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
بله گواهینامه مورد تایید وزارت علوم و با قابلیت ترجمه دریافت خواهید کرد.
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.
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.
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.
برای شرکت در دوره از مک یا لینوکس نمیتوان استفاده کرد. حتما نیاز به سیستم عامل ویندوز دارید.
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.
می توانید فرم درخواست مشاوره که در پایین آمده است را تکمیل نمایید تا مشاورین موسسه با شما تماس بگیرند.
درخواست مشاوره
برای کسب اطلاعات بیشتر درباره این دوره درخواست مشاوره خود را ارسال کنید و یا با ما در تماس باشید.
درخواست مشاورهدوره های مرتبط
دوره آنلاین مهندسی داده و کلان داده
دوره آنلاین مهندسی داده و کلان داده (Data engineering & Big data) با گسترش روزافزون اینترنت قرن ۲۱ام و گسترش…
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…
دوره علم داده در بازارهای مالی و معاملات الگوریتمی با Python
دوره علم داده در بازارهای مالی و معاملات الگوریتمی پس از انقلاب صنعتی چهارم، مهمترین دارایی شرکت های فناور، داده…
دوره آنلاین و بلند مدت آمار در علم داده
دوره آنلاین آمار برای علم داده با R، Mintab و JMP افرادی که در حوزه علم داده فعالیت کردهاند، میدانند…
chat_bubble_outlineنظرات
9,200,000 تومان

دکتر فرزاد مینویی
فارغ التحصیل دکتری مدیریت از دانشگاه کلورادو امریکاMBَA دانشگاه صنعتی شریف و مجری پروژههای علم داده در امریکا و ایران
قوانین ثبت دیدگاه