Morita DataLand
Morita DataLand
  • 59
  • 153 160
چطور بدون تجربه کاری دیتاساینتیست شوید | Your First Job in Data Science
یافتن شغل در حوزه علم داده بدون تجربه شغلی قبلی می تواند چالش برانگیز باشد، اما غیرممکن نیست! در این ویدیو راهکارهایی معرفی شده که میتواند شانس شما برای پیدا کردن شغل افزایش دهد. به خاطر داشته باشید که یافتن شغل علم داده بدون تجربه قبلی ممکن است زمان بر باشد، اما پشتکار و تمایل به یادگیری می تواند در دراز مدت نتیجه دهد
First step 1:32
Second step 2:45
Third step 4:32
Fourth step 5:14
Fifth step 6:15
Final note 9:47
◾◾◾◾◾◾◾◾◾◾◾◾
Finding a data science job without prior job experience can be challenging, but it is not impossible. In this video, you will find some steps that you can take to increase your chances of landing a data science role. It's important to remember that finding a data science job without prior experience may take time, but persistence and a willingness to learn can pay off in the long run
◾◾◾◾◾◾◾◾◾◾◾◾
در کانال Morita Dataland محتوای آموزشی درباره علم داده، پردازش زبان های طبیعی، وب اسکرپینگ و موضوعات مرتبط موجود است
ua-cam.com/channels/7VGF2VFw-Vfm7tBK6PilYA.html
◾◾◾◾◾◾◾◾◾◾◾◾
Fundamentals of Data Science Playlist
ua-cam.com/play/PLE_KQmLMvwwPGkmG-XPVfs1Cl9I3lNLKR.html
NLP Playlist
ua-cam.com/play/PLE_KQmLMvwwNt9amp4jSxPN1Bjj3lpWRA.html
Web Scraping Playlist
ua-cam.com/play/PLE_KQmLMvwwOze_b-ZLkGJzCzbejz_Yaz.html
◾◾◾◾◾◾◾◾◾◾◾◾
Telegram: t.me/MoritaDataLand
📱 Twitter: MDataland
📂GitHub: github.com/MoritaDataLand
-------------------------------------------------------------
⚡ لطفا با لایک ها و سابسکرایب کردن از کانال حمایت کنید تا ویدیوهای آموزشی بیشتری تولید کنم⚡
#دیتاساینس
Переглядів: 3 926

Відео

NLP vs. NLU vs. NLG
Переглядів 7112 роки тому
پردازش زبان طبیعی (NLP)، درک زبان طبیعی (NLU) و تولید زبان طبیعی (NLG) همگی موضوعاتی مرتبط اما متفاوت هستند. وجود ارتباطات معمولاً موجب سردرگمی می شود، در این ویدیو، هر اصطلاح را به صورت جداگانه تعریف می کنیم و تفاوت های آنها را بررسی می کنیم، تا ابهامات موجود رفع شود سوالات استخدامی NLP: t.me/MoritaDataLandChannel/58 پلی لیست کامل NLP: ua-cam.com/play/PLE_KQmLMvwwNt9amp4jSxPN1Bjj3lpWRA.html ◾◾...
Train, Test, & Validation Sets | داده های آموزش، اعتبار سنجی و آزمایش
Переглядів 6682 роки тому
در یادگیری ماشین، مجموعه داده ها به سه دسته تقسیم می شوند: آموزش، اعتبار سنجی و آزمایش. در این ویدئو به کاربرد، تفاوت و اندازه این دسته ها پرداخته شده است ◾◾◾◾◾◾◾◾◾◾◾◾ In machine learning, datasets are divided into three sets: training, validation, and test. In this video, the use, difference and size of these sets will be discussed ◾◾◾◾◾◾◾◾◾◾◾◾ در کانال Morita Dataland محتوای آموزشی درباره علم...
Supervised vs. Unsupervised Learning | یادگیری نظارتی یا بدون نظارت
Переглядів 9682 роки тому
این ویدیو در مورد انواع یادگیری در ماشین لرنینگ است. در این ویدیو یادگیری نظارتی و بدون نظارت به صورت کامل معرفی شده، تفاوت ها و کاربردهای آن ها با مثال های ساده بررسی شده است ◾◾◾◾◾◾◾◾◾◾◾◾ In this video, I will explain about various types of learning in machine learning. Supervised and unsupervised learning approaches are fully introduced, their differences and applications are examined with si...
