این نمودارها رو بر اساس تجربه شخصی خودم کشیدم و ممکنه در برخی موارد اختلاف نظر وجود داشته باشه. 😊
خیلی‌ها از من می‌پرسن نقطه شروع علم داده چیه. نکته‌ی اول اینه که مطمئن باشید شروع کار با اکسل نیست! 😄 ❌ (فقط در حد جمع و تفریق بسه)
به نظرم بهترین راه، شروع به کار به عنوان تحلیلگر داده هست تا بتونید از هر موضوعی یه مقداری آشنایی پیدا کنید و ببینید کدوم مسیر بهتون می‌خوره. 📊
بعد بسته به علاقه‌تون:
- اگه به رسم داشبورد و مصورسازی علاقه دارید، برید سمت BI Developer. 🎨
- اگه به تحلیل‌های عمیق، به‌خصوص حوزه متن و تصویر علاقه پیدا کردید، مسیر Data Science رو انتخاب کنید. 🤖
- و در نهایت، اگر بیشتر به کارهای فنی، اتوماسیون و نگهداری داده علاقه دارید، Data Engineer می‌تونه گزینه مناسبی باشه. 🔧
به زودی مطالب جامع تخصصی‌تر رو هم باهاتون به اشتراک می‌ذارم. 🚀
خوشحال میشم این کانال رو به دوستاتون معرفی کنید. 🙌
لینک کانال
خیلی‌ها از من می‌پرسن نقطه شروع علم داده چیه. نکته‌ی اول اینه که مطمئن باشید شروع کار با اکسل نیست! 😄 ❌ (فقط در حد جمع و تفریق بسه)
به نظرم بهترین راه، شروع به کار به عنوان تحلیلگر داده هست تا بتونید از هر موضوعی یه مقداری آشنایی پیدا کنید و ببینید کدوم مسیر بهتون می‌خوره. 📊
بعد بسته به علاقه‌تون:
- اگه به رسم داشبورد و مصورسازی علاقه دارید، برید سمت BI Developer. 🎨
- اگه به تحلیل‌های عمیق، به‌خصوص حوزه متن و تصویر علاقه پیدا کردید، مسیر Data Science رو انتخاب کنید. 🤖
- و در نهایت، اگر بیشتر به کارهای فنی، اتوماسیون و نگهداری داده علاقه دارید، Data Engineer می‌تونه گزینه مناسبی باشه. 🔧
به زودی مطالب جامع تخصصی‌تر رو هم باهاتون به اشتراک می‌ذارم. 🚀
خوشحال میشم این کانال رو به دوستاتون معرفی کنید. 🙌
لینک کانال
Data Science with Reza | علم داده با رضا
این نمودارها رو بر اساس تجربه شخصی خودم کشیدم و ممکنه در برخی موارد اختلاف نظر وجود داشته باشه. 😊 خیلی‌ها از من می‌پرسن نقطه شروع علم داده چیه. نکته‌ی اول اینه که مطمئن باشید شروع کار با اکسل نیست! 😄 ❌ (فقط در حد جمع و تفریق بسه) به نظرم بهترین راه، شروع…
یه جمله که همیشه می‌گم برای تفاوت بین تحلیلگر داده (Data Analyst) و دانشمند داده (Data Scientist) اینه:
تحلیلگر داده (Data Analyst) بیشتر دنبال جواب سوالاتی هست که توی سازمان مطرح می‌شه؛ مثلاً فروش بالا پایین شده؟ روندها چطوره؟ با نگاه دقیق به داده‌ها، این سوالا رو جواب می‌ده و گزارش آماده می‌کنه تا تصمیمات راحت‌تر گرفته بشه 🤓.
دانشمند داده (Data Scientist) حالا کارش یه کم متفاوته؛ اون با استفاده از الگوریتم‌های پیشرفته مثل یادگیری ماشین و تکنیک‌های نوین، دنبال کشف الگوهای پنهان و ارتباطات عجیب و غریب توی داده‌ها می‌گرده و مدل‌های پیش‌بینی‌کننده می‌سازه تا سازمان بتونه قدم‌های نوآورانه برداره 🚀.
امیدوارم این جمله بتونه کمک کنه! 😄
لینک کانال
.
تحلیلگر داده (Data Analyst) بیشتر دنبال جواب سوالاتی هست که توی سازمان مطرح می‌شه؛ مثلاً فروش بالا پایین شده؟ روندها چطوره؟ با نگاه دقیق به داده‌ها، این سوالا رو جواب می‌ده و گزارش آماده می‌کنه تا تصمیمات راحت‌تر گرفته بشه 🤓.
دانشمند داده (Data Scientist) حالا کارش یه کم متفاوته؛ اون با استفاده از الگوریتم‌های پیشرفته مثل یادگیری ماشین و تکنیک‌های نوین، دنبال کشف الگوهای پنهان و ارتباطات عجیب و غریب توی داده‌ها می‌گرده و مدل‌های پیش‌بینی‌کننده می‌سازه تا سازمان بتونه قدم‌های نوآورانه برداره 🚀.
امیدوارم این جمله بتونه کمک کنه! 😄
لینک کانال
.
Forwarded from Bplus video
باید زاویه‌های مختلف رو ببینیم - خلاصه کتاب هنر پیش‌بینی در روز برفی تهران
ما هر روز داریم پیش‌بینی می‌کنیم. چه بازار و سرمایه‌گذاری و مسابقه فوتبال، چه آب و هوا.
چطور می‌تونیم مهارت پیش‌بینی خودمون رو تقویت کنیم و بهتر پیش‌بینی کنیم؟
https://youtu.be/TJs2SQ7LknM?si=KYpK-SIQhfZc3USs
📌کانال تلگرام بی‌پلاس
@podcastbplus
ما هر روز داریم پیش‌بینی می‌کنیم. چه بازار و سرمایه‌گذاری و مسابقه فوتبال، چه آب و هوا.
چطور می‌تونیم مهارت پیش‌بینی خودمون رو تقویت کنیم و بهتر پیش‌بینی کنیم؟
https://youtu.be/TJs2SQ7LknM?si=KYpK-SIQhfZc3USs
📌کانال تلگرام بی‌پلاس
@podcastbplus
Data Science with Reza | علم داده با رضا
باید زاویه‌های مختلف رو ببینیم - خلاصه کتاب هنر پیش‌بینی در روز برفی تهران ما هر روز داریم پیش‌بینی می‌کنیم. چه بازار و سرمایه‌گذاری و مسابقه فوتبال، چه آب و هوا. چطور می‌تونیم مهارت پیش‌بینی خودمون رو تقویت کنیم و بهتر پیش‌بینی کنیم؟ https://youtu.be/…
.
از امروز کم‌کم کتاب‌های داستانی مرتبط با تخصصمون رو معرفی می‌کنم 📚🤩
هم جذابن، هم مفیدن!
نظرتون چیه؟
از امروز کم‌کم کتاب‌های داستانی مرتبط با تخصصمون رو معرفی می‌کنم 📚🤩
هم جذابن، هم مفیدن!
نظرتون چیه؟
Data Science with Reza | علم داده با رضا
🚀 **عمیق‌تر شدن در Large Language Models (LLMs) 🚀 در این ویدیو از Andrej Karpathy، او یک بررسی جامع از Large Language Models (LLMs) که فناوری‌هایی مانند ChatGPT را به حرکت درمی‌آورند، ارائه می‌دهد. آندری که یکی از بنیان‌گذاران OpenAI و مدیر ارشد AI در Tesla…
🚀 خب Andrej Karpathy، یکی از خفن‌ترین آدمای هوش مصنوعی، یه ویدیو جدید منتشر کرده!
ا🔹 Karpathy که قبلاً تو Tesla و OpenAI بوده، تو این ویدیو نشون می‌ده چطور از مدل‌های زبانی (LLMs) تو زندگی روزمره استفاده کنیم.
