به احتمال زیاد برای شما هم پیش اومده که حس کرده باشید جلسه‌های کاری به زمان غیر مفیدی برای شما تبدیل شده. به زبون ساده‌تر اگه بخوام بگم تا حالا شده در جلسه‌ای باشید و حس کنید که حوصلتون سر رفته؟ یا این که زمانی که شخصی داره صحبت می‌کنه متوجه بشید که روی صحبت‌هاش تمرکزی ندارید و درواقع متوجه صحبتش نمی‌شید؟ خب باید بگم که شما تنها نیستید!
سلام. تاحالا شنیدین که میگن کد پایتون طرف پایتونیک یا Pythonic نیست؟ اصلا کد پایتونیک یعنی چی و چرا باید یه کد پایتون، پایتونیک باشه؟
در این پست، اول، با یک مثال سعی می‌کنم که تفاوت یک کد پایتونیک با یک کد غیر پایتونیک رو بهتون نشون بدم، بعدش در مورد اهمیت پایتونیک بودن در نوشتن کد پایتون صحبت می‌کنم و در آخر هم کتابی رو به شما معرفی می‌کنم که با مطالعش می‌تونید به برنامه‌نویس پایتون بهتر و حرفهای تری تبدیل بشید.
سلام. اگر در حوزه‌های علم داده و یادگیری ماشین فعالیت می‌کنید. حتما متوجه شدید که مفهوم‌ها و ابزارهای مختلفی در این زمینه‌ها وجود دارن. هر کدوم از اون‌ها قابلیت‌های زیاد و مختلفی دارن که ممکنه با خیلی از اون‌ها کار نکرده و یا به کل از وجودشون بی‌اطلاع باشید. حتی روش‌ها و تکنیک‌هایی که در موردشون می‌دونیم هم ممکنه هر چندوفت یکبار از یادتون برن. این‌جاست که برگه‌های تقلب(Cheat Sheets) وارد صحنه میشن و میتونن حسابی به‌دردبخور باشن.
طبقه‌بندی کننده بیز ساده (Naive Bayes) طبقه‌بندی کننده ساده و شناخته شده‌ای است که در مواقعی که تعداد مشاهدات کمی در دسترس باشد نیز عمل‌کرد خوبی دارد. در این آموزش یک طبقه‌بندی کننده بیز ساده گاوسی (Gaussian Naive Bayes) را از پایه ایجاد خواهیم کرد و با استفاده از آن، کلاس (طبقه‌بندی یا برچسب) نقاط داده که از قبل دیده نشده‌اند را پیش‌بینی می‌کنیم.
در این پست قصد دارم که مختصری راجع به درخت تصمیم توضیح بدم و در ادامه به زبان پایتون مثالی رو برای اون پیاده‌سازی کنم.
توجه کنید که امروز قصد ندارم که راجع به جزییات خود الگوریتم صحبت کنم. (شاید در آینده این کارو هم بکنم)
مقدمه:
این اولین قسمت از مقاله‌هایی هست که قصد دارم راجع به ریاضیات پشت(مربوط) به SVM بنویسم. حرفهای زیادی در مورد پیش‌زمینه ریاضی که معمولا ضروری هم هست میشه زد. با این وجود من سعی می‌کنم که آروم پیش برم تا بتونم توضیح‌های عمیق‌تری رو بدم که همه چیز تا حد امکان حتی برای مبتدی‌ها شفاف باشه.
اگر شما تازه‌کار هستین و مایلید که قبل از ورود به بحث‌های ریاضی، بیشتر راجع به SVM بدونید، پیشنهاد می‌کنم این مقاله را هم مطالعه کنید: آشنایی با ماشین بردار پشتیبان (SVM) – مرور کلی
خوشه‌بندی داده‌ها رو بر اساس شباهتی که دارن، به طوری که داده‌های هر خوشه دارای بیشترین شباهت به هم و کم‌ترین شباهت به داده‌های خوشه‌های دیگه هستن، در یک خوشه قرار میده. الگوریتم K-Means یکی از الگوریتم‌های مورد استفاده در داده کاوی و یادگیری ماشینی هست که برای خوشه‌بندی(Clustering) یا دسته‌بندی بدون نظارت از اون استفاده میشه. در ادامه نحوه کار این الگوریتم رو با یک مثال و پیاده‌سازی اون به کمک زبان جاوا توضیح میدم.
توی این پست راجع به نوشتن یه برنامه صحبت می‌کنم که می‌تونه به جای من روی یه نقطه از صفحه کلیک کنه. اما چه نیازی باعث شده که من سراغ درست کردن چنین برنامه‌ای برم و به چه دردهایی ممکنه بخوره؟
به نام اندیشه پاک
در این آموزش قصد داریم به‌صورت تصویری و قدم‌به‌قدم، نحوه تولید یک گزارش که شامل متن‌های فارسی است را به کمک پایگاه داده MySQL و زبان برنامه‌نویسی پایتون۳.۵ نشان دهیم.
کلیه کدهای منبع مثال ارائه‌شده از آدرس زیر قابل دریافت و استفاده هستند.
https://gitlab.com/pbarjoueian/report_python35
در این آموزش، برای گزارش‌گیری از پکیج(کتابخانه) reportlab استفاده می‌کنیم که یکی از قدرتمندترین کتابخانه‌ها در این زمینه است و شرکت‌های بزرگی مانند HP نیز از آن استفاده می‌کنند.