در این مطلب، ویدئو تابلویی با پایتون و آر با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:30:03
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,280 –> 00:00:02,810
[موسیقی]
2
00:00:04,490 –> 00:00:06,480
سلام به همه و خوش آمدید به
3
00:00:06,480 –> 00:00:10,110
پخش اینترنتی امروز در تابلوی با پایتون و من خیلی
4
00:00:10,110 –> 00:00:12,480
سریع معرفی می کنم نام من برندون
5
00:00:12,480 –> 00:00:14,040
لوندکویست است و همکارم اسکات روح به من ملحق شده است.
6
00:00:14,040 –> 00:00:14,910
7
00:00:14,910 –> 00:00:16,590
8
00:00:16,590 –> 00:00:18,449
9
00:00:18,449 –> 00:00:19,770
10
00:00:19,770 –> 00:00:22,410
دفتر فیلادلفیا در درجه اول، دستور کار سریع معرفی سریع
11
00:00:22,410 –> 00:00:23,580
اینجاست، بنابراین
12
00:00:23,580 –> 00:00:24,869
اگر خوب هستند
13
00:00:24,869 –> 00:00:26,460
قبل از ورود به محتوای پخش وب
14
00:00:26,460 –> 00:00:28,140
، یک
15
00:00:28,140 –> 00:00:29,849
شرکت مشاوره خدمات حرفه ای مستقل و
16
00:00:29,849 –> 00:00:31,320
متخصص در
17
00:00:31,320 –> 00:00:33,390
راه حل های هوش تجاری و تجزیه و تحلیل هستیم که به عنوان کار می کنیم. یک
18
00:00:33,390 –> 00:00:34,890
سازمان واحد که به
19
00:00:34,890 –> 00:00:36,660
مشتریان خود در سطح جهانی با تیمهای اهرمی
20
00:00:36,660 –> 00:00:38,309
از مشاوران در دفاتر ما در
21
00:00:38,309 –> 00:00:40,050
نیویورک فیلادلفیا اکسل پائولو در
22
00:00:40,050 –> 00:00:42,000
منطقه آمریکا خدمات میدهد، بهعلاوه با
23
00:00:42,000 –> 00:00:43,530
دفاتری در بنگلور لندن و
24
00:00:43,530 –> 00:00:45,210
سنگاپور، همه مشاوران ما
25
00:00:45,210 –> 00:00:46,710
به همان روش استخدام و آموزش دیدهاند
26
00:00:46,710 –> 00:00:49,050
تا ترکیبی منحصر به فرد ایجاد کنند. از مهارت ها، اما
27
00:00:49,050 –> 00:00:50,730
این درک استعداد فنی
28
00:00:50,730 –> 00:00:52,559
و درک عمیق است ما از
29
00:00:52,559 –> 00:00:54,660
ابزارها و تکنیک های تحلیلی طیف کاملی
30
00:00:54,660 –> 00:00:56,399
از خدمات را ارائه می دهیم، از دو استراتژی و
31
00:00:56,399 –> 00:00:58,379
توصیه های معماری
32
00:00:58,379 –> 00:01:00,780
و طراحی راه حل طراحی راه حل های پایانی تا
33
00:01:00,780 –> 00:01:02,609
اجرای نهایی و خدمات داده و
34
00:01:02,609 –> 00:01:04,860
پشتیبانی از برنامه های کاربردی محصول، ما همچنین
35
00:01:04,860 –> 00:01:06,750
از مشتریان و برنامه های آموزش و توانمندسازی کاربران خود پشتیبانی
36
00:01:06,750 –> 00:01:08,130
می کنیم.
37
00:01:08,130 –> 00:01:09,000
این روزها خیلی چیزها
38
00:01:09,000 –> 00:01:11,340
39
00:01:11,340 –> 00:01:13,590
40
00:01:13,590 –> 00:01:14,970
را می بینیم، به ویژه با سازمان هایی که به دنبال پذیرش فرهنگ سلف سرویس از نظر فناوری هایی هستند که با آنها کار می
41
00:01:14,970 –> 00:01:16,650
کنیم، ما یک شرکت مشاوره مستقل
42
00:01:16,650 –> 00:01:18,150
هستیم، به این معنی که ما با یک فناوری خاص کار
43
00:01:18,150 –> 00:01:20,009
نمی کنیم، با این حال کار می کنیم و
44
00:01:20,009 –> 00:01:21,360
با بسیاری از آنها همکاری می کنیم. از بازیگران
45
00:01:21,360 –> 00:01:22,619
کلیدی بازار به منظور ارائه
46
00:01:22,619 –> 00:01:24,240
راهحلهایی به مشتریان خود که به بهترین وجه
47
00:01:24,240 –> 00:01:25,860
با نیازهای آنها مطابقت دارد، ما تجربه کمی
48
00:01:25,860 –> 00:01:27,479
کار در تعدادی
49
00:01:27,479 –> 00:01:29,189
از ابزارهای تحلیلی پیشرفته گزارشدهی
50
00:01:29,189 –> 00:01:31,320
ظاهری مانند تابلو از جمله با پایتون
51
00:01:31,320 –> 00:01:32,909
و R را داریم و همچنین با آنها کار میکنیم.
52
00:01:32,909 –> 00:01:34,409
فنآوریهای متعددی در صنعت که
53
00:01:34,409 –> 00:01:35,820
واقعاً به ما امکان میدهند از ابزارهای مناسب
54
00:01:35,820 –> 00:01:38,579
برای ب بسته
55
00:01:38,579 –> 00:01:40,590
به هر موقعیتی که ارائه می شود اثر ممکن است، بنابراین
56
00:01:40,590 –> 00:01:42,450
اینها فقط
57
00:01:42,450 –> 00:01:43,710
نوعی اعتبار
58
00:01:43,710 –> 00:01:45,240
تابلوی ما هستند.