💡 چندتا نکته مهم از ویدیو:
✅ چطوری درست با ChatGPT کار کنیم؟
✅ مدل‌های مختلف و هزینه‌هاشون
✅ سرچ، تحلیل داده، پردازش تصویر و ویدیو با AI
✅ ساختن GPTهای سفارشی
📺 حتماً ببینید: لینک ویدئو
.
ا🔹 Karpathy که قبلاً تو Tesla و OpenAI بوده، تو این ویدیو نشون می‌ده چطور از مدل‌های زبانی (LLMs) تو زندگی روزمره استفاده کنیم.
💡 چندتا نکته مهم از ویدیو:
✅ چطوری درست با ChatGPT کار کنیم؟
✅ مدل‌های مختلف و هزینه‌هاشون
✅ سرچ، تحلیل داده، پردازش تصویر و ویدیو با AI
✅ ساختن GPTهای سفارشی
📺 حتماً ببینید: لینک ویدئو
.
YouTube
How I use LLMs
The example-driven, practical walkthrough of Large Language Models and their growing list of related features, as a new entry to my general audience series on LLMs. In this more practical followup, I take you through the many ways I use LLMs in my own life.…
Data Science with Reza | علم داده با رضا
یه جمله که همیشه می‌گم برای تفاوت بین تحلیلگر داده (Data Analyst) و دانشمند داده (Data Scientist) اینه: تحلیلگر داده (Data Analyst) بیشتر دنبال جواب سوالاتی هست که توی سازمان مطرح می‌شه؛ مثلاً فروش بالا پایین شده؟ روندها چطوره؟ با نگاه دقیق به داده‌ها، این…
Please open Telegram to view this post
VIEW IN TELEGRAM
Data Science with Reza | علم داده با رضا
و حالا پیشنهادهایی برای شروع یادگیری ابزارهای کلیدی 🚀
برای شروع مسیر دیتا آنالیست (Data Analyst)، پیشنهاد می‌کنم ابتدا با این سه ابزار کلیدی آشنا بشید:
Power BI:
این ابزار به شما کمک می‌کنه تا هم در پیش‌پردازش، هم در تحلیل و هم در ارائه بصری به شکلی یکپارچه فعالیت کنید و به تفکر تحلیلی دست پیدا کنید. 💡
SQL:
از آنجایی که بیشتر داده‌ها در دیتابیس‌ها (Databases) ذخیره می‌شن، یادگیری SQL برای استخراج و مدیریت داده‌ها بسیار مهمه. 💾
پایتون (Python):
حداقل در سطح آشنایی با کتابخانه‌های اصلی مانند Pandas, Matplotlib و NumPy کار کنید. پس از تسلط بر این ابزارها، می‌تونید مسیر خودتون رو بر اساس علاقه و استعدادتون تنظیم کنید؛ مثلاً به سمت:
BI Developer 💼
Data Engineer 🏗
Data Scientist 🧪
امیدوارم این راهنمایی‌ها به شما کمک کنه تا قدم‌های اولیه‌تون رو در دنیای علم داده با اطمینان بردارید.
موفق باشید و به پیش! 🚀
و این کانال رو به دست کسایی که بهش نیاز دارن برسونید. 😍
لینک کانال
#DataAnalyst
برای شروع مسیر دیتا آنالیست (Data Analyst)، پیشنهاد می‌کنم ابتدا با این سه ابزار کلیدی آشنا بشید:
Power BI:
این ابزار به شما کمک می‌کنه تا هم در پیش‌پردازش، هم در تحلیل و هم در ارائه بصری به شکلی یکپارچه فعالیت کنید و به تفکر تحلیلی دست پیدا کنید. 💡
SQL:
از آنجایی که بیشتر داده‌ها در دیتابیس‌ها (Databases) ذخیره می‌شن، یادگیری SQL برای استخراج و مدیریت داده‌ها بسیار مهمه. 💾
پایتون (Python):
حداقل در سطح آشنایی با کتابخانه‌های اصلی مانند Pandas, Matplotlib و NumPy کار کنید. پس از تسلط بر این ابزارها، می‌تونید مسیر خودتون رو بر اساس علاقه و استعدادتون تنظیم کنید؛ مثلاً به سمت:
BI Developer 💼
Data Engineer 🏗
Data Scientist 🧪
امیدوارم این راهنمایی‌ها به شما کمک کنه تا قدم‌های اولیه‌تون رو در دنیای علم داده با اطمینان بردارید.
