آخرین مطالب
ETL بهینه برای اجرای فرآیند در شرکتهای متوسط
چالشهای مهاجرت داده از پایگاههای قدیمی به سامانههای جدید
راهکارهای کاهش خطاهای انسانی در جمعآوری داده
چطور پروژههای تحلیل داده را سریع و بهینه ارزیابی کنیم؟
راهنمای جامع ساخت سیستمهای توصیهگر برای افزایش فروش آنلاین
کاربرد یادگیری ماشین در شناسایی تقلبهای مالی
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
چطور پروژههای تحلیل داده را سریع و بهینه ارزیابی کنیم؟
راهنمای جامع ساخت سیستمهای توصیهگر برای افزایش فروش آنلاین
کاربرد یادگیری ماشین در شناسایی تقلبهای مالی
تحلیل و مصورسازی دادههای پراکنده برای سازمانهای چندشعبهای
فرآیند تولید گزارشهای اتوماتیک از دادههای سازمانی
پیادهسازی سیستمهای تحلیل رفتار مشتری با یادگیری ماشین
چگونگی تربیت و نگهداری مدلهای هوش مصنوعی سازمانی
پیادهسازی سیستم هشدار زودهنگام با هوش مصنوعی
مهندسی داده
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
آموزش جامع مدیریت دیتاستهای به شدت بزرگ
مدیریت ریسک و امنیت در پروژههای کلان داده (Big Data)
کلان داده
مراحل پیاده سازی آپاچی هدوپ در لینوکس
DataNode در هدوپ
مراحل پیاده سازی HDFS
مراحل افزودن دیتا نود به کلاستر هدوپ
کار با HDFS توسط کدهای پایتون
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
مدیریت SQL Server
ابزارهای بهینه سازی کوئری SQL
مزایای استفاده از View
اعطای مجوز در SQL
SQL GROUP BY CUBE
SQL UNION ALL
مدیریت زمان
Bullet Journal
GTD (Getting Things Done)
روش تقویم
ماتریس آیزنهاور
Pomodoro
Numpy
حل معادلات خطی با NumPy
آموزش جامع NumPy
پردازش تصویر و گرافیک کامپیوتری با NumPy
عملیات اساسی بر روی آرایه های NumPy
توابع دستکاری آرایه در NumPy
Pandas
نصب و راهاندازی Pandas در محیط پایتون
ادغام و الحاق DataFrame در Pandas
تجزیه و تحلیل توصیفی با Pandas
ایجاد انواع مختلف نمودارها (خطی، میله ای، پراکندگی) با Pandas و Matplotlib
شناسایی مقادیر گمشده در Pandas
SciPy
کاوش در فضای نام SciPy
ایجاد و دستکاری آرایه ها و ماتریس ها در SciPy
توزیع های احتمال در SciPy
نصب و راه اندازی SciPy
مراحل انجام آزمون فرضیه در SciPy
پردازش تصویر در علم و مهندسی با SciPy
Scikit-learn
بهینهسازی در یادگیری ماشین
تکنیکهای رایج کاهش ابعاد در scikit-learn
ساخت مدلهای یادگیری عمیق با scikit-learn
معرفی مفاهیم پایه بینایی کامپیوتر در scikit-learn
استخراج ویژگی از تصاویر با scikit-learn
- هوش مصنوعی - AI
یادگیری عمیق و اخلاق
یادگیری عمیق و اخلاق (Deep Learning and Ethics) یادگیری عمیق (Deep Learning) به عنوان یکی از پیشرفتهترین شاخههای هوش مصنوعی،…
- ۱۴۰۳/۰۹/۱۲
یادگیری تقویتی
- ۱۴۰۳/۰۹/۱۷
تفاوت یادگیری ماشین و یادگیری عمیق
-
۱۴۰۳/۱۲/۲۵تشخیص اشیاء
-
۱۴۰۳/۱۱/۰۶استخراج خودکار ویژگیها
- علوم داده - Data Science
نمودارهای کنترل خطی در Matplotlib
نمودارهای کنترل خطی در Matplotlib: راهنمای جامع و کاربردی مقدمه نمودارهای کنترل خطی ابزاری کارآمد برای نظارت بر فرایندها و…
-
-
-
-
۱۴۰۳/۰۲/۱۷به اشتراک گذاری نمودارهای Matplotlib در وب
-
۱۴۰۳/۰۲/۱۷ایجاد نمودار دایره ای در Matplotlib
-
