<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
    <channel>
        <title>نوشته های Ali Maleki</title>
        <link>https://virgool.io/feed/@alimaleki100</link>
        <description>Data Product / Project Manager</description>
        <language>fa</language>
        <pubDate>2026-06-17 11:01:09</pubDate>
        <image>
            <url>https://files.virgool.io/upload/users/35913/avatar/6Zh69b.jpg?height=120&amp;width=120</url>
            <title>Ali Maleki</title>
            <link>https://virgool.io/@alimaleki100</link>
        </image>

                    <item>
                <title>چگونه یک مدیر محصول دیتا شویم؟ - بخش اول</title>
                <link>https://virgool.io/@alimaleki100/%DA%86%DA%AF%D9%88%D9%86%D9%87-%DB%8C%DA%A9-%D9%85%D8%AF%DB%8C%D8%B1-%D9%85%D8%AD%D8%B5%D9%88%D9%84-%D8%AF%DB%8C%D8%AA%D8%A7-%D8%B4%D9%88%DB%8C%D9%85-%D8%A8%D8%AE%D8%B4-%D8%A7%D9%88%D9%84-mrx4kjdhm85r</link>
                <description>مقدمهدر جهان امروز که به سرعت در حال گسترش است، فناوری بیش از هر زمان دیگری در حال تسلط است. همانطور که محصولات، بیشتر و بیشتر دیجیتالی می شوند، میزان داده های تولید و جمع آوری شده افزایش می­یابد، همزمان فرصت های شغلی پیرامون داده­ها نیز افزایش می یابد.نقش مدیر محصول شغلی است که در بازار امروز در سرتاسر جهان در حال افزایش است . نقش ها به طور تصاعدی در حال رشد هستند. با این تعریف شغلی که به شما امکان می دهد محصول و افراد را مدیریت کنید و در عین حال نزدیک به داده ها باشید را چه می­توان نامید ؟ یک مدیر محصول داده - اگر با  علم داده و تجزیه و تحلیل و تجربه مدیریت محصول آشنایی دارید، این یک فرصت بزرگ است!با افزایش میزان دسترسی به داده ها، مدیران محصول اکنون این فرصت را دارند که نه تنها با بهبود محصولات موجود، بلکه با ایجاد محصولات کاملاً جدید، از داده ها به نفع خود استفاده کنند.در این مقاله ، سعی می کنیم نقش مدیران محصول داده در سازمان ها و نحوه استفاده از علم داده، یادگیری ماشین و هوش مصنوعی را برای حل مشکلات درک کنیم.مدیر محصول داده کیست؟مدیر محصول داه  شبیه هر مدیر محصول دیگری است و موفقیت یک محصول را هدایت می‌کند و تیم‌های متقابلی که مسئول بهبود محصول هستند را رهبری می‌کند. علاوه بر این در اینجا: داده ها را در قلب هر کاری که انجام می دهد قرار می دهد.مدیرمحصول های داده مسئول طراحی محصولات و ویژگی های مبتنی بر بینش های مبتنی بر داده های پیشرفته، تجسم داده ها با ابزارهای مصورساز برای تجزیه و تحلیل آماری، و شناسایی روابط منحصر به فرد بین متغیرها از طریق آزمون فرضیه و مدل سازی هستند.مسئولیت­ها1- از داده های تحقیقات بازار، برای تقویت توسعه محصول استفاده کنید2- از تکنیک‌های علم داده، فرآیندهای مهندسی داده و آزمون­های تحقیقات بازار برای ارائه تجربیات سفارشی محصول استفاده کنید.3- از قدرت مفاهیم انبارداده و مصورسازی برای توسعه محصول استفاده کنید4- دیتاپایپ­لاین و استراتژی های انبارداده را توسعه دهید تا از داده های جمع آوری شده از یک محصول، به منظور تجزیه و تحلیل قوی استفاده کنید.5- تکنیک‌هایی را برای ارزیابی داده‌ها از محصولات برخط یاد بگیرید، از جمله نحوه طراحی و اجرای آزمون‌های مختلف A/B و چند متغیره برای شکل دادن به تکرار بعدی یک محصول.6- خروجی گرفته شده در تجزیه و تحلیل های آماری را ارزیابی کنید و آنها را به بینش تبدیل کنید تا برای تصمیم­گیری در مورد محصول از آنها استفاده کنید.منبع : https://towardsdatascience.com/a-step-by-step-guide-to-becoming-a-data-product-manager-c1ad6d111160</description>
