15 ابزار کاربردی علم‌داده جهت یادگیری در سال 2020



انتخاب مسیر یادگیری درست براساس آخرین روندهای تکنولوژی و نیازهای بازار یکی از الزامات موفقیت در هر فیلدکاری هست. در ادامه برترین ابزارهای پیشنهادی جهت کسب موفقیت در فیلدکاری Data Science که توسط وبسایت springboard ارائه شده را معرفی میکنیم.

قابل ذکر است با توجه به تفاوت بازارکار ایران با سایر کشورها برخی از ابزارها با علامت * بعنوان جایگزین موارد پیشنهادی این سایت معرفی شده‌اند.

زبان برنامه‌نویسی:
▪️Python
▪️R

ابزارهای یادگیری ماشین:
▪️Scikit Learn
▪️Weka
* در میان نرم‌افزارهای داده‌کاوی در مقابل Weka پیشنهاد به یادگیری ابزارهایی همانند Knime, RapidMiner یا IBM Spss Modeler است.

فریم‌ورک‌های یادگیری عمیق:
▪️TensorFlow
▪️Keras
▪️Pythorch

ابزارهای تحلیل کلان‌داده:
▪️Apache Spark
▪️Hadoop MapReduce
* در حوزه تحلیل‌ تحلیل کلان‌داده با توجه به وجود برخی محدویت‌های پردازشی در معماری Map Reduce پیشنهاد استفاده از کتابخانه‌های تحلیلی Apache Spark هست.

کتابخانه‌های مصورسازی:
▪️Matplotlib
▪️Seaborn

@GITAnet

📍6 گام برای یادگیری علم داده در سال 2020







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

🆔 @GITAnet

https://www.medrxiv.org/content/10.1101/2020.02.25.20021568v2


محققین چینی یک شبکه یادگیری عمیق برای تشخصیص بیماری نوظهور کروناویروس (COVID-19) از روی سیتی اسکن ریه طراحی کرده اند. در این مقاله به تسریع در زمان تشخیص این بیماری توسط مدل یاد شده اشاره شده است.

#منهایGITA

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

🆔 @GITAnet

دانلود کتاب داده کاوی مکانی در پست بعد





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

🆔 @GITAnet

✅ 10 روند تکنولوژی در سال 2020

براساس آخرین گزارش کمپانی Baidu ده روند تکنولوژی در سال جدید به شرح زیر است. گسترش جایگاه هوش مصنوعی، یادگیری عمیق، اینترنت اشیا، بلاک‌چین و پردازش کوانتومی از برترین روندهای سال جاری خواهد بود.

✔1- بهره‌برداری عملیاتی کارخانه‌ها از هوش مصنوعی (AI Factories)

✔2- تولید تراشه‌های هوش مصنوعی (AI Chips)

✔3- نفوذ یادگیری عمیق در صنایع

✔4- گسترش یادگیری ماشین اتوماتیک (AutoML)

✔5- ارتقا جایگاه فناوری‌های هوش‌ محاسباتی و درک معنایی

✔6- یکپارچگی بیشتر پردارش زبان طبیعی(NLP) با پلتفرم‌های پردازشی

✔7- رشد تکنولوژی IOT به وسیله فناوری‌های 5G و محاسبات لبه‌ای

✔8- گسترش حمل و نقل هوشمند در سطوح شهری

✔9- بهره‌برداری بیشتر از بلاک‌چین

✔10- رشد پردازش‌های ابری و هوش مصنوعی بواسطه پردازش کوانتومی




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

🆔 @GITAnet

🔷️🔷️استارت آپ های مبتنی بر فناوری اطلاعات مکانی و هوش مصنوعی در کنترل و مبارزه با اپیدمی کرونا🔷️🔷️
بخش اول:

🔴استارتاپ بلودات (BlueDot): پیش‌بینی بیماری سارس و کرونا

بلودات، استارتاپی در زمینه هوش مصنوعی، سیستم‌های هوشمندی را ایجاد کرده است که داده‌های افراد را به طور دقیق بررسی می‌کند تا به کمک آن بتواند احتمال وقوع بیماری را پیش‌بینی کند.

نکته بسیار جالب درباره این پلتفرم این است که بیماری همه‌گیر سارس را پیش‌بینی کرد و این پیش‌بینی دقیقاً به واقعیت پیوست. هشدار شیوع بیماری کرونا در دسامبر سال ۲۰۱۹، نمونه دیگری از ماهیت قدرتمند فناوری هوش مصنوعی این استارتاپ است. این پیش‌بینی همانند بیماری سارس دقیقاً به واقعیت پیوست که نتیجه آن شیوع کرونا در فوریه سال ۲۰۲۰ بود.


🔴تعیین موقعیت مکانی بیماری و جلوگیری از شیوع با استفاده از هوش مصنوعی

پلتفرم هوش مصنوعی بلودات از جمله جدیدترین پیشرفت‌‌های فناورانه است که از تحلیل داده برای پیدا کردن موقعیت مکانی بیماری و جلوگیری از شیوع آن استفاده می‌کند.





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

🆔 @GITAnet

استارت آپ بلودات:
ادامه....


🔴ردیابی مسیر بیماری با استفاده از پردازش زبان

پردازش زبان‌های طبیعی (NLP – Natural Language Processing) ابزاری است که در بلودات برای ردیابی و دنبال کردن مسیر بیماری استفاده می‌شود. به عنوان مثال، بلودات زبان‌های گفتاری مردم جهان و شبکه‌های اجتماعی را تجزیه و تحلیل می‌کند و از سخنان مردم که در مورد بیماری یا نشانه‌های آن حرف می‌زنند، به جمع‌آوری اطلاعات می‌پردازد. سپس به کمک این اطلاعات، مکان بعدی گسترش ویروس را مشخص می‌کند و راه‌های پیشگیری از آن را ارائه می‌دهد.

🔴پیش‌بینی احتمال وقوع بیماری با استفاده از یادگیری ماشین

یادگیری ماشین تکنولوژی دیگری است که در استارتاپ بلودات به کار گرفته شده است. بلودات به کمک این تکنولوژی می‌تواند اطلاعات جدید را درباره احتمال وقوع بیماری ارائه کند. علاوه بر این، تکنولوژی هوش مصنوعی بلودات با ارائه اطلاعات و توانمندسازی متخصصان حوزه بهداشت و سلامت می‌تواند در زمان و منابع صرفه‌جویی کند.




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

🆔 @GITAnet

🔅جان مکّارتی (پدر هوش مصنوعی):

🔸اگر 200 سال طول بکشد تا در نهایت به ابرهوش مصنوعی (در حد هوش انسانی) برسیم، و کتابی آن موقع منتشر شود تا فرآیند رسیدن به این هوش را توضیح دهد، سخت ترین قسمت این کتاب این خواهد بود که چرا دانشمندان 200 سال پیش به این الگوریتم ( ساده) دست پیدا نکردند (و اینگونه فکر نکردند)



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

🆔 @GITAnet

An Introduction to R for Spatial Analysis and
Mapping

دانلود کتاب


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

🆔 @GITAnet

www.sentinel-hub.com

#معرفی_استارتاپ_اطلاعات_مکانی
#استارت_آپ


✅باشگاه فناوران اطلاعات مکانی
🏹استارتاپ های نقشه و اطلاعات مکانی
🆔 @GITAnet

www.climacell.co



#معرفی_استارتاپ_اطلاعات_مکانی
#استارت_آپ


✅باشگاه فناوران اطلاعات مکانی
🏹استارتاپ های نقشه و اطلاعات مکانی
🆔 @GITAnet

پایتون هر روز محبوب تر از دیروز👌


💢 محبوب‌ترین زبان برنامه‌نویسی براساس نتایج گوگل



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

🆔 @GITAnet

برای شرکت در دوره رایگان آموزش پایتون سایت معتبر udemy تنها یک روز فرصت دارید.


این پست را برای دوستانتان که به برنامه نویسی پایتون علاقه مندند ارسال کنید.

لینک ثبت نام:

https://www.udemy.com/course/complete-python-course-zero-to-hero-e/?couponCode=KIOLO8391

➕ اعطای گواهینامه پایان دوره
#پایتون #udemy_course

🆔 @GITAnet

پیشاپیش فرارسیدن سال نو و بهار پرطراوت را تبریک و تهنیت عرض کرده و سالی سرشار از برکت و معنویت را از درگاه خداوند متعال برای شما مسئلت داریم.
بارالها در سال جدید ایران عزیزمان را از بلایای طبیعی و حوادث ناگوار محفوظ بدار...

با آرزوی بهترین ها


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

🆔 @GITAnet

معرفی تعدادی از کتابخانه‌های برتر پایتون در حوزه علم‌ داده

کتابخانه Scikit-learn: کتابخانه Scikit-learn یکی از محبوب‌ترین کتابخانه‌های یادگیری ماشین در پایتون است. این کتابخانه از طیف وسیعی از الگوریتم‌های طبقه‌بندی و خوشه‌بندی و… پشتیبانی می‌کند.

کتابخانه NumPy: با استفاده از این کتابخانه امکان استفاده از آرایه‌ها، ماتریس‌های بزرگ چند بعدی و استفاده از تابع‌های ریاضیاتی سطح بالا در پروژه‌های علم‌داده فراهم می‌شود.

کتابخانه Pandas: جهت کار با داده‌های ساختاریافته و آماده‌سازی دادگان از این کتابخانه محبوب استفاده می‌شود.

کتابخانه Matplotlib: کتابخانه Matplotlib جز معروف‌ترین کتابخانه‌های پایتون در حوزه Data Visualization است.

کتابخانه Seaborn: کتابخانه دیگر مطرح در حوزه مصورسازی داده‌ها در پایتون Seaborn است. طیف وسیعی از نمودارها در این کتابخانه پشتیانی می‌شود.

کتابخانه Tensorflow: جهت پیاده‌سازی مدل‌های مبتنی بر یادگیری عمیق بر فریم‌ورک تسنورفلو در زبان پایتون از کتابخانه Tensorflow می‌توانید استفاده کنید.

کتابخانه Theano: از دیگر کتابخانه‌ مطرح حوزه یادگیری عمیق می‌توان به لایبرری Theano اشاره کرد. کتابخانه Keras نیز با توجه به قابلیت‌های بالا آن نیز در حوزه یادگیری عمیق سهولت و کارایی بسیار بالایی دارد.



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

🆔 @GITAnet

یک رفرنس خوب برای رگرسیون مکانی


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

@GITAnet

معرفی چند سایت برای دانلود دیتاست های کلان داده مکانی(spatial big data)



GeoDa Center, geographical and spatial data.
geodacenter.asu.edu/datalist/



FIMI repository for frequent itemset mining, implementations and datasets.
http://fimi.ua.ac.be/



GDELT: The Global Data on Events, Location and Tone, described by Guardian as "a big data history of life, the universe and everything."
https://www.theguardian.com/news/datablog/2013/apr/12/gdelt-global-database-events-location


GEO (GEO Gene Expression Omnibus), a gene expression/molecular abundance repository supporting MIAME compliant data submissions, and a curated, online resource for gene expression data browsing, query and retrieval.
https://www.ncbi.nlm.nih.gov/geo/




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

@GITAnet