⭕️واژه نامه دیتاساینس

#Data_Science_Glossary

📈انجمن علم داده دانشگاه کاشان
@uk_dsa

📈انجمن علم داده دانشگاه کاشان
@uk_dsa

📚 کتاب بی نظیر تور علم داده :
📙 در این کتاب دو زبان برنامه‌نویسی R و Python را به صورت موازی یاد بگیرید👌🏼

✅ بر اساس گزارش Datacamp در سال ۲۰۲۲، زبان برنامه‌نویسی R بعد از Python در رتبه پرکاربردترین زبان‌های برنامه نویسی در علم داده قرار دارد. لذا یادگیری این دو زبان به عنوان مهم ترین ابزار علم داده، به پیشرفت شما در مسیر تبدیل شدن به یک دانشمند داده کمک بسزایی خواهد کرد.

📗 در کتاب تور علم داده علاوه بر پرداختن به مفاهیم اصلی علم داده، در چهار فصل زبان R و Python را به صورت موازی یاد خواهید گرفت.💯

#️⃣ #معرفی_کتاب #علم_داده #DataScience #Datascience_ku
〰〰〰〰〰〰〰〰〰〰〰〰
📈انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

📌میکرو ربات‌های هوشمند برای درمان سرطان

🔸بنابر مطالعه‌ای که در نشریه ACS Nano منتشر شده است، پژوهشگران روشی جدید را برای انتقال داروهای شیمی‌درمانی به محل سلول‌های سرطانی با استفاده از میکروربات‌ها معرفی کرده‌اند. این می تواند به‌طور قابل توجهی درمان سرطان را بهبود ببخشد زیرا تزریق مستقیم داروهای شیمی‌درمانی در محل سلول های سرطانی را امکان‌پذیر می کند.
-------------------------------------------------------------
#⃣ #هوش_مصنوعی #Datascience_ku

📈انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

📌معرفی مشاغل و فرصت‌های کاری جذاب در حوزه داده:



✅ در ادامه برخی از مشاغل مطرح و جذاب در حوزه علم‌داده و کلان‌داده معرفی خواهند شد:🔍

1⃣ متخصص علم داده:
جهت ورود به حوزه علم داده نیاز به کسب دانش و تخصص در موضوعاتی همانند مهندسی نرم افزار،آمار،ریاضیات،متخصص حوزه و... خواهید داشت.ساخت مدل های توصیفی،پیشبینانه،استقرار مدل های مبتنی بر یادگیری ماشین و آمار از وظایف کلیدی یک متخصص علم داده است.آشنایی با زبان های پایتون و R ،نرم افزار های ریپدماینر،SPSS،Knime،Modeler وتوانایی کار با پایگاه داده های رابطه و زبان SQL از مولفه های موفقیت در این فیلد شغلی در بازار کار کشور است.توجه به مهارت های نرم همانند خلاقیت،فنون مذاکره،کار تیمی و.... سبب تمایز شما در بازار کار خواهد شد.

2⃣ مهندس یادگیری ماشین:
بر اساس آمار برترین مشاغل در ایالات‌متحده آمریکا، امسال برترین شغل حوزه مهندسی یادگیری ماشین می‌باشد. حوزه‌ای کاملا جذاب و جدید که در آینده در داخل کشور نیز توجهات به آن افزایش پیدا خواهد کرد. توانایی پیاده‌سازی الگوریتم‌های تخصصی یادگیری ماشین، آشنایی با فریم‌ورک‌ها و پلتفرم‌های یادگیری عمیق، بهینه‌سازی و توسعه مدل‌های یادگیری ماشین در محیط‌های عملیاتی، استقرار مدل‌ها و الگوریتم‌های توزیعی و...از وظایف یک مهندس یادگیری ماشین خواهد بود.


