خانه » مفاهیم پایه علم داده

مفاهیم پایه علم داده

مقایسه زبان python و R برای کار در حوزره علم داده

یکی از دلهره آورترین تصمیماتی که برنامه نویسان هنگام گرفتن یک پروژه جدید می گیرند انتخاب زبان برنامه نویسی مناسب است. Python و R بدون شک در هنگام انتخاب یک زبان برنامه نویسی برای یک پروژه علم داده (Data Science …

مقایسه زبان python و R برای کار در حوزره علم داده ادامه مطلب »

تفاوت مهندس داده و دانشمند داده

مهندس داده و دانشمند داده دوتا از پرمخاطب ترین شغل های حوزه علم داده هستند. ولی تفاوت این شغل ها برای بسیاری مبهم و نامشخص است. در این مطلب قصد داریم این دو شغل را بررسی کینم و تفاوت آن ها با هم مقایسه کنیم.

۵ نکته ای که باید در مورد کلان داده یا Big Data بدانید

کلان داده یا بیگ دیتا زمینه است که هر روز در حال افزایش است. به همین جهت دانستن مفاهیم و الزامات این حوزه ضروری بنظر می رسد. در این مقاله قصد داریم ۵ نکته مهم در زمینه بیگ دیتا را با هم بررسی کنیم.

مقدمه ای بر تحلیل شبکه های اجتماعی

در دنیای امروز بیشتر افراد به شبکه های اجتماعی اعتیاد پیدا کرده اند. همچنین ، می دانیم که تقریباً هر سیستمی که افراد در آن تعامل داشته باشند ، می تواند به عنوان یک شبکه اجتماعی دسته بندی شود.شبکه های …

مقدمه ای بر تحلیل شبکه های اجتماعی ادامه مطلب »

6 الگوریتم خوشه بندی (clustering) که متخصصین علم داده باید بدانند

خوشه بندی یک تکنیک یادگیری است که شامل گروه بندی نقاط داده می شود. با توجه به مجموعه ای از نقاط داده ، می توان از یک الگوریتم خوشه بندی برای طبقه بندی هر نقطه داده به یک گروه خاص …

6 الگوریتم خوشه بندی (clustering) که متخصصین علم داده باید بدانند ادامه مطلب »

توسعه و بهبود کسب و کار با استفاده از علم داده

احتمالا اخیرا کلمه دیتا ساینس یا علم داده را شنیده اید و کنجکاو شده اید این موضوع چگونه می تواند به کسب و کار شما کمک کند. آیا بیزینس شما هم امکان استفاده از آن را دارد؟آیا دیتا سانس می …

توسعه و بهبود کسب و کار با استفاده از علم داده ادامه مطلب »

چگونه علم داده ارزش کسب و کار شما را افزایش می دهد

کاهش ابعاد با استفاده از استخراج ویژگی

در دنیای واقعی تعداد و ابعاد ویژگی ها خیلی زیاد است که کار با آن ها زمان و حافظه زیادی را می خواهد و حتی همه آن ویژگی ها را لازم نداریم و با یک سری از آنها می توانیم مدل مون را پیش بینی کنیم ولی نکته این است که کدام ویژگی ها را انتخاب کنیم. برای این کار از روش های کاهش بعد مثل pca، lda، kernelpca، nmf و tsvd می توانیم استفاده کنیم.

کاهش ویژگی
به بالای صفحه بردن