روش‌های خوشه‌بندی داده است. این الگوریتم در 1️⃣➕3️⃣ مرحله اصلی کار می‌کند:

1️⃣ گام اول: انتخاب مراکز اولیه
ابتدا به صورت تصادفی K نقطه داده (مثلاً 3 نقطه) از مجموعه داده را انتخاب می‌کنیم و آنها را به عنوان مراکز اولیه خوشه‌ها در نظر می‌گیریم. فرض کنید در یک نمودار دوبعدی، این سه نقطه اولیه با رنگ‌های متفاوت (قرمز، آبی و سبز) مشخص شده‌اند.

2️⃣ گام دوم: تخصیص نقاط به خوشه‌ها
در این مرحله، فاصله هر نقطه داده را با تمام مراکز خوشه‌ها محاسبه می‌کنیم. معمولاً از معیار فاصله اقلیدسی استفاده می‌شود (فرمول فیثاغورس). هر نقطه به خوشه‌ای تعلق می‌گیرد که مرکز آن نزدیک‌ترین فاصله را با نقطه دارد. در این مرحله، نمودار ما نقاط داده‌ای را نشان می‌دهد که به سه رنگ مختلف (متناسب با خوشه‌های متفاوت) رنگ‌آمیزی شده‌اند.

3️⃣ گام سوم: به‌روزرسانی مراکز خوشه‌ها
حالا مراکز جدید هر خوشه را با محاسبه میانگین تمام نقاط داده متعلق به آن خوشه به دست می‌آوریم. برای مثال، اگر خوشه قرمز شامل 20 نقطه داده باشد، مختصات x و y همه این نقاط را جمع کرده و بر 20 تقسیم می‌کنیم تا مرکز جدید خوشه به دست آید. مراکز جدید معمولاً با مراکز قبلی متفاوت هستند و در نمودار جابجا می‌شوند.

4️⃣ تکرار فرآیند تا همگرایی
گام‌های دوم و سوم را مرتباً تکرار می‌کنیم. در هر تکرار، نقاط داده دوباره به نزدیک‌ترین مرکز خوشه تخصیص می‌یابند و سپس مراکز خوشه‌ها مجدداً به‌روزرسانی می‌شوند. این فرآیند تا زمانی ادامه می‌یابد که مراکز خوشه‌ها دیگر تغییر نکنند یا تغییرات آنها کمتر از یک آستانه از پیش تعیین‌شده باشد.

🟠مثال کاربردی:

تصور کنید مجموعه داده‌ای از مشتریان فروشگاه دارید که شامل اطلاعاتی مانند میزان خرید سالانه و تعداد بازدید است. با استفاده از K-means می‌توانید این مشتریان را به گروه‌های مختلف (مثلاً مشتریان پرخرید و وفادار، مشتریان گاه‌به‌گاه، مشتریان کم‌خرید) دسته‌بندی کنید. هر خوشه نشان‌دهنده یک بخش از مشتریان با رفتار مشابه است و می‌توانید استراتژی‌های بازاریابی خاصی برای هر گروه طراحی کنید.

🟢 نکات مهم در استفاده از الگوریتم K-means:

انتخاب تعداد مناسب K (تعداد خوشه‌ها) بسیار مهم است و تأثیر زیادی بر نتایج دارد.
این الگوریتم ممکن است در مینیمم‌های محلی گیر کند، بنابراین اجرای آن با مراکز اولیه متفاوت توصیه می‌شود.
الگوریتم K-means برای خوشه‌های کروی (گرد) بهتر عمل می‌کند و برای اشکال پیچیده مناسب نیست.
مقیاس‌بندی داده‌ها قبل از اجرای الگوریتم اهمیت زیادی دارد.

💡 این الگوریتم در زمینه‌های متنوعی مانند بخش‌بندی بازار، فشرده‌سازی تصاویر، پردازش سیگنال، بیوانفورماتیک و تشخیص ناهنجاری کاربرد دارد.

➖➖⬇️➖➖

همچنین اگر علاقه‌مند به یادگیری هوش مصنوعی هستید، گام اول برای شما آموزش یادگیری ماشین هست.
دوره آموزشی «یادگیری ماشین با پایتون»  از مبانی یادگیری ماشین آغاز می‌شود و گام‌ به گام تا مباحث پیچیده‌تری مثل یادگیری گروهی، کاهش ابعاد داده و شبکه‌های عصبی پیش ‌می‌رود.

😈 این دوره به صورت عملیاتی و کاربردی طراحی شده است. برای اطلاعات بیشتر و مشاهده طرح درس و ثبت‌نام می‌توانید به سایت مدرسه دقیقه سر بزنید:

🔗 d-learn.ir/mlpy

تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

✅ معرفی دوره مدیریت محصول
#دوره_آموزشی_آنلاین

🎓 امیرخسرو بهادری | مدیر محصول شرکت استرالیایی Dirodi، مدیـر سـابق در تیم‌های برنامه‌ریزی و تحقیقات بازار پاکشوما، BAT و هولدینگ کوبل‌دارو، فارغ‌التحصیل کارشناسی ارشد مهندسی صنایع از دانشگاه صنعتی شریف

موفقیت یک محصول تنها به ایده‌های خلاقانه بستگی ندارد. مدیریت درست محصول از مرحله ایده‌پردازی تا عرضه و توسعه، نقش حیاتی در موفقیت آن دارد. دوره آموزشی «مدیریت محصول» طراحی شده است تا شما را با اصول، ابزارها و تکنیک‌های کلیدی این حوزه آشنا کند و در یک دوره زمانی فشرده، شما را برای تبدیل‌شدن به یک مدیر محصول حرفه‌ای آماده سازد. اگر می‌خواهید محصولاتی بسازید که نیاز واقعی کاربران را برآورده کند و حضوری موثر در بازار داشته باشد، این دوره بهترین نقطه شروع برای شماست.

