📍 نقشه راه جامع دیتاساینس

🟣Mathematic & Statistics

✳️مباحثی که باید از ریاضیات و آمار بدونیم:

▪️میانگین، میانه، مد
▪️واریانس و انحراف معیار
▪️صدک‌ها و دهک‌ها
▪️آشنایی با نمودارهای مختلف آماری جهت تصویر سازی
▪️احتمالات
▪️مشتق و تعبیر هندسی آن
▪️فرمول‌های مشتق‌گیری
▪️آشنایی با توابع ریاضی خاص
▪️جبر خطی و ساختار فضاهای برداری
▪️آشنایی با ماتریس‌ها و ضرب آنها
▪️پایه‌ی فضاهای برداری
▪️ضرب و وارون ماتریس‌ها
▪️آزمون‌های فرض
▪️بازه‌های اطمینان
▪️توزیع‌های مختلف آماری (نرمال؛ یکنواخت؛ نمایی)
🟣 Coding

▪️Python
▪️R

🟣Data Analysis

▪️Feature Engineering
▪️Data wraging
▪️EDA

🟣 Machine Learning

▪️Classification
▪️Regression
▪️Deep Learning
▪️Reinforcement learning
▪️Dimensionality reduction
▪️Clustoring

🟣 Deep Learning

▪️Fully connected NN
▪️CNN,RNN,LSTM
▪️Transformers
▪️Transfer Learning
▪️Pytorch

🟣 ML Ops
▪️Deployment models,
▪️CI/CD

🟣Data visualization

▪️Tableau
▪️Power BI
▪️Matplotlib
▪️GGplot
▪️Seaborn
▪️D3.js

🚀Telegram
💎Instagram
🌐 Website