59
00:01:45,240 –> 00:01:47,040
60
00:01:47,040 –> 00:01:50,009
61
00:01:50,009 –> 00:01:53,189
62
00:01:53,189 –> 00:01:55,829
برای ورود به محتوای امروز، یک
63
00:01:55,829 –> 00:01:57,420
معرفی سریع برای تابلو، مطمئن هستم که
64
00:01:57,420 –> 00:01:58,619
بسیاری از شما که در حال تنظیم این
65
00:01:58,619 –> 00:02:00,420
پخش اینترنتی هستید، به نوعی
66
00:02:00,420 –> 00:02:01,829
با محصولات آشنایی دارید، اما برای کسانی از شما
67
00:02:01,829 –> 00:02:03,479
که اجازه نمی دهند من به سرعت
68
00:02:03,479 –> 00:02:04,920
مجموعه را برای شما توضیح دهم. از محصولاتی که تابلو میتواند
69
00:02:04,920 –> 00:02:06,450
ارائه دهد و آنچه که پشتوانه میتواند برای توسعه تابلوی کسبوکار شما انجام دهد،
70
00:02:06,450 –> 00:02:07,429
71
00:02:07,429 –> 00:02:09,330
واقعاً با
72
00:02:09,330 –> 00:02:10,979
تابلو دسکتاپ شروع میشود که برنامهای است
73
00:02:10,979 –> 00:02:12,420
که روی رایانه شما قرار میگیرد و به شما
74
00:02:12,420 –> 00:02:13,800
امکان میدهد به دادههایتان متصل شوید و آنها را بصری
75
00:02:13,800 –> 00:02:15,390
کنید، اینجاست که میتوانید
76
00:02:15,390 –> 00:02:17,100
داشبوردهای خود را ایجاد کنید. کاوش سریع
77
00:02:17,100 –> 00:02:19,680
تجزیه و تحلیل و تجسم داده های خود به عنوان داده
78
00:02:19,680 –> 00:02:21,090
و توضیح داده ها
79
00:02:21,090 –> 00:02:22,470
ویژگی های نسبتاً جدیدی در تابلو هستند و
80
00:02:22,470 –> 00:02:24,360
قابلیت سلف سرویس بیشتری را به کاربران ارائه می دهند. به عنوان
81
00:02:24,360 –> 00:02:26,580
داده یک ابزار پردازش پرس و جو به زبان طبیعی
82
00:02:26,580 –> 00:02:28,350
است و توضیح می دهد که اهرم های داده
83
00:02:28,350 –> 00:02:30,360
هوش مصنوعی را برای توضیح یک نقطه خاص
84
00:02:30,360 –> 00:02:32,250
برای چندین نقطه از داده ها از آنجا
85
00:02:32,250 –> 00:02:33,510
که می خواهید گزارش ایجاد شده خود را توزیع کنید
86
00:02:33,510 –> 00:02:34,800
، جایی که سرور تابلو
87
00:02:34,800 –> 00:02:36,510
وارد می شود، یک پلت فرم مبتنی بر وب است که در
88
00:02:36,510 –> 00:02:38,220
داخل شما قابل مشاهده است. مرورگر وب مانند
89
00:02:38,220 –> 00:02:39,540
اینترنت اکسپلورر یا کروم
90
00:02:39,540 –> 00:02:41,400
که در آن چندین کتاب کار تابلویی را میتوان
91
00:02:41,400 –> 00:02:43,080
در داخل منتشر کرد و با
92
00:02:43,080 –> 00:02:45,000
صدها یا حتی هزاران کاربر به اشتراک گذاشت
93
00:02:45,000 –> 00:02:46,340
تا همکاری سازمانی را
94
00:02:46,340 –> 00:02:47,910
از منظر حاکمیت سازمانی فعال
95
00:02:47,910 –> 00:02:49,830
کند، میتوانید
96
00:02:49,830 –> 00:02:51,420
منابع دادهای با پشتیبانی IQ منتشر
97
00:02:51,420 –> 00:02:53,220
کنید که به کاربران اجازه میدهد از این
98
00:02:53,220 –> 00:02:54,720
دادهها استفاده کنند. منابعی برای تجزیه و تحلیل خودشان
99
00:02:54,720 –> 00:02:57,270
نیز وجود دارد تابلوی آنلاین تابلوی
100
00:02:57,270 –> 00:02:58,440
آنلاین اساساً
101
00:02:58,440 –> 00:02:59,730
از دیدگاه رابط کاربری مانند سرور تابلو است،
102
00:02:59,730 –> 00:03:01,410
شما همچنان به
103
00:03:01,410 –> 00:03:03,270
کاربران خود اجازه میدهید به گزارشهای منتشر شده و منابع داده در آن روسر دسترسی داشته باشند،
104
00:03:03,270 –> 00:03:05,520
اما
105
00:03:05,520 –> 00:03:06,900
تنها تفاوت بین سرور و
106
00:03:06,900 –> 00:03:08,700
آنلاین آن است.
107
00:03:08,700 –> 00:03:10,860
راه اندازی و سرویس زیرساخت اساسی تابلوی آنلاین مدل ice
108
00:03:10,860 –> 00:03:12,240
توسط
109
00:03:12,240 –> 00:03:13,920
خود تابلو به عنوان یک نرم افزار به عنوان ارائه خدمات میزبانی و نگهداری می شود
110
00:03:13,920 –> 00:03:15,480
که به صورت
111
00:03:15,480 –> 00:03:16,320
اشتراک در دسترس است
112
00:03:16,320 –> 00:03:17,880
در حالی که سرور تابلو تحت
113
00:03:17,880 –> 00:03:20,010
کنترل کسب و کار شما است و در نهایت ما
114
00:03:20,010 –> 00:03:21,780
آماده سازی تابلو را داریم که می توان آن را به دو ویژگی تقسیم کرد.
115
00:03:21,780 –> 00:03:23,280
یک
116
00:03:23,280 –> 00:03:25,260
وب ساز کامل به شما امکان می دهد چندین منبع داده را به هم متصل کنید
117
00:03:25,260 –> 00:03:26,850
و
118
00:03:26,850 –> 00:03:28,500
ترکیب آنها را با استفاده از اتصالات فیلتر سفارشی کنید
119
00:03:28,500 –> 00:03:30,570
و بیشتر از این، داده های شما دقیقاً همان چیزی است که
120
00:03:30,570 –> 00:03:32,489
به آن نیاز دارید و هادی آماده به شما امکان می دهد
121
00:03:32,489 –> 00:03:33,900
جریان های داده ای را که در
122
00:03:33,900 –> 00:03:36,090
سازنده ایجاد کرده ایم به صورت دستی در یک برنامه زمان بندی شده reefa منتشر کنید.