📆 پنجشنبه‌ها ۹:۳۰ تا ۱۳:۰۰
🗓 از ۱۸ اردیبهشت ۱۴۰۴
⏰ ۱۸ ساعت (۶ هفته)
🎞 دسترسی به ویدئوی جلسات
🏅 گواهی پایان دوره (قابل استعلام)

✍️ شاخص‌های کلیدی عملکرد در مدیریت محصول:

t.me/dlearn_ir/569
✍️ مزایای درآمدی مدیران محصول:

t.me/dlearn_ir/576

✍️ روش CIRCLES برای حل مسائل پیچیده کسب‌وکار:

t.me/dlearn_ir/593

💎 برای استفاده از تخفیف بیشتر زودتر ثبت‌نام کنید:

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

⭐ اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

🔗 لینک ثبت نام:
d-learn.ir/pdmn

تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

🙂 دوره‌های آنلاین مدرسه دقیقه در بهار ۱۴۰۴

🔵 یادگیری ماشین با پایتون

Saeed Majidi | Hamideh Hosseinzadeh

d-learn.ir/mlpy

🔴 استفاده از هوش مصنوعی در زندگی حرفه‌ای

Alireza Chamanzar | Majid Pourkashani | Saeed Majidi | Hesam Mohammad Hosseini

d-learn.ir/ai4p

🟢 استخراج داده از وب

Majid Pourkashani

d-learn.ir/wbsp

🟠 پردازش بهینه با pandas و polars

Hesam Mohammad Hosseini

d-learn.ir/pyps

🔵 مدیریت محصول

AmirKhosro Bahadori

d-learn.ir/pdmn

⏳ برای استفاده از تخفیف‌‌ بیشتر زودتر ثبت نام کنید:

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: Fvxp30

💎 اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

شروع از دوره‌ها از نیمه اردیبهشت‌ ۱۴۰۴

📲 تماس:
@dlearnsup
09103209837
02188349244

@dlearn_ir

Читать полностью…

🖥 وب‌اسکرپینگ چیست و چرا اهمیت دارد؟

وب‌اسکرپینگ به فرایند استخراج خودکار داده‌ها از وب‌سایت‌ها گفته می‌شود. این روش به کاربران امکان می‌دهد تا بدون نیاز به ورود دستی اطلاعات، داده‌های مورد نیاز را از صفحات وب جمع‌آوری کرده و برای تحلیل‌های بعدی ذخیره‌سازی کنند.

این فرآیند را می‌توان به مثابه بهره‌گیری از یک مکانیزم خودکار با سرعت و دقت بالا برای پیمایش و استخراج داده از صدها یا هزاران صفحه وب در کوتاه‌ترین زمان ممکن، تصور نمود.

❓چرا وب‌اسکرپینگ؟

کسب مهارت در وب اسکرپینگ، مجموعه‌ای از مزایای فنی و استراتژیک قابل توجه را ارائه می‌دهد:

۱- جمع‌آوری کارآمد داده‌ها
۲- تحقیقات مقرون به صرفه
۳- دقت بالا
۴- دسترسی به داده‌های با سرعت بالا
۵-- تحلیل رقابتی
۶-- جمع‌آوری داده‌های قابل سفارشی‌سازی

💡 کاربردهای واقعی در کسب‌و کارها

۱- اتوماسیون فرآیندهای جمع‌آوری داده‌ها
۲- پایش و بهینه‌سازی پویای قیمت‌ها
۳- تولید لیدهای هوشمند
۴- تحلیل احساسات
۵- تحقیقات بازار و هوش تجاری
۶- پژوهش‌های علمی و مطالعات اجتماعی
۷- بازارهای مالی و سرمایه‌گذاری؟
۸- روزنامه‌نگاری و رسانه‌ها

توضیحات در مورد نمونه‌های کاربردی برای هر یک از کاربردها، آینده شغلی و مطالعه کامل متن در لینک زیر در دسترس است:
🔗 d-learn.ir/p/what-is-web-scraping

➖➖➖➖➖
🔥همچنین اگر علاقه‌مند به یادگیری این مهارت هستید، دوره آموزشی استخراج #داده از وب برای شما طراحی شده است. جزییات دوره و سرفصل‌ها در صفحه‌ی دوره در دسترس است:
👆 d-learn.ir/wbsp

تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

📽️ استخراج داده از وب

#ویدئوی_معرفی_دوره

🎓 مجید پورکاشانی | هم‌بنیان‌گذار، توسعه‌دهنده نرم‌افزار و مهندس داده در شرکت پردازش و تحلیل داده دقیقه، کارشناسی مهندس برق از دانشگاه شریف و کارشناسی ارشد هوش مصنوعی از دانشگاه علم‌و‌صنعت

Web Scraping with Python and Other Tools

📆 چهارشنبه‌ها ۱۸:۳۰ تا ۲۱:۳۰
🗓 از ۱۷ اردیبهشت ۱۴۰۴
⏺️ ۱۵ ساعت (۵ هفته)
🎞 با دسترسی به ویدئوی جلسات
🏅 گواهی پایان دوره (قابل استعلام)

✍️ وب‌‌اسکرپینگ چیست

d-learn.ir/p/what-is-web-scraping

✍️ وب‌اسکرپینگ برای روزنامه‌نگاران و پژوهشگران

t.me/dlearn_ir/590

⏳ برای استفاده از تخفیف بیشتر زودتر ثبت‌نام کنید:

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

⭐ اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

🔗 لینک ثبت نام:
d-learn.ir/wbsp
تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

سال نو مبارک 🌾

خوشنویسی: مریم رمضانخانی
تذهیب: حمیده زارع‌دار

نوروز ۱۴۰۴

@dmag_ir
@dlearn_ir

Читать полностью…

📈 داده‌های حداقل حقوق و تورم ایران (۱۳۵۸-۱۴۰۴)

حداقل دستمزد در ایران هر ساله بر اساس مصوبه شورای عالی کار تعیین می‌شود و به عنوان معیار پایه‌ای برای دستمزد کارگران مشمول قانون کار در نظر گرفته می‌شود. این مقدار معمولاً با در نظر گرفتن نرخ تورم و هزینه‌های معیشت مشخص شده و مبنای سایر پرداختی‌های مزدی قرار می‌گیرد.

داده‌های ارائه‌شده شامل میزان حداقل دستمزد سالانه، درصد رشد آن نسبت به سال قبل و نرخ تورم ۱۲ ماهه برای دوره ۱۳۵۸ تا ۱۴۰۴ است. این اطلاعات نشان‌دهنده تغییرات سالانه در میزان حداقل حقوق و نوسانات تورم در این بازه زمانی است.

⬇️مشاهده و دانلود داده‌ها

@dlearn_ir

Читать полностью…

🔴 پردازش بهینه داده با pandas و polars

در این ویدئو حسام محمدحسینی، مدرس دوره پردازش بهینه با #Pandas و polars در مدرسه دقیقه که بهار 1404 برگزار می‌شود، جزییات دوره را شرح می‌دهد.

#پانداس محبوب‌ترین کتابخانه #پایتون است که امکان کار با انواع داده را برای شما فراهم می‌کند و امکانات بسیار زیادی در اختیار کاربر برای تحلیل داده می‌گذارد. #Polar کتابخانه دیگری است که نقطه ضعف پانداس را با تحلیل موازی در چند هسته پوشش می‌دهد.