موفق باشید و به پیش! 🚀
و این کانال رو به دست کسایی که بهش نیاز دارن برسونید. 😍
لینک کانال
#DataAnalyst
Bplus Podcast Episode 55
Ali Bandari
55: How To Measure Anything
خلاصه کتاب چگونه هرچیزی را اندازه بگیریم
اپیزود ۵۵ پادکست بی‌پلاس
خلاصه کتاب چگونه هرچیزی را اندازه بگیریم
اپیزود ۵۵ پادکست بی‌پلاس
Data Science with Reza | علم داده با رضا
Ali Bandari – Bplus Podcast Episode 55
سلام دوستان عزیز! 😊
امروز می‌خوام درباره کتاب جذاب How To Measure Anything (چگونه هرچیزی را اندازه بگیریم 📏) صحبت کنم. این کتاب یکی از بهترین منابع برای آشنا شدن با دنیای اندازه‌گیری (measurement) در شرایطی است که ممکنه چیزی غیرقابل اندازه‌گیری (intangible) به نظر برسه.
💡 چرا این کتاب مهمه؟
کتاب به ما نشون می‌ده که با روش‌های هوشمندانه و تحلیل‌های دقیق، حتی به موضوعاتی که ظاهراً غیرقابل اندازه‌گیری به نظر می‌رسند هم می‌توان ارزش (value) و ریسک (risk) را ارزیابی کرد. مثلاً، شما می‌تونید با استفاده از روش‌هایی مانند تخمین فرمی (Fermi estimation) و تحلیل عدم قطعیت (uncertainty analysis)، تصمیمات بهتری بگیرید.
📚 چه موضوعاتی رو پوشش می‌ده؟
روش‌های اندازه‌گیری (measurement techniques): کتاب به شما تکنیک‌های کاربردی برای اندازه‌گیری داده‌های ظاهراً نامشهود رو معرفی می‌کنه.
تصمیم‌گیری مبتنی بر داده (data-driven decision making): یاد می‌گیرید چگونه با استفاده از داده‌ها، تصمیمات تجاری و شخصی بهتری بگیرید.
مدیریت ریسک (risk management): چطور با ارزیابی دقیق ریسک‌ها، از اشتباهات پرهزینه جلوگیری کنید.
🚀 برای چه کسانی مناسب است؟
اگر در حوزه کسب و کار (business)، اقتصاد (economics) یا حتی زندگی روزمره علاقه‌مند به تصمیم‌گیری مبتنی بر داده هستید، این کتاب یک راهنمای عملی و کاربردی برای شماست. حتی اگر فکر می‌کنید موضوعات اندازه‌گیری و آمار (statistics) برای شما سخت و پیچیده است، این کتاب به زبان ساده و دوستانه به شما کمک می‌کند تا مفاهیم را به خوبی درک کنید.
[دسترسی به خلاصه فارسی Bplus]
لینک کانال
.
امروز می‌خوام درباره کتاب جذاب How To Measure Anything (چگونه هرچیزی را اندازه بگیریم 📏) صحبت کنم. این کتاب یکی از بهترین منابع برای آشنا شدن با دنیای اندازه‌گیری (measurement) در شرایطی است که ممکنه چیزی غیرقابل اندازه‌گیری (intangible) به نظر برسه.
💡 چرا این کتاب مهمه؟
کتاب به ما نشون می‌ده که با روش‌های هوشمندانه و تحلیل‌های دقیق، حتی به موضوعاتی که ظاهراً غیرقابل اندازه‌گیری به نظر می‌رسند هم می‌توان ارزش (value) و ریسک (risk) را ارزیابی کرد. مثلاً، شما می‌تونید با استفاده از روش‌هایی مانند تخمین فرمی (Fermi estimation) و تحلیل عدم قطعیت (uncertainty analysis)، تصمیمات بهتری بگیرید.
