Generated by Rank Math SEO, this is an llms.txt file designed to help LLMs better understand and index this website.

# مدرسه پردازش و تحلیل داده دقیقه: یادگیری گام به گام تحلیل داده، علوم داده و هوش مصنوعی

## Sitemaps
[XML Sitemap](https://d-learn.ir/sitemap_index.xml): Includes all crawlable and indexable pages.

## نوشته‌ها
- [پنجرهٔ بازار کار دقیقه](https://d-learn.ir/about-job-win/): ما اخیرا، در مدرسه دقیقه، پروژه پنجره بازار کار را راه‌اندازی کرده‌ایم و قصد داریم از طریق آن بین دو سمت جدا، و در عین حال مکملِ، بازار کار تحلیل داده پل بزنیم و تحلیل‌های با کیفیت را به کارفرمایانِ متقاضی معرفی و فرایند همکاری‌شان را تسهیل کنیم.
- [‍سوال پژوهش خود را چگونه طراحی می‌کنید؟ آیا فرایند مشخصی وجود داد؟](https://d-learn.ir/p/gap-analysis/): چطور بفهمیم در حوزه پژوهشی‌مان چه خلأها یا کاستی‌هایی وجود دارد تا بتوانیم پروژه مطالعاتی جدیدی تعریف و از اصالت آن دفاع کنیم؟
چطور بتوانیم متخصصان حوزه پژوهشی‌مان را متقاعد کنیم مطالعه مجدد روی موضوعی که در گذشته بررسی شده، ارزشمند و حتی لازم است؟
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" /><input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [کارگاه استنباط عِلّی در تحلیل داده‌های پزشکی و زیستی](https://d-learn.ir/ascu/): تاریخ شروع: ۱۲ شهریور ۱۴۰۵
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" /><input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [اکسل برای تحلیل داده‌های کسب‌وکار](https://d-learn.ir/xlsb/): تاریخ شروع: ۱۲ شهریور ۱۴۰۵
- [آرشیو روزانه قیمت دلار از سال ۱۳۶۰ تا تیر ۱۴۰۵](https://d-learn.ir/p/usd-price/): مجموعه داده‌های قیمت روزانه دلار در ایران از مهر ماه سال ۱۳۶۰ تاکنون که توسط مدرسه پردازش و تحلیل داده دقیقه تهیه شده است به منظور دسترسی عموم مردم، برای دانلود قرار گرفت. این داده‌ها که شامل نرخ روزانه دلار آمریکا در بازه زمانی مذکور است، اولین بار سال ۱۴۰۱ منتشر شده و در همین پست به صورت دوره‌ای به‌روز می‌شود.
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" /><input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [کارگاه جامع به‌کارگیری هوش مصنوعی در پژوهش‌های دانشگاهی و صنعتی](https://d-learn.ir/ai4s/): تاریخ شروع: ۵ مرداد ۱۴۰۵
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [انجام پروژه تحلیل داده‌های اشتغال زنان](https://d-learn.ir/jobwnd-wemp/): فرصت ثبت نام تا ۲۶ تیر ۱۴۰۵​
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [دوره آموزشی تحلیل داده با پایتون دانشگاه صنعتی شریف](https://d-learn.ir/pyda/): تاریخ شروع: ۱۸ مرداد ۱۴۰۵
- [داده‌های حداقل حقوق و تورم ایران (۱۳۵۸-۱۴۰۵)](https://d-learn.ir/p/iran-minimum-wage-data/): حداقل دستمزد در ایران هر ساله بر اساس مصوبه شورای عالی کار تعیین می‌شود و به عنوان معیار پایه‌ای برای دستمزد کارگران مشمول قانون کار در نظر گرفته می‌شود. این مقدار معمولاً با در نظر گرفتن نرخ تورم و هزینه‌های معیشت مشخص شده و مبنای سایر پرداختی‌های مزدی قرار می‌گیرد.
- [اریبی و واریانس در یادگیری ماشین](https://d-learn.ir/bias-and-variance-in-machine-learning/): روش‌های مختلفی برای ارزیابی یک مدل یادگیری ماشین وجود دارد. ما می‌توانیم از MSE (خطای میانگین مربعات) برای رگرسیون، دقت، فراخوانی، و ROC (مشخصه عملکرد گیرنده) برای یک مسئله طبقه‌بندی به همراه خطای مطلق استفاده کنیم. به طور مشابه، اریبی (Bias) و واریانس (Variance) به ما در تنظیم پارامترها و تصمیم‌گیری در مورد مدل‌های با برازش بهتر در میان چندین مدل ساخته شده کمک می‌کنند.اریبی نوعی خطا است که به دلیل مفروضات نادرست درباره داده‌ها رخ می‌دهد، مانند فرض خطی بودن داده‌ها در حالی که در واقعیت، داده‌ها از یک تابع پیچیده پیروی می‌کنند. از سوی دیگر، واریانس با حساسیت بالا به تغییرات در داده‌های آموزشی معرفی می‌شود. این نیز نوعی خطا است زیرا ما می‌خواهیم مدل خود را در برابر نویز مقاوم کنیم. دو نوع خطا در یادگیری ماشین وجود دارد: خطای قابل کاهش و خطای کاهش‌ناپذیر. اریبی و واریانس تحت عنوان خطای قابل کاهش قرار می‌گیرند.
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [کارگاه تحلیل داده و کاربردهای آن در علوم اجتماعی](https://d-learn.ir/da4ss/): شنبه ۶ دی 1404
ساعت 10  تا 13 و ساعت ۱۴ تا 17
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" /><input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [کارگاه معرفی و تحلیل داده‌های عمومی](https://d-learn.ir/shkh/): ۲ و ۱۶ دی ۱۴۰۴ از ساعت ۱۶:۳۰ تا ۱۹:۴۵
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" /><input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [کارگاه تحلیل داده‌های کارزار](https://d-learn.ir/krzr/): سه‌شنبه ۲۵ آذر ۱۴۰۴ ساعت ۱۷:۰۰ تا ۲۰:۱۵
سه‌شنبه ۱۶ دی ۱۴۰۴ ساعت ۱۷:۰۰ تا ۲۰:۱۵ (حضوری و آنلاین)
- [داده نرخ تورم سالانه و شاخص قیمتِ مصرف‌کننده (CPI)​ در ایران از سال ۱۹۶۰ تا ۲۰۲۴](https://d-learn.ir/annual-inflation-rate-cpi/): تحلیل روند اقتصاد ایران نیازمند دسترسی به داده‌های معتبر و تاریخی است. داده حاضر شامل داده‌های سری زمانی نرخ تورم و شاخص قیمت مصرف‌کننده (CPI) ایران در بازه زمانی ۱۹۶۰ تا ۲۰۲۴ است که مستقیماً از پایگاه داده بانک جهانی  استخراج شده است. این مجموعه داده، اطلاعات جذابی در مورد نوسانات ارزش پول ملی و تغییرات سطح عمومی قیمت‌ها در گذر زمان را فراهم می‌کند.
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [مواجهه انتقادی با عدد و نمودار در روزنامه‌نگاری داده](https://d-learn.ir/djwa/): چهارشنبه ۱۹ آذر ساعت 18:۰۰ تا ۲۰:15 (آنلاین)
پنجشنبه ۲۰ آذر ۱۴۰۴ از ساعت ۹:3۰ تا ۱۷:۰۰ (حضوری)
- [داده‌های هزینه و درآمد خانوار مرکز آمار ایران](https://d-learn.ir/iran-hbs/): طرح درآمد و هزینه خانوار یکی از مهم‌ترین منابع داده برای تحلیل‌های اقتصادی، اجتماعی، سیاست‌گذاری عمومی و تحقیقات بازار است و اطلاعات متنوعی درباره خانوار مانند ویژگی‌های محل سکونت، سن، جنسیت، تحصیلات، وضعیت اشتغال اعضای خانوار و جزیئات درآمدی و هزینه‌ای آنان را در بر می‌گیرد.
- [مسیر شغلی تحلیل داده به روایت فاطمه موسوی](https://d-learn.ir/crda04/): تجربه گسترده فاطمه موسوی در کسب‌وکارهای گوناگون حاوی نکات ارزشمند و تازه‌ای است که در چهارمین نشست از سری «وبینارهای مسیر شغلی تحلیل داده» با او درباره‌اش گفتگو خواهیم کرد.
- [علوم اجتماعی محاسباتی یا علوم اجتماعی رایانشی؟](https://d-learn.ir/css2farsi/): محسن نداف در متن زیر به بررسی و نقد ترجمه‌ی رایج اصطلاح «Computational Social Science» می‌پردازد. این متن استدلال می‌کند که چرا ترجمه‌ی «علوم اجتماعی محاسباتی» نادرست بوده و واژه‌ی «رایانشی» معادل دقیق‌تری است. این دیدگاه به عنوان یک موضوع کارشناسی قابل تأمل ارائه شده است که می‌تواند زمینه‌ساز بحث و گفتگوی بیشتر میان متخصصان این حوزه باشد.
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" /><input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [دوره جامع شبکه‌های عصبی عمیق با پایتون](https://d-learn.ir/dpnn/): تاریخ شروع: ۱۶ آذر ۱۴۰۴
- [P-value: چی هست و چی نیست](https://d-learn.ir/p-value-what-is-and-what-is-not/): سوءتعبیر و سوءاستفاده از p-value (در فارسی پی مقدار گفته می‌شود) دهه‌هاست که رو به افزایش است. در مارس ۲۰۱۶، انجمن آمار آمریکا(ASA) بیانیه‌ای برای هشدار در مورد استفاده و تفسیر p-value منتشر کرد. در این نوشتار، تعریفی از p-value و بحثی پیرامون آن ارائه کرده و بر اهمیت تفسیر دقیق آن تأکید نموده‌ایم.
- [کارگاه علوم اجتماعی محاسباتی با رویکردی انتقادی](https://d-learn.ir/cssw/): تاریخ شروع: ۱۲ آذر ۱۴۰۴
- [داده نرخ سود در ایران](https://d-learn.ir/iran_interest_rate/): نرخ بهره بین‌بانکی، نرخ سودی است که بانک‌ها و موسسات اعتباری در معاملات کوتاه‌مدت (معمولاً یک‌شبه یا چندروزه) با یکدیگر در بازار بین‌بانکی برای تأمین نقدینگی مبادله می‌کنند. این نرخ که توسط بانک مرکزی جمهوری اسلامی ایران نظارت و کنترل می‌شود، شاخص کلیدی سیاست پولی کشور محسوب می‌شود و عرضه و تقاضا در بازار بین‌بانکی بر آن تأثیرگذار است. بانک مرکزی با استفاده از ابزارهای عملیات بازار باز، تلاش می‌کند این نرخ را در یک کریدور مشخص (بین نرخ سپرده‌گذاری و اعتبارگیری قاعده‌مند) نگه دارد.​
- [مسیر شغلی تحلیل داده به روایت حسن حیدری](https://d-learn.ir/crda03/): حسن حیدری مدیر تیم تحلیل داده شرکت کروز است و پیش از این نیز در مهم‌ترین استارتاپ‌های ایران مانند دیوار و دیجیکالا به عنوان تحلیلگر ارشد داده و تحلیلگر ارشد هوش تجاری فعالیت داشته است. او با تحصیلات مهندسی صنایع وارد فضای کار تحلیل داده شده و نگاهی جامع به بهره‌برداری تحلیلی از داده در کسب‌وکار دارد. تجربه گسترده حسن حیدری در صنایع گوناگون حاوی نکات ارزشمند و منحصر به فردی است که در سومین نشست از سری «وبینارهای مسیر شغلی تحلیل داده» با او درباره‌اش گفتگو خواهیم کرد.
- [ابزارهای مدیریتی برای تحول دیجیتال مبتنی بر داده و شواهد](https://d-learn.ir/evidence-based-management/): هدف این یادداشت، ارائه یک جعبه‌ابزار استراتژیک و یک نقشه راه عملی برای رهبران و مدیرانی است که قصد دارند مسیر تحول دیجیتال را با اطمینان و اثربخشی طی کنند. این راهنما قرار نیست صرفاً به معرفی فناوری‌های نوین بپردازد، بلکه بر ابزارها و چارچوب‌های مدیریتی تمرکز دارد که زیربنای یک تحول پایدار را تشکیل می‌دهند. رویکرد این مقاله، ترکیبی از مبانی نظری مدیریت مبتنی بر شواهد و چارچوب‌های عملی ارزیابی عملکرد است تا پلی میان تئوری و اجرا ایجاد کند. در این مسیر، به بررسی عمیق مفاهیم، مقایسه تطبیقی ابزارها و ارائه راهکارهای عملی برای پیاده‌سازی موفق خواهیم پرداخت تا مدیران بتوانند با دیدی باز و مسلح به دانش روز، سازمان خود را به سمت آینده‌ای دیجیتال و داده‌محور هدایت کنند.
- [مستند «پایتون؛ داستان پیدایش» +زیرنویس فارسی](https://d-learn.ir/p/python-origin-story/): این مستند به بررسی جامع و تخصصی ریشه‌ها و مسیر تکاملی زبان برنامه‌نویسی پایتون می‌پردازد. داستان از دهه ۱۹۸۰ در آمستردام و در مرکز تحقیقات هلندی CWI آغاز می‌شود. گیدو فان روسوم، خالق پایتون، در طول کار بر روی پروژه سیستم عامل Amoeba و با الهام از اصول آموخته شده در پروژه شکست‌خورده ABC، نیاز به زبانی را تشخیص داد که شکاف بین زبان‌های سطح پایین مانند C و اسکریپت‌های شل را پر کند. هدف اولیه، طراحی زبانی بود که هم کاربری آن آسان باشد و هم یادگیری آن برای مبتدیان، بدون درگیر شدن در جزئیات سخت‌افزاری، میسر گردد. یکی از بارزترین ویژگی‌های پایتون که از ABC به ارث رسیده است، استفاده از تورفتگی برای گروه‌بندی دستورات است. در آن زمان، هزینه‌ی کامپیوترها بسیار بالا و هزینه‌ی برنامه‌نویسان ارزان بود، لذا زبان‌های برنامه‌نویسی عمدتاً برای بهینه‌سازی منابع کامپیوتری طراحی می‌شدند، نه سهولت برنامه‌نویسی.
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" /><input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" /><input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" /><input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [مدیریتِ مبتنی بر داده و شواهد برای تحول دیجیتال](https://d-learn.ir/ddmt/): تاریخ شروع: ۲۰ آبان ۱۴۰۴
- [دوره جامع طراحی و تحلیل کارآزمایی بالینی با رویکرد کاربردی با استفاده از R](https://d-learn.ir/rmdat/): تاریخ شروع: ۱۵ آبان ۱۴۰۴
- [به‌روزرسانی بسته ggplot2 +تغییرات ۴.۰](https://d-learn.ir/ggplot2-4-update/): وبلاگ TidyVerse 1 خبر از انتشار نسخه جدید بسته ggplot2 داد و تغییرات زیاد این به‌روزرسانی، دلیلی شده تا شماره اصلی این بسته را نیز به روز کنند و به ورژن 4.0 رسید.  این بسته که بر اساس کتاب The Grammar of Graphics طراحی شده است به کاربران اجازه می‌دهد تا با تعریف اجزای اصلی نمودار شامل داده‌ها، متغیرها، سیستم مختصات و عناصر گرافیکی، نمودارهای پیچیده را به صورت لایه‌ای و ماژولار بسازند. ggplot2 امکان ایجاد طیف گسترده‌ای از نمودارها - از نمودارهای پراکندگی ساده تا نقشه‌های چندلایه و نمودارهای آماری پیشرفته - را با حداقل کد و حداکثر انعطاف‌پذیری فراهم می‌کند. این بسته به دلیل قابلیت‌های سفارشی‌سازی بالا، پشتیبانی از تم‌های یکپارچه و سازگاری با اکوسیستم tidyverse، به ابزاری استاندارد در تحلیل داده‌ها و مصورسازی علمی تبدیل شده است.
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [مسیر شغلی تحلیل داده به روایت ریحانه فرجی](https://d-learn.ir/crda02/): ریحانه فرجی هم‌اکنون به عنوان تحلیلگر ارشد کسب‌وکار در دیجی‌کالا مشغول فعالیت حرفه‌ایست و پیش از این نیز به عنوان تحلیلگر داده اسنپ‌تریپ مشغول به کار بوده و از آن زمان با مسائل گوناگون تحلیل داده آشنا شده است. ریحانه با پیش‌زمینه مهندسی مکانیک وارد حوزه تحلیل داده شده و نکات شنیدنی زیادی برای علاقه‌مندان ورود به بازار کار تحلیل داده دارد.
- [منابعی برای یادگیری تحلیل داده، آمار، علوم داده و هوش مصنوعی و استفاده از آن‌ها در رشته‌های مختلف](https://d-learn.ir/stats-and-data-analysis-resources/): در این صفحه کتاب‌های نسبتا جدید و کاربردی برای یادگیری موضوعات مختلف تحلیل داده، آمار، علوم داده، هوش مصنوعی و شیوه‌های به‌کارگیری آن‌ها در حوزه‌های کاری و پژوهشی گوناگون معرفی خواهد شد. 
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [نگاهی به اکوسیستم تحلیل داده در R](https://d-learn.ir/recosystem/): افرزش افزوده تحلیلگران داده تنها هنگام جمع‌آوری داده و تحلیل آن‌ها خودش را نشان نمی‌دهد. اگر داده‌های تحلیل به روز شد و از شما خواستند نتایج تحلیل را به روزرسانی کنید، چه می‌کنید؟ آیا مسیری که برای تحلیل داده دنبال کرده‌اید، این آمادگی را دارد که با جایگزینی داده‌ها نتایج تحلیل بدون مشکل به روز شود؟
- [مهارت‌های کلیدی اکسل در بازار کار](https://d-learn.ir/xlsbw/): اکسل یکی از پرکاربردترین ابزارهای دنیای کسب‌وکار است که تسلط بر آن می‌تواند تفاوت بزرگی در مسیر شغلی و زندگی حرفه‌ای هر فرد ایجاد کند. در بسیاری از موقعیت‌های شغلی، از تحلیل داده و گزارش‌گیری گرفته تا برنامه‌ریزی و مدیریت پروژه، آشنایی عمیق با قابلیت‌های اکسل یک مهارت کلیدی به شمار می‌آید. در وبینار «مهارت‌های کلیدی اکسل در بازار کار» برخی از این مهارت‌های کلیدی را با یکدیگر بررسی می‌کنیم و نگاهی خواهیم داشت به جدیدترین امکانات استفاده از هوش مصنوعی در محیط اکسل. 
- [مسیر شغلی تحلیل داده به روایت احسان امیرزاده](https://d-learn.ir/crda01/): احسان امیرزاده یک تحلیلگر داده باتجربه در آمستردام هلند است و داستان‌های شنیدنی زیادی درباره مسیر شغلی خود از کارشناسی مهندسی برق در دانشگاه شیراز، کارشناسی ارشد فیزیک سیستم‌های پیچیده در دانشگاه بهشتی تا تحلیل داده در شرکت دقیــقه، دیوار، همکاری در پروژه‌های بزرگ تحلیل داده در حوزه سیاست‌گذاری‌های رفاهی و مدیریت مصرف انرژی، شرکت کاتاویکی (Catawiki) و ادین (Adyen) دارد.
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [دوره آموزشی تحلیل داده با R دانشگاه صنعتی شریف](https://d-learn.ir/r4da/): تاریخ شروع: ۵ شهریور ۱۴۰۴
- [داده‌های پایگاه‌ها و ایستگاه‌های مدیریت بحران در مناطق تهران](https://d-learn.ir/tehran-crisis-management/): شهرداری تهران آمار زیرساخت‌های مدیریت بحران را منتشر می‌کند. این داده شامل تعداد پایگاه پشتیبانی مدیریت بحران، تعداد ایستگاه لرزه‌نگاری سطحی، تعداد ایستگاه شتاب‌نگاری و تعداد ایستگاه لرزه‌نگاری درون‌چاهی است.
- [تبعیض در موتورهای جستجو؛ چرا تنوع‌بخش در الگوریتم‌های جستجو مهم است؟](https://d-learn.ir/p/diversification-in-search-engines/): در کسب‌وکارهای دیجیتال سرنوشت همه – از تأمین‌کننده و مشتری تا پلتفرم و متولیان زیرساخت‌های بازار  — به عملکرد یک بازیگر پنهان وابسته‌اند: الگوریتم جستجو.
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [آموزش مقدماتی علوم داده و هوش مصنوعی با پایتون دانشگاه صنعتی شریف](https://d-learn.ir/pyds/): تاریخ شروع: ۴ مرداد ۱۴۰۴
- [مسیر شغلی مدیریت محصول و نگاهی به ظرفیت‌های استفاده از هوش مصنوعی در آن](https://d-learn.ir/crpd/): دانلود فایل PDF
- [آشنایی با مسیر شغلی تحلیل داده و مهندسی داده؛ و آینده آن‌ها در دوره رشد هوش مصنوعی | حسام محمدحسینی](https://d-learn.ir/crdn/): تحلیلگر داده و مهندس داده دو موقعیت شغلی محبوب در یک دهه اخیر بوده‌اند و که با دسترسی هرچه بیشتر به داده‌ها نقش به‌سزایی در ارزش‌افرینی با بهره‌برداری از آن‌ها ایفا کرده‌اند. اما به نظر می‌رسد با برآمدن هوش مصنوعی مولد مانند ChatGPT، این دو موقعیت شغلی نیز تغییراتی را تجربه می‌کنند. به عنوان نمونه و تا پیش از این، معمولا بخش زیادی از زمان یک مهندس داده صرف پالایش داده و اطمینان از کیفیت آن می‌شده، اما احتمالا این فرایند و بسیاری از وظایف زمان‌بر و پرتکرارِ شبیه به آن، به هوش مصنوعی مولد یا Agent ها واگذار می‌شوند. از طرف دیگر استفاده گسترده از انواع تکنولوژی‌ها و ابزارهای دیجیتال، هم سرعت تولید داده را بیشتر کرده است. به علاوه، هوش مصنوعی ها به طور کلی و هوش مصنوعی مولد هم نیازمند داده با کیفیت برای رشد و توسعه است.این پویایی و دینامیسم احتمالا تقاضا برای تحلیل داده را افزایش خواهد داد و به همین خاطر بعید به نظر می‌رسد مشاغلی مانند تحلیلگر داده و مهندس داده با تهدید وجودی مواجه شوند. اما احتمالا نوع کارشان تفاوت‌های چشم‌گیری با گذشته خواهد داشت. به عنوان نمونه، تحلیلگر و مهندس داده اگرچه با اصول کدنویسی صحیح آشنا هستند، اما بیشتر از آنکه کدنویسی کنند، پرامپت‌نویسی می‌کنند و باقی وقتشان را صرف امور سطح بالاتری مثل طراحی، نظارت و ارزیابی می‌کنند.
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [آشنایی با مسیرهای شغلی یادگیری ماشین و هوش مصنوعی | سعید مجیدی](https://d-learn.ir/crmlai/): دنیای یادگیری ماشین و هوش مصنوعی در سال‌های اخیر به یکی از جذاب‌ترین و محبوب‌ترین حوزه‌های کاری تبدیل شده و تحولات سریع و گسترده‌ای را تجربه می‌کند. در این وبینار درباره مسیرهای شغلی مهندس یادگیری ماشین و مهندس هوش مصنوعی به بحث و گفتگو خواهد شد.
- [۷ نوع سوگیری در نظرسنجی‌ها و روش‌های پیشگیری از آن‌ها](https://d-learn.ir/p/types-of-bias-in-survey/): نظرسنجی‌های آنلاین، به‌خصوص در سال‌های اخیر در ایران (از طریق پلتفرم‌هایی مانند شبکه‌های اجتماعی، وب‌سایت‌ها و اپلیکیشن‌ها)، به یکی از ابزارهای رایج تحقیقات بازار تبدیل شده‌اند. این روش، راهی کم‌هزینه و سریع برای جمع‌آوری دیدگاه‌ها از تعداد زیادی از افراد است. اما مانند هر روش تحقیقی دیگری، نظرسنجی‌ها نیز مزایا و معایب خود را دارند. به‌ویژه، نظرسنجی‌های آنلاین می‌توانند دستخوش انواع مختلفی از سوگیری (Bias) یا خطاهای سیستماتیک شوند.
- [وب‌اسکرپینگ (Web Scraping) چیست؟](https://d-learn.ir/p/what-is-web-scraping/): امروزه و در عصر دیجیتال، داده‌ها شریان حیاتی کسب‌وکارها و پژوهش‌ها هستند. اسکریپینگ (scraping) در لغت به معنی خراش دادن یا ایجاد خراش است. وب اسکرپینگ (Web Scraping) یا خراش وب، که گاهی به عنوان  استخراج داده نیز شناخته می‌شود، فرآیند خودکار استخراج اطلاعات ارزشمند از وب‌سایت‌هاست. این تکنیک به شما امکان می‌دهد داده‌ها را از صفحات وب بازیابی، آنها را به فرمتی ساختاریافته تبدیل و برای تحلیل‌های بیشتر ذخیره کنید. وب اسکرپینگ به دلیل توانایی‌اش در جمع‌آوری سریع حجم زیادی از داده‌ها که می‌تواند برای تحقیق، تحلیل و تصمیم‌گیری استفاده شود، خصوصا در سال‌های اخیر اهمیت فراوانی پیدا کرده است و با پیشرفت یک باره‌ی هوش مصنوعی بیش از پیش اهمیت یافته است.
- [بهترین معادل برای «Data Science» در زبان فارسی چیست؟](https://d-learn.ir/data-science-fa/): در گزینه‌های موجود، بهترین معادل برای Data Science در زبان فارسی «علوم داده» است. به گزینه‌های دیگر اشکالاتی وارد است که در استفاده از علم به صورت اسم جمع تلاش شده تا حد ممکن راهکارهایی برای مواجهه با آن‌ها اندیشیده شود. اگر آنچه در گذشته در زبان فارسی متعارف بوده و به نوعی عرف زبانی تبدیل شده را معیار قرار دهیم، می‌توان به اختصار گفت علوم داده ترجمه بهتری از علم داده است همچنان که علوم کامپیوتر ترجمه بهتری از علم کامپیوتر  بوده است.
- [خلاصه‌ای از فعالیت‌های مدرسه دقیقه در سال ۱۴۰۳](https://d-learn.ir/p/%d8%ae%d9%84%d8%a7%d8%b5%d9%87%d8%a7%db%8c-%d8%a7%d8%b2-%d9%81%d8%b9%d8%a7%d9%84%db%8c%d8%aa%d9%87%d8%a7%db%8c-%d9%85%d8%af%d8%b1%d8%b3%d9%87-%d8%af%d9%82%db%8c%d9%82%d9%87-%d8%af/): ▫️ برگزاری ۱۱ دوره آموزشی آنلاین▫️ انتشار ۶ درسنامه جدید▫️ انتشار ۳ پروژه جدید▫️ عرضه ۱۰ دوره به صورت آفلاین▫️ برگزاری ۲ دوره سازمانی▫️ برگزاری ۶ وبینار و نشست▫️ انتشار ۱۹ عنوان جدید در مجله پرانتز▫️ انتشار ۷ مجموعه داده جدید
- [پانداس (Pandas) چیست؟](https://d-learn.ir/what-is-pandas/): پانداس کتابخانه‌ متن‌باز پایتون است که با بیش از ۱۰۰ میلیون دانلود در ماه، محبوب‌ترین ابزار برای پردازش و تحلیل اکتشافی داده‌ها محسوب می‌شود. قابلیت خواندن و نوشتن در فرمت‌های متنوع، آن را به ابزاری قدرتمند و انعطاف‌پذیر برای متخصصان علوم داده تبدیل کرده است. همچنین، توابع پردازش داده‌ی آن، pandas را به ابزاری کاربردی برای تجمیع، تحلیل و پاک‌سازی داده‌ها تبدیل می‌کند. پانداس در واقع افزونه‌ای برای پردازش و دستکاری داده‌های جدولی در پایتون است که کارهایی مانند بارگذاری، هم‌ترازی، ادغام و تبدیل مجموعه‌داده‌ها را به طور کارآمد پیاده‌سازی می‌کند.
- [مدیریت محصول](https://d-learn.ir/pdmn/): دوره آموزشی &quot;مدیریت محصول&quot; با هدف آماده‌سازی افراد برای تبدیل شدن به مدیران محصول حرفه‌ای طراحی شده است و به اصول، ابزارها و تکنیک‌های کلیدی این حوزه می‌پردازد. این دوره برای کارآفرینان، مدیران محصول، توسعه‌دهندگان، طراحان تجربه کاربری و علاقه‌مندان به فناوری مناسب است و مفاهیمی چون تحلیل بازار، نیازسنجی کاربران، طراحی ارزش پیشنهادی، مدیریت بک‌لاگ و استفاده از متدولوژی‌های چابک مانند Agile و Scrum را پوشش می‌دهد. با ترکیبی از آموزش تئوری، مثال‌های عملی و پروژه‌های کاربردی، شرکت‌کنندگان مهارت‌های لازم برای توسعه محصولاتی موفق و منطبق با نیاز بازار را کسب می‌کنند.
- [استفاده از هوش مصنوعی (AI) در زندگی حرفه‌ای](https://d-learn.ir/%d8%a7%d8%b3%d8%aa%d9%81%d8%a7%d8%af%d9%87-%d8%a7%d8%b2-%d9%87%d9%88%d8%b4-%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c-ai-%d8%af%d8%b1-%d8%b2%d9%86%d8%af%da%af%db%8c-%d8%ad%d8%b1%d9%81%d9%87%d8%a7/): هوش مصنوعی در حال تغییر شیوه کار و زندگی ماست و بسیاری از مشاغل دگرگون کرده است. از انجام وظایف اداری و پشتیبانی مشتری گرفته تا تولید محتوا و تحلیل داده، هوش مصنوعی با افزایش سرعت و دقت، بهره‌وری را به سطحی جدید رسانده است. اگر دوست دارید از این تحول برای رشد حرفه‌ای خود استفاده کنید، این دوره فرصت یادگیری و تمرین آن را برای شما فراهم می‌کند. در این کارگاه آموزشی از مفاهیم پایه هوش مصنوعی و کاربردهای روزمره آن گرفته تا مواردی مثل مانند نامه‌نگاری رسمی، تنظیم قرارداد، گردآوری اطلاعات، تهیه گزارش، انواع تولید محتوا و تحلیل داده‌ در کسب‌و‌کار با استفاده از هوش مصنوعی را به‌صورت عملی یاد می‌گیرید و تمرین می‌کنید.
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" /><input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [پردازش بهینه با pandas و polars](https://d-learn.ir/pyps/): پردازش داده‌های حجیم در پایتون یکی از چالش‌های تحلیلگران داده در مواجهه با داده‌های واقعی است. بخش قابل توجهی از این چالش‌ها، با استفاده کارآمد و اصولی از کتابخانه pandas همچنان قابل انجام است. عدم استفاده درست از پانداس، عملکرد پردازش را به شدت تحت تاثیر قرار می‌دهد. با در نظر گرفتن این موارد می توان به سقف عملکردی پردازش با pandas  نزدیک شد. پس از آن برای بهبود عملکرد بر روی یک سیستم، می توان سراغ پردازش موازی داده‌ها با چند هسته رفت. یکی از سرراست‌ترین راه‌ها با رسیدن به این هدف استفاده از کتابخانه polars است.
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" /><input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [استخراج داده از وب](https://d-learn.ir/wbsp/): محیط وب یکی از بزرگترین منابع برای داده‌های گوناگون است. اگر می‌خواهید قیمت‌های یک فروشگاه اینترنتی را یکجا استخراج کنید، داده‌های بورس یا قیمت ارز را از وبسایت‌های مربوطه بدست آورید، یا آمار اقتصادی و محیط زیستی وبگاه یک سازمان را برای استفاده در تحقیق خود به دست آورید باید فناوری‌های استخراج داده‌ از وب را یاد بگیرید. این فرآیندها که معمولا تحت عنوان‌های کلی Web Crawling یا Web Scraping شناخته می‌شوند، در این دوره با رویکرد پروژه‌محور به شما آموزش داده خواهد شد.
<input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" /><input type="hidden" id="security" name="security" value="1f5128ab1a" /><input type="hidden" name="_wp_http_referer" value="/llms.txt" />- [یادگیری ماشین با پایتون](https://d-learn.ir/mlpy/): اگر می‌خواهید از قدرت هوش مصنوعی در تحلیل داده و تحقیقات خود بهره‌مند شوید، یادگیری ماشین مهم‌ترین چیزی است که به آن نیاز دارید. دوره جامع «یادگیری ماشین با پایتون» از مبانی یادگیری ماشین آغاز می‌شود و گام‌ به گام تا مباحث پیچیده‌تری مثل یادگیری گروهی، کاهش ابعاد داده و شبکه‌های عصبی پیش ‌می‌رود. در این دوره آموزشی تمامی مباحث با رویکردی عملیاتی آموزش داده خواهند شد و تمامی مفاهیم و روش‌های دوره با پردازش داده‌های واقعی در محیط پایتون پیاده‌سازی خواهند شد.