🖥 جزئیات بیشتر و لینک ثبت نام:
d-learn.ir/pyps

#دوره_آموزشی_آنلاین

📆 دوشنبه‌ها ۱۸:۳۰ تا ۲۱:۳۰
🗓 از ۱۵ اردیبهشت ۱۴۰۴
⏺️ ۱۸ ساعت (۶ هفته)
🎞 با دسترسی به ویدئوی جلسات
🏅 گواهی پایان دوره (قابل استعلام)


✍️ آشنایی با کتابخانه پانداس (pandas):
d-learn.ir/what-is-pandas

✍️ تحلیل داده با سرعت بالا؛ مقایسه Pandas Polars:

t.me/dlearn_ir/594

⏳ برای استفاده از تخفیف‌ها زودتر ثبت‌نام کنید:

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

لینک ثبت نام:
d-learn.ir/pyps



🔴 اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴


تماس:
@dlearnsup
09103209837
02188349244

@dlearn_ir

Читать полностью…

🎞 پردازش زبان‌های طبیعی و مدل‌های زبانی بزرگ در پایتون

۳۰ ساعت ویدئوی آموزشی همراه با دسترسی به فایل‌های دوره

پردازش متن و زبان طبیعی (NLP) به یک ابزار ضروری برای درک و تحلیل داده‌ در سال‌های اخیر بدل شده است. این حوزه شامل ایده‌ها و الگوریتم‌های متعددی برای درک متن و زبان است، در بسیاری از زمینه‌ها مانند موتورهای جستجو در وب، تحلیل احساسات، خلاصه‌سازی، ترجمه، پاسخگویی به سوالات نقش حیاتی ایفا می‌کند.

با توسعه فناوری و پیدایش مدل‌های زبانی بزرگ (LLMs) پردازش متن به بستری برای ارائه راهکارها و ایده‌های جدید برای حل مشکلات مختلف تبدیل شده است. مدل‌های زبانی بزرگ (LLM) از طریق آموزش بر روی حجم عظیمی از داده‌های متنی ساخته می‌شوند و به همین خاطر قابلیت‌هایی برای درک و تولید محتوا دارند و می‌توان آن‌ها را با تمرکز بر دانش و اطلاعات یک حوزه خاص آموزش داد و به کار گرفت.

#دوره_آموزشی_آفلاین

🎓 سعید مجیدی، متخصص پردازش زبان‌های طبیعی و مدل‌های زبانی بزرگ در گروه صنعتی انتخاب، دکترای یادگیری ماشین با گرایش پردازش زبان از دانشگاه تافتس آمریکا
🎓 حسام محمدحسینی، مدیر ارشد مهندسی داده در ایرانسل، سابقه مدیریت محصول در پلتفرم کلان‌داده دیجیکالا، کارشناسی ارشد مهندسی برق و مخابرات از دانشگاه تربیت مدرس

🖥 لینک ثبت‌نام:
d-learn.ir/courses/nlmpyv


☎️ تماس:

📲 @dlearnsup
📱 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

🌐 این تصویر، نقشه‌ای است از دنیای پیچیده #هوش_مصنوعی، که حوزه‌های کلیدی آن را از مفاهیم پایه‌ای مانند یادگیری تقویتی و تشخیص گفتار، تا پیشرفته‌ترین شاخه‌ها مانند هوش مصنوعی مولد و یادگیری عمیق، به نمایش می‌گذارد. این نقشه، ارتباط بین زمینه‌های مختلف هوش مصنوعی را نشان می‌دهد و به شما کمک می‌کند تا درک بهتری از چگونگی تکامل این حوزه و ارتباط آن با سایر علوم و فناوری‌ها کسب کنید.

🛫 اگر علاقه‌مند به ورود به دنیای هوش مصنوعی هستید، یادگیری ماشین مهم‌ترین چیزی است که باید یاد بگیرید.
دوره‌ آموزشی یادگیری ماشین با پایتون با رویکردی اصولی و پروژه‌محور به شما کمک می‌کند که گام‌به‌گام این حوزه را یاد بگیرید. اطلاعات بیشتر در:

🔗 d-learn.ir/mlpy
⏳ برای استفاده از تخفیف بیشتر زودتر ثبت‌نام کنید:

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

🔴 اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

☎️ تماس:

📲 @dlearnsup
📱 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

🔸 داده‌های طرح نمونه‌گیری هزینه و درآمد خانوار مرکز آمار ایران (۱۴۰۲)

▫ مرکز آمار ایران هر سال با پرسش‌و‌پاسخ از حدود ۴۰ هزار خانوار که با نمونه‌گیری آماری و به صورت تصادفی از کل کشور انتخاب می‌شوند، داده‌های ارزشمندی درباره درآمدها و هزینه‌های آنان فراهم می‌کند.

📝 طرح درآمد و هزینه خانوار یکی از مهم‌ترین منابع داده برای تحلیل‌های اقتصادی، اجتماعی، سیاست‌گذاری عمومی و تحقیقات بازار است و اطلاعات متنوعی درباره خانوار مانند ویژگی‌های محل سکونت، سن، جنسیت، تحصیلات، وضعیت اشتغال اعضای خانوار و جزیئات درآمدی و هزینه‌ای آنان را در بر می‌گیرد.

✍️ این داده با کوشش محمدامین اخوت علویان از جداول مختلف مرکز آمار، پردازش و تجمیع شده و در یک جدول یکپارچه در وبسایت مدرسه پردازش و تحلیل داده دقیقه برای دانلود در دسترس است:

🔗 d-learn.ir/iran-hbs-1402

دسترسی به داده‌های دیگر:
🧑‍💻 d-learn.ir/data

@dlearn_ir

Читать полностью…

🔎کاوشی در موارد کاربرد یادگیری ماشین

#یادگیری_ماشین با ترکیب آمار، ریاضیات و علوم کامپیوتر، الگوریتم‌هایی را توسعه می‌دهد که می‌توانند الگوها را شناسایی کرده و پیش‌بینی‌های دقیق انجام دهند. انواع مختلف آن شامل یادگیری با نظارت، بدون نظارت و یادگیری تقویتی است که هر کدام کاربردهای متفاوتی دارند.

اگر می‌خواهید از قدرت #هوش_مصنوعی در تحلیل داده و تحقیقات خود بهره‌مند شوید، یادگیری ماشین مهم‌ترین چیزی است که به آن نیاز دارید.
دوره جامع «یادگیری ماشین با پایتون» از مبانی یادگیری ماشین آغاز می‌شود و گام‌ به گام تا مباحث پیچیده‌تری مثل یادگیری گروهی، کاهش ابعاد داده و شبکه‌های عصبی پیش ‌می‌رود. در این دوره آموزشی تمامی مباحث با رویکردی عملیاتی آموزش داده خواهند شد و تمامی مفاهیم و روش‌های دوره با پردازش داده‌های واقعی در محیط #پایتون پیاده‌سازی خواهند شد.