📚 چه موضوعاتی رو پوشش می‌ده؟
روش‌های اندازه‌گیری (measurement techniques): کتاب به شما تکنیک‌های کاربردی برای اندازه‌گیری داده‌های ظاهراً نامشهود رو معرفی می‌کنه.
تصمیم‌گیری مبتنی بر داده (data-driven decision making): یاد می‌گیرید چگونه با استفاده از داده‌ها، تصمیمات تجاری و شخصی بهتری بگیرید.
مدیریت ریسک (risk management): چطور با ارزیابی دقیق ریسک‌ها، از اشتباهات پرهزینه جلوگیری کنید.
🚀 برای چه کسانی مناسب است؟
اگر در حوزه کسب و کار (business)، اقتصاد (economics) یا حتی زندگی روزمره علاقه‌مند به تصمیم‌گیری مبتنی بر داده هستید، این کتاب یک راهنمای عملی و کاربردی برای شماست. حتی اگر فکر می‌کنید موضوعات اندازه‌گیری و آمار (statistics) برای شما سخت و پیچیده است، این کتاب به زبان ساده و دوستانه به شما کمک می‌کند تا مفاهیم را به خوبی درک کنید.
[دسترسی به خلاصه فارسی Bplus]
لینک کانال
.
🚀 لیست کتاب‌های جذاب دربارهٔ علم داده (data science) که می‌تونن دیدمون رو به دنیای اطلاعات بازتر کنن:
📘 کتاب اول: داستان‌پردازی با داده (storytelling with data)
[دسترسی به خلاصه فارسی کتاب]
[دسترسی به نسخه انگلیسی]
[دسترسی به کتاب حل تمرین]
📙 کتاب دوم: هنر پیش‌بینی (Superforecasting: The Art and Science of Prediction)
[دسترسی به خلاصه فارسی Bplus]
📗 کتاب سوم: How To Measure Anything (چگونه هرچیزی را اندازه بگیریم)
[دسترسی به خلاصه فارسی Bplus]
این لیست به مرور کامل‌تر خواهد شد. 😍
لینک کانال
.
📘 کتاب اول: داستان‌پردازی با داده (storytelling with data)
[دسترسی به خلاصه فارسی کتاب]
[دسترسی به نسخه انگلیسی]
[دسترسی به کتاب حل تمرین]
📙 کتاب دوم: هنر پیش‌بینی (Superforecasting: The Art and Science of Prediction)
[دسترسی به خلاصه فارسی Bplus]
📗 کتاب سوم: How To Measure Anything (چگونه هرچیزی را اندازه بگیریم)
[دسترسی به خلاصه فارسی Bplus]
این لیست به مرور کامل‌تر خواهد شد. 😍
لینک کانال
.
Data Science with Reza | علم داده با رضا
🚀 لیست کتاب‌های جذاب دربارهٔ علم داده (data science) که می‌تونن دیدمون رو به دنیای اطلاعات بازتر کنن: 📘 کتاب اول: داستان‌پردازی با داده (storytelling with data) [دسترسی به خلاصه فارسی کتاب] [دسترسی به نسخه انگلیسی] [دسترسی به کتاب حل تمرین] 📙 کتاب دوم:…
Please open Telegram to view this post
VIEW IN TELEGRAM
📢 جمع‌بندی مطالب اصلی کانال:
بررسی تخصص‌های اصلی در علم داده [لینک دسترسی]
تفاوت بین تحلیلگر داده (Data Analyst) و دانشمند داده (Data Scientist) [لینک دسترسی]
چطور می‌تونیم دیتا آنالیست (Data Analyst) بشیم؟ [لینک دسترسی]
چطور ذهنیت تحلیلی داشته باشیم؟ [لینک دسترسی]
لیست کتاب‌های داستانی مربوط با علم داده [لینک دسترسی]
منابع اصلی یادگیری فرآیندکاوی (Process Mining) [لینک دسترسی]
لینک کانال
بررسی تخصص‌های اصلی در علم داده [لینک دسترسی]
تفاوت بین تحلیلگر داده (Data Analyst) و دانشمند داده (Data Scientist) [لینک دسترسی]
چطور می‌تونیم دیتا آنالیست (Data Analyst) بشیم؟ [لینک دسترسی]
چطور ذهنیت تحلیلی داشته باشیم؟ [لینک دسترسی]
لیست کتاب‌های داستانی مربوط با علم داده [لینک دسترسی]
منابع اصلی یادگیری فرآیندکاوی (Process Mining) [لینک دسترسی]
لینک کانال
Please open Telegram to view this post
VIEW IN TELEGRAM
چطور مسیر شغلی مناسب رو در علم داده انتخاب کنیم؟ 🤔💡
این چارت راهنمایی می‌کنه که بر اساس مهارت‌ها و علایقتون، کدوم نقش در دنیای علم داده براتون مناسبه. از خودتون بپرسید:
1. آیا مهارت تحلیلی قوی دارم؟
2. دوست دارم با داده‌های ساختار یافته یا ساختار نیافته کار کنم؟
3. برنامه‌نویسی رو بلدم یا می‌خوام یاد بگیرم؟
4. بیشتر حل مسائل کسب‌وکار رو دوست دارم یا حل مسائل فنی؟
اگه عاشق کدنویسی هستید و از ابزارهایی مثل Python لذت می‌برید، احتمالاً نقش‌های Data Engineer یا ML Engineer براتون جذابه. اگه از اکسل و جداول خوشتون میاد و تحلیل داده‌های ساختاریافته رو می‌پسندید، می‌تونید به عنوان Data Analyst فعالیت کنید. اگه دغدغه‌تون بهبود فرایندهای کسب‌وکار و ارائه راهکارهای تصمیم‌گیریه، Business Analyst نقش مناسبیه. و اگه عاشق هوش مصنوعی و یادگیری ماشین هستید و می‌خواید مدل‌های پیچیده بسازید، می‌تونید مسیر Data Scientist رو انتخاب کنید. 🚀
اما اگه هیچ علاقه‌ای به تحلیل داده یا برنامه‌نویسی ندارید، شاید علم داده بهترین گزینه برای شما نباشه! پس اول مهارت تحلیلی و علاقه‌تون رو ارزیابی کنید و بعد تصمیم بگیرید. 😊✨
[لینک کانال]
این چارت راهنمایی می‌کنه که بر اساس مهارت‌ها و علایقتون، کدوم نقش در دنیای علم داده براتون مناسبه. از خودتون بپرسید:
1. آیا مهارت تحلیلی قوی دارم؟
2. دوست دارم با داده‌های ساختار یافته یا ساختار نیافته کار کنم؟
3. برنامه‌نویسی رو بلدم یا می‌خوام یاد بگیرم؟
4. بیشتر حل مسائل کسب‌وکار رو دوست دارم یا حل مسائل فنی؟
اگه عاشق کدنویسی هستید و از ابزارهایی مثل Python لذت می‌برید، احتمالاً نقش‌های Data Engineer یا ML Engineer براتون جذابه. اگه از اکسل و جداول خوشتون میاد و تحلیل داده‌های ساختاریافته رو می‌پسندید، می‌تونید به عنوان Data Analyst فعالیت کنید. اگه دغدغه‌تون بهبود فرایندهای کسب‌وکار و ارائه راهکارهای تصمیم‌گیریه، Business Analyst نقش مناسبیه. و اگه عاشق هوش مصنوعی و یادگیری ماشین هستید و می‌خواید مدل‌های پیچیده بسازید، می‌تونید مسیر Data Scientist رو انتخاب کنید. 🚀
