#Data_Science

✅چگونه به عنوان متخصص علم داده، پروژه ها و خودمان را پرزنت کنیم؟

در حوزه ی علم داده، صرفا داشتن مهارت کافی نیست و شما باید بتوانید آن را به عنوان یک محصول بفروشید.

🔹شما در یک رویداد شبکه ای با افراد هستید و فقط در 15 ثانیه اول می توانید اولین تاثیر خوب را بر فرد مقابل قرار دهید.

🔹متقاعد کردن دیگران در خصوص حوزه ای که شما کار کردید، کار آسانی نیست. پس سعی کنید حوزه پروژه را تعیین کنید و در مورد آن دقیق و سختگیر باشید.

🔹مساله افرادی که در محیط فعلی فعالیت می کنند را شناسایی و از زاویه ی دید آنها، موضوعات را مطرح کنید.

🔹محصول/ خدماتی که در حال توسعه ی آن و مساله خاصی که در حال حل کردن آن هستید را توضیح دهید.

🔹مزیت رقابتی محصول/ خدمات تان را نسبت به سایرین تشریح نمایید.

🏫 @DataScience_School
🌐Http://dsstalent.com
#Data_Science_Tips

💎 آیا به عنوان یک متخصص داده، باید ابزارهای بدون کد را هم یاد بگیریم؟!

▪️علم داده به علت دارا بودن مراحلی مانند پردازش داده، پاکسازی داده، تجزیه و تحلیل داده های اکتشافی، یادگیری ماشینی، هوش مصنوعی و غیره می تواند بسیار پیچیده شود.
▪️از این رو بسیاری از شرکت‌ها اخیراً به سمت راه‌حل‌ها یا پلتفرم‌های بدون کد رفته اند تا این فرآیند را آسان‌تر، سریع‌تر و مؤثرتر کنند. برخی از ابزارها و پلتفرم های محبوب بدون کد:
🔹Knime
یک ابزار قدرتمند برای ایجاد گردش کار تحلیلی است و برای رابط بصری بسیار مفید است.

🔹RapidMiner
یک پلتفرم نرم افزاری برای علم داده، تجزیه و تحلیل پیش بینی و یادگیری ماشین است.
🔹CyberDeck
یک پلتفرم بدون کد و سرتاسر علم داده/ ماشین لرنینگ خودکار است که قادر به انجام بسیاری از کارهای علم داده با چند کلیک ساده است.

🔹Alteryx
یک پلتفرم علم داده است که سازمان ها را قادر می‌سازد بینش ها را در زمان واقعی کشف، تجزیه و تحلیل نموده و بصورت عملی از آنها استفاده کنند.

با ما همراه باشید...

🏫 @DataScience_School
🌐Http://dsstalent.com
#Data_Science
❇️ 8 ابزار قدرتمند بدون نیاز به کد برای علم داده:

1️⃣ Gigasheet:
▪️تحلیل داده در مقیاس بزرگ با استفاده از هوش مصنوعی
▪️ترکیب اکسل و پانداس بدون محدودیت مقیاس

2️⃣ Mito:
▪️ایجاد رابط صفحه‌گسترده در Jupyter notebook
▪️تولید خودکار کد پایتون

3️⃣PivotTableJS:
▪️ایجاد جداول محوری و نمودارها با کشیدن و رها کردن
▪️کار در Jupyter notebook

4️⃣Drawdata:
▪️رسم داده‌های پراکندگی دو بعدی با کشیدن موس
▪️خروجی داده به صورت DataFrame، CSV یا JSON

5️⃣PyGWalker:
▪️تحلیل DataFrame در Jupyter notebook مشابه Tableau

6️⃣Visual Python:
▪️مولد کد پایتون با رابط گرافیکی
▪️انجام ورودی/خروجی داده و ایجاد نمودارها با کلیک

7️⃣Tensorflow Playground:
▪️ساخت و آموزش شبکه‌های عصبی با رابط کاربری زیبا
▪️ابزار مبتنی بر مرورگر

8️⃣ydata-profiling:
▪️ایجاد گزارش EDA استاندارد برای مجموعه داده
▪️کار در Jupyter notebook

🏫 @DataScience_School
🌐Http://dsstalent.com
👍4