123
00:03:36,090 –> 00:03:37,980
سرور تابلو در تابلوی یک
124
00:03:37,980 –> 00:03:40,140
خط schmuck است و تمام این محصولات
125
00:03:40,140 –> 00:03:41,130
ارائه شده برای شما و کسب و کار شما انجام
126
00:03:41,130 –> 00:03:42,900
می دهد، آنها می توانند تجسم های قدرتمندی را
127
00:03:42,900 –> 00:03:44,940
ارائه دهند که داده های شما را به روشی
128
00:03:44,940 –> 00:03:47,160
پویا و قابل هضم برای همه
129
00:03:47,160 –> 00:03:49,110
جنبه های کسب و کار شما ارائه می
130
00:03:49,110 –> 00:03:50,880
دهد و همچنین به شما امکان می دهد به آن دسترسی داشته باشید. بینشهای سریع و
131
00:03:50,880 –> 00:03:52,830
کشف روندها و همبستگیها در
132
00:03:52,830 –> 00:03:54,450
آینه بهگونهای که
133
00:03:54,450 –> 00:03:55,470
ممکن است قادر به دیدن آن نبوده باشید. معدن
134
00:03:55,470 –> 00:03:58,200
و در نهایت مفهوم
135
00:03:58,200 –> 00:04:00,000
سلف سرویس، قدرت
136
00:04:00,000 –> 00:04:01,620
تجزیه و تحلیل داده ها را به دست کسانی می دهد
137
00:04:01,620 –> 00:04:04,620
که باید داده ها را مانند جدول ببینند،
138
00:04:04,620 –> 00:04:05,940
مطمئنم که بسیاری از شما
139
00:04:05,940 –> 00:04:07,980
با R و Python آشنا هستید.
140
00:04:07,980 –> 00:04:09,750
هر دو زبان منبع باز رایگان با
141
00:04:09,750 –> 00:04:11,370
توانایی برنامه ریزی گسترده و
142
00:04:11,370 –> 00:04:12,810
ابزارهای پیشرو مورد استفاده برای کاربردهای علم داده
143
00:04:12,810 –> 00:04:15,180
از زمان پیدایش در
144
00:04:15,180 –> 00:04:17,100
اوایل دهه 90 هستند.
145
00:04:17,100 –> 00:04:18,720
146
00:04:18,720 –> 00:04:20,519
147
00:04:20,519 –> 00:04:22,140
برای نزدیک به
148
00:04:22,140 –> 00:04:24,030
سه دهه بستههایی که
149
00:04:24,030 –> 00:04:25,650
دانشمندان داده توسعه داده و
150
00:04:25,650 –> 00:04:27,300
بر روی آنها تکرار کردهاند، رشد کردهاند تا ابزاری ارزشمند
151
00:04:27,300 –> 00:04:27,670
و
152
00:04:27,670 –> 00:04:29,230
قوی در حوزه دادهها و
153
00:04:29,230 –> 00:04:31,780
تجزیه و تحلیل آماری ارائه دهند، از سوی دیگر پایتون
154
00:04:31,780 –> 00:04:33,310
همان توانایی برنامهای را دارد
155
00:04:33,310 –> 00:04:35,110
که پیشنهاد میشود، اما تمرکز آن بر روی
156
00:04:35,110 –> 00:04:37,750
آمار نیست. تجزیه و تحلیل، زیرا پایتون ما دارای
157
00:04:37,750 –> 00:04:39,280
158
00:04:39,280 –> 00:04:40,780
کتابخانه های تخصصی یادگیری عمیق و یادگیری ماشینی است که خود را به
159
00:04:40,780 –> 00:04:42,070
نوع متفاوتی از کاربردهای علم داده می دهد.
160
00:04:42,070 –> 00:04:44,050
nes دارای Lo است و
161
00:04:44,050 –> 00:04:45,010
هر دو
162
00:04:45,010 –> 00:04:46,930
زبان برنامهریزی عالی هستند و ما به دنبال این هستیم
163
00:04:46,930 –> 00:04:48,370
که یکی از این دو را در نحوه
164
00:04:48,370 –> 00:04:50,380
استفاده شما از Tabau هر دو
165
00:04:50,380 –> 00:04:52,030
به یک شکل در انتخاب
166
00:04:52,030 –> 00:04:53,830
زبانی که استفاده میکند به
167
00:04:53,830 –> 00:04:56,230
هر چیزی که کاربر در ابتدا استفاده میکند بستگی دارد، بگنجانیم. ما
168
00:04:56,230 –> 00:04:57,550
درک کلی از یک تابلو داریم
169
00:04:57,550 –> 00:04:59,620
پایتون R چرا میخواهیم آنها را با هم ترکیب
170
00:04:59,620 –> 00:05:01,840
کنیم، تابلو توانایی
171
00:05:01,840 –> 00:05:03,520
تجزیه و تحلیل پیشرفته را دارد، اما توانایی
172
00:05:03,520 –> 00:05:05,830
جفت کردن بستههای R یا Python موجود و
173
00:05:05,830 –> 00:05:07,540
عبور آن از تابلو و استفاده از تجسمهای قدرتمند تابلو،
174
00:05:07,540 –> 00:05:09,820
175
00:05:09,820 –> 00:05:11,320
به ضبط قدرتمند کمک میکند.
176
00:05:11,320 –> 00:05:13,630
برنامههای کاربردی برای کاربران تجاری، اما
177
00:05:13,630 –> 00:05:15,550
فرآیند سنتی تعامل
178
00:05:15,550 –> 00:05:16,870
بین کاربران تجاری و
179
00:05:16,870 –> 00:05:19,330
دانشمندان داده دارای نقصهای ذاتی است.