اما اگه هیچ علاقه‌ای به تحلیل داده یا برنامه‌نویسی ندارید، شاید علم داده بهترین گزینه برای شما نباشه! پس اول مهارت تحلیلی و علاقه‌تون رو ارزیابی کنید و بعد تصمیم بگیرید. 😊✨
[لینک کانال]
Data Science with Reza | علم داده با رضا
چطور مسیر شغلی مناسب رو در علم داده انتخاب کنیم؟ 🤔💡 این چارت راهنمایی می‌کنه که بر اساس مهارت‌ها و علایقتون، کدوم نقش در دنیای علم داده براتون مناسبه. از خودتون بپرسید: 1. آیا مهارت تحلیلی قوی دارم؟ 2. دوست دارم با داده‌های ساختار یافته یا ساختار نیافته…
من قبلاً در این پست [لینک دسترسی] در مورد شغل‌های مرتبط با علم داده توضیح دادم و در اینجا [لینک دسترسی] هم درباره تفاوت Data Analyst و Data Scientist صحبت کردم. پیشنهاد می‌کنم اون‌ها رو هم مطالعه کنید و بعد با این چارت مقایسه کنید تا بتونید مسیر شغلی مورد علاقتون رو بهتر تشخیص بدید. 🚀✨
امیدوارم این مطالب بهتون کمک کنه تا با اعتماد به نفس بیشتری قدم توی این حوزه هیجان‌انگیز بذارید! اگه سوالی داشتید یا نیاز به راهنمایی بیشتر داشتید، حتماً بپرسید. 😊💡
موفق باشید و به پیش! 🚀
[لینک کانال]
.
امیدوارم این مطالب بهتون کمک کنه تا با اعتماد به نفس بیشتری قدم توی این حوزه هیجان‌انگیز بذارید! اگه سوالی داشتید یا نیاز به راهنمایی بیشتر داشتید، حتماً بپرسید. 😊💡
موفق باشید و به پیش! 🚀
[لینک کانال]
.
Please open Telegram to view this post
VIEW IN TELEGRAM
Data Science with Reza | علم داده با رضا
.
گاهی استفاده از نرم‌افزارهای جدید و حتی نسخه‌های به‌روزتر همیشه یه کم جسارت می‌خواد. خودم شروع کردم به استفاده از Cursor به جای VSCode و تجربه واقعاً جالبی بود! این حس رو دارید که انگار یک نفر به معنای واقعی کلمه senior بغلت نشسته و مدام در حال تعامل باهاتونه؛ به قدری که سرعت کدنویسیت رو 10X کرده! 🚀🔥
اگر همیشه دنبال افزایش بهره‌وری (productivity) و ابزارهای نوین (modern tools) هستید، حتماً Cursor رو امتحان کنید و جایگزین IDE فعلی‌تون بشه. مطمئن باشید، با این تغییر از حل و توسعه مسائل پیچیده لذت بیشتری خواهید برد و سطح کدینگ (coding)تون رو به شکلی چشمگیر ارتقا می‌دین. 💻✨
لینک دانلود:
https://www.cursor.com/
و این کانال رو به دست کسایی که بهش نیاز دارن برسونید. 😍
موفق باشید و به پیش! 🚀
[لینک کانال]
.
گاهی استفاده از نرم‌افزارهای جدید و حتی نسخه‌های به‌روزتر همیشه یه کم جسارت می‌خواد. خودم شروع کردم به استفاده از Cursor به جای VSCode و تجربه واقعاً جالبی بود! این حس رو دارید که انگار یک نفر به معنای واقعی کلمه senior بغلت نشسته و مدام در حال تعامل باهاتونه؛ به قدری که سرعت کدنویسیت رو 10X کرده! 🚀🔥
اگر همیشه دنبال افزایش بهره‌وری (productivity) و ابزارهای نوین (modern tools) هستید، حتماً Cursor رو امتحان کنید و جایگزین IDE فعلی‌تون بشه. مطمئن باشید، با این تغییر از حل و توسعه مسائل پیچیده لذت بیشتری خواهید برد و سطح کدینگ (coding)تون رو به شکلی چشمگیر ارتقا می‌دین. 💻✨
لینک دانلود:
https://www.cursor.com/
و این کانال رو به دست کسایی که بهش نیاز دارن برسونید. 😍
موفق باشید و به پیش! 🚀
[لینک کانال]
.