3⃣ متخصص هوش‌تجاری:
هوش‌تجاری مجموعه‌ای از ابزارها، برنامه‌های کاربردی و متدولوژی‌ها است که با جمع‌آوری داده‌ها و تحلیل بلادرنگ آن، سبب اتخاذ تصمیمات داده‌‍محور بهینه و بهبود فرایندها در کسب‌وکار می‌شود. درصورتی‌که علاقه‌مند به ورود به حوزه هوش‌تجاری هستید آشنایی و کسب دانش تخصص در پلتفرم‌ها و فریم‌ورک‌های هوش‌تجاری پایگاه داده‌های Microsoft SQL Server یا Oracle توصیه می‌شود. آشنایی با نرم‌افزارها و ابزارهای مطرح داشبورد سازی و مصورسازی همانند Qlik, Power BI و Tableau از پیش‌نیازها می‌باشد.

4⃣ توسعه‌دهنده کلان داده:
یکی از مشاغل کلیدی در حوزه Big Data، توسعه‌دهنده کلان داده می‌باشد. وظیفه اصلی یک توسعه‌دهنده کلان داده استقرار و توسعه محصولات و سامانه‌های نرم‌افزاری در مقیاس کلان داده خواهد بود. آشنایی با پایگاه داده‌های غیر رابطه‌ای(NoSQL) و رابطه‌ای، تخصص در پلتفرم‌ها و کتابخانه‌های اکوسیستم آپاچی هدوپ و اسپارک، توانایی مدیریت، نگه‌داری و انتقال بلادرنگ داده‌ها، آشنایی با معماری‌های پردازشی توزیع‌شده و... از وظایف این حوزه کاری می‌باشد.

5⃣ تحلیلگر کلان داده:
در فیلد Big Data Analysis و فرصت‌های شغلی این حوزه هدف اصلی استقرار مدل‌های تحلیلی بر روی دادگان حجیم می‌باشد. آشنایی با پلتفرم‌ها و کتابخانه‌های تحلیلی کلان داده همانند کتابخانه‌های یادگیری ماشین هدوپ(Mahout)، اسپارک(Spark Mllib)، تخصص در مفاهیم یادگیری ماشین و استقرار مدل‌های پیش‌بینانه و توصیفی از نیازمندی‌های این حوزه هست. در این فیلد نیز زبان پایتون بهترین انتخاب خواهد بود.

6⃣ متخصص متن‌کاوی:
یکی از فیلدها جذاب که به‌تازگی توجهات به آن بر اساس کاربردها و کارکردهای که دارد افزایش یافته است حوزه متن‌کاوی می‌باشد. در این حوزه هدف استقرار مدل‌هایی در جهت تحلیل و آنالیز دادگان متنی و بدون ساختار موجود در سازمان همانند باشگاه مشتریان، شبکه‌های اجتماعی، کامنت‌ها و... می‌باشد. جهت ورود به این حوزه نیاز به آشنایی با زبان‌های برنامه‌نویسی همانند پایتون، جاوا یا R خواهید داشت. آشنایی با مفاهیم اصلی و پایه‌ یادگیری ماشین و داده‌کاوی نیز از پیش‌نیازها ورود به این حوزه است.
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
#⃣ #علم_داده #Datascience_ku #Datascience #یادگیری_ماشین

📈انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

📘 Automated Machine Learning
Methods, Systems, Challenges

🖋Editors :Frank Hutter Lars Kotthoff
Joaquin Vanschoren


📖 There is a lot to learn about automated machine learning theory and practice. This free eBook can get you started the right way.

➖➖➖➖➖➖➖➖➖➖➖➖
#⃣ #معرفی_کتاب #یادگیری_ماشین #علم_داده #Datascience_ku

📈انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

‍ 📌 مسیر یادگیری مهندسی داده‼️


🔴 مهندسی داده یا Data Engineering یکی از مشاغل جذاب حوزه Data می‌باشد که به‌تازگی نیز توجهات به آن بسیار افزایش‌یافته است. مدیریت جریان داده، استقرار فرایندهای ETL، طراحی معماری، پیاده‌سازی و نگه‌داری انبار داده، توسعه سیستم‌های نرم‌افزاری مبتنی بر داده و... از فعالیت‌ها اصلی یک مهندس داده می‌باشد.