                <category>Ali Maleki</category>
                <author>Ali Maleki</author>
                <pubDate>Sat, 11 Jun 2022 18:34:22 +0430</pubDate>
            </item>
                    <item>
                <title>راهنمای جیبی پایتون- اتصال به Postgres</title>
                <link>https://virgool.io/@alimaleki100/%D8%B1%D8%A7%D9%87%D9%86%D9%85%D8%A7%DB%8C-%D8%AC%DB%8C%D8%A8%DB%8C-%D9%BE%D8%A7%DB%8C%D8%AA%D9%88%D9%86-%D8%A7%D8%AA%D8%B5%D8%A7%D9%84-%D8%A8%D9%87-postgres-g61za6aoxhf6</link>
                <description>فراخوانی کتابخانه های مورد نیازimport pandas as pdfrom sqlalchemy import create_engineاتصال به Postgresengine = create_engine(&#x27;postgresql://username:password@servername/databaseName&#x27;)انتقال اطلاعات دیتافریم به دیتابیسdf.to_sql(&quot;TblName&quot;, engine,if_exists=&#x27;append&#x27;)انتقال اطلاعات ازدیتابیس به دیتابیسdf = pd.read_sql_table(&#x27;TblName&#x27;,engine)ریپازیتوری کد در Github:https://github.com/alimaleki100/PythonDB</description>
                <category>Ali Maleki</category>
                <author>Ali Maleki</author>
                <pubDate>Sat, 09 May 2020 04:15:29 +0430</pubDate>
            </item>
                    <item>
                <title>نصب اسپارک(Spark) در اوبونتو18</title>
                <link>https://virgool.io/@alimaleki100/%D9%86%D8%B5%D8%A8-%D8%A7%D8%B3%D9%BE%D8%A7%D8%B1%DA%A9spark-%D8%AF%D8%B1-%D8%A7%D9%88%D8%A8%D9%88%D9%86%D8%AA%D9%8818-wyoosmuecp4z</link>
                <description>برای نصب اسپارک در اوبونتو 18.04 نخست نیازبه نصب جاوا دارید.آپدیت کردن پکیج­هاsudo apt updateنصب جاوابرای نصب جاوا 8 بر روی اوبونتو 18.04sudo apt install default-jdksudo apt updatesudo add-apt-repository ppa:webupd8team/javasudo apt updatesudo apt install oracle-java8-installerدانلود آخرین نسخه آپاچی اسپارک :https://spark.apache.org/downloads.htmlبا دستور tar xvf  فایل رو اکسترکت کنیدtar xvf spark-2.4.2-bin-hadoop2.7.tgzپوشه اسپارک ساخته شده را منتقل کنید:sudo mv spark-2.4.2-bin-hadoop2.7/ /opt/sparkتنظیم محیط اسپارک:Nano ~/.bashrcدستورات زیر را در فایل اضافه کنید:export SPARK_HOME=/opt/sparkexport PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbinتغییرات را فعال کتید:source ~/.bashrcراه اندازی یک سرور standalone:start-master.shآدرس webUI:Localhost:8080راه اندازی Spark Worker Process$ start-slave.sh spark://ubuntu:7077استفاده از Pyspark:/opt/spark/bin/pyspark</description>
                <category>Ali Maleki</category>
                <author>Ali Maleki</author>
                <pubDate>Fri, 08 May 2020 14:49:52 +0430</pubDate>
            </item>
            </channel>
</rss>