🔴 نقشه راه «یادگیری علم داده»
🟩 ریاضیات و آمار را از پایه یاد بگیرین:
◼️ فاصله اطمینان، مقادیر p و توزیع ها رو یاد بگیرین.
◻️ یادگیری آزمون فرضیه
◼️ مشتقات و انتگرال ها رو یاد بگیرین.
◻️ حساب دیفرانسیل و انتگرال چند متغیره رو با ۳ متغیر یا بیشتر یاد بگیرین.
◼️ درباره ماتریسها، بردارهای ویژه و تانسورها بیاموزین.
🔔 برای اینکه دانشمند داده بشین نباید ریاضیات رو یاد بگیرین، باید ریاضیات رو دوست داشته باشین!
🟥 ذهنیت حل مسئله داشته باشین:
◼️ علم تصمیم گیری و تجزیه و تحلیل رو فرا بگیرین.
◻️ چارچوب تصمیم گیری صحیح رو یاد بگیرین.
◼️ یادگیری نمودارهای تصمیم گیری (درختها، نمودارهای تأثیر و...)
◻️ ارزش اطلاعات / بصیرت / کنترل رو یاد بگیرین.
◼️ قاطعیت در مقابل حقیقت رو فرا بگیرین.
◻️ تحلیل حساسیت از دیدگاه تصمیم گیری.
◼️ درباره حالتهای ریسک و کارکرد و فواید توابع بخونین.
🔔 هیچ چیز به اندازه #دادههای_دنیای_واقعی شما رو در مقابل یادگیری علم داده آماده نمیکنه و هیچ چیز به اندازه #ذهنیت_حل_مسئله شما رو در پیشبرد پروژههاتون کمک نمیکنه.
🟪 مهارت های داده رو یاد بگیرین:
◼️ یادگیری SQL
◻️ یادگیری توابع JOINs، aggregations، window
◼️ یادگیری پایتون
◻️ پانداس از کتابخانههای پایتون و NumPy، PyTorch، TensorFlow رو امتحان کنین.
◼️ در پایتون یا Tableau/Power BI استفاده کنین.
◻️ اعتبارسنجی و پاکسازی دادهها رو یاد بگیرین.
🟧 آزمایشات رو یاد بگیرین:
◼️ تست های A/B رو یاد بگیرین.
◻️ معیارها رو یاد بگیرین.
◼️ یاد بگیرین که چگونه از آزمون فرضیه استفاده کنین.
🟨 یادگیری مدل سازی:
◼️ با رگرسیون خطی و رگرسیون لجستیک آشنا بشین.
◻️ درباره درخت های تصمیم، SVM ها و شبکههای عصبی مطالعه کنین.
◼️ در مورد تکنیک های گروهی مانند XGBoost و جنگل تصادفی بخونین.
◻️ در مورد ارزیابی مدل، دقت در مقابل یادآوری، مثبت کاذب و منفی کاذب مطالعه کنین.
منبع: کانال علم داده
👈 @DataScience_ir🗣 قابل توجه دانشجویان علاقه مند به علم داده و هوش مصنوعی به ویژه دانشجویان علوم پایه، آمار و ریاضیات و مهندسی#️⃣ #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖@unn_news