15 ابزار کاربردی علم‌داده جهت یادگیری در سال 2020

https://bit.ly/2EQ0FyO

انتخاب مسیر یادگیری درست براساس آخرین روندهای تکنولوژی و نیازهای بازار یکی از الزامات موفقیت در هر فیلدکاری هست. در ادامه برترین ابزارهای پیشنهادی جهت کسب موفقیت در فیلدکاری Data Science که توسط وبسایت springboard ارائه شده را معرفی میکنیم.

قابل ذکر است با توجه به تفاوت بازارکار ایران با سایر کشورها برخی از ابزارها با علامت * بعنوان جایگزین موارد پیشنهادی این سایت معرفی شده‌اند.

زبان برنامه‌نویسی:
▪️Python
▪️R

ابزارهای یادگیری ماشین:
▪️Scikit Learn
▪️Weka
* در میان نرم‌افزارهای داده‌کاوی در مقابل Weka پیشنهاد به یادگیری ابزارهایی همانند Knime, RapidMiner یا IBM Spss Modeler است.

فریم‌ورک‌های یادگیری عمیق:
▪️TensorFlow
▪️Keras
▪️Pythorch

ابزارهای تحلیل کلان‌داده:
▪️Apache Spark
▪️Hadoop MapReduce
* در حوزه تحلیل‌ تحلیل کلان‌داده با توجه به وجود برخی محدویت‌های پردازشی در معماری Map Reduce پیشنهاد استفاده از کتابخانه‌های تحلیلی Apache Spark هست.

کتابخانه‌های مصورسازی:
▪️Matplotlib
▪️Seaborn

*ابزارهای هوش تجاری
▪️Power BI
▪️Tableau
▪️Qlik

اجرای Interactive پروژه‌های علم‌داده:
▪️Jupyter Notebook

پی‌نوشت:
◾️سوالات متعددی پیرامون نحوه یادگیری ابزارها پرسیده میشود. قطعا بهترین منابع یادگیری در هر یک از ابزارهای پیشنهادی شرکت در دوره‌های آنلاین برترین دانشگاه‌های جهان در وبسایت‌های Lynda, Udemy, Edx, Coursera و... هست.
◾️اگر در زبان انگلیسی ضعیف هستید قبل از یادگیری هر ابزار پیشنهاد میکنم برروی کسب این مهارت توجه ویژه نمایید تا پس از یادگیری آن بتوانید در بروزترین دوره‌ها و منابع آموزشی شرکت نمایید.

ارادتمند
محمدرضا محتاط
@DataAnalysis