صفحه اصلی
علم داده
کنترل پروژه
مهندسی ومدیریت کیفیت
نرم افزارهای مهندسی
تربیت پژوهشگر
مدیریت مالی
مدیریت وکسب و کار
همایش وکنفرانس
خدمات آنلاین
   سرفصل‌های تفصیلی دوره علم داده

چشم انداز دوره علم داده (Data Science):

این دوره سعی بر ایجاد فهم عمیقی از پایه های اصلی علم داده داشته که به نوبه خود می توانند داوطلبان را در یافتن موقعیت های شغلی مناسب در بازار رو به پیشرفت کنونی یاری نمایند. تمرکز اصلی دوره بر ستون های علم داده یعنی مفاهیم آماری، الگوریتم ها و عناصر مورد نیاز علوم کامپیوتری می باشد. کل دوره شامل 6 مرحله (5 درس + پروژه عملی) است که مراحل مختلف دارای توالی منطقی و زمانی می باشند. در ادامه، کلیه درس های ارائه شده در دوره به همراه سرفصل های اصلی معرفی خواهند شد  و در نهایت رهنگاشت علم داده مورد بررسی قرار خواهد گرفت. 

سرفصل ها و عناوین:

 

آشنایی مقدماتی با برنامه نویسی در R (Introduction to R programming)

  • آشنایی با بردارها، آرایه ها، رشته ها و دیتا فریم ها (Vectors, Arrays, Strings, Lists and Data Frames)
  • آشنایی با فراخوانی و ثبت داده ها در R (Importing and exporting Data)
  • عبارات منطقی و حلقه ها (For loops and logical expressions)
  • توابع (Functions)
  • آشنایی با کتابخانه های مورد نیاز (Libraries and packages)
  • تحليل و برآورد مقادير گمشده  (Imputing and analyzing missing values)
  • طراحي مقدماتي سيستم هاي پيشنهاد دهنده (Basic recommender systems)

مدل های خطی کاربردی با استفاده از نرم افزار R (رگرسیون) (Applied Linear Models in R (Regression))

  • عملیات بر روی بردارها و ماتریس ها (Introduction to statistical data analysis )
  • توابع بر روی ماتریس ها (Random vectors and multivariate data)
  • مقدمه ای بر بردار متغیرهای تصادفی (Basic operations on matrices)
  • مدل رگرسیون خطی چندگانه (Linear regression)
    • مطالعه موردی در صنعت: طراحی فضای حرکت صندلی داخل خودرو
    • مطالعه موردی در ورزش: بررسی رابطه بین سن و عملکرد دوندگان ماراتن
  • بررسی مفروضات رگرسیونی
  • مدل رگرسیون خطی تعمیم یافته 
    • مطالعه موردی در خدمات درمانی
  • روش انتخاب متغیر استپ وایز ( Stepwise regression for variable selection)

مدل های چند متغیره کاربردی با استفاده از نرم افزار Python (روش های داده کاوی) (Applied Multivariate Models in Python (data mining methods))

  • مقدمه اي بر نرم افزار پايتون (Introduction to python)
  • تجزیه طیفی و تجزیه مقادیر منفرد (Matrix decomposition)
    • مقدمه ای بر تحلیل سیگنال ها در عکس ها
  • قوانین انجمنی (Association Rules)
    • مطالعه موردی در خدمات شهری (یا تحلیل اقلام فروشگاهی)
  • تکنیک های کاهش بعد (Dimension reduction using principal component analysis)
    • تجزیه مولفه های اصلی 
  • تکینیک های طبقه بندی: قسمت اول (روش های پارامتری) (Parametric classification Part I)
    • مدل بیز (Bayes rule)
    • روش Linear discriminant analysis 

    • روش QDA 
    • روش بیز ساده 
    • مطالعه موردی در صنعت: طبقه بندی وضعیت قطعات مورد استفاده در جوشکاری فراصوتی
    • روش رگرسیون تيغه اي، لسو و الاستيک نت با کاربرد در طبقه بندی پیغام های ایمیل ها 
    • یادگیری عمیق  Deep learning (object detection)

  • تکنیک های طبقه بندی: قسمت دوم (روش های ناپارامتری) (Parametric classification Part II)
    • ماشین بردارهای پشتیبان 
    • درخت تصمیم 
    • مباحث الحاقی درخت تصمیم
    • روش نزدیکترین k همسایه 
    • مطالعه موردی در خدمات درمانی: پیش بینی اختلالات ستون فقرات 
  • خوشه بندی (Clustering)

    • روش k-means 
    • روش خوشه بندی سلسله مراتبی (Hierarchical clustering)
    • روش خوشه بندی مبتنی بر مدل 
    • مطالعه موردی در مارکتینک: خوشه بندی مشتریان

مقدمه ای بر تحلیل داده های طولی (An introduction to time series analysis)

  • مدل های سری زمانی

سیستم های مدیریت پایگاه داده (Database management systems (SQL server))


جهت ارتباط ارتباط تلگرامی با مشاورین می توانید به آی دی تلگرامی @tiheedu8 پیغام ارسال کنید


علاقمندان می توانند جهت ثبت نام در دوره فوق از طریق زیر اقدام نمایند:

«همچنین می توانید با شماره های 02186741 داخلی 120، 125 و 127 نیز تماس حاصل فرمایید»

 

دوره های موسسه توسعه با همکاری موسسه پژوهش برگزار می گردد، جهت کسب اطلاعات بیشتر درخصوص دوره ها و امور آموزشی می توانید با شماره : 86741-021 (موسسه پژوهش)تماس حاصل نمایید
آدرس ستاد پشتیبانی: تهران، سهروردی شمالی، خیابان شهید قندی غربی، بین خیابان پنجم و هفتم، پلاک 40 ، تلفن: 88933622-021
آدرس موسسه پژوهش (ستاد آموزش) : ضلع جنوب غربی میدان ولیعصر؛ جنب سینما قدس، کوچه مینو؛ پلاک 132؛ موسسه آموزش عالی آزاد پژوهش ; آدرس ایمیل: Tihe.ac.ir@gmail.com
.تمامی حقوق مادی و معنوی این سایت متعلق به موسسه آموزش عالی آزاد توسعه می باشد ©