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

💎 اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

🔗 لینک ثبت نام:

d-learn.ir/mlpy

تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

🟡 روش CIRCLES برای حل مسائل پیچیده کسب‌وکار

در دنیای پر رقابت امروز، توانایی تحلیل منظم مشکلات و ارائه راه‌حل‌های مؤثر، تفاوت بین مدیران معمولی و رهبران استثنایی را رقم می‌زند.

متد CIRCLES با هفت مرحله ساختاریافته به شما کمک می‌کند تا تصمیمات استراتژیک بگیرید که منجر به نتایج قابل سنجش می‌شود.
آنهایی که این روش را به‌خوبی می‌آموزند، می‌توانند با اطمینان بیشتری چالش‌های پیچیده را مدیریت کنند و به نتایج بهتری دست یابند.
🟠🟠👇🟠🟠
موفقیت یک محصول تنها به ایده‌های خلاقانه بستگی ندارد. مدیریت درست محصول از مرحله ایده‌پردازی تا عرضه و توسعه، نقش حیاتی در موفقیت آن دارد. دوره آموزشی «مدیریت محصول» ✅ طراحی شده است تا شما را با اصول، ابزارها و تکنیک‌های کلیدی این حوزه آشنا کند و در یک دوره زمانی فشرده، شما را برای تبدیل‌شدن به یک مدیر محصول حرفه‌ای آماده سازد. اگر می‌خواهید محصولاتی بسازید که نیاز واقعی کاربران را برآورده کند و حضوری موثر در بازار داشته باشد، این دوره بهترین نقطه شروع برای شماست.

🔴 فراموش نکنید که فقط تا ۵ اردیبهشت ۱۴۰۴ فرصت دارید که با تخفیف در این دوره ثبت‌نام کنید.

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

⭐ اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

🔗 لینک ثبت نام:
👆 d-learn.ir/pdmn

📞 تماس:

📲t.me/dlearnsup
📱 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

🔍 آشنایی با الگوریتم درخت تصمیم
🌐 واژه‌نامه #هوش_مصنوعی

درخت تصمیم یک طبقه‌بندی‌کننده است که مجموعه‌ای از قوانین تصمیم‌گیری را در یک ساختار درختی سازماندهی می‌کند. این روش یکی از کاربردی‌ترین روش‌ها برای یادگیری نظارت‌شده غیرپارامتریک است.
درخت تصمیم یک مدل پیش‌بینی با ساختاری شبیه فلوچارت است که با استفاده از مشاهدات موجود درباره یک آیتم، به پیش‌بینی مقدار یا برچسب متغیر هدف کمک می‌کند.
این مدل از گره‌هایی تشکیل شده که نشان‌دهنده ویژگی‌های داده هستند، شاخه‌هایی که قوانین تصمیم‌گیری را مشخص می‌کنند و برگ‌هایی که نتایج نهایی یا کلاس‌های خروجی را نمایش می‌دهند.
ساختار درخت تصمیم در یادگیری ماشین
در درخت تصمیم، ویژگی‌های داده‌ها در گره‌های داخلی و خروجی یا نتیجه نهایی هر مسیر در برگ‌های درخت نمایش داده می‌شود.
این الگوریتم فرآیند تصمیم‌گیری را به‌صورت سلسله‌مراتبی مدل‌سازی می‌کند؛ داده‌ها را به‌طور بازگشتی به زیرمجموعه‌هایی تقسیم می‌کند، به‌طوری که در هر مرحله، تقسیم‌بندی بر اساس ویژگی‌ای انجام می‌شود که بیشترین اطلاعات را برای پیش‌بینی هدف فراهم می‌کند، تا زمانی که به تصمیم یا پیش‌بینی نهایی برسیم.

💡 مفاهیم اساسی درخت تصمیم

۱- گره (Node): هر نقطه در درخت که یک تصمیم‌گیری یا نتیجه را نمایش می‌دهد.
مثال: «آیا هوا آفتابی است؟»
۲- گره ریشه (Root Node): اولین گره درخت است که تصمیم‌گیری از آن آغاز می‌شود.
مثال: بررسی «وضعیت آب و هوا».
۳- گره داخلی (Internal Node): گره‌هایی که تصمیمات میانی را نمایش می‌دهند و به گره‌های دیگر متصل‌اند.
مثال: «آیا رطوبت بالا است؟»
۴- برگ یا گره پایانی (Leaf/Terminal Node): گره‌هایی که دیگر به هیچ گرهی متصل نیستند و نتیجه نهایی (مثل یک پیش‌بینی) را نشان می‌دهند.
مثال: «بازی کن» یا «بازی نکن».
۵- شاخه (Branch): مسیرهایی که گره‌ها را به هم وصل می‌کنند و بر اساس پاسخ‌ها (بله/خیر) حرکت می‌کنند.
۶- ویژگی ورودی (Input Attribute): اطلاعات یا متغیرهایی که بر اساس آن‌ها تصمیم‌گیری انجام می‌شود.
مثال: «رطوبت»، «باد»، «دمای هوا».
۷- تقسیم‌بندی (Splitting): فرآیند تقسیم یک گره بر اساس مقدار یک ویژگی.
در هر تقسیم، داده‌ها به زیرمجموعه‌هایی با ویژگی‌های خاص‌تر جدا می‌شوند.
۸- برش‌دهی (Pruning): حذف بخش‌هایی از درخت برای جلوگیری از پیچیدگی بیش از حد و بهبود عملکرد مدل.
مثل هرس کردن شاخه‌های اضافی.


➖➖⬇️➖➖

همچنین اگر علاقه‌مند به یادگیری هوش مصنوعی هستید، گام اول برای شما آموزش یادگیری ماشین هست.
دوره آموزشی «یادگیری ماشین با پایتون»  از مبانی یادگیری ماشین آغاز می‌شود و گام‌ به گام تا مباحث پیچیده‌تری مثل یادگیری گروهی، کاهش ابعاد داده و شبکه‌های عصبی پیش ‌می‌رود.

😈 این دوره به صورت عملیاتی و کاربردی طراحی شده است. برای اطلاعات بیشتر و مشاهده طرح درس و ثبت‌نام می‌توانید به سایت مدرسه دقیقه سر بزنید:

🔗 d-learn.ir/mlpy

تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

🎯 معرفی دوره استفاده از هوش مصنوعی (🔤🔤) در زندگی حرفه‌ای

#دوره_آموزشی_آنلاین

هوش مصنوعی در حال تغییر شیوه کار و زندگی ماست و بسیاری از مشاغل دگرگون کرده است. از انجام وظایف اداری و پشتیبانی مشتری گرفته تا تولید محتوا و تحلیل داده، هوش مصنوعی با افزایش سرعت و دقت، بهره‌وری را به سطحی جدید رسانده است.

اگر دوست دارید از این تحول برای رشد حرفه‌ای خود استفاده کنید، این دوره فرصت یادگیری و تمرین آن را برای شما فراهم می‌کند. در این کارگاه آموزشی از مفاهیم پایه هوش مصنوعی و کاربردهای روزمره آن گرفته تا مواردی مثل مانند نامه‌نگاری رسمی، تنظیم قرارداد، گردآوری اطلاعات، تهیه گزارش، انواع تولید محتوا و تحلیل داده‌ در کسب‌و‌کار با استفاده از هوش مصنوعی را به‌صورت عملی یاد می‌گیرید و تمرین می‌کنید.

🎓 مدرسان دوره: سعید مجیدی متخصص یادگیری ماشین و هوش مصنوعی در گروه صنعتی انتخاب | حسام محمدحسینی مدیر ارشد مهندسی داده و پلتفرم ارزش مشتری ایرانسل | علیرضا چمن‌زار تحلیلگر داده در شرکت پردازش و تحلیل داده دقیقه | مجید پورکاشانی مدیرعامل شرکت پردازش و تحلیل داده دقیقه

📆 پنج‌شنبه ۹:۳۰ تا ۱۳:۰۰
🗓 از ۱۸ اردیبهشت ۱۴۰۴
⏺️ ۱۸ ساعت (۶ هفته)
🎞 با دسترسی به ویدئوی جلسات
🏅 دارای پروژه پایانی و گواهی پایان دوره (قابل استعلام)

⏳ برای استفاده از تخفیف بیشتر زودتر ثبت‌نام کنید:

🙂 کد تخفیف 30% برای پرداخت کامل: NwA30
🙂 کد تخفیف 20% برای پرداخت قسطی: NpW20

🔴 اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

🔗 لینک ثبت نام:
d-learn.ir/ai4p?utm=ldp

تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

Читать полностью…

↗️پاک‌سازی داده‌ها با پانداس (Pandas)

در فرایند تحلیل معمولا داده‌ها نیاز به پیش‌پردازش و پاکسازی دارند تا به قالب مناسبی برای تحلیل نهایی برسند.

فرایند پاکسازی معمولا این چند مرحله است:
+ تغییر نام ستون‌ها
+ تغییر جنس ستون‌ها
+ مشاهده و حذف داده‌های تکراری
+ حذف داده‌های حاوی NaN
+ حذف سطر و ستون

⬇️تغییر نام ستون‌ها

DataFrame.rename(columns = {dict}, inplace = True)

عبارت columns: یک دیکشنری که نام فعلی ستون‌ها Key و نام جدید آنها Valueهای این دیکشنری هستند.
عبارت inplace: بیان می‌کند که این تغییرات بلافاصله بر روی DataFrame فعلی و بدون نیاز به یک کپی از آن انجام شود (True) یا خیر (False).

🔴تغییر نوع ستون‌ها

#بررسی نوع ستون‌ها
print(provincesDF.dtypes)

'''
province      object
center        object
region        float64
population    float64
area          float64
dtype: object
'''
#تغییر نوع ستون انتخابی
provincesDF['region'] = provincesDF['region'].astype(str)

print(provincesDF.dtypes) #خروجی

'''
province      object
center        object
region        object
population    float64
area          float64
dtype: object
'''

🟡مشاهده داده‌های تکراری
برای پی‌بردن به اینکه آیا DataFrame حاوی سطری تکراری است، از تابع زیر استفاده می‌شود:

DataFrame.duplicated(keep = ['first', 'last'])

این تابع یک لیست حاوی مقادیر Boolean و به‌اندازه تعداد سطرها برمی‌گرداند. به هر‌سطری که تکراری باشد مقدار True نسبت داده می‌شود. دقت داشته باشید که دو سطر درصورتی تکرار هم درنظرگرفته می‌شوند، که در تمامی ستون‌ها مقادیر آنها دقیقا مشابه یکدیگر باشد.

عبارت keep: فرض کنید که دوسطر i و j تکراری باشند و i قبل از j قرار گرفته باشد. درصورتی‌که 'keep = 'first باشد، Pandas سطر i را نگه‌داشته و سطر j را تکراری اعلام می‌کند. درصورتی که 'keep = 'last باشد، برعکس این اتفاق رخ می‌دهد و سری i تکراری درنظر گرفته می‌شود.

🔵حذف داده‌های تکراری
پس از تشخیص وجود داده، سطر، تکراری می‌توانیم، درصورت نیاز، با استفاده از تابع زیر اقدام به حذف آن سطور کنیم :

DataFrame.drop_duplicates(inplace, keep = ['first','last'])

این تابع یک لیست حاوی مقادیر Boolean و به‌اندازه تعداد سطرها برمی‌گرداند. به هر‌سطری که تکراری باشد مقدار True نسبت داده می‌شود. دقت داشته باشید که دو سطر درصورتی تکرار هم درنظرگرفته می‌شوند، که در تمامی ستون‌ها مقادیر آنها دقیقا مشابه یکدیگر باشد.
عبارت inplace: یک مقدار Boolean که مشخص می‌کند که عمل حذف بر روی خود DataFrame انجام شود ('inplace = 'True) و یا DataFrame بدون تغییر مانده و عمل حذف بر روی یک کپی از آن اعمال شود ('inplace = 'False). مقدار پیش‌فرض برابر با False است.
عبارت keep: بیان می‌کند که از اعضای تکراری، مورد اول ('first') و یا مورد آخر('last') نگه‌داشته شوند.

🟠 کشف و مشاهده داده‌های ناموجود
در مرحله اول باید بررسی کنیم که آیا DataFrame حاوی مقدار Null است یا خیر. برای این‌ امر از تابع ()isnull استفاده می‌کنیم:

DataFrame.isnull()

خروجی این تابع یک DataFrame به اندازه‌ی DataFrame اصلی است که محتوای آن مقادیر True/False می‌باشد. اگر مقدار خانه‌ای برابر با True باشد، به این معنی است که خانه‌ی متناظر در DataFrame اصلی حاوی مقدار Null است.

🟢 حذف داده‌های ناموجود
ساده‌ترین رویکرد برخورد با داده‌های ناموجود، حذف سطرها و یا ستون هایی است که حداقل در یکی از خانه‌ها مقداری ندارند. Pandas برای این روش از تابع ()dropna استفاده می‌کند:

DataFrame.isnull(inplace, axis = {0,1})

عبارت inplace: یک مقدار Boolean که مشخص می‌کند که عمل حذف بر روی خود DataFrame انجام شود ('inplace = 'True) و یا DataFrame بدون تغییر مانده و عمل حذف بر روی یک کپی از آن اعمال شود ('inplace = 'False). مقدار پیش‌فرض برابر با False است.
عبارت axis: درصورتی که 0 باشد بیانگر حذف سطر و 1 بیانگر حذف ستون است. مقدار پیش‌فرض آن برابر با 0 (حذف سطر) است.

📷 به دلیل محدودیت تعداد کلمات در تلگرام می‌توانید ادامه بحث را در اینستاگرام مدرسه دقیقه دنبال کنید.

💡 این آموزش بخشی از درسنامه پردازش و تبدیل داده با پانداس pandas که از بخش درسنامه‌ها می‌توانید از آن استفاده کنید.

➖➖👇➖➖
همچنین اگر علاقه‌مند به یادگیری مهارت‌های پردازش و تحلیل داده‌های حجیم در پایتون هستید، دوره آموزشی پردازش بهینه با pandas و polars برای شما طراحی شده‌است.

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

⭐ اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

لینک ثبت‌نام:
🔗 d-learn.ir/pyps

تماس:
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

💰 نگاهی بر گزارش حقوق و دستمزد جاب‌ویژن ١۴٠۴
✅ در حوزه‌های مرتبط با داده

پلتفرم خدمات کاریابی و #استخدام جاب‌ویژن از از سال 1399، پیوسته گزارش‌هایی را با عنوان حقوق و دستمزد با نظرسنجی از نیروهای کار در سراسر کشور منتشر می‌کند. گزارش حقوق و دستمزد 1404 با شرکت بیش از 100هزار نفر، در 600 خانواده شغلی به تفکیک گروه شغلی، سطح ارشدیت و جغرافیا اخیرا منتشر شده‌است.
در این نوشته، اطلاعات و نکات مهم این گزارش و به صورت اختصاصی مشاغل مربوط به داده بازنشر شده.

💡 مهم‌ترین یافته‌های گزارش

کارفرماها و کارجویان اعتقاد دارند که به‌دلیل وجود شرایط تورمی در کشور، حقوق افراد باید متناسب با تورم افزایش یابد تا قدرت خریدشان ثابت بماند.
بنا به دلایل مختلف از جمله گروه شغلی، مدت حضور در بازار کار و… حقوق #زنان ٪۲۸ کمتر از مردان است.
سطح ارشدیت مهم‌ترین عامل برای افزایش حقوق است، درحالی‌که سابقه کار در میانه مسیر شغلی بی‌تاثیر می‌شود.
اکثر مشاغلی که مرتبط با تکنولوژی بوده‌اند (مانند توسعه نرم‌افزار، مدیر محصول و تحلیل‌گر کسب‌و‌کار، هوش مصنوعی و علوم داده و ...) حقوق‌های بالایی دارند و رشد زیادی را تجربه کرده‌اند.
نوع #دانشگاه محل تحصیل #کمترین تاثیر را بر حقوق دریافتی دارد.

🌐اعداد حقوق ۱۴۰۳ و ۱۴۰۴ شغل‌های مرتبط با حوزه داده به دلیل محدودیت تلگرام در اینستاگرام مدرسه ببینید.

همچنین می‌توانید گزارش کامل را از سایت جاب‌ویژن دانلود کنید.

🔴🔴🔴🔴
تا ۲۲ فروردین وقت دارید تا دوره‌های بهار مدرسه دقیقه را با تخفیف خریداری کنید؛
+ یادگیری ماشین با پایتون
* استفاده از هوش مصنوعی در زندگی حرفه‌ای
+ استخراج داده از وب
* پردازش بهینه با pandas و polars

🟢 اطلاعات بیشتر:
/channel/dlearn_ir/575

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

⭐ اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

شروع از دوره‌ها از نیمه اردیبهشت‌ ۱۴۰۴

📲 تماس:
@dlearnsup
09103209837
02188349244

@dlearn_ir

Читать полностью…

📈 شاخص‌های کلیدی عملکرد در مدیریت محصول

شاخص‌های محصول به شما کمک می‌کنند موفقیت و شکست را بسنجید و محصولاتی سریع‌تر، هوشمندانه‌تر و بهتر تولید کنید.
در ادامه برخی از این شاخص‌ها آمده‌اند:

💸 شاخص‌های درآمدی

🟢درآمد مکرر ماهیانه
Monthly Recurring Revenue (MRR)
درآمد کل ماهانه‌ای که انتظار می‌رود در یک ماه ایجاد شود.

🔴میانگین درآمد به ازای هر مشتری
Average Revenue Per User (ARPU)
چه میزان درآمد به ازای هر کاربر به صورت ماهانه یا سالانه ایجاد خواهد شد.

🔵ارزش طول عمر مشتری
Customer Lifetime Value (CLTV)
محاسبه درآمد قابل پیش‌بینی که می‌توانید در طول دوره عمر یک مشتری به عنوان کاربر پرداخت‌کننده کسب کنید.

🔴هزینه جذب مشتری
Customer Acquisition Cost (CAC)
هزینه جذب یک مشتری برای پرداخت هزینه محصول، شامل بازاریابی، فروش و تبلیغات.

👥 شاخص‌های کاربران

🔴 کاربران فعال روزانه/ماهانه
Daily/Monthly Active Users (DAU/MAU)
آیا کاربران در حال کاهش یا افزایش هستند و به پیش‌بینی، بودجه‌بندی و برنامه‌ریزی کمک می‌کند.

🔴بازدید از سایت
Website Traffic (Traffic)
چه تعداد کاربر وب‌سایت شما را پیدا کرده‌اند و به شما کمک می‌کنند تبلیغات، سئو و هزینه‌ها را سازماندهی کنید.

🟣نرخ پرش
Bounce rate (BR)
درصد کاربرانی که بعد از دیدن یک صفحه خارج شده‌اند. هر چه درصد پایین‌تر باشد، بهتر است.

🟠میانگین زمان سپری شده
Average Session Duration(A.SD)
پیگیری می‌کند کاربران به طور متوسط چه مدت زمانی را در وب‌سایت شما می‌گذرانند.

☺️ شاخص‌های رضایت

🔵نرخ ریزش
Churn Rate (CR)
پیگیری درصد کاربرانی که استفاده از محصول شما را در یک دوره زمانی مشخص متوقف کرده‌اند.

🔴شاخص خالص ترویج‌کنندگان
Net Promoter Score (NPS)
روشی برای دریافت بازخورد از کاربران و سنجش رضایت کلی آنها از محصول.

