جستجو برای:
  • صفحه نخست
  • دوره‌های آموزشی
    • دوره علم داده (آنلاین)
    • دوره آمار در علم داده (آنلاین)
    • دوره هوش تجاری (آنلاین)
    • دوره تربیت مدیر بازاریابی: از مبانی تا داده محوری (آنلاین)
    • دوره آنلاین مهندسی داده و کلان داده
    • دوره کاربرد علم داده در مدیریت زنجیره تأمین
    • تحلیل کسب و کار: از KPI تا OKR
    • دوره پیشرفته علم داده (آنلاین)
    • دوره علم داده و معاملات الگوریتمی (آنلاین)
    • دوره مدیریت محصول (آنلاین)
    • دوره جامع مدیریت پروژه چابک (آنلاین)
  • همایش‌های علم داده
  • مسیر یادگیری علم داده
  • تقویم آموزشی
  • درباره ما
    • چرا موسسه توسعه
    • تیم توسعه
    • اساتید توسعه
    • کاتالوگ دوره های آموزشی
    • تماس با ما
 
  • 021-91302070
  • info@tihe.ac.ir
  • بلاگ
  • قوانین موسسه
  • تماس با ما
  • چرا موسسه توسعه
موسسه توسعه
  • صفحه نخست
  • دوره‌های آموزشی
    • دوره علم داده (آنلاین)
    • دوره آمار در علم داده (آنلاین)
    • دوره هوش تجاری (آنلاین)
    • دوره تربیت مدیر بازاریابی: از مبانی تا داده محوری (آنلاین)
    • دوره آنلاین مهندسی داده و کلان داده
    • دوره کاربرد علم داده در مدیریت زنجیره تأمین
    • تحلیل کسب و کار: از KPI تا OKR
    • دوره پیشرفته علم داده (آنلاین)
    • دوره علم داده و معاملات الگوریتمی (آنلاین)
    • دوره مدیریت محصول (آنلاین)
    • دوره جامع مدیریت پروژه چابک (آنلاین)
  • همایش‌های علم داده
  • مسیر یادگیری علم داده
  • تقویم آموزشی
  • درباره ما
    • چرا موسسه توسعه
    • تیم توسعه
    • اساتید توسعه
    • کاتالوگ دوره های آموزشی
    • تماس با ما
0
ورود / عضویت

دوره پیشرفته علم داده با پایتون (آنلاین)

خانهعلوم دادهدوره پیشرفته علم داده با پایتون (آنلاین)
https://tihe.ac.ir/wp-content/uploads/2021/02/Advanced-data-science-course.mp4
حالت مطالعه

دوره پیشرفته علم داده با پایتون (Advanced Data Science)

این دوره، مکملی بر دوره صد ساعته علم داده است که در این دوره به مباحث پیشرفته علم داده با تمرکز بر حوزه یادگیری عمیق (Deep Learning) خواهیم پرداخت. یادگیری عمیق زیرمجموعه‌ای از حوزه یادگیری ماشین (Machine Learning) است که با الگوریتم‌هایی سر و کار دارند که از ساختار و عملکرد شبکه‌های عصبی در مغز انسان الهام گرفته شده‌اند.

مباحث مربوط به یادگیری عمیق طیف گسترده‌ای از موضوعات پیچیده را شامل می‌گردد و مخاطبان بدون هیچ پیش زمینه‌ای ممکن است در این حجم از موضوعات سردرگم شوند. یکی از مهمترین مزیت‌های دوره پیشرفته علم داده (دیتا ساینس) این است که طی یک روش ساختارمند سعی می‌کند شهود نهفته در این الگوریتم ها را به مخاطب منتقل کند تا او بتواند آنها را در حل مسائل کاربردی پیاده‌سازی کند. در این دوره آموزشی، دانشجویان فرصت این را خواهند داشت که با 8 موردکاوی کاربردی در حوزه یادگیری عمیق آشنا شوند تا زمینه‌ای فراهم گردد که دانشجو را برای حل مسائل عملی بکار ببرند. 

همچنین از بین یک سری موضوعات تعریف شده توسط استاد درس، هر دانشجو باید یک پروژه برای خود انتخاب و به مرور در طول دوره آن را تکمیل کرده و در جلسه آخر ارائه کند.  به همین دلیل تعهد دانشجویان به دنبال کردن مستمر مطالب کلاس و تخصیص وقت مناسب برای انجام پروژه بسیار اهمیت دارد.