✅در تصویر زیر مهارت‌ها و گام‌های تبدیل‌شدن به یک مهندس داده بیان‌شده است. به‌صورت کلی جهت کسب تخصص در این فیلد کاری به مهارت‌های زیر نیاز خواهد داشت:


1⃣ دانش تخصصی برنامه‌نویسی:
کسب دانش پایه در حوزه سیستم‌عامل‌های مبتنی بر لینوکس و زبان‌های برنامه‌نویسی همانند Scala بنا به قابلیت‌های آن در حوزه Big Data از مهارت‌های پایه‌ای ورود به این حوزه تخصصی می‌باشد.

2⃣ استقرار فرایند ETL:
طراحی و پیاده‌سازی فرایند ETL بنا به دغدغه‌ها و نیازمندی‌ها، مدیریت جریان داده سازمان و توانایی کار با انواع پایگاه داده‌ها نیز در این فیلد کاری حائز اهمیت است.

3⃣ موتورهای پردازشی کلان داده:
با توجه به افزایش حجم‌ داده‌ها، دو حوزه مهندسی داده و توسعه‌دهنده کلان داده به یکدیگر بسیار نزدیک گردیده‌اند. توانایی کار با موتور پردازشی کلان داده آپاچی Spark از مهارت‌هایی می‌باشد که اگر قصد فعالیت در این حوزه را دارید می‌بایست در خود تقویت نمایید.

4⃣ مدیریت جریان‌های بلادرنگ داده:
یکی از مؤلفه‌های کلان داده حوزه Velocity یا سرعت نرخ تولید داده‌ها می‌باشد. در صورت افزایش حجم دادگان ورودی به سیستم‌های نرم‌افزاری با بهره‌گیری از ابزارها و پلتفرم‌هایی از قبیل Kafka، آپاچی Storm یا Flink امکان مدیریت این دادگان فراهم خواهد گردید.

5⃣ مهندسی یادگیری ماشین:
توسعه مدل‌های مبتنی بر یادگیری ماشین از وظایف اصلی متخصصین داده یا Data Scientist می‌باشد. در حوزه مهندسی داده گام استقرار مدل‌های توسعه داده‌شده و خودکاری سازی این فرایندها صورت می‌پذیرد.

----------------------------------------------------------------------
#⃣ #علم_داده #Datascience_ku

📈انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

📌یادگیری تقویتی در عمل!

🔶یادگیری تقویتی یا Reinforcement Learning گونه‌ای از روش‌های یادگیری ماشین است که یک عامل (agent) را قادر به یادگیری در محیطی تعاملی با استفاده از آزمون و خطاها و استفاده از بازخوردهای اعمال و تجربیات خود می‌سازد.

🔸در ویدیو فوق یکی از کاربردهای این مدل‌هایی مبتنی بر هوش مصنوعی را مشاهده می کنید.
----------------------------------------------------------------------
#⃣ #هوش_مصنوعی #Datascience_ku #یادگیری_ماشین

📈انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

🟠گزارش کاربردی شروع مسیر شغلی در علوم‌داده!

📙در صورتی که قصد فعالیت تخصصی در حوزه علوم داده را دارید مطالعه این گزارش کاربردی در خصوص بررسی جوانب مختلف فیلد شغلی علم داده توصیه میشود.👌🏻

🗒در این گزارش 33 صفحه ای سرفصل های زیر پوشش داده شده است:

🔸دلایل ورود به فیلد علم داده
🔸بررسی فیلدهای شغلی مرتبط با علوم داده
🔸مهارت‌های مورد نیاز
🔸گواهی‌های معتبر در فیلد علوم داده
🔸بررسی مصاحبه‌های شغلی
🔸نحوه نگارش رزومه
🔸کاربردهای علوم داده در صنایع
➖➖➖➖➖➖➖➖➖➖➖➖
#⃣ #علم_داده #Datascience_ku

📈انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

🔵 چرا باید از علم داده استفاده کنیم؟


🔹در حالی که شرکت‌ها به دنبال این هستند که چگونه با حجم انبوهی از داده‌ها رفتار کنند و آن‌ها را قابل استفاده نمایند، علم داده بعنوان یک مفهوم انقلابی ظهور کرده و بازی را تغییر می‌دهد. علم داده به تدریج به یک ضرورت برای شرکت‌ها تبدیل می‌گردد تا فرصت‌های پنهان در اوضاع پیچیده کسب و کار را آشکار نماید.

اما علم داده چگونه در این بازه زمانی کوتاه به چنین محبوبیت بزرگی دست یافته است⁉️

پاسخ را باید در عوامل زیر جستجو کرد:🔍


1⃣ پاسخ‌های دقیق:
زمانی‌که استراتژی‌های تجارت به دقت پیش‌بینی شده باشند، بهتر فرموله‌بندی می‌شوند که این کار تنها از طریق الگوریتم‌های علم داده ممکن می‌گردد. تعداد زیادی از شرکت‌ها به کاربردهای علم داده پی برده‌اند و در صدد پیاده‌سازی این مفهوم برای خدمت‌رسانی بهتر به مشتریان خود هستند.

2⃣ توانایی تصمیم‌گیری بهتر:
مطابق بررسی انجام شده در دانشگاه هاروارد، شرکت‌هایی که از داده‌های تحلیل شده استفاده کرده‌اند، بهتر به اهداف مالی و عملیاتی دست یافته‌اند. به‌علاوه، این شرکت‌ها تا 6 درصد سود بیشتری نسبت به رقبای خود کسب کرده‌اند. آن روزهایی که کسب و کارها به تصمیم‌گیری‌های تجربی تکیه داشتند گذشته است! امروزه، تحلیل داده‌های حجیم، سناریو را تغییر داده و شرکت‌ها از علم داده کمک می‌گیرند تا دلیل و منطق را قبل از تصمیم‌گیری‌های مهم، از دل داده‌ها استخراج کنند.

3⃣ پی بردن به رفتارهای مهم تجارت:
دانشمندان داده به داده‌ها نگاه می‌کنند، الگو را پیدا کرده و بر اساس آن پیش‌بینی‌ها را انجام می‌دهند. به‌منظور دستیابی به اهداف سازمانی، علم داده به اطلاعات موجود نفوذ کرده و رفتارهای قابل‌توجه را استخراج می‌کند تا بر اساس نیازهای سازمانی، استراتژی‌های مناسب اتخاذ گردند.

➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
#⃣ #علم_داده #Datascience_ku

📈انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

📌 تکنولوژی جعل عمیق (Deep Fake) در کمک به نوستالژی!

◼️ شرکت MyHeritage یک محصول با نام نوستالژی عمیق (Deep Nostalgia) را توسعه داده است که در آن به کمک هوش مصنوعی و تکنولوژی‌های یادگیری عمیق توانایی متحرک‌کردن عکس‌های قدیمی را دارد. ویدیو فوق نمونه‌ای از کیفیت محصول این شرکت می‌‌باشد.

◾️ به صورت خلاصه تکنولوژی جعل عمیق توسط دو سیستم هوش مصنوعی ایجاد میشود که یکی تولیدکننده و دیگری تفکیک کننده نام دارد. اساساً، تولید کننده، عکس یا ویدیویی جعلی میسازد و از تفکیک کننده میپرسد که آیا عکس یا ویدیو واقعی است یا خیر. هربار که تفکیک کننده، عکس یا ویدیویی را به درستی جعلی تشخیص دهد، به تولید کننده سرنخی میدهد درباره کاری که تولید کننده نباید هنگام ساخت عکس یا ویدیو بعدی انجام دهد. در این مکانیزم مدل نهایی (مدل بهینه شده) توانایی تولید عکس یا ویدویی جعلی را دارد که جعلی بودن آن نیز توسط انسان قابل تشخیص نخواهد بود.

▪︎شبکه عصبی عمیق حاصل از این فرایند شبکه تخاصمی تولیدی (Generative Adversarial Network) یا GAN نام دارد.