Outlier Detection | داده پرت
Переглядів 7742 роки тому
داده پرت یا داده دورافتاده، به داده‌ای گفته می‌شود که با دیگر داده‌های هم‌گروه فاصله چشمگیری داشته‌باشد، در این ویدیو ابتدا تاثیر داده پرت بر نتایج آماری را بررسی می کنیم و می آموزیم که چگونه می توانیم با استفاده از پایتون یک داده پرت را شناسایی کنیم ◾◾◾◾◾◾◾◾◾◾◾◾ In this video, we first examine the impact of outlier data on statistical results and learn how to identify an outlier using Python ◾...
مهندسی ویژگی ها | Feature Engineering
Переглядів 8032 роки тому
مهندسی ویژگی چیست و چرا به آن نیاز داریم؟ اساساً، همه الگوریتم‌های یادگیری ماشین از برخی داده‌های ورودی برای ایجاد خروجی استفاده می‌کنند. این داده های ورودی شامل ویژگی هایی است که معمولاً به شکل ستون های ساختار یافته هستند. الگوریتم ها به ویژگی هایی با ویژگی های خاص نیاز دارند تا به درستی کار کنند. شما در این مرحله از دانش خود یا متخصصان حوزه برای انتخاب یا ساخت بهترین ویژگی ها استفاده می کنید ...
طبقه بندی متن | Text Classification using Hugging Face
Переглядів 1,2 тис.2 роки тому
در این ویدیو نحوه استفاده از ترنسفرمرها و مدل های آموزش دیده، برای تحلیل احساسات متنی آموزش داده می شود. معماری ترنسفرمرها در حال حاضر از محبوبیت زیادی برخوردار است و استفاده از آن ها مهم ترین قدم برای پیشرفت در علم پردازش زبان های طبیعی است ◾◾◾◾◾◾ In this video you will learn how to use transformers and pre-trained models for sentiment analysis task ◾◾◾◾◾◾ در کانال Morita Dataland محتوای آموزش...
مقادیر گم شده | Missing Values
Переглядів 7932 роки тому
مقادیر گمشده (داده های گمشده) به عنوان مقدار داده ای تعریف می شود که برای یک متغیر ثبت نشده یا ناموجود هستند. این مشکل تقریباً در همه مسائل علم داده نسبتاً رایج است و می تواند تأثیر قابل توجهی در استنتاج از داده ها داشته باشد. در این ویدیو، در مورد این مشکل و روش های مدیریت آن آشنا خواهید شد Missing data (or missing values) is defined as the data value that is not stored for a variable. Nearly ...
چالش های وب اسکرپینگ (بخش دوم) | Web Scraping Challenges
Переглядів 5242 роки тому
برای انجام وب اسکرپینگ به صورت حرفه ای، لازم است که با چالش های وب اسکرپینگ و روش های مقابله با آن ها آشنا شوید. در این ویدیو ابتدا برخی از چالشهای وب اسکرپینگ معرفی می شود و در بخش آخر ویدیو برخی پیشنهادات و راهکارهای کلی برای انجام وب اسکرپینگ به صورت حرفه ای بیان خواهد شد برای دیدن بخش اول چالش های وب اسکرپینگ به لینک زیر مراجعه نمایید ua-cam.com/video/tKThMrehzo8/v-deo.html In this video, I...
مصورسازی و تحلیل داده ها در پایتون | Data Visualization and Analysis using Python
Переглядів 2,9 тис.2 роки тому
مصورسازی داده ها به تحلیلگران و دانشمندان داده کمک میکند تا درک خوبی از حجم وسیعی از داده های موجود به دست آورند. همچنین الگو ها و خطاهای موجود در داده ها را تشخیص دهند. مصورسازی داده ها زبانی مشترک بین افراد فنی و غیر فنی است. این ویدیو با مصورسازی داده ها به عنوان یکی از مراحل اولیه در درک داده ها آشنا خواهید شد Data visualization helps data analysts and scientists gain a better understanding...
