علم داده

برخی با طرح پرسش‌هایی در مورد هشتگ 10YearChallenge و سرچشمه انتشارش، آنرا زیر سؤال برده‌اند و حدس و گمان‌هایی در رابطه با نقش فیس‌بوک در به راه افتادن این چالش مطرح شده است. برخی معتقدند چنین چالش‌هایی با هدف «مهندسی اجتماعی »کاربران به راه می‌افتند و در پس پرده، اهدافی فراتر از فراهم کردن اوقات مفرح وجود دارد.
یادگیری ماشین در عمل با پایتون
27 آبان 1397
اگر از شما این سوال پرسیده شود که در میان زبان‌های رایج برنامه‌نویسی که امروزه به کار گرفته می‌شوند کدامیک از آن‌ها به شما اجازه می‌دهند در سریع‌ترین زمان برنامه‌ای بنویسید که روی پلتفرم‌های مختلف قابل اجرا باشد چه جوابی می‌دهید؟ آیا جواب شما پایتون نخواهد بود؟ یکی از قابلیت‌های اعجاب‌برانگیز پایتون این است که اجازه می‌دهد روی یک پلتفرم برنامه خود را بنویسید، اما روی سایر پلتفرم‌ها آن‌ها اجرا کنید. اما فراتر از این مباحث، اگر از شما این سوال پرسیده شود که مناسب‌ترین زبان برای کار با الگوریتم‌های یادگیری ماشین چه زبانی است پاسخ شما چه خواهد بود؟ زبانی که به شما اجازه دهد بر مبنای یک ترکیب نحوی ساده اما انعطاف‌پذیر بتوانید الگوریتم‌های یادگیری ماشین را پیاده‌سازی کنید.
چرا دانشمندان علوم داده به توزیع گوسی علاقه‌مند هستند؟
31 مرداد 1397
از بین همه توزیع‌های احتمالاتی، توزیع گوسی برای اکثر ما آشناتر است. اما چرا توزیع گوسی تا این حد در علوم داده، یادگیری ماشین و سایر علوم اهمیت دارد؟ در این متن خلاصه‌وار به چهار دلیل اشاره خواهیم کرد.
چگونه می‌توانیم به یک مهندس داده‌ تبدیل شویم؟
17 دى 1396
برای آنکه بتوانید شغلی در حوزه بزرگ داده‌‌ها پیدا یا حتی چنین شغلی را برای خود خلق کنید، کار چندان ساده‌ای پیش رو ندارید. برای دستیابی به چنین شغلی به مطالعه بسیار، نظارت مستمر بر آگهی‌های استخدامی، یادگیری نرم‌افزارهای مختلف و آشنایی به اصول اولیه زبان‌های برنامه‌نویسی که در حوزه بزرگ داده‌ها به کار گرفته می‌شوند نیاز دارید. در حالی که مهندسان بزرگ داده‌ها در مقایسه با دیگر همتایان خود دستمزدهای بسیار خوبی دریافت می‌کنند، اما نباید این واقعیت را کتمان کنیم که این افراد در مقایسه با دیگر هم‌تایان خود باهوش‌تر هستند. اما چگونه می‌توانیم اطلاعات لازم در این زمینه را به دست آوریم و مهم‌تر از آن چگونه می‌توانیم به یک مهندس بزرگ داده‌ها تبدیل شویم؟ با ما همراه باشید تا هر آنچه برای تبدیل شدن به یک مهندس بزرگ داده‌ها به آن نیاز دارید را با شما به اشتراک بگذاریم.
گارتنر پیش‌بینی کرده است: «بیش از 40 درصد از وظایف مربوط به علم داده‌ها تا سال 2020 مکانیزه خواهند شد. رویکردی که در نهایت منجر به افزایش بهره‌وری و به کارگیری گسترده داده‌ها و علم تحلیل داده‌ها خواهد شد. این رویکرد نوین به واسطه شکل‌گیری پست تازه‌ای به نام citizen data scientist شکل خواهد گرفت.»
اشتراک در علم داده