🟢نرخ جذب
Acquisition Rate (AR)
روشی برای دریافت بازخورد از کاربران و سنجش رضایت کلی آنها از محصول.

🔴نرخ حفظ مشتری
Client Retention Rate (CRR)
نشان‌دهنده توانایی محصول در حفظ کاربران و تعامل با آنها در یک دوره زمانی طولانی است.

➖➖⬇️➖➖
همچنین اگر علاقه‌مند به یادگیری گام به گام و پروژه‌محور مهارت‌های ساخت و ارزیابی محصول هستید دوره‌ آنلاین مدیریت محصول برای شما طراحی شده‌است. اطلاعات بیشتر در:
🔗 d-learn.ir/pdmn

📞 تماس:

📲t.me/dlearnsup
📱 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

🖼 تصویرگری با قلموی الگوریتم
💡 با توماس لین پدرسن و هنر زایشگر آشنا شوید

🔴 توماس لین پِدِرسن متخصص بیوانفورماتیک و زیست‌شناسی محاسباتی که به علوم داده روی آورده و علاوه بر زندگی حرفه‌ای، تخصص و علمش را در خدمت هنر در آورده و به خلق چنین آثار زیبایی می‌پردازد.

🟠 در این تصاویر معمولا جزئیات زیادی وجود دارد. اشکال و رنگ‌ها با ظرافت و هارمونی خیره‌کننده‌ای در کنار یکدیگر قرار می‌گیرند و توجه بیننده را به خود جلب می‌کنند.
این گونه آثار با تصمیمات نقاش و حرکت قلموی او روی بوم نقاشی تولید نمی‌شود، بلکه با استفاده از مجموعه‌ای محدود و مشخص از قواعد و مقدارهای اولیه اولیه که معمولا تحت عنوان سامانه‌های مولد یا زایشگر از آن یاد می‌شود.

🔵 توماس در حقیقت خود را هنرمندی می‌داند که تمرکز اصلی‌اش کشف زیبای سیستم‌های دینامیکی است. به گفته خودش هر چه بیشتر با سیستم‌های دینامیکی آشنا شوی قلموی نقاشی بیشتر در دستت آرام و قرار می‌گیرد اما همیشه قدری از پیش‌بینی‌ناپذیری و شگفت‌زدگی وجود دارد.

🔴 او آثار هنری خود را از به وجود آوردن سامانۀ مولد تا بصری‌سازی داده‌ها در محیط #R انجام می‌دهد و علاوه بر کتابخانه #ggplot2، از کتابخانه‌های ggforce, ambient, particles, tidygraph, و ggraph که بیشتر آن‌ها را نیز خودش توسعه داده‌ استفاده می‌کند.

🟢 یادداشت کامل «تصویرگری با قلموی الگوریتم» و دیگر آثار توماس لین پدرسن را می‌توانید در مجله پرانتز بخوانید:
🔗 d-learn.ir/p/generative-art-thomas-lin-pedersen

@dlearn_ir

Читать полностью…

✍️ به نظر شما کدام گزینه معادل بهتری برای data science است؟

◽ علم داده
◽ علم داده‌ها
◽ علوم داده
◽ علوم داده‌ها

سه دلیل می‌توان ذکر کرد که✔️ «علوم داده» در مقایسه با سایر گزینه‌ها در مجموع معادل بهتری برای ترجمه data science در زبان فارسی است:

📍 تفاوت علم و science در زبان فارسی و انگلیسی
📍 سابقه استفاده از «علوم» برای معادل‌سازی science
📍 شباهت به computer science از نظر ماهیت کاربردی و بین رشته‌ای


بررسی معادل‌های فارسی data science در گوگل ترند نشان می‌دهد همه ترکیب‌های ممکن در جستجوهای کاربران در گوگل آمده اما سهم «علم داده» و «علوم داده» از سایر گزینه‌ها بیشتر است.

اگر آنچه در دهه‌های گذشته در زبان فارسی متعارف بوده و به نوعی عرف زبانی تبدیل شده را معیار قرار دهیم، می‌توان به اختصار گفت علوم داده ترجمه بهتری از علم داده است همچنان که علوم کامپیوتر ترجمه بهتری از علم کامپیوتر بوده است.

متن کامل پاسخ علیرضا کدیور به این پرسش را در مجله پرانتز در وبسایت مدرسه دقیقه مطالعه کنید:

d-learn.ir/p/data-science-fa

#واژگان_علم_و_فناوری_در_زبان_فارسی

@dlearn_ir

Читать полностью…

📋 خلاصه فعالیت‌های مدرسه دقیقه در سال ۱۴۰۳

▫️ برگزاری ۱۱ دوره آموزشی آنلاین
▫️ انتشار ۶ درسنامه جدید
▫️ انتشار ۳ پروژه جدید
▫️ عرضه ۱۰ دوره به صورت آفلاین
▫️ برگزاری ۲ دوره سازمانی
▫️ برگزاری ۶ وبینار و نشست
▫️ انتشار ۱۹ عنوان جدید در مجله پرانتز
▫️ انتشار ۷ مجموعه داده جدید

برای مشاهده هر یک از موارد در فایل pdf روی آن کلیک کنید.


@dlearn_ir

Читать полностью…

دوره‌های ویدئویی مدرسه دقیقه با ۴۰ درصد تخفیف ویژه‌ی نوروز

🙂 کد تخفیف 40% ویژه نوروز: 9RouZ04
⏳ فرصت استفاده از این کدهای تخفیف تا ۲۶ اسفند ۱۴۰۳ خواهد بود.

🙂 تحلیل داده و توسعه داشبورد با Power BI
۲۴ ساعت آموزش کاربردی و پروژه‌محور

👈 ثبت نام:
d-learn.ir/courses/pwbiv

🙂 طراحی مطالعه و تحلیل داده در تحقیقات پزشکی با R
۳۰ ساعت آموزش تخصصی و کاربردی

👈 ثبت نام:
d-learn.ir/courses/rmdav

🙂 یادگیری ماشین با رویکرد بهینه‌سازی در پایتون
۱۸ ساعت آموزش کاربردی و پروژه‌محور