#⃣ #هوش_مصنوعی #Datascience_ku #یادگیری_عمیق #Deep_fake

📈 انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

📣📣انجمن علم داده دانشگاه کاشان برگزار میکند:

💢وبینار آشنایی با هوش تجاری

♦️بررسی مفاهیم هوش تجاری
♦️مسیرشغلی هوش تجاری
♦️بررسی ابزارها و نرم افزار های هوش تجاری

🧑‍💻مهمان:محمد خوبانی
🔹سرپرست تیم هوش تجاری هلدینگ غدیر
🔹کارشناس ارشد مهندسی صنایع دانشگاه علم و صنعت

📆زمان برگزاری: 26مرداد

⏱ساعت: ساعت 19

🔗مکان: ادوب کانکت
https://adobe.kashanu.ac.ir:443/rmwl4u5ezp1u/
➖➖➖➖➖➖➖➖➖
📈انجمن علم داده دانشگاه کاشان
@Uk_dsa

📣📣انجمن علم داده دانشگاه کاشان برگزار میکند:

⭕️وبینار آشنایی باSQL

👨‍💼مدرس: کسری اسکندری

🔸دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه خواجه نصیر الدین طوسی

📆زمان برگزاری:29 مرداد

⏰ساعت:ساعت19

🔗مکان: گوگل میت
لینک لحظاتی قبل از شروع وبینار داخل کانال تلگرام قرار میگیرد
➖➖➖➖➖➖➖➖➖
📈انجمن علم داده دانشگاه کاشان
@Uk_dsa

🟡 معرفی کتاب Deep Learning

این کتاب، بهترین کتاب برای یادگیری ماشین و یادگیری عمیق است که توسط 3 محقق فعال و برتر در زمینه یادگیری ماشین و یادگیری عمیق نوشته شده است.👌🏻

📒 یوشوا بنجیو یکی از پدران یادگیری ماشین به حساب می‌آید که جایزه تورینگ را نیز برای کارش در توسعه این رشته در طول دوران فعالیت حرفه‌ای‌اش دریافت کرده است. ایان گودفلو یکی از پژوهشگران برتر در این زمینه است و در حال حاضر در OpenAI، که شرکت پیشرو در تحقیق و توسعه در زمینه یادگیری ماشین با تمرکز زیادی بر یادگیری عمیق است، کار می کند.

📝 تجربیات نویسندگان و اطلاعات این کتاب بی نظیر است. حدود 800 صفحه اطلاعات دارد و صادقانه بگویم... «اگر این کتاب را بخوانید و کامل درک کنید و چند نمونه تمرین در پایتون انجام دهید، آماده استخدام در یک پست یادگیری ماشین خواهید بود.» من در این مورد هیچ شکی ندارم!

✍🏼 استفان پیرکالابو/مدیر ارشد فناوری CyberSwarm
〰〰〰〰〰〰〰〰〰〰〰〰
#⃣ #معرفی_کتاب
#علم_داده #Datascience_ku #Machine_Learning #Deep_Learning

📈انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

🔴 10 گام برای تبدیل شدن به یک دانشمند داده

⭕️قسمت اول



🔻 علم داده یک فرصت شغلی است که بسیاری از افراد دنبال آن هستند. در این یادداشت چگونگی ارائه یک چارچوب رقابتی به شما ارائه شده است.

1⃣ مهارت خود را در جبر، علم آمار و یادگیری ماشین افزایش دهید. یک دانشمند داده فردی باید باشد که در علم آمار بهتر از هر مهندس نرم افزار و همچنین یک مهندس نرم افزاری است که نسبت به هر متخصص آمار بهتر است. ایده مناسب این است که تعادل درست را در هر یک از این دو زمینه حفظ کنید. به عبارتی دیگر از اینکه تأکید بیش از اندازه بر روی هر یک از این دو زمینه، اجتناب شود.

2⃣ یاد بگیرید که کلان داده را دوست داشته باشید.دانشمندان اطلاعات با حجم وسیعی از داده ها سروکار دارند که در آن محاسبات اغلب نمی توانند با استفاده از یک ماشین انجام شوند. اکثر آنها از نرم افزار/الگوریتم های مخصوص کلان-داده ها مانند Hadoop، MapReduce یا Spark برای دستیابی به پردازش توزیع شده استفاده می کنند. دوره های آنلاین زیادی وجود دارد که واقعا می تواند به شما در یادگیری کلان-داده کمک کند.

