توانمندی‌های مورد نیاز متخصصان علم داده
Data Science Skill set

آمار و ریاضیات
دانش مناسب از الگوریتم‌های یادگیری ماشین
توانمندی در یکی از زبان‌های آر و پایتون
توانایی کار با حجم بالای داده
دارا بودن دانش حوزه(ای که علم داده در آن استفاده می‌‌گردد)
توانائی حل مساله



✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

برترین کتابخانه‌های تخصصی پایتون در علم‌داده!



همواره یکی از چالش‌های متخصصین علم‌داده انتخاب پلتفرم و کتابخانه‌های تحلیلی جهت پیاده‌سازی پروژه‌ها بوده است. در ادامه برترین کتابخانه‌های زبان برنامه‌نویسی پایتون به تفکیک در حوزه‌های تحلیل‌داده، یادگیری ماشین، یادگیری عمیق و... معرفی شده است. قابل ذکر است که کتابخانه‌های برتر در هر دسته با علامت مشکی و Bold درج شده‌اند.

🔹کتابخانه‌های تحلیل‌داده:
▪️Pandas
▪️Numpy
▫️SciPy
▫️StatsModels

🔹کتابخانه‌های یادگیری ماشین:
▪️Scikit Learn
▫️PyBrain
▫️XGBoost
▫️Eli5

🔹کتابخانه‌های پردازش زبان طبیعی:
▪️NLTK
▪️Hazm
▫️Gensim
▫️SpaCy
▫️fastText

🔹کتابخانه‌های مصورسازی:
▪️Matplotlib
▫️Bokeh
▫️Seaborn
▫️Plotly

🔹کتابخانه‌های یادگیری عمیق:
▪️Keras
▪️Tensorflow
▫️Theano
▫️Pytorch

🔹کتابخانه‌های تحلیل گراف:
▪️NetworkX
▫️igraph
▫️graph-tool

🔹کتابخانه‌های جمع‌آوری داده(خزشگر):
▪️Scrapy
▪️Urllib
▫️Selenium
▫️Requests
▫️Beautiful Soup
▫️lxml

🔹کتابخانه‌های پردازش تصویر:
▪️Scikit-image
▪️OpenCV
▫️Pillow

پی‌نوشت:
جهت یادگیری هر از این کتابخانه‌ها دوره‌های آموزشی، کتاب‌ها و Toturialهای تخصصی بسیاری در اینترنت وجود دارد.



✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

برترین مهارت‌های فعلی و آتی متخصصین علم‌داده!


به‌تازگی توسط وب‌سایت kdnuggets یک نظرسنجی از متخصصین علوم داده مبنی بر مهارت‌های فعلی (Have Skill) و مهارت‌های آتی (Want Skill) موردنیاز پرسیده شده است که با توجه به جامعیت نظرسنجی فوق می‌تواند راهنمایی مناسبی جهت تحلیل مهارت‌های موردنیاز بازار علم‌داده در آینده باشد.

✅ برترین مهارت‌های فعلی متخصصین علم‌داده:

1️⃣ پایتون (Python)

2️⃣ مصورسازی داده‌ها (Data Visualization)

3️⃣ تفکر انتقادی (Critical Thinking)

4️⃣ اکسل (Excel)

5️⃣ مهارت‌های ارتباطی (Communications Skills)

6️⃣ یادگیری ماشین (Machine Learning)

7️⃣ آمار (Statistics)

8️⃣ مهارت‌های پایگاه داده (SQL/Database Coding)

9️⃣ فهم کسب‌وکار (Business Understanding)

🔟 ریاضی (Math)

🔵 برترین مهارت‌های آتی (توسعه دانش) متخصصین علم‌داده:

1️⃣ یادگیری عمیق (Deep Learning)

2️⃣ کتابخانه یادگیری عمیق تنسورفلو (TensorFlow)

3️⃣ یادگیری ماشین (Machine Learning )

4️⃣ پایتون (Python)