👈 ثبت نام:

d-learn.ir/courses/mloptv

🙂بهینه‌سازی و تحقیق در عملیات با پایتون
۱۸ ساعت (۶ هفته) از ۱۵ اردیبهشت ۱۴۰۴

👈 ثبت نام:
d-learn.ir/courses/orpyv

🙂تحقیقات بازار و توسعه کسب‌وکار
۱۸ ساعت (۶ هفته) از ۱۵ اردیبهشت ۱۴۰۴

👈 ثبت نام:
d-learn.ir/courses/mrbdv

🙂 آموزش SQL برای تحلیل داده
۳۰ ساعت آموزشی تخصصی و پروژه‌محور

👈 ثبت نام:
d-learn.ir/courses/sql4dav

🙂 اکسل برای تحلیل داده‌های کسب و کار
۱۸ ساعت آموزش کاربردی و پروژه‌محور

👈 ثبت نام:
d-learn.ir/courses/xlsb-videos

🙂 سواد داده برای سازمان‌های غیرانتفاعی
۱۲ ساعت آموزش عملی

👈 ثبت نام:
d-learn.ir/courses/dl4npov


اگر به اطلاعات بیشتر نیاز دارید با ما تماس بگیرید:

t.me/dlearnsup
02188349244
09103209837

@dlearn_ir

Читать полностью…

اگر می‌خواهید از قدرت #هوش_مصنوعی در تحلیل داده و تحقیقات خود بهره‌مند شوید، #یادگیری_ماشین مهم‌ترین چیزی است که به آن نیاز دارید.
.
در این ویدئو، حمیده حسین‌زاده یکی از مدرسان دوره یادگیری ماشین با #پایتون در مدرسه دقیقه که بهار 1404 برگزار می‌شود، در مورد تدریس خود در این دوره توضیح می‌دهد.
.
دوره جامع «یادگیری ماشین با پایتون» از مبانی یادگیری ماشین آغاز می‌شود و گام‌ به گام تا مباحث پیچیده‌تری مثل یادگیری گروهی، کاهش ابعاد داده و شبکه‌های عصبی پیش ‌می‌رود. در این دوره آموزشی تمامی مباحث با رویکردی عملیاتی آموزش داده خواهند شد و تمامی مفاهیم و روش‌های دوره با پردازش داده‌های واقعی در محیط پایتون پیاده‌سازی خواهند شد.

#دوره_آموزشی_آنلاین

📆 یکشنبه‌ها ۱۸:۳۰ تا ۲۱:۳۰
🗓 از ۱۴ اردیبهشت ۱۴۰۴
⏺️ ۳۰ ساعت (۱۰ هفته)
🎞 با دسترسی به ویدئوی جلسات
🏅 گواهی پایان دوره (قابل استعلام)

⏳ برای استفاده از تخفیف بیشتر زودتر ثبت‌نام کنید:

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

🔴 اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

🔗 لینک ثبت نام:
d-learn.ir/mlpy

تماس:

📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

اگر می‌خواهید از قدرت #هوش_مصنوعی در تحلیل داده و تحقیقات خود بهره‌مند شوید، #یادگیری_ماشین مهم‌ترین چیزی است که به آن نیاز دارید.

در این ویدئو، سعید مجیدی یکی از مدرسان دوره یادگیری ماشین با #پایتون در مدرسه دقیقه که بهار ۱۴۰۴ برگزار می‌شود، جزییات دوره را شرح می‌دهد.

دوره جامع «یادگیری ماشین با پایتون» از مبانی یادگیری ماشین آغاز می‌شود و گام‌ به گام تا مباحث پیچیده‌تری مثل یادگیری گروهی، کاهش ابعاد داده و شبکه‌های عصبی پیش ‌می‌رود. در این دوره آموزشی تمامی مباحث با رویکردی عملیاتی آموزش داده خواهند شد و تمامی مفاهیم و روش‌های دوره با پردازش داده‌های واقعی در محیط پایتون پیاده‌سازی خواهند شد.

#دوره_آموزشی_آنلاین

📆 یکشنبه‌ها ۱۸:۳۰ تا ۲۱:۳۰
🗓 از ۱۴ اردیبهشت ۱۴۰۴
⏺️ ۳۰ ساعت (۱۰ هفته)
🎞 با دسترسی به ویدئوی جلسات
🏅 گواهی پایان دوره (قابل استعلام)

⏳ برای استفاده از تخفیف بیشتر زودتر ثبت‌نام کنید:

🙂 کد تخفیف 30% برای پرداخت کامل: Fvxp30
🙂 کد تخفیف 20% برای پرداخت قسطی: VxpF20

🔴 اعتبار کدهای تخفیف تا ۱۴ اردیبهشت ۱۴۰۴

🔗 لینک ثبت نام:
d-learn.ir/mlpy

تماس:

📱 t.me/dlearnsup
📞 02188349244
📲 09103209837

@dlearn_ir

Читать полностью…

🎞 طراحی مطالعه و تحلیل داده در تحقیقات پزشکی و زیستی با R

۳۰ ساعت ویدئوی آموزشی همراه با دسترسی به فایل‌های دوره

تحلیل داده و مدلسازی آماری بخش جدایی‌ناپذیری از تحقیقات پزشکی و مطالعات سلامت در دنیای امروز است. در این دوره آموزشی، پس از آشنایی با R و مرور مفاهیم اساسی در آزمون‌های آماری، سراغ مدلسازی می‌رویم با انواع مدل‌های رگرسیون، تحلیل بقا و آنالیز کاکس آشنا شده و با پیاده‌سازی آن‌ها در محیط R و تحلیل داده‌های واقعی حوزه پزشکی و سلامت برای طراحی مطالعات آماری در تحقیقات پزشکی آماده می‌شویم. از جمله موضوعاتی که در این بخش مورد بررسی قرار خواهد گرفت می‌توان به کارآزمایی بالینی و بررسی اثربخشی مداخلات دارویی، مطالعات موردشاهدی و مقطعی، بررسی کوهورت‌ها، مرور سیستماتیک، تحلیل فراداده و بررسی روابط عِلّی اشاره کرد.

#دوره_آموزشی_آفلاین

🎓آمنه ابراهیم ولوجردی؛ متخصص آمار در تحقیقات پزشکی و سلامت، کارشناسی آمار دانشگاه تهران و کارشناسی ارشد آمار زیستی دانشگاه علوم پزشکی ایران
🎓کیارش تنها؛ متخصص آمار زیستی در گروه مطالعات واکسن دانشگاه آکسفورد، کارشناسی ارشد آمار زیستی دانشگاه علوم پزشکی ایران
🎓علیرضا کدیور؛ تحلیلگر داده در شرکت دقیقه، مدرس مدعو مبانی برنامه‌نویسی، رگرسیون و تحلیل داده در دانشگاه صنعتی شریف، کارشناسی ارشد آمار از دانشگاه اسکس انگلستان

🖥 لینک ثبت‌نام:

d-learn.ir/courses/rmdav?utm=mkf

💎 کد تخفیف ۲۵% برای ۵ ثبت نام اول >> کد تخفیف kmF20
تماس:

📲 @dlearnsup
📱 02188349244
📲 09103209837


@dlearn_ir

Читать полностью…