180
00:05:19,330 –> 00:05:20,590
181
00:05:20,590 –> 00:05:22,510
182
00:05:22,510 –> 00:05:23,920
183
00:05:23,920 –> 00:05:25,900
184
00:05:25,900 –> 00:05:26,530
185
00:05:26,530 –> 00:05:28,630
ابزارهای تحلیلی در
186
00:05:28,630 –> 00:05:30,670
سیلوها که در آن زمان صرف دستکاری موارد
187
00:05:30,670 –> 00:05:32,470
اضافی می کردند هر کاربر به روش فردی خود
188
00:05:32,470 –> 00:05:34,210
برای مطابقت با نیازهای تجاری خود با استفاده از
189
00:05:34,210 –> 00:05:35,650
روشهایی که لزوماً به آنها کمک زیادی نمیکند،
190
00:05:35,650 –> 00:05:37,290
191
00:05:37,290 –> 00:05:39,340
192
00:05:39,340 –> 00:05:40,630
نسخه مخصوص به خود از مدل را خواهد داشت و فرد خودش
193
00:05:40,630 –> 00:05:42,730
فقدان یک منبع حقیقت را تجزیه و تحلیل میکند.
194
00:05:42,730 –> 00:05:44,260
195
00:05:44,260 –> 00:05:45,490
به شما برمی
196
00:05:45,490 –> 00:05:47,470
گردم که بی نظمی و سردرگمی عمومی
197
00:05:47,470 –> 00:05:50,320
در مورد اینکه چه چیزی اجازه می دهد تابلو حتی
198
00:05:50,320 –> 00:05:51,730
این آثار را که به
199
00:05:51,730 –> 00:05:53,020
کاربران تجاری ارائه می شود عوض کند و آن را با
200
00:05:53,020 –> 00:05:54,340
چیزی جایگزین کند که ممکن است کسب و کار شما قبلاً روی
201
00:05:54,340 –> 00:05:55,930
آن سرمایه گذاری کرده باشد، بنابراین
202
00:05:55,930 –> 00:05:57,550
ابزارهای تحلیلی و گزارشی خود را در یک
203
00:05:57,550 –> 00:06:00,010
مکان با ترکیب تابلو قرار می دهد. با R یا Python
204
00:06:00,010 –> 00:06:01,870
به روشی مشابه کار میکند که
205
00:06:01,870 –> 00:06:03,970
دانشمندان دادههای روششناسی سنتی همچنان
206
00:06:03,970 –> 00:06:05,740
در حال توسعه مدلهای خود هستند، اما به
207
00:06:05,740 –> 00:06:06,760
جای استقرار آنها در قالب
208
00:06:06,760 –> 00:06:08,470
عصاره به طور مستقیم برای کاربران، میتوانند
209
00:06:08,470 –> 00:06:10,390
آنها را مستقیماً در تابلو منتشر کنند، زیرا
210
00:06:10,390 –> 00:06:12,100
احتمالاً کسبوکار شما
211
00:06:12,100 –> 00:06:13,840
نوعی سرمایهگذاری دارد. تابلو به عنوان یک
212
00:06:13,840 –> 00:06:15,520
راه حل سازمانی مدل یک
213
00:06:15,520 –> 00:06:16,660
ابزار تحلیلی است
214
00:06:16,660 –> 00:06:18,490
215
00:06:18,490 –> 00:06:20,680
گزارشهای موجود را که کاربران کسبوکار شما
216
00:06:20,680 –> 00:06:22,540
از قبل با بینشهای تحلیلی راحت هستند، تهیه کردهاید
217
00:06:22,540 –> 00:06:24,880
218
00:06:24,880 –> 00:06:26,770
219
00:06:26,770 –> 00:06:28,150
220
00:06:28,150 –> 00:06:30,070
و
221
00:06:30,070 –> 00:06:31,720
آنها را ادغام کردهاید. برای مشاهده ادغام
222
00:06:31,720 –> 00:06:33,190
ابزارهای آنها در یک مکان در
223
00:06:33,190 –> 00:06:35,170
جدول، اما ماهیت
224
00:06:35,170 –> 00:06:36,820
ادغام تابلو با پایتون ما امکان
225
00:06:36,820 –> 00:06:38,380
تکرار مداوم یک مدل را بدون
226
00:06:38,380 –> 00:06:40,660
تأثیر تا حد زیادی بر کار کمکی به این معنا میدهد
227
00:06:40,660 –> 00:06:41,680
که مدلهای شما و تحلیلهای گوش دادن
228
00:06:41,680 –> 00:06:42,970
که توسط کاربران تجاری شما انجام میشود
229
00:06:42,970 –> 00:06:45,759
بهتر و مهمتر از همه توسط
230
00:06:45,759 –> 00:06:47,560
جدول بسته بندی و سایر راه حل های تحلیلی
231
00:06:47,560 –> 00:06:49,930
در یک مکان، اعتماد و
232
00:06:49,930 –> 00:06:51,250
ارزش کاربران تجاری را با ابزار ایجاد می کند و
233
00:06:51,250 –> 00:06:52,900
خود را به سطح جدیدی از
234
00:06:52,900 –> 00:06:54,280
سلف سرویس می رساند و بنابراین
235
00:06:54,280 –> 00:06:56,020
می توان بینش های بیشتری را کشف کرد که به
236
00:06:56,020 –> 00:06:58,720
شما و کسب و کار شما کمک می کند تا خوب شوید، بنابراین اکنون که
237
00:06:58,720 –> 00:07:00,280
ما درک این موضوع که چرا
238
00:07:00,280 –> 00:07:02,169
تابلو و پایتون را با هم ترکیب میکنید، بیایید به این موضوع بپردازیم
239
00:07:02,169 –> 00:07:03,580
که چگونه ta bleau و
240
00:07:03,580 –> 00:07:04,990
زبانها در واقع با هم کار میکنند،
241
00:07:04,990 –> 00:07:07,150
ابتدا با استفاده از این چهار
242
00:07:07,150 –> 00:07:08,889
تابع شروع میشود که به شما امکان
243
00:07:08,889 –> 00:07:11,500
میدهند توابع مدلهای ما یا پایتون را فراخوانی کنید، بنابراین این چهار
244
00:07:11,500 –> 00:07:13,270
تابع میتوانند یک
245
00:07:13,270 –> 00:07:15,729
عدد واقعی یک رشته یک عدد صحیح یا یک
246
00:07:15,729 –> 00:07:17,229
مقدار Boyan را برگردانند که تنها تفاوت بین
247
00:07:17,229 –> 00:07:18,759
آنهاست. مقدار نوع داده ای که
248
00:07:18,759 –> 00:07:20,169
از اسکریپت هنری یا پایتونی
249
00:07:20,169 –> 00:07:22,900
که شما مشخص کرده اید برگردانده می شود، بنابراین در صفحه زیر
250
00:07:22,900 –> 00:07:24,789
نمونه ای از
251
00:07:24,789 –> 00:07:26,500
خوشه بندی فضایی مبتنی بر چگالی برنامه برای
252
00:07:26,500 –> 00:07:28,300
نویز را توضیح می دهد.