حل مسائل علم داده | Data Science Solutions Workflow
Переглядів 1,1 тис.2 роки тому
در این ویدیو مراحل اولیه و مهم برای حل مسایل دیتاساینس با زبان ساده توضیح داده می شود. مفاهیم زیر در این ویدیو بیان شده است: 1. Solution Goal 2. Features 3. Correlation 4. Conversion 5. Completion 6. Correction 7. Creation 8. Visualization In this video, I will explain data science solutions workflow. Fundamentals of Data Science Playlist ua-cam.com/play/PLE_KQmLMvwwPGkmG-XPVfs1Cl9I3lNLKR.html ...
چالش های وب اسکرپینگ | Web Scraping Challenges
Переглядів 1 тис.2 роки тому
چالش های وب اسکرپینگ | Web Scraping Challenges
Fundamentals of Data Science: Data Exploration in Python | کاوش داده ها در پایتون
Переглядів 2,2 тис.2 роки тому
Fundamentals of Data Science: Data Exploration in Python | کاوش داده ها در پایتون
مقدمه و بررسی | What is Hugging Face
Переглядів 1,5 тис.2 роки тому
مقدمه و بررسی | What is Hugging Face
استخراج داده های توییتر بدون محدودیت | Scrape Tweets without Twitter’s API using Twint
Переглядів 1,6 тис.2 роки тому
استخراج داده های توییتر بدون محدودیت | Scrape Tweets without Twitter’s API using Twint
ترنسفرمر ها و مدل های نوین |Transformers
Переглядів 2,3 тис.2 роки тому
ترنسفرمر ها و مدل های نوین |Transformers
Everyday Examples of Artificial Intelligence | کاربرد هوش مصنوعی در زندگی روزمره
Переглядів 9413 роки тому
Everyday Examples of Artificial Intelligence | کاربرد هوش مصنوعی در زندگی روزمره
XPath for Beginners | آموزش Xpath
Переглядів 9453 роки тому
XPath for Beginners | آموزش Xpath
تولد کانال Morita DataLand
Переглядів 4253 роки тому
تولد کانال Morita DataLand
معرفی کامل سایت کورسرا و گرفتن مدارک رایگان | Coursera Review
Переглядів 16 тис.3 роки тому
معرفی کامل سایت کورسرا و گرفتن مدارک رایگان | Coursera Review
Intuition Behind Attention Mechanism | مکانیزم توجه
Переглядів 1,5 тис.3 роки тому
Intuition Behind Attention Mechanism | مکانیزم توجه
بات اینستاگرامی با پایتون و سلنیوم | Automate Instagram using selenium with python
Переглядів 2,3 тис.3 роки тому
بات اینستاگرامی با پایتون و سلنیوم | Automate Instagram using selenium with python
کتابخانه‏ های پایتون برای یادگیری ماشین | Python Libraries for Machine Learning
Переглядів 1,7 тис.3 роки тому
کتابخانه‏ های پایتون برای یادگیری ماشین | Python Libraries for Machine Learning
ذخیره و استفاده مجدد از مدل | Save and load Keras models
Переглядів 6793 роки тому
ذخیره و استفاده مجدد از مدل | Save and load Keras models
ذخیره‏ سازی اشیا در پایتون | Python pickle module (serialization)
Переглядів 4363 роки тому
ذخیره‏ سازی اشیا در پایتون | Python pickle module (serialization)
مصورسازی داده ها در پایتون و کاربرد آن در علم داده | Data Visualization
Переглядів 1,2 тис.3 роки тому
مصورسازی داده ها در پایتون و کاربرد آن در علم داده | Data Visualization
خطاهای رایج پایتون و نحو رفع آن ها | Try/Except Blocks for Error Handling in Python
Переглядів 7593 роки тому
خطاهای رایج پایتون و نحو رفع آن ها | Try/Except Blocks for Error Handling in Python
Text Classification Using Word2Vec and LSTM on Keras | طبقه بندی متن با روش های یادگیری عمیق
Переглядів 1,8 тис.3 роки тому
Text Classification Using Word2Vec and LSTM on Keras | طبقه بندی متن با روش های یادگیری عمیق
آموزش پروژه محور وب اسکرپینگ با پایتون و اسکرپی(بخش سوم) | Web Scraping using Python and Scrapy
Переглядів 4483 роки тому
آموزش پروژه محور وب اسکرپینگ با پایتون و اسکرپی(بخش سوم) | Web Scraping using Python and Scrapy
نقشه راه یادگیری علم داده | Step by step roadmap to learn data science
Переглядів 12 тис.3 роки тому
نقشه راه یادگیری علم داده | Step by step roadmap to learn data science