5️⃣ آپاچی اسپارک (Apache Spark)

6️⃣ پردازش زبان طبیعی (NLP - Text Processing)

7️⃣ کتابخانه یادگیری عمیق پایتورچ (Pytorch)

8️⃣ آمار (Statistics)

9️⃣ داده‌های غیرساخت‌یافته (Unstructured Data)

🔟 سایر ابزارهای کلان داده (Other Big Data Tools)

پی‌نوشت:
◾️ افزایش میزان توجهات به کتابخانه یادگیری عمیق Pytorch، زبان Scala و ابزارهای Big Data با توجه به درصد رشد آن قابل‌توجه است.
◾️در میان زبان‌های برنامه‌نویسی، کسب رتبه نخست توسط زبان پایتون و کاهش جایگاه زبان‌های برنامه‌نویسی R و Matlab، این زبان برنامه‌نویسی را تبدیل به برترین زبان در حوزه علم‌داده کرده است.
◾️قرار گرفتن دو مهارت نرم (Soft Skill) تفکر انتقادی و مهارت‌های ارتباطی جز 5 مهارت برتر فعلی متخصصین علم‌داده نشان از میزان توجهات به این قبیل مهارت‌ها در این بازار کاری دارد.

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

انواع الگوریتم‌های یادگیری ماشین
Types of Machine Learning Algorithms



✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

💡 چگونه یادگیری علم داده را شروع کنیم؟

@SyThinking | تفکر سیستمی
vrgl.ir/Yy5NM

کتاب آموزش پایگاه داده در Arc GIS


✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

کتاب آموزش پایگاه داده در Arc GIS


🖍 نسخه ترجمه شده


✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

کتاب آموزش پایگاه داده در Arc GIS


🖍 نسخه لاتین


✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

#نرم_افزار super decisions همراه با #جزوه و #فیلم #آموزشی جهت اجرای مدل #anp
#super_decisions

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

مقاله "فرایند تحلیل سلسه مراتبی(AHP) چیست و چگونه استفاده می شود" اولین مقاله ای است که مدل AHP در آن ابداع و شرح داده شده است.

#Articles



✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

مقاله "مجموعه های فازی" اولین مقاله ای است که مدل مجموعه های فازی در آن ابداع و شرح داده شده است.

#Articles

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

✅ «تهران به روایت شفاف» عنوان مسابقه‌ای است که شهرداری تهران با موضوع تحلیل داده‌های وبسایت شفاف برگزار می‌کند.
shafaf.tehran.ir

✅ از همه علاقمندان و متخصصان دعوت می‌ شود با تحلیل و بصری‌سازی این داده‌ها، شورا و شهرداری را در کشف مسائل و راه‌حل‌های سیاست‌گذارانه و اجرایی یاری دهند.

شما انتظار دارید چه لایه‌ها و نقشه‌هایی با چه فرمتی توسط شهرداری به اشتراک گذاشته شود؟

برای بحث و تبادل نظر وارد گروه زیر شوید...

https://t.me/joinchat/GeJF0hU15lW8O1rK3_bI1g



✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

کتاب Geospatial Services and
Applications for the Internet
دانلود در پست بعدی👇👇👇


✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

💡 مقایسه بین علم داده و تجزیه و تحلیل داده

“Data Science vs Data Analytics”


✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

◾️اگر علاقه مند به مدل رقومی جدید از منطقه مورد مطالعه خود هستید میتوانید از مدل رقومی کوپرنیکوس Copernicus DEM در رزولوشن های ۱۰،۳۰ و ۹۰ متری استفاده کنید.

◾️مدل قبلی که بصورت رایگان در دسترس همگان بود SRTM بود که در سال ۲۰۰۰ تهیه شده بود.


منبع: کانال آقای دکتر معتق
@mahdi_motagh

https://spacedata.copernicus.eu/web/cscda/news/-/asset_publisher/NQThjzBp3dRm/content/copernicus-dem-a-new-digital-elevation-model-for-the-copernicus-programme



✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet