بسیاری از دوستان، دانشجویان و همدرسان عزیز، به دنبال نقشه راه منابعی جهت یادگیری علوم داده جهت تبدیل شدن به یک متخصص علوم داده می باشند. برای همین، به ذهنم رسید که تجربه ی این چند سال کار در حوزه داده کاوی را به صورت یک سری نقشه راه(Road map) در اختیار دوستان قرار دهم. سعی شد منابع به صورت بسیار خلاصه در ۵منبع کلی جمع آوری گردد و منابع مشابه که در اینترنت به راحتی قابل جستجو می باشند. منابع پایین تجربه شخصی بنده از قسمت های مختلف وب و کتب موجود در بازار است. نظرات و منابع پیشنهادی خود را میتوانید پایین همین مطلب بگذارید تا به تدریج با یکدیگر این مطلب و منابع مختلف آن را تکمیل نماییم. گفتنی است که پیشنهاد بنده، بیشتر مربوط به یادگیری داده کاوی همراه با یک زبان برنامه نویسی کاربردی می باشد.
» برای شروع به نظر مطالعه یک یا چند کتاب در حوزه داده کاوی ضروری به نظر میرسد، پس کتاب دکتر ژیاوی هان، را پشنهاد میکنم(لینک آمازون). این کتاب به پارسی نیز ترجمه شده است و کار ترجمه آن را دکتر اسماعیلی انجام داده است و در کتاب فروشی های آنلاین و مغازه ها نیز قابل خریداری است.
» یک زبان برنامه نویسی را نیز بایستی یادبگیرید. خوشبختابه در ابتدای کار، شاید نیازی به یادیگری عمیق یک زبان نداشته باشید. کافیست syntacs زبان را متوجه بشوید و بتوانید با کدهای مختلف آن زبان کار کنید. زبان پیشنهادی پایتون است، زیرا که در حوزه علوم داده، جزو برترین زبان های دنیا در حوزه کاربرد شناخته می شود. برای یادگیری پایتون منابع مختلفی موجود است. از جمله اینجا(https://www.learnpython.org) که میتوانید قسمت های مختلف این زبان را به صورت رایگان آموزش ببینید.
» همان طور که میدانید پایتون شامل پیکیج های مختلفی است که بعضا نصب تمامی آن ها با یکدیگر کار دشواری می باشد. برای همین پشنهاد می شود که آناکوندا را از اینجا(https://www.continuum.io/downloads) دانلود کنید، که شامل پایتون به همراه بسیاری از پکیج های مخصوص داده کاوی و علوم داده می باشد.
» بعد از أن بهتر است یک یا چند ویدیو آنلاین مشاهده کنید. در اینترنت می توانید فیلم های آموزشی خوبی مشاهده کنید. یکی از آن ها آموزش داده کاوی با پایتون از شرکت ماکروسافت در EDX است. https://www.edx.org/course/programming-python-data-science-microsoft-dat210x-4 که مجموعه ای از فیلم ها به همراه توضیحات ساده مختلف جهت آموزش داده کاوی با زبان پایتون است.
» به نظر میرسد تا اینجای کار، به یک جمع بندی کلی رسیده باشید. الان باید بدانید که داده کاوی و انواع آن چیست و بعضی از کاربردهای آن را نیز یاد گرفته باشید. همچنین یک زبان برنامه نویسی بلدید که میتوانید عملیات مختلف داده کاوی را با آن انجام دهید. از این جا به بعد، کار عملی مورد نیاز است. یکی از راه های یادگیری عملی داده کاوی استفاده از سایت http://kaggle.com می باشد. در این وب سایت میتوانید عضو شوید و مسابقه های مختلف داده کاوی که مسائل دنیای واقعی را مطرح می کنند با داده های واقعی آزمایش کنید. همچنین می توانید در Kernel های هر کدام از این مسابقات، از کاربران دیگر نمونه کدها را مشاهده کرده و مطالب بسیار زیاد دیگری یاد بگیرید.
در مطالب بعدی، بیشتر سعی بر این است که زیر حوزه های آموزشی داده کاوی را بیشتر در موردش صحبت کنیم. مثلا ویدیو های جدید وب سایت های معتبر را معرفی خواهم کرد و همچنین کتاب های مختلف آموزشی را.
سلام.
امیدوارم این پست رو حتما حتما آپدیت کنید
ممنونم…
سلام .ممنون از مطالبتون . میشه لطف کنید نحوه ساخت ریکامندر را با پایتون توضیح بدید و اگر نمونه آماده دارید برای من بفرستید . ممنون میشم
سلام
ممنونم مطالب خیلی مختصر و مفید بود.
من سوالم این بود که آینده داده کاوی خوب هست؟ و اینکه من رشته ام مهندسی صنایع هست میتونم تو این حوزه کار کنم؟
سلام
به نظر میرسه که یکی از رشتههایی که در حال و آینده بیشتر روی بورس باشند، همین دادهکاوی و علوم داده باشد
بله، بسیاری از دوستان بنده که در حوزهی دادهکاوی فعالیت میکنند از رشتههای صنایع هستند
سلام ممنون از مطالب باارزشتون سوالم این هست بازار کارش توایران چطورهس؟من میخوام این دوره خدمت شمابیام استاد بزرگوار
ایا براکاردرشرکتا نیاز به سابقه کارهس؟ممنون میشم توضیح بفرماین
با سلام خدمت استاد گرامی وتشکر از سایت خوبتون
میشه لطف کنید نقشه راه یادگیری داده کاوی رو بفرمایید تا با مسیر تا حدودی آشنا بشیم؟ممنون