253
00:07:28,300 –> 00:07:29,830
254
00:07:29,830 –> 00:07:31,210
در
255
00:07:31,210 –> 00:07:33,550
فیلد محاسبهشده، اکنون چگونه اولین ما
256
00:07:33,550 –> 00:07:35,289
مشخص میکند که
257
00:07:35,289 –> 00:07:37,000
در نتیجه تابعی
258
00:07:37,000 –> 00:07:38,380
که در پایتون فراخوانی میشود، چه نوع مقداری برگردانده میشود، این
259
00:07:38,380 –> 00:07:40,030
کاربرد خاص پایتون در داخل
260
00:07:40,030 –> 00:07:42,099
سلول، من یک مقدار رشته
261
00:07:42,099 –> 00:07:43,960
ساختار برای اعداد صحیح واقعی برای اعداد
262
00:07:43,960 –> 00:07:45,490
بولی برمیگردانم. اگر
263
00:07:45,490 –> 00:07:46,780
اسکریپت مربوطه شما که در پایتون اجرا می کنید
264
00:07:46,780 –> 00:07:49,570
به آن نیاز داشته باشد، مقادیر یکسان باقی می مانند
265
00:07:49,570 –> 00:07:50,830
بخش عمدهای از اسکریپت پایتون که
266
00:07:50,830 –> 00:07:51,820
میتوان آنطور که به طور معمول
267
00:07:51,820 –> 00:07:53,020
در محیط پایتون است نوشت
268
00:07:53,020 –> 00:07:55,030
، اینجاست که اتصال به
269
00:07:55,030 –> 00:07:56,800
سرور R یا Python بسیار
270
00:07:56,800 –> 00:07:58,090
مهم است، زیرا این امکان را میدهد تا تمام
271
00:07:58,090 –> 00:07:59,740
مقادیری که در تابلوی مشخص میکنید
272
00:07:59,740 –> 00:08:01,780
از آن عبور کنند. در آنجا و در آخر شما
273
00:08:01,780 –> 00:08:03,099
هر آرگومانی
274
00:08:03,099 –> 00:08:04,539
دارید که از جدولی ارسال می شود که می خواهید در
275
00:08:04,539 –> 00:08:06,400
اسکریپت پایتون
276
00:08:06,400 –> 00:08:07,300
فراخوانی شود.
277
00:08:07,300 –> 00:08:09,250
278
00:08:09,250 –> 00:08:10,630
279
00:08:10,630 –> 00:08:12,159
مهم است،
280
00:08:12,159 –> 00:08:13,990
بنابراین شما می خواهید بتوانید
281
00:08:13,990 –> 00:08:15,820
ترتیب طول جغرافیایی تفاوت
282
00:08:15,820 –> 00:08:18,009
بین حوادث و تعداد حوادث را با
283
00:08:18,009 –> 00:08:19,479
آرگومان های 1 تا 4 در اسکریپت
284
00:08:19,479 –> 00:08:21,280
بالا تراز کنید، توجه داشته باشید که فقط به این دلیل که این
285
00:08:21,280 –> 00:08:23,530
مثال برجسته شده است، در
286
00:08:23,530 –> 00:08:25,630
پایتون برای توابع و
287
00:08:25,630 –> 00:08:26,860
ساختاری که اسکریپت ما در آن وجود دارد یکسان است. می توان
288
00:08:26,860 –> 00:08:28,530
از تابلو عبور کرد کاملاً یکسان است،
289
00:08:28,530 –> 00:08:30,580
بنابراین لوله خود را روی یک RF
290
00:08:30,580 –> 00:08:31,780
اسکریپت در داخل تابلو در c خود دارید
291
00:08:31,780 –> 00:08:32,950
تماس محاسبه شده و من فقط در
292
00:08:32,950 –> 00:08:35,409
تابلوی اسلاید قبلی دیدم که در واقع
293
00:08:35,409 –> 00:08:36,820
خود تابلوی اسکریپت را اجرا نمیکند، بلکه
294
00:08:36,820 –> 00:08:38,078
اسکریپتها را از طریق یک
295
00:08:38,078 –> 00:08:39,458
اتصال خارجی منتقل میکند که میتوانید
296
00:08:39,458 –> 00:08:41,529
برای اهداف اکتشافی خودتان با داخل پایین تنظیم
297
00:08:41,529 –> 00:08:43,149
کنید، میتوانید یک نمونه از
298
00:08:43,149 –> 00:08:44,829
R را روی لپتاپ خود دانلود کنید. و آن را با آن به
299
00:08:44,829 –> 00:08:46,480
این طریق وصل کنید آنچه اساساً در
300
00:08:46,480 –> 00:08:48,160
این مرحله اتفاق میافتد این است که تابلو از
301
00:08:48,160 –> 00:08:50,050
نمونه RF شما برای برگرداندن مقادیر
302
00:08:50,050 –> 00:08:51,459
بر اساس اسکریپتی که در
303
00:08:51,459 –> 00:08:52,959
ستون محاسبهشده خود مانند جدول نوشتهاید استفاده میکند،
304
00:08:52,959 –> 00:08:55,089
اما برای
305
00:08:55,089 –> 00:08:56,649
راهحلهای سازمانی بیشتر میتوانید به آن متصل شوید. آپلود روی
306
00:08:56,649 –> 00:08:58,720
سروری که پایتون ما را اجرا میکند،
307
00:08:58,720 –> 00:08:59,949
این کار همان کار را انجام میدهد، فقط
308
00:08:59,949 –> 00:09:01,480
با ارسال مقادیر، نمونه را به صورت محلی روی لپتاپ خود
309
00:09:01,480 –> 00:09:03,249
اجرا میکند و در واقع
310
00:09:03,249 –> 00:09:05,410
کدی را اجرا میکند که در آن مشخص میکنید کاربران
311
00:09:05,410 –> 00:09:06,639
بیشتری میتوانند به این
312
00:09:06,639 –> 00:09:08,259
سرویس خارجی متصل شوند و بسیار بیشتر است. منجر به
313
00:09:08,259 –> 00:09:09,999
مقیاس پذیری می شود زیرا تابلو و
314
00:09:09,999 –> 00:09:11,620
ابزارهای تحلیلی مربوطه
315
00:09:11,620 –> 00:09:14,170
به رشد خود ادامه می دهند و در نهایت همه دره ها از آن عبور کرده اند.