3⃣ دانش خود را در مورد بانک های اطلاعاتی ارتقاء دهید. با توجه به حجم زیادی داده ها که تقریبا هر دقیقه تولید می شود، اکثر صنایع از نرم افزار مدیریت پایگاه داده مانند MySQL یا Cassandra برای ذخیره و تجزیه و تحلیل داده ها استفاده می کنند. بینش خوبی از عملکرد DBMS مطمئنا راه زیادی برای حفظ کار رویایی شما به عنوان یک دانشمند داده خواهد شد.

4⃣ کد نویسی کنید و زبان های برنامه نویسی مرتبط را یاد بگیرید. شما نمیتوانید یک دانشمند داده خوب باشید تا زمانی که نتوانید از طریق کدنویسی و زبان برنامه نویسی برای برقرار ارتباط با داده ها استفاده کنید. فرض کنید یک طبقه بندی مناسب و تحلیلی روی داده ها انجام شده باشد؛ اگر اسکریپت نویسی ندانید، نتیجه تحلیل همانند نقاشی روی دیوار است که توانایی تحلیل نتایج را نخواهید داشت؛ پس اگر نوشتن و درک اسکریپت ها مهارت داشته باشید، می توانید نتایج را تفسیر و درک کنید. یک کدنویس خوب ممکن است یک دانشمند بزرگ داده نباشد اما یک دانشمند بزرگ داده مطمئنا یک برنامه نویس خوب محسوب می شود.

5⃣ در پردازش، بصری سازی و نحوه گزارش گیری از داده ها ماهر باشید.پردازش داده ها فرایند تبدیل فرمت خام داده ها به یک فرمتی است که برای مطالعه، تجزیه و تحلیل و بصری سازی مناسب باشد. بصری سازی داده ها و نحوه ارائه نتایج تحلیلی آن به مجموعه ای از مهارت های مهمّی نیاز دارد که دانشمند داده در هنگام تسهیل سازی تصمیمات مدیریتی و اداری با استفاده از تجزیه و تحلیل داده ها، به شدت به آن متکّی است.
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
#⃣ #علم_داده #Datascience_ku

📈انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

🔴 10 گام برای تبدیل شدن به یک دانشمند داده

⭕️قسمت دوم



6⃣روی پروژه های واقعیِ علم-داده کار کنید. صرفاً در دنیای تئوری های علم داده نباشید، بلکه شما زمانی تبدیل به یک دانشمند اطلاعات خوب می شوید، که آنرا به یک تجربه واقعی (پروژه علم داده) تبدیل کنید. در اینترنت برای پروژه های علم داده (Google quandl) جستجو کنید و زمان خود را برای ساخت قلعه خود سرمایه گذاری نمایید.

7⃣در همه جا به دنبال افزایش دانش خود باشید.
یک دانشمند داده یک بازیگر تیم است و هنگامی که شما با یک گروه از افراد (مشابه زمینه کاری خود) همکاری می کنید، تماشای مشتاقانه همیشه به شما کمک می کند. یاد بگیرید برای ایجاد شهود بصری مورد نیاز در تحلیل داده ها و تفسیر نتایج آن به به عادات کاری افراد هم گروه خود توجه کنید و آنچه که برای شما مناسب را ببینید، یاد بگیرید و استفاده کنید.

8⃣ داشتن مهارت های ارتباطی مهارت های ارتباطی یک دانشمند-داده را از یک دانشمند-داده خوب متمایز می سازد. در اغلب موارد شما باید یافته های تحلیلی خود را به افرادی که مهم هستند ارائه دهید و آنها را از پشت درهای بسته رها کنید. توانایی استفاده از کلمات مناسب در موقعیت های غیر منتظره را داشته باشید.

