علم داده ها

نام کتاب: دنیای واقعی علم داده ها
12 اسفند 1397
‌از قدرت پایتون، قابلیت‌های این زبان در حوزه علم داده‌ها و اشیا قدرتمندی که پایتون 3 در اختیارتان قرار می‌دهد، صرف‌نظر کرده و جای متمرکز شدن روی مباحث نه چندان کاربردی پایتون یاد بگیرید که چطور باید از کتابخا‌نه‌های قدرتمند پایتون به شیوه موثری برای پردازش و تحلیل کارآمد داده‌ها استفاده کنید. یاد بگیرید که چگونه باید از پایتون برای تجزیه و تحلیل داده‌ها و ساخت مدل‌های پیش‌بینی کننده هوشمند استفاده کنید. برای‌ یادگیری این مباحث عمیق به منابع کارآمدی نیاز دارید که دانش لازم در ارتباط با نحوه دسترسی به بزرگ داده‌ها و تحلیل داده‌ها را ارائه کرده و مهم‌تر از آن به شما یاد دهند که چگونه این داده‌ها را پردازش کنید.
پایتون در کنار سایر زبان‌های برنامه‌نویسی سطح بالا با تاکید ویژه روی دو رویکرد همه منظوره و شی‌گرا بودن، از سوی میلیون توسعه‌دهنده در سراسر جهان استفاده می‌شود. زبانی که ترکیب نحوی آن ساده بوده، از معماری‌ها و الگوهای طراحی مختلفی همچون تابعی، دستوری و شی‌گرایی پشتیبانی کرده و مهم‌تر از آن ابزار اصلی برنامه‌نویسان هوش مصنوعی و علم داده‌ها است. اما قدرت پایتون زمانی دو چندان می‌شود که از کتابخانه‌ها و چارچوب‌های قدرتمندی که برای پارادایم‌های مختلف این زبان ارائه شده است استفاده کنید. در این مقاله با 10 مورد از برجسته‌ترین کتابخانه‌های پایتون در حوزه علم داده‌ها آشنا خواهید شد.
به جرات می‌توان ادعا کرد که در زمینه علم داده‌ها و یادگیری ماشینی پایتون قدرت بلامنازع است. اما زبان برنامه‌نویسی جولیا به آرامی در حال قدرت گرفتن و فراگیر شدن است. این زبان آماده است تا در زمینه علم داده‌ها و بسیاری دیگر از ویژگی‌ها پایتون را به چالش بکشد.
این 11 فناوری آینده شغلی برنامه‌نویسان را تضمین می‌کند
12 مرداد 1396
چگونه می‌توانیم اطمینان حاصل کنیم مهارت‌هایی که در حال آموختن آن‌ها هستیم، همان نیازهای آینده بازار کار هستند؟ ما در این مقاله به بررسی 11 روند برتر فناوری پرداخته‌ایم که به اعتقاد کارشناسان فناوری اطلاعات در چند سال‌ آینده بازار کار کاملاً خوبی خواهند داشت. روندهایی که باعث خواهند شد سازمان‌ها و شرکت‌ها در چند سال آینده به‌شدت به‌دنبال متخصصان مجرب در این روندها باشند.
مین‌فریم‌های آی‌بی‌ام به یادگیری ماشینی مجهز می‌شوند
06 اسفند 1395
آی‌بی‌ام به دنبال آن است تا یادگیری ماشینی را در اختیار مشتریان سنتی مین‌فریم‌های خود قرار دهد. این شرکت معتقد است تکنیک پردازش داده‌ها در مین‌فریم‌ها از طریق ابزاری که این شرکت ارائه می‌کند در مقایسه با انتقال داده‌ها به سمت کلاود برای سازمان‌ها مقرون به صرفه‌تر تمام خواهد شد.
اشتراک در علم داده ها
پشتیبانی توسط ایران دروپال