۱۴۰۳/۰۲/۱۷علائم واختصارات در نمودارهای Matplotlib
-
۱۴۰۳/۰۲/۱۷ایجاد نمودار پراکندگی در Matplotlib
- NumPy
توابع ریاضی و آماری NumPy
NumPy طیف گسترده ای از توابع ریاضی و آماری را برای انجام محاسبات و تجزیه و تحلیل داده ها بر…
-
۱۴۰۳/۰۱/۲۸ماتریس ها در NumPy
-
-
۱۴۰۳/۰۱/۲۸محاسبه معکوس ماتریس در NumPy
-
۱۴۰۳/۰۱/۲۸تحلیل داده ها و آمار با NumPy
-
۱۴۰۳/۰۱/۲۸انواع داده های آرایه NumPy
-
۱۴۰۳/۰۱/۲۸توابع دستکاری آرایه در NumPy
-
۱۴۰۳/۰۱/۲۸۱۰ روش برای ایجاد آرایه در NumPy
- آموزش
متدها در پایتون
متد در پایتون یک تابع است که به شیء تعلق دارد. متدها برای انجام عملیات بر روی دادههای شیء یا…
-
۱۴۰۲/۱۲/۲۱متدهای استاتیک در پایتون
-
۱۴۰۳/۰۵/۳۰دستورات شرطی در پایتون
-
۱۴۰۳/۰۶/۲۵دیکشنریها در پایتون
-
۱۴۰۳/۱۰/۱۰ایجاد ماژول پایتون
-
۱۴۰۳/۰۶/۲۵ایجاد تاپل در پایتون
-
۱۴۰۳/۰۳/۰۸تابع Filter
-
۱۴۰۳/۰۶/۱۰عملیات روی لیستها در پایتون
- علوم داده - Data Science
ارزیابی عملکرد مدلهای طبقهبندی با scikit-learn
ارزیابی عملکرد مدلهای طبقهبندی با scikit-learn: رویکردی جامع در حوزه یادگیری ماشین، ارزیابی عملکرد مدل نقشی اساسی در سنجش کارایی…
-
۱۴۰۳/۰۲/۲۴نصب و راه اندازی scikit-learn
-
۱۴۰۳/۰۲/۲۴الگوریتمهای خوشهبندی در scikit-learn
-
۱۴۰۳/۰۲/۲۴چرا از scikit-learn استفاده کنیم؟
-
۱۴۰۳/۰۲/۲۴تبدیل و مقیاس گذاری ویژگی ها با scikit-learn
-
۱۴۰۳/۰۲/۲۴scikit-learn چیست؟
-
-
۱۴۰۳/۰۲/۲۴ساخت مدلهای یادگیری عمیق با scikit-learn
- علوم داده - Data Science
خواندن، نوشتن و نمایش تصاویر با SciPy
اگرچه SciPy کتابخانه ای قدرتمند برای محاسبات علمی است، اما به طور خاص برای پردازش تصویر طراحی نشده است. با…
-
-
۱۴۰۳/۰۲/۰۹الگوریتم های یادگیری ماشین رایج با SciPy
-
۱۴۰۳/۰۲/۰۹تبدیل سیگنال با SciPy
-
۱۴۰۳/۰۲/۰۹تولید و تجزیه و تحلیل سیگنال با SciPy
-
۱۴۰۳/۰۲/۰۹نصب و راه اندازی SciPy
-
۱۴۰۳/۰۲/۰۹توزیع های احتمال 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…
-
-
۱۴۰۳/۰۲/۰۴ایجاد Series و DataFrame از ابتدا
-
۱۴۰۳/۰۲/۰۴تاریخچه و مزایای استفاده از Pandas
-
-
۱۴۰۳/۰۲/۰۴انتخاب ستون ها و سطرها در Pandas
-
۱۴۰۳/۰۲/۰۳سرفصل جامع آموزش Pandas
-
۱۴۰۳/۰۲/۰۴جایگزینی مقادیر گمشده در Pandas
- آموزش
داده های بولین در SQL
داده های بولین در SQL: مقدمه: داده های بولین در SQL برای ذخیره مقادیر درست یا غلط (True یا False)…
-
۱۴۰۲/۱۲/۰۹ساختار ستونها در پایگاه دادههای رابطهای
-
۱۴۰۳/۰۲/۱۹SQL GROUPING SETS
-
۱۴۰۳/۰۴/۱۱Covering Index
-
۱۴۰۳/۰۷/۱۱Statement-Based Replication
-
۱۴۰۳/۰۷/۰۲تکثیر (Replication) در پایگاه داده
-
۱۴۰۳/۰۲/۱۹SQL GROUP BY CUBE
-
۱۴۰۳/۰۷/۰۹Streaming Replication
- آمار و احتمال
انحراف معیار
انحراف معیار: واکاوی مفهومی و کاربردهای آماری چکیده انحراف معیار (SD) به عنوان معیاری آماری، میزان پراکندگی دادهها حول میانگین…
-
۱۴۰۳/۰۳/۱۹تجزیه و تحلیل واریانس (ANOVA)
-
۱۴۰۳/۰۳/۰۷نمودار پای
-
۱۴۰۳/۰۲/۳۰اعداد صحیح
-
۱۴۰۳/۰۲/۳۰اعداد گنگ
-
۱۴۰۳/۰۳/۰۷نمودار حبابی
-
۱۴۰۳/۰۳/۱۹ضریب همبستگی
-
۱۴۰۳/۰۳/۲۷آزمونهای دو نمونهای


































