Data Science with Reza | علم داده با رضا
. گاهی استفاده از نرم‌افزارهای جدید و حتی نسخه‌های به‌روزتر همیشه یه کم جسارت می‌خواد. خودم شروع کردم به استفاده از Cursor به جای VSCode و تجربه واقعاً جالبی بود! این حس رو دارید که انگار یک نفر به معنای واقعی کلمه senior بغلت نشسته و مدام در حال تعامل باهاتونه؛…
.
خب خبر خوش‌تر 🚀
اینکه از این ریپازیتوری می‌تونید برای استفاده نامحدود از Cursor استفاده کنید. 😅
https://github.com/hamflx/cursor-reset?tab=readme-ov-file#usage
[لینک کانال]
.
خب خبر خوش‌تر 🚀
اینکه از این ریپازیتوری می‌تونید برای استفاده نامحدود از Cursor استفاده کنید. 😅
https://github.com/hamflx/cursor-reset?tab=readme-ov-file#usage
[لینک کانال]
.
GitHub
GitHub - hamflx/cursor-reset: cursor 0.45.x machine id reset
cursor 0.45.x machine id reset. Contribute to hamflx/cursor-reset development by creating an account on GitHub.
📢 دسته‌بندی مطالب اصلی کانال 😊
1. تخصص‌ها و مسیرهای شغلی در علم داده
- بررسی تخصص‌های اصلی در علم داده
[لینک دسترسی]
- تفاوت بین تحلیلگر داده (Data Analyst) و دانشمند داده (Data Scientist)
[لینک دسترسی]
- انتخاب تخصص مورد علاقه در علم داده
[لینک دسترسی]
---
2. راهنمای ورود به حوزه علم داده و سوالات رایج
- چطور می‌تونیم دیتا آنالیست (Data Analyst) بشم؟
[لینک دسترسی]
- چطور ذهنیت تحلیلی داشته باشم؟
[لینک دسترسی]
- چطور تخصص فعلیمو به علم داده تغییر بدم؟
[لینک دسترسی]
- برای شروع برم اکسل یادبگیرم؟
[لینک دسترسی]
---
3. منابع مطالعاتی و آموزشی
- لیست کتاب‌های داستانی مربوط به علم داده
[لینک دسترسی]
- منابع اصلی یادگیری فرآیندکاوی (Process Mining)
[لینک دسترسی]
---
موفق باشید و به پیش! 🚀
و این کانال رو به دست کسایی که بهش نیاز دارن برسونید. 😍
لینک کانال
.
1. تخصص‌ها و مسیرهای شغلی در علم داده
- بررسی تخصص‌های اصلی در علم داده
[لینک دسترسی]
- تفاوت بین تحلیلگر داده (Data Analyst) و دانشمند داده (Data Scientist)
[لینک دسترسی]
- انتخاب تخصص مورد علاقه در علم داده
[لینک دسترسی]
---
2. راهنمای ورود به حوزه علم داده و سوالات رایج
- چطور می‌تونیم دیتا آنالیست (Data Analyst) بشم؟
[لینک دسترسی]
- چطور ذهنیت تحلیلی داشته باشم؟
[لینک دسترسی]
- چطور تخصص فعلیمو به علم داده تغییر بدم؟
[لینک دسترسی]
- برای شروع برم اکسل یادبگیرم؟
[لینک دسترسی]
---
3. منابع مطالعاتی و آموزشی
- لیست کتاب‌های داستانی مربوط به علم داده
[لینک دسترسی]
- منابع اصلی یادگیری فرآیندکاوی (Process Mining)
[لینک دسترسی]
---
موفق باشید و به پیش! 🚀
و این کانال رو به دست کسایی که بهش نیاز دارن برسونید. 😍
لینک کانال
.
Please open Telegram to view this post
VIEW IN TELEGRAM