316
00:09:14,170 –> 00:09:15,519
سرویس
317
00:09:15,519 –> 00:09:16,839
خارجی به جدول با محاسبات جدول برمی گردد
318
00:09:16,839 –> 00:09:18,370
به هر
319
00:09:18,370 –> 00:09:20,199
رسانه بصری متناسب با نتایج شما، بنابراین
320
00:09:20,199 –> 00:09:21,730
منظور من از محاسبات جدول دقیقاً چیست.
321
00:09:21,730 –> 00:09:23,829
322
00:09:23,829 –> 00:09:25,300
323
00:09:25,300 –> 00:09:27,009
324
00:09:27,009 –> 00:09:28,269
یا در داخل
325
00:09:28,269 –> 00:09:31,449
جدول هستند محاسبه جدول به این معنی است که
326
00:09:31,449 –> 00:09:33,009
مقادیر به صورت محلی در جدول محاسبه و ذخیره می شوند
327
00:09:33,009 –> 00:09:34,660
و یک فرآیند OP در
328
00:09:34,660 –> 00:09:36,189
پایگاه داده واقعی شما به این معنی است که
329
00:09:36,189 –> 00:09:37,870
محاسبات فقط بر روی داده هایی انجام می شود
330
00:09:37,870 –> 00:09:39,850
که قبلاً در جدول وجود دارد و
331
00:09:39,850 –> 00:09:41,170
روی داده های اساسی موجود تأثیری نخواهد داشت.
332
00:09:41,170 –> 00:09:42,519
در هر منبعی که
333
00:09:42,519 –> 00:09:44,769
کتاب کار تابلوی شما از محاسبات جدول استخراج میکند،
334
00:09:44,769 –> 00:09:46,209
همچنین فقط از
335
00:09:46,209 –> 00:09:47,829
اطلاعات موجود در یک
336
00:09:47,829 –> 00:09:49,689
تجسم استفاده کنید، تمام فیلدهایی را
337
00:09:49,689 –> 00:09:51,730
که برای تعریف تجسم مجموعه استفاده میشوند را میگیرد و
338
00:09:51,730 –> 00:09:53,319
هر محاسبهای را که شما مشخص کردهاید،
339
00:09:53,319 –> 00:09:55,509
اساساً یک
340
00:09:55,509 –> 00:09:56,949
محاسبه معنایی
341
00:09:56,949 –> 00:09:58,300
انجام میدهد. در
342
00:09:58,300 –> 00:09:59,889
ta زیرین وجود دارد
343
00:09:59,889 –> 00:10:01,689
این محاسبات قطعاً با
344
00:10:01,689 –> 00:10:03,129
محدودیتهایی همراه هستند، زیرا این محاسبات
345
00:10:03,129 –> 00:10:04,059
بر اساس آنچه که
346
00:10:04,059 –> 00:10:06,639
در تصویرسازی به راحتی در دسترس است
347
00:10:06,639 –> 00:10:08,019
348
00:10:08,019 –> 00:10:09,519
349
00:10:09,519 –> 00:10:11,050
350
00:10:11,050 –> 00:10:12,429
، انجام میشود. بنابراین میتوانند
351
00:10:12,429 –> 00:10:14,499
بعداً در دسترس باشند و فرم
352
00:10:14,499 –> 00:10:16,449
جدول را بیان کنند، همچنین مهم است که توجه داشته باشید که
353
00:10:16,449 –> 00:10:18,249
محاسبات جدول شما نمیتواند به عنوان مرجع استفاده شود،
354
00:10:18,249 –> 00:10:20,170
اگر میخواهید
355
00:10:20,170 –> 00:10:22,029
نتایج خود را از تجزیه و تحلیل R یا Python خود ذخیره
356
00:10:22,029 –> 00:10:23,589
کنید، باید مقداری آمادهسازی بالادستی و جدولی را
357
00:10:23,589 –> 00:10:26,410
بیشتر انجام دهید. بعداً اولین
358
00:10:26,410 –> 00:10:27,610
بار ما به دنبال نشان دادن ارزش
359
00:10:27,610 –> 00:10:28,959
انجام برخی از موارد دورافتاده در حال حاضر این
360
00:10:28,959 –> 00:10:30,579
دادههای فروش ثابت و جستجوی دلیلی
361
00:10:30,579 –> 00:10:32,050
برای اینکه چرا این موارد پرت احتمالاً ممکن است
362
00:10:32,050 –> 00:10:34,480
رخ دهند، خواهیم بود، بنابراین چرا این
363
00:10:34,480 –> 00:10:36,399
تجزیه و تحلیل پرت ارزشمند است، بنابراین هدف ما این است
364
00:10:36,399 –> 00:10:37,839
اولین نسخه ی نمایشی ما قصد داریم
365
00:10:37,839 –> 00:10:39,699
استفاده از هنر و تابلو دسکتاپ را برای ایجاد
366
00:10:39,699 –> 00:10:41,470
تصاویری که به کاربر امکان می دهد
367
00:10:41,470 –> 00:10:43,089
نقاط پرت را در فروش دلاری در سراسر جهان تشخیص دهد بررسی کنیم.
368
00:10:43,089 –> 00:10:45,249
دادههای likal به کاربردهای
369
00:10:45,249 –> 00:10:46,689
اصلی مجسمه یا برنامهریزان تبلیغاتی ما
370
00:10:46,689 –> 00:10:48,220
اشاره میکنند که مسئول ایجاد و
371
00:10:48,220 –> 00:10:49,720
برنامهریزی تبلیغات تا دو
372
00:10:49,720 –> 00:10:51,879
سال برای مجموعه برندهای خود هستند، این
373
00:10:51,879 –> 00:10:53,050
برنامهریزان معمولاً از
374
00:10:53,050 –> 00:10:54,639
دادههای تبلیغاتی تاریخی برای برنامهریزی تبلیغات آینده خود استفاده میکنند،
375
00:10:54,639 –> 00:10:57,279
معمولاً ارسال پستی و پستی دشوار است.
376
00:10:57,279 –> 00:10:59,290
کمیت کردن موفقیت رویداد به
377
00:10:59,290 –> 00:11:00,850
دلیل تعداد زیادی از عوامل خارجی
378
00:11:00,850 –> 00:11:02,559
که می توانند بر تبلیغات تأثیر بگذارند که می
379
00:11:02,559 –> 00:11:04,329
تواند خارج از دست برنامه ریزان باشد، به
380
00:11:04,329 –> 00:11:05,949
عنوان مثال امروز با مقابله در نوزده یا
381
00:11:05,949 –> 00:11:07,660
اعلام شده برای فاجعه تبلیغات سایر رقبا
382
00:11:07,660 –> 00:11:08,230
383
00:11:08,230 –> 00:11:10,060
هنوز آنها همیشه علاقه مند به
384
00:11:10,060 –> 00:11:11,680
درک ارزش دلار در اطراف هستند.
385
00:11:11,680 –> 00:11:13,300
دورههای تبلیغاتی به هر نحوی تغییر میکنند
386
00:11:13,300 –> 00:11:13,540
387
00:11:13,540 –> 00:11:15,360
که
388
00:11:15,360 –> 00:11:17,260
بهعلاوه به دلیل ماهیت
389
00:11:17,260 –> 00:11:19,150
بودجهریزی و درخواست بودجه،
390
00:11:19,150 –> 00:11:20,530
برنامهریزان تبلیغاتی باید
391
00:11:20,530 –> 00:11:22,120
درخواستهای قانعکنندهای برای دریافت بودجه
392
00:11:22,120 –> 00:11:23,560
بیش از پنجاه هزار دلار برای
393
00:11:23,560 –> 00:11:25,630
اجرای یک رویداد آینده ارائه دهند، بنابراین
394
00:11:25,630 –> 00:11:27,580
تجزیه و تحلیلهای مبتنی بر دادهها باید انجام شود. روش توصیه شده برای
395
00:11:27,580 –> 00:11:29,890
متقاعد کردن برنامهریزهای تبلیغاتی معمولی
396
00:11:29,890 –> 00:11:31,330
طیف گستردهای از
397
00:11:31,330 –> 00:11:33,370
علوم داده یا جعبهابزارهای کلان داده را ندارند که
398
00:11:33,370 –> 00:11:35,230
به آسانی در دسترس باشند، زیرا عملکرد اصلی آنها
399
00:11:35,230 –> 00:11:36,910
بر تبلیغات متمرکز است و
400
00:11:36,910 –> 00:11:38,950
اسکریپتهای ما را یکپارچه میکند و به آنها اجازه
401
00:11:38,950 –> 00:11:40,450
میدهد ببینند در کجا قرار گرفتهاند،
402
00:11:40,450 –> 00:11:42,340
میتواند نمای ارزشمندی را بدون ارائه به آنها ارائه دهد.
403
00:11:42,340 –> 00:11:43,780
نیاز به هر گونه مجوز نرم افزار اضافی
404
00:11:43,780 –> 00:11:45,730
یا سایر تیم ها برای درگیر شدن،
405
00:11:45,730 –> 00:11:47,170
آنها در جدول بازدیدها برای
406
00:11:47,170 –> 00:11:48,760
اکثر تجزیه و تحلیل های سلف سرویس گزارش هستند،
407
00:11:48,760 –> 00:11:51,520
بنابراین چرا اکنون برای
408
00:11:51,520 –> 00:11:53,020
این نسخه نمایشی خاص R را نیاوریم، خواهیم دید که
409
00:11:53,020 –> 00:11:54,730
تشخیص پرت برای فروش نام تجاری چگونه می
410
00:11:54,730 –> 00:11:56,200
دهد. برنامه ریزان مناطقی را که می توانند
411
00:11:56,200 –> 00:11:57,520
روی برخی از تبلیغاتی که
412
00:11:57,520 –> 00:11:59,290
در بازه زمانی در حال اتمام هستند بزرگنمایی کنند، می دانند که اغلب اوقات
413
00:11:59,290 –> 00:12:01,210
به سادگی یافتن تبلیغات تاریخی مناسب
414
00:12:01,210 –> 00:12:02,530
فردا بعد از آن می تواند
415
00:12:02,530 –> 00:12:04,240
چالش برانگیز باشد، زیرا ممکن است بین
416
00:12:04,240 –> 00:12:06,610
پنجاه تا هشتاد هزار
417
00:12:06,610 –> 00:12:08,050
تبلیغات در هر سال برای یک زمان
418
00:12:08,050 –> 00:12:10,120
خاص وجود داشته باشد. اکنون یک برنامه ریز می تواند
419
00:12:10,120 –> 00:12:11,410
برند مورد علاقه خود را به داشبورد برود
420
00:12:11,410 –> 00:12:13,120
و از آن به عنوان یک
421
00:12:13,120 –> 00:12:15,130
ابزار اکتشافی استفاده کند برای مشخص کردن اینکه کدام حرکات تاریخی را
422
00:12:15,130 –> 00:12:17,020
می توان به عنوان الگو برای
423
00:12:17,020 –> 00:12:19,270
اجرای تبلیغات آینده استفاده کرد، بنابراین بدون هیچ
424
00:12:19,270 –> 00:12:22,020
مقدمه ای می خواهم اولین نسخه نمایشی
425
00:12:22,020 –> 00:12:23,920
خود را در اینجا ارائه دهم، ما
426
00:12:23,920 –> 00:12:25,720
داشبورد خود را با چندین تصویر مختلف داریم،
427
00:12:25,720 –> 00:12:26,710
اما ابتدا می خواهم به شما نشان دهم که چگونه
428
00:12:26,710 –> 00:12:27,910
ابتدا باید وصل شوید تا مطمئن شوید
429
00:12:27,910 –> 00:12:29,830
که به نمونه خود متصل هستید یا
430
00:12:29,830 –> 00:12:31,960
در دستگاه محلی خود یا روی
431
00:12:31,960 –> 00:12:33,940
یک تکنیک به یک سرور هستید، بنابراین در اینجا
432
00:12:33,940 –> 00:12:35,230
من به دستگاه محلی خود وصل میشوم که
433
00:12:35,230 –> 00:12:37,930
نمونه Abbott روی لپتاپ من است. من
434
00:12:37,930 –> 00:12:39,190
فقط می خواهم یک اتصال را آزمایش کنم تا
435
00:12:39,190 –> 00:12:40,240
مطمئن شوم همه چیز به
436
00:12:40,240 –> 00:12:42,820
درستی کار می کند، بنابراین
437
00:12:42,820 –> 00:12:44,920
من به نمونه خود متصل هستم، بنابراین می توانم
438
00:12:44,920 –> 00:12:48,820
جدول استفاده را اجرا کنم، بنابراین قبل از اینکه
439
00:12:48,820 –> 00:12:50,200
وارد داشبورد واقعی شویم، می خواهم به نوعی
440
00:12:50,200 –> 00:12:52,600
توضیح دهم متدولوژی های ما و دلیل
441
00:12:52,600 –> 00:12:54,190
و اینکه چقدر آسان است
442
00:12:54,190 –> 00:12:55,600
که در اسکریپت خود در جدول گنجانده شود،
443
00:12:55,600 –> 00:12:57,400
بنابراین همانطور که می توانید ببینید این یکی
444
00:12:57,400 –> 00:12:59,050
از چهار تابعی است که
445
00:12:59,050 –> 00:13:00,580
قبلاً آن را نامیده ام و محاسبه یک جدول
446
00:13:00,580 –> 00:13:02,650
محاسبه می شود. با توجه به برگرداندن یک
447
00:13:02,650 –> 00:13:05,350
مقدار واقعی و کاری که این تابع و
448
00:13:05,350 –> 00:13:07,120
اسکریپت ها در R انجام خواهند داد،
449
00:13:07,120 –> 00:13:09,190
اساساً محاسبه این است که آیا مجموع
450
00:13:09,190 –> 00:13:11,830
فروش دلاری در این دوره هفتگی
451
00:13:11,830 –> 00:13:13,360
به عنوان یک مقدار دورافتاده یا یک مقدار عادی طبقه بندی می شود،
452
00:13:13,360 –> 00:13:16,090
اکنون
453
00:13:16,090 –> 00:13:17,560
بسیار جالب است زیرا این
454
00:13:17,560 –> 00:13:19,810
اولین رویکرد ما نبود که در پیش گرفتیم، مثل اینکه
455
00:13:19,810 –> 00:13:21,730
در ابتدا شاهد آمدن همه این دادهها
456
00:13:21,730 –> 00:13:22,990
بودیم، ما فقط میخواهیم به مقادیر اوج خود نگاه نکنیم تا
457
00:13:22,990 –> 00:13:25,750
ببینیم
458
00:13:25,750 –> 00:13:27,850
خوب است، فکر میکنم پنج بالاترین قله ما
459
00:13:27,850 –> 00:13:29,380
و آنها قرار است به عنوان
460
00:13:29,380 –> 00:13:30,339
یا پرت طبقهبندی شوند و این
461
00:13:30,339 –> 00:13:32,889
لزوما قویترین تحلیل نیست، بسیار آسان است
462
00:13:32,889 –> 00:13:34,480
که رویکرد خود را تغییر دهیم
463
00:13:34,480 –> 00:13:36,910
و این اسکریپت سریع جدید را بهسرعت
464
00:13:36,910 –> 00:13:38,320
بدون شکستن
465
00:13:38,320 –> 00:13:39,790
مدل بهروزرسانی کنیم تا فقط یکپارچگی واقعی را به شما نشان دهیم.
466
00:13:39,790 –> 00:13:41,620
این همان مقدار پایینی است که
467
00:13:41,620 –> 00:13:43,449
باید بتوانیم به طور یکپارچه از
468
00:13:43,449 –> 00:13:45,430
یک رویکرد به رویکرد دیگر منتقل شویم و در عین
469
00:13:45,430 –> 00:13:48,670
حال بتوانیم مدل را به کار ببریم، بنابراین در اینجا ما
470
00:13:48,670 –> 00:13:50,440
به سمت مورد تجاری خود می رویم تا ما به
471
00:13:50,440 –> 00:13:51,790
دنبال آن باشیم. g در چند
472
00:13:51,790 –> 00:13:54,100
مارک مختلف و تجزیه و تحلیل برخی از
473
00:13:54,100 –> 00:13:55,870
نقاط دورافتاده با استفاده از ما همانطور که میتوانید مشاهده کنید تا به
474
00:13:55,870 –> 00:13:57,550
نوعی در اینجا ببینید، ما چند تصویر تصویری داریم، بنابراین
475
00:13:57,550 –>