انتظار این است که دانشجویان شرکت‌کننده در این دوره، دانش کافی بر الگوریتم‌های مقدماتی یادگیری ماشین و مفاهیم آن داشته باشند و با زبان برنامه نویسی پایتون نیز آشنا باشند. به دانشجویان توصیه می‌گردد برای آشنایی با مفاهیم الگوریتم‌های یادگیری ماشین و کاربرد زبان پایتون، ابتدا دوره آموزشی علم داده را در موسسه توسعه گذرانده باشند.

امید است مخاطبان با شرکت در این دوره به دانش و توانمندی در حوزه یادگیری عمیق دست یابند که بتوانند از آن در جهت فعالیت در زمینه‌های اجرایی، تحقیقاتی و آکادمیک در داخل یا خارج از کشور بهره ببرند.

 

مخاطبان دوره علم داده

  • دانشجویان و فارغ التحصیلان تحصیلات تکمیلی رشته‌های فنی مهندسی،مدیریت و رشته‌های علوم پایه
  • اعضای تیم داده و هوش تجاری شاغل در استارتاپ‌ها، سازمان‌ها و کسب و کارها
  • علاقمندان به حوزه علم داده (Data Science)، یادگیری ماشین و یادگیری عمیق
  • علاقه‌مندان به امور پژوهشی در حوزه یادگیری عمیق و هوش مصنوعی
  • علاقمندان به اشتغال در خارج از ایران در حوزه علم داده و هوش مصنوعی

سرفصل های دوره پیشرفته علم داده (دیتا ساینس) با Python

این دوره در 22 جلسه تشکیل می‌گردد که هر جلسه 3 ساعت در هفته است. سیلابس این دوره عبارتند از:

جلسه اول: مقدمه‌

جلسه دوم: مروری بر زبان پایتون (Python)

جلسه سوم: پایه‌های یادگیری عمیق (Deep Learning)

جلسه چهارم: موردکاوی -1 : دسته بندی تصاویر در صنعت مد و لباس با استفاده از TensorFlow و Keras

جلسه پنجم: آشنایی با یادگیری تقویتی (Reinforcement Learning)

جلسه ششم: آشنایی با نمونه‌گیری تامپسون (Thompson Sampling)

جلسه هفتم: موردکاوی -2: قیمت گذاری دینامیکی (Dynamic Pricing) برای یک پلتفورم تجارت الکترونیکی

جلسه هشتم: آشنایی با الگوریتم Q-Learning

جلسه نهم: موردکاوی -3 : کاربرد هوش مصنوعی در لجستیک

جلسه دهم: آشنایی با الگوریتم Q-Learning عمیق

جلسه یازدهم: موردکاوی -4: هوش مصنوعی و کاهش هزینه‌های عملیات

جلسه دوازدهم: آشنایی با شبکه‌های عصبی پیچشی (Convolutional Neural Networks)

جلسه سیزدهم: موردکاوی – 5: هوش مصنوعی بازی می‌کند!

جلسه چهاردهم: آشنایی با شبکه‌های عصبی بازگشتی (Recurrent Neural Networks)

جلسه پانزدهم: موردکاوی -6: RNNs در بازارهای مالی

جلسه شانزدهم: الگوریتم‌های RNNs و CNNs برای پردازش تصویر

جلسه هفدهم: موردکاوی-7: بهره‌گیری از پایتون و OpenCV برای پردازش تصویر

جلسه هجدهم: مروری بر ماشین‌های بولتزمن (Boltzmann Machines)

جلسه نوزدهم: مروری بر Auto Encoders

جلسه بیستم: موردکاوی – 8: طراحی یک سیستم پیشنهاددهنده

جلسه بیست و یکم: مقدمه ای بر یادگیری عمیق بیزی (Bayesian Deep Learning)

جلسه بیست و دوم: ارائه پروژه‌های دانشجویان دوره

دانلود سرفصل‌ها به زبان انگلیسی

سوالات متداول

آیا در پایان دوره گواهینامه دریافت میکنیم؟

بله گواهینامه مورد تایید وزارت علوم و با قابلیت ترجمه دریافت خواهید کرد.

مدت زمان این دوره چقدر می باشد و آیا این دوره پیش‌نیازی دارد؟

این دوره 66 ساعت آموزشی می‌باشد و در هر هفته 1 جلسه 3 ساعته خواهید داشت. 

به دانشجویان توصیه می‌گردد با مفاهیم الگوریتم‌های یادگیری ماشین و کاربرد زبان پایتون آشنا باشند. اگر این آشنایی را ندارید پیشنهاد میکنیم ابتدا در دوره آموزشی علم داده موسسه توسعه شرکت کنید.

آیا در این درس مثال‌ها و تمرین‌های عملی وجود دارد؟

بله، تمامی مطالب آموزشی به همراه با موردکاوی (Case Study) و تمرین‌های مختلف ارائه خواهند شد. دانشجویان در این درس بر روی داده‌های واقعی کار می‌کنند و یاد می‌گیرند چگونه مفاهیم را در عمل پیاده‌سازی کنند.

آیا تمرین‌های کلاسی و پروژه وجود دارد؟

بله، متناسب با هر موضوع که تدریس می‌گردد، تمرین به دانشجویان داده می‌شود.

همچنین از بین یک سری موضوعات تعریف شده توسط استاد درس، هر دانشجو باید یک پروژه برای خود انتخاب و به مرور در طول دوره آن را تکمیل کرده و در جلسه آخر ارائه کند.

من از مک یا لینوکس استفاده می‌کنم. آیا می‌توانم در دوره شرکت کنم؟

برای شرکت در دوره از مک یا لینوکس نمی‌توان استفاده کرد. حتما نیاز به سیستم عامل ویندوز دارید.

آیا با گوشی تلفن همراه می‌توانم به محتوای دوره دسترسی داشته باشم؟

این امکان وجود دارد که برای حضور در کلاس آنلاین با گوشی تلفن همراه وارد کلاس شوید. اما به دلایل حفظ حقوق ناشر هر 10 جلسه یکبار برای ورود به کلاس باید از طریق نرم افزاری که فقط روی ویندوز نصب می شود وارد کلاس شوید پس استثنائا برخی از جلسات را با گوشی موبایل نمیتوانید وارد شوید.

اما تمام فیلم‌های ضبط شده جلسات روی گوشی قابلیت پخش ندارند و برای پخش آن ها نیاز به ویندوز و استفاده از نرم‌افزار مخصوص موسسه توسعه دارید.

سوالی دارم که در لیست بالا نیست. چطور می‌تواند پاسخ را دریافت کنم؟

می توانید فرم درخواست مشاوره که در پایین آمده است را تکمیل نمایید تا مشاورین موسسه با شما تماس بگیرند. 

برچسب: دوره آنلاین دیتا ساینس کارگاه علم داده

درخواست مشاوره

برای کسب اطلاعات بیشتر درباره این دوره درخواست مشاوره خود را ارسال کنید و یا با ما در تماس باشید.

درخواست مشاوره
021-91302070

نیاز به مشاوره دارید؟

در صورتی که نیاز به مشاوره دارید می توانید فرم را تکمیل نمایید و یا با ما در تماس باشید

درخواست مشاوره رایگان

مشاوره دوره

دوره های مرتبط

دوره آنلاین تحلیل کسب و کار: از KPI تا OKR

دوره آنلاین تحلیل کسب و کار: از KPI تا OKR یکی از مشکلاتی که ما در کسب و کار یا…

46
5,400,000 تومان
دوره بازاریابی داده‌محور

دوره آنلاین تربیت مدیر بازاریابی: از مبانی تا داده محوری

دوره آنلاین تربیت مدیر بازاریابی: از مبانی تا داده محوری این سوال طی سال‌های اخیر همیشه دغدغه من بوده: چطوری…

73
4,900,000 تومان

دوره آنلاین و بلند مدت هوش تجاری

دوره هوش تجاری (Business Intelligence) هوش تجاری در حال حاضر یکی از پرکاربردترین مفاهیم در دنیای کسب و کارهای ایرانی و…

175
7,200,000 تومان

دوره آنلاین و بلند مدت مدیریت محصول

مدیریت محصول چیست؟ مدیر محصول نقشی کلیدی و جنرالیست در تیم محصول به حساب می آید که مسئولیت تمام ابعاد…

113
5,900,000 تومان

chat_bubble_outlineنظرات

قوانین ثبت دیدگاه

  • دیدگاه های فینگلیش تایید نخواهند شد.
  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • امتیاز دادن به دوره فقط مخصوص دانشجویان دوره می باشد.

لغو پاسخ

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قیمت :

7,800,000 تومان

امتیاز
0 از 0 رأی
بدون امتیاز 0 رای
7,800,000 تومان
تعداد دانشجو : 55
نوع دوره: آنلاین
سطح دوره: پیشرفته
پیش نیاز: آشنایی با مفاهیم یادگیری ماشین و Python
تاریخ شروع: ثبت نام در لیست انتظار
زبان: فارسی
66 ساعت
روش پشتیبانی: کانال تلگرامی، ارسال تیکت
گواهینامه موسسه آموزش عالی آزاد توسعه مورد تایید وزارت علوم
فیلم هر جلسه ضبط می‌شود و با نرم افزار پخش کننده مخصوص موسسه که روی ویندوز نصب میشود قابلیت بازپخش دارد
34.75k بازدید 0 دیدگاه
دکتر فرزاد مینویی
دکتر فرزاد مینویی
فارغ التحصیل دکتری مدیریت از دانشگاه کلورادو امریکا

MBَA دانشگاه صنعتی شریف و مجری پروژه‌های علم داده در امریکا و ایران

دسته: تحلیل داده، علوم داده
درباره مؤسسه توسعه

موسسه آموزش عالی آزاد توسعه برگزارکننده تخصصی دوره‌های آموزشی علوم داده (دیتا ساینس) در ایران می‌باشد و تا کنون بیش از 8000 نفر از دوره‌های علم داده فارغ التحصیل شده‌اند. همچنین گواهینامه‌های پایان دوره موسسه توسعه مورد تأیید وزارت علوم، تحقیقات و فناوری می‌باشد.

تماس با ما
  • تهران ، میدان ولیعصر (عج) ، کوچه مینو ، پلاک 132
  • 02191302070 - 02186741
  • info@tihe.ac.ir

تمامی حقوق برای موسسه توسعه محفوظ می باشد.
ورود ×
رمز عبور را فراموش کرده اید؟
ورود با کد یکبارمصرف
ارسال مجدد کد یکبار مصرف(00:59)
آیا حساب کاربری ندارید؟
ثبت نام
ارسال مجدد کد یکبار مصرف(00:59)
برگشت به ورود

ارسال مجدد کد یکبار مصرف (00:59)
برگشت به ورود
  • (+93) افغانستان
  • (+355) آلبانى
  • (+213) الجزيره
  • (+1) آمریکن ساموا
  • (+376) آندورا
  • (+244) آنگولا
  • (+1) آنگویلا
  • (+1) Antigua
  • (+54) آرژانتين
  • (+374) ارمنستان
  • (+297) آروبا
  • (+61) استرالیا
  • (+43) اتریش
  • (+994) آذربایجان
  • (+973) بحرين
  • (+880) بنگلادش
  • (+1) باربادوس
  • (+375) بلاروس
  • (+32) بلژيك
  • (+501) بلیز
  • (+229) بنین
  • (+1) برمودا
  • (+975) بوتان
  • (+591) بوليوي
  • (+599) Bonaire, Sint Eustatius and Saba
  • (+387) بوسني و هرزگوين
  • (+267) بوتسوانا
  • (+55) برزيل
  • (+246) محدوده اقیانوس هند تحت سیطره بریتانیا
  • (+1) British Virgin Islands
  • (+673) برونئی
  • (+359) بلغارستان
  • (+226) بورکینافاسو
  • (+257) بوروندی
  • (+855) کامبوج
  • (+237) كامرون
  • (+1) كانادا
  • (+238) کیپ ورد
  • (+1) جزابر کیمن
  • (+236) جمهوری آفریقای مرکزی
  • (+235) چاد
  • (+56) شيلي
  • (+86) چين
  • (+57) كلمبيا
  • (+269) کومور
  • (+682) جزایر کوک
  • (+225) Côte d'Ivoire
  • (+506) كاستا ريكا
  • (+385) كرواسي
  • (+53) كوبا
  • (+599) Curaçao
  • (+357) قبرس
  • (+420) جمهوري چك
  • (+243) Democratic Republic of the Congo
  • (+45) دانمارك
  • (+253) جیبوتی
  • (+1) دومنيكا
  • (+1) جمهوري دومنيكا
  • (+593) اكوادر
  • (+20) مصر
  • (+503) الساوادر
  • (+240) گینه استوایی
  • (+291) اریتره
  • (+372) استوني
  • (+251) اتيوپي
  • (+500) جزایر فالکلند
  • (+298) جزایر فارو
  • (+691) Federated States of Micronesia
  • (+679) فیجی
  • (+358) فنلاند
  • (+33) فرانسه
  • (+594) گویان فرانسه
  • (+689) پلی نزی فرانسه
  • (+241) گابون
  • (+995) Georgia
  • (+49) آلمان
  • (+233) غنا
  • (+350) جبل الطارق
  • (+30) يونان
  • (+299) گرینلند
  • (+1) گرانادا
  • (+590) گوادولوپ
  • (+1) گوام
  • (+502) گواتمالا
  • (+44) گرنزی
  • (+224) گينه
  • (+245) گينه بي سائو
  • (+592) گویان
  • (+509) هائيتي
  • (+504) هندوراس
  • (+852) هنگ كنگ
  • (+36) مجارستان
  • (+354) ایسلند
  • (+91) هند
  • (+62) اندونزي
  • (+98) ایران
  • (+964) عراق
  • (+353) Ireland
  • (+44) Isle Of Man
  • (+972) رژيم صهيونيستي
  • (+39) ايتاليا
  • (+1) جامائيكا
  • (+81) ژاپن
  • (+44) جرسي
  • (+962) اردن
  • (+7) قزاقستان
  • (+254) كنيا
  • (+686) كيريبيتي
  • (+965) كويت
  • (+996) قرقیزستان
  • (+856) لائوس
  • (+371) لتونی
  • (+961) لبنان
  • (+266) لسوتو
  • (+231) لیبریا
  • (+218) ليبي
  • (+423) لیختن اشتاین
  • (+370) ليتواني
  • (+352) لوكسامبورگ
  • (+853) Macau
  • (+389) Macedonia
  • (+261) ماداگاسكار
  • (+265) مالاوی
  • (+60) مالزي
  • (+960) مالديو
  • (+223) مالي
  • (+356) مالتا
  • (+692) جزایر مارشال
  • (+596) مارتینیک
  • (+222) موریتانی
  • (+230) موریس
  • (+262) مایوت
  • (+52) مكزيك
  • (+373) مالديو
  • (+377) موناکو
  • (+976) مغولستان
  • (+382) مونته نگرو
  • (+1) مونتسرات
  • (+212) مراكش
  • (+258) موزامبيك
  • (+95) ميانمار
  • (+264) نامیبیا
  • (+674) نائورو
  • (+977) نپال
  • (+31) هلند
  • (+687) کالدونیای جدید
  • (+64) نيوزلند
  • (+505) نیکاراگوئه
  • (+227) نیجر
  • (+234) نيجريه
  • (+683) نیوئه
  • (+672) جزیره نورفولک
  • (+850) كره ي شمالي
  • (+1) جزایر ماریانای شمالی
  • (+47) نروژ
  • (+968) عمان
  • (+92) پاكستان
  • (+680) Palau
  • (+970) فلسطین
  • (+507) پاناما
  • (+675) پاپوا گينه ي نو
  • (+595) پاراگوئه
  • (+51) پرو
  • (+63) فيليپين
  • (+48) لهستان
  • (+351) پرتغال
  • (+1) پورتوریکو
  • (+974) قطر
  • (+242) کنگو
  • (+40) روماني
  • (+262) Runion
  • (+7) روسيه
  • (+250) رواندا
  • (+290) سنت هلن
  • (+1) سنت کیتس و نویس
  • (+508) سنت پیر و میکلون
  • (+1) سنت وینسنت و گرنادین
  • (+685) ساموا
  • (+378) سن مارینو
  • (+239) Sao Tome and Principe
  • (+966) عربستان سعودی
  • (+221) سنگال
  • (+381) صربستان
  • (+248) سیشل
  • (+232) سیرالئون
  • (+65) سنگاپور
  • (+1) Sint Maarten
  • (+421) اسلواکی
  • (+386) اسلونی
  • (+677) جزاير سليمان
  • (+252) سومالی
  • (+27) آفريقای جنوبي
  • (+82) كره ی جنوبي
  • (+211) سودان جنوبی
  • (+34) اسپانيا
  • (+94) سريلانكا
  • (+1) St. Lucia
  • (+249) سودان
  • (+597) سورینام
  • (+268) سوازیلند
  • (+46) سوئد
  • (+41) سوييس
  • (+963) سوريه
  • (+886) تايوان
  • (+992) تاجيكستان
  • (+255) تانزانيا
  • (+66) تايلند
  • (+1) The Bahamas
  • (+220) گامبیا
  • (+670) تیمور
  • (+228) توگو
  • (+690) توکلائو
  • (+676) تونگا
  • (+1) ترینیداد و توباگو
  • (+216) تونس
  • (+90) تركيه
  • (+993) تركمنستان
  • (+1) جزایر تورکس و کایکوس
  • (+688) تووالو
  • (+1) U.S. Virgin Islands
  • (+256) اوگاندا
  • (+380) اوكراين
  • (+971) امارات متحده ي عربي
  • (+44) انگلیس
  • (+1) امریکا
  • (+598) اوروگوئه
  • (+998) ازبكستان
  • (+678) وانواتو
  • (+58) ونزوئلا
  • (+84) ويتنام
  • (+681) والیس و فوتونا
  • (+212) صحرای غربی
  • (+967) يمن
  • (+260) زامبیا
  • (+263) زیمباوه
question

ورود

رمز عبور را فراموش کرده اید؟

هنوز عضو نشده اید؟ عضویت در سایت