9⃣رقابت وبسایت هایی مانند Kaggle یک زمین تمرین عالی برای دانشمندان داده هستند زیرا آنها سعی می کنند همکاران خود را پیدا کنند و با یکدیگر به رقابت بپردازند تا رویکردهای بصری خود را به نمایش بگذارند و مهارت هایشان را افزایش دهند. با افزایش اعتبار گواهینامه های ارائه شده توسط این سایت ها در صنعت، این مسابقات به سرعت در حال تبدیل شدن به یک مرحله برای نشان دادن میزان درگیری و شرکت داشتن ذهن نوآورانه آنها در اینگونه محیط های رقابتی است.

🔟 با انجمن های دانشمندان داده بروز بمانید. وب سایت هایی مانند KDNuggets، Data Science 101 و DataTau را دنبال کنید تا با اتفاقات جهان علم داده همگام شوید و با انواع فرصت های شغلی که در حال حاضر در این زمینه ارائه می شوند، آشنا شوید.
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
#⃣ #علم_داده #Datascience_ku

📈انجمن علم داده دانشگاه کاشان
📎 @uk_dsa

📣📣انجمن علم داده دانشگاه کاشان برگزار میکند:

✅ وبینار آشنایی با ارزهای دیجیتال

👨‍💼مدرس: علیرضا مرادی
🔸تحلیلگر،مشاور و مدرس سرمایه گذاری
🔸مالک سایت جیب پر پول

📆زمان برگزاری:
چهارشنبه ۹ شهریور

⏰ساعت:
ساعت۱۹

⁉️این وبینار مفید و کاربردی را از دست ندهید،علاوه بر یادگیری به قید قرعه کد تخفیف برای شرکت در دوره ارز های دیجیتال را دریافت کنید.

🔗مکان:
ادوب کانکت:
https://adobe.kashanu.ac.ir:443/rmwl4u5ezp1u/
➖➖➖➖➖➖➖➖➖

⭕⭕جهت کسب اطلاع از دوره ی ارز دیجیتال کانال تلگرام انجمن را دنبال کنید:

📈انجمن علم داده دانشگاه کاشان
@Uk_dsa

⭕ ویدیو ضبط شده وبینار " آشنایی با هوش تجاری" در کانال آپارات آپلود شد

➕ https://aparat.com/v/i0RPG ➕

🔰 برای دیدن ویدیو ضبط شده وبینار ها کانال آپارات انجمن را دنبال کنید

👇🏻👇🏻👇🏻

➕ https://www.aparat.com/ukds ➕

📣📣انجمن علم داده دانشگاه کاشان برگزار میکند:

🖥 کارگاه آنلاین SQL SERVER

👨‍💼مدرس: محمد خوبانی
🔸سرپرست تیم هوش تجاری هلدینگ غدیر
🔸کارشناسی ارشد مهندسی صنایع دانشگاه علم و صنعت

📆شروع دوره از ۲۱ شهریور

⏳۳۰ ساعت آموزش

⏰زمان: دوشنبه و چهارشنبه ها ساعت ۱۸:۳۰ الی ۲۱:۳۰

💶هزینه ثبت نام:

❌ تخفیف ثبت نام زودهنگام آزاد:۶۳۵۰۰۰ تومان

✅ ۴۰ درصد تخفیف دانشجویی

🔖همراه با ارائه دو گواهی پایان دوره
🅰از طرف انجمن علم داده دانشگاه کاشان
🅱ارائه مدرک معتبر از طرف شتاب دهنده ره نشان دانشگاه صنعتی شریف


کاتالوگ دوره

🔗جهت ثبت نام و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید:
https://rooydadestan.ir/?p=69129
➖➖➖➖➖➖➖➖➖➖
⭕جهت ارسال تصویر کارت دانشجویی و دریافت کدتخفیف دانشجویی به آیدی زیر پیام دهید:
@Hani_Jbl
➖➖➖➖➖➖➖➖➖➖
📈انجمن علم داده دانشگاه کاشان
@uk_dsa

⭕ ویدیو ضبط شده وبینار " آشنایی با ارز دیجیتال" در کانال آپارات آپلود شد

➕ https://www.aparat.com/v/7fW95 ➕


🔰 برای دیدن ویدیو ضبط شده وبینار ها کانال آپارات انجمن را دنبال کنید

👇🏻👇🏻👇🏻

➕ https://www.aparat.com/ukdsa ➕