آخرین اخبار : 

علم داده و پایتون

علم داده و پایتان

🔷 علوم داده…
این روزها همگی، از مهندسین و غیرمهندس حداقل یک بار کلمه ی علم داده رو شنیدند و بسیاری آلوده ی جذاب ترین مبحث قرن ۲۱، یعنی علم داده شده اند. با استفاده از علم داده میتوانید اقدام به جمع آوری، آماده سازی، پردازش، تحلیل، ذخیره سازی و مدیریت داده ها کنید.

🔷 و اما پایتون…
که این روزها همگی درگیر این هستیم پایتان صدا بزنیم و یا پایتون!؟ به جرات میتوان گفت یکی از محبوب ترین و مطرح ترین زبان برنامه نویسان مخصوصا در حوزه علم داده، نرم افزار پایتان است. پایتان به دلیل سادگی بی نظیری که دارد، اولویت برنامه نویسان و کارشناسان می باشد جهت استفاده های مختلفی نظیر: تحلیل داده ها انجام میپذیرد.

〽️در پایتون، پکیج ها و کتابخانه های بسیاری با توجه به کاربرد وجود دارد که به بررسی برخی از پکیج های حوزه علم داده در ابتدای دوره، میپردازیم:

▫️ لایبرری Pandas: جهت پردازش داده، ایجاد دیتافریم ها و…

▫️لایبرری Numpy: جهت انجام محاسبات ریاضی و عددی در داده ها

▫️لایبرری های Matplotlib – SeaBorn و Bokeh: جهت مصور سازی داده

🔹و اما یادگیری ماشینی…
در روز چندین بار از ماشین لرنینگ استفاده می کنید بدون اینکه متوجه این موضوع باشید. اگر در طول روز فعالیت های زیر رو انجام میدید، درواقع دارید با مشین لرنینگ سروکله میزنید بدون اینکه متوجه باشید:

▪️اگر در طول روز درخواست اسنپ، تپسی و… را می کنید.

▪️اگر در طول روز، در سایت های مختلف، از فیلتر های مختلف استفاده میکنید: بطور مثال پیدا کردن یک کالای خاص از یک برند خاص و دست یابی به آن کالا در سایتی مانند دیجی کالا با استفاده از فیلتر هایی که در سایت موجود هستند…

▪️اگر در طول روز سایت های فیلم یابی را بررسی می کنید و بشما پیشنهاد یک فیلم داده میشود و آن دقیقا فیلم محبوب شما است، (بی علت نیست)

▪️اگر در طول روز عکس های خود رو به اپلیکیشن هایی که عکسهایتان را به شکلی خاص فانتزی و کارتونی میکند،

▪️اگر در طول روز از سرچ اینستاگرام استفاده میکنید

▪️اگر در طول روز، از سرچ گوگل استفاده میکنید و ۱۰۰ ها اگر دیگه…

🔰 تمامی این ها مثال هایی از مشین لرنینگ بود که همگی ما در طول روز استفاده می کنیم.

⬅️ ماشین لرنینگ یا یادگیری ماشین مجموعه ای از الگوریتم هاست که به نوعی به دنبال کشف دانش پنهان درون داده ها است و به وسیله آن می توان به توصیف، تشریح، پیش بینی و کنترل پدیده های گوناگون در حوزه های مختلف از جمله فیلد های صنعتی، سازمانی، پزشکی، ارتباطات، کشاورزی، انرژی، اقتصادی، فناوری و نوآوری، بازرگانی و آموزشی و … پرداخت.

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *