✅۸ مورد از کتابخانه های برتر پایتون در حوزه های، یادگیری ماشین، هوش مصنوعی، یاد گیری عمیق و علم داده:



1. scikit-learn
2. Keras
3. XGBoost
4. StatsModels
5. LighGBM
6. CatBoost
7. PyBrain
8. Eli5


#deeplearning
#machinelearning
#libraries
#datascience




🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

🔴 اکستنش کارآمد مایکروسافت برای Vscode برای کارهای Data Science

اگر تجربه کار کردن با csv رو داشته باشید و بخواهید یه کار تحلیلی دم دستی بکنید احتمالا مستقیم میرید سراغ notebook. حالا یا jupyter رو مستقیم توی بروزر اجرا کنید یا  توی vscode هی باید کد روی dataframe های پاندا بزنی مخصوصا جایی باشه کد زدنه واقعا اهمیت نداشته باشه و خروجی تحلیل موردی شما اهمیت بیشتری داشته. مثلا وقتی که بخواهید unique_count مقادیر هر ستون رو بگیرید. یا مثلا سریعتر بتونم چندتا چیز رو با هم فیلتر کنم و درگیر نوشتن کوئری روی Dataframe نشم خیلی بهتره.
این اکستنش مایکروسافت
Data Wrangler
باهاش کار کردن واقعا لذت بخشه و سرعت کار رو بالا میبره مجبور نیستی روی چیزی که دوست نداری تمرکز کنی و فقط روی نتیجه تمرکز میکنیی.

جالبش اینکه هم روی سلولهای Jupyter  کار میکنه یعنی میتونید با کد pandas تغییرات مد نظر رو بدید و دیتافریم حاصل رو میگیره و روی تحلیل اولیه میزنه و هم روی فایل CSV رو با ابزارهای تحلیلی باز میکنه و از عملیاتهایی که انجام میده کد تولید میکنه.

https://github.com/microsoft/vscode-data-wrangler

#DataScience



🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

کاربری در گیتهاب پس از دوران کرونا دسترسی به کتابخانه شخصی خود از منابع علم داده را باز کرده این منبع برای کمک به هر دانشمند داده مشتاقی که مایل به دستیابی به موفقیت در این زمینه است، مناسب است. این مخزن هر هفته با منابع جدید به روز می شود.

این مجموعه شامل منابعی است که طی 5 سال جمع آوری شده که حاوی منابع آکادمیک و حرفه ای برای علم داده است.
اگر عاشق داده‌ها هستید، این روز خوش شانس شماست زیرا با 500 ترابایت اسناد و دوره‌های آموزشی مختلف، آن را بیشتر دوست خواهید داشت.
برای دانشجویانی که پس از کارشناسی ارشد در علوم داده، بانک بزرگی از پایان نامه های کارشناسی ارشد نظری و کاربردی در موضوعات مختلف مانند رشته های مالی، پزشکی، تدارکات، اقیانوس شناسی، محیط زیست و امنیت را به دو زبان فرانسوی و انگلیسی از سال 2000 تا 20019 پیدا خواهند کرد.
دوره هایی از بهترین دانشگاه های جهان مانند استنفورد، MIT، و برکلی، به عنوان چند مورد، و همچنین خلاصه ای از تمام فناوری های فعلی، به خوبی سازماندهی شده اند تا نیازهای دانش فوری شما را برآورده کنند.
اگر قصد دارید علم داده را در حوزه مالی اعمال کنید، باید بدانید که مدارک کامل MBA (مالی، مدیریت، اقتصاد، مدیریت ریسک و پورتفولیو، بازاریابی، رهبری ...) و برای دانشمندان داده با تجربه تر وجود دارد. ، مجموعه کاملی از بیش از 300 ترابایت دوره آموزشی IT وجود دارد.
به طور خلاصه، این شامل اندکی از همه چیز است، اما چیزهایی که برای تبدیل شدن به یک دانشمند داده موفق به آن نیاز دارید، بیشتر است.


🔗 https://drive.google.com/drive/folders/1CgN7DE3pNRNh_4BA_zrrMLqWz6KquwuD?usp=sharing


Github : https://github.com/Moado/The-Data-Scientist-s-Toolbox

سر زدن به سایر بخش های این مخزن هم خالی از لطف نیست :

👉An open source Data Science repository to learn and apply towards solving real world problems

https://github.com/Moado/Data-Science

👉A collection of various deep learning architectures, models, and tips for TensorFlow and PyTorch in Jupyter Notebooks

https://github.com/Moado/Models-of-Deep-Learning

#Ml
#DataScience


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی