دوره آنلاین علم داده (DATA SCIENCE)
علم داده (Data Science) شامل مجموعهای از اصول، تعریف مسئله، الگوریتمها و فرآیندها است که هدف آن استخراج الگوهای غیرواضح و مفید از مجموعه دادهها است. امروز علم داده در حال تحول حوزههای علمی و کاربردی مختلف از پزشکی، روان شناسی، علوم اجتماعی، کسبوکار و مدیریت، علوم پایه، فنی و مهندسی و … است.
کسانی که میخواهند در علم داده وارد شوند، باید در سه حوزه کلاسیک دانشی توانمندی و دانش خود را تقویت کنند: برنامهنویسی و علوم کامپیوتر، آمار و ریاضیات و یک حوزه تخصصی که حوزهای است که میخواهند علم داده را در آن بکار ببرند. دوره صد ساعته علم داده در موسسه توسعه، سعی بر این دارد تا توانمندی شما را در دو حوزه نخست یعنی برنامه نویسی و علوم کامپیوتر، آمار و ریاضیات توسعه دهد. انتظار این است دانشجویان این حوزه با یادگیری ابزارها، الگوریتمها و اصولی که تدریس میشود، در نهایت بتوانند آنها را برای حل مسئله در رشته تخصصی خود بکار ببرند.
دانشجویان نیاز به داشتن آشنایی قبلی با برنامه نویسی ندارند و در طول دوره با زبان های برنامه نویسی R و پایتون (Python) آشنا خواهند شد. گرچه در این دوره به مفاهیم آماری زیاد اشاره میگردد، ولی این دوره درباره آموزش آمار نیست. انتظار این است که دانشجویان شرکتکننده با مفاهیم پایه آماری شامل مفاهیم اولیه احتمال، توزیعهای مهم احتمال مانند توزیع نرمال، دو جملهای، پواسن و… ، نمونهگیری تصادفی، برآورد بازهای و نقطهای، آزمون فرضیه آشنا باشند. در غیر اینصورت توصیه میگردد در کلاس آمار در علم داده موسسه توسعه شرکت کنند. اگر در دوره تحصیلات دانشگاهی دروسی مانند آمار و احتمال مهندسی یا آمار کاربردی گذراندند، منابع و جزوات خود را مرور کنند.
در این دوره آموزشی، دانشجویان فرصت این را خواهند داشت که بر روی دادههای واقعی کار کنند تا زمینهای فراهم شود که دانش آموختهشده را برای حل مسائل عملی بکار ببرند. امید است مخاطبان با شرکت در این دوره به دانش و توانمندی 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 کسبوکارها
- علاقمندان به حوزه علم داده (Data Science)، یادگیری ماشین و دادهکاوی
علاقهمندان به امور پژوهشی در حوزه علم داده
علاقمندان به اشتغال در خارج از ایران در حوزه علم داده
سرفصلهای دوره علم داده (دیتا ساینس)
این دوره در ۳۱ جلسه برگزار میشود که هر جلسه ۳ ساعت و نیم است. جمعاً در این دوره بیش از صد ساعت محتوای آموزشی با تکیه بر حل مسئله از دنیای واقعی در حوزههای مختلف علم داده ارائه میگردد. برنامه هر جلسه به شرح زیر است:
جلسه اول: مقدمهای بر علم داده، نصب آناکوندا، کار اولیه با پایتون (اعداد، حروف، عملگرها)
جلسه دوم: ساختارهای داده، عبارات شرطی و حلقهها در پایتون
جلسه سوم: ماژولها و کتابخانه، توابع و کلاس در پایتون، مثال الگوریتم نیوتن-رافسون
جلسه چهارم: آشنایی با کتابخانه Numpy در پایتون، مروری بر مفاهیم جبرخطی و ماتریسها
جلسه پنجم: آشنایی با کتابخانه Pandas در پایتون
جلسه ششم: آشنایی با کتابخانه Matplotlib در پایتون
جلسه هفتم: روشهای آمار توصیفی و استنباطی برای شناخت داده- موردکاوی اول
جلسه هشتم: نحوه مواجهه با دادههای گمشده و دادههای پرت- موردکاوی دوم
جلسه نهم: مقدمهای بر یادگیری ماشین، آشنایی با الگوریتم kNN
جلسه دهم: پیادهسازی الگوریتم kNN در پایتون و آشنایی با مراحل مدلسازی در یادگیری ماشین – موردکاوی سوم
جلسه یازدهم: الگوریتم رگرسیون خطی
جلسه دوازدهم: پیادهسازی الگوریتم رگرسیون خطی در پایتون – موردکاوی چهارم
جلسه سیزدهم: رگرسیون گام به گام و رویکردهای قاعدهسازی در رگرسیون خطی- موردکاوی پنجم
جلسه چهاردهم: آشنایی با الگوریتم درخت تصمیم و جنگل تصادفی در یادگیری ماشین- موردکاوی ششم
جلسه پانزدهم: آشنایی با رگرسیون لجستیک
جلسه شانزدهم: آشنایی با الگوریتمهای kNN، درخت تصمیم، جنگل تصادفی و ماشین بردار پشتیبان برای حل مسائل دستهبندی
جلسه هفدهم: پیادهسازی الگوریتمهای دستهبندی در پایتون – موردکاوی هفتم
جلسه هجدهم: آشنایی با الگوریتمهای نظارتنشده؛ خوشهبندی و کاهش بعد
جلسه نوزدهم: پیادهسازی الگوریتمهای نظارتنشده در پایتون- موردکاوی هشتم
جلسه بیستم: مقدمهای بر یادگیری عمیق- موردکاوی نهم
جلسه بیستویکم: تحلیل سریهای زمانی
جلسه بیستودوم: پیادهسازی تحلیل سریهای زمانی در پایتون- موردکاوی دهم
جلسه بیستوسوم: مقدمهای بر زبان برنامهنویسی R: ساختارهای داده، عبارات شرطی، حلقهها، توابع و کتابخانه
جلسه بیستوچهارم: تحلیلهای آماری در R- موردکاوی یازدهم
جلسه بیستوپنجم: پیادهسازی یادگیری ماشین در R بخش اول – موردکاوی پنجم در R
جلسه بیستوششم: پیادهسازی یادگیری ماشین در R بخش دوم – موردکاوی هفتم در R
جلسه بیستوهفتم: آشنایی با مفاهیم پایگاه داده و انبار داده
جلسه بیستوهشتم: راهاندازی پایگاه داده MySQL- موردکاوی دوازدهم، بخش اول
جلسه بیستونهم: تمیزکردن و پردازش دادهها در SQL- موردکاوی دوازدهم، بخش دوم
جلسه سیام: کوئرینویسی پیشرفته در SQL- موردکاوی دوازدهم، بخش سوم
جلسه سیویکم: مقدمهای بر پیادهسازی محصولات دادهمحور- موردکاوی سیزدهم
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 ویدیویی مهندسی داده و کلان داده
دوره ویدیویی مهندسی داده و کلان داده (Data engineering & Big data) با گسترش روزافزون اینترنت قرن ۲۱ام و گسترش…
دوره ویدیویی مدیریت پروژه چابک
دوره ویدیویی و جامع مدیریت پروژه چابک در دنیای کنونی، با توجه به سرعت تغییرات در محیط کسب و کار…
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…
نظرات
9,800,000 تومان 6,800,000 تومان
دکتر فرزاد مینویی
فارغ التحصیل دکتری مدیریت از دانشگاه کلورادو امریکاMBَA دانشگاه صنعتی شریف و مجری پروژههای علم داده در امریکا و ایران
طاها
سلام چرا قیمت ها انقدر بالاست
مدیر(مدیریت)
با سلام؛ هزینه دوره با توجه به سرفصل ها و مدت زمان آن تعیین می شود. جامعیت مطالبی که آموزش داده میشود و مدت زمان زیاد دوره اقتضا می کند هزینه دوره پایین نباشد. با آموزش هایی که در این دوره میبینید، خیلی سریع می توانید به کسب درآمد برسید و چندین برابر هزینه ای که برای این آموزش پرداخت کرده اید را بدست آورید. این هزینه یک سرمایه گذاری برای شما است.
ارمان
با سلام
زمان دقیق شروع دوره و همینطور روز و ساعت کلاس رو هم ممکنه بگید
مدیر(مدیریت)
چون مدام کد های جدید کلاسی تعریف می شوند، میتوانید آخرین تقویم کلاس ها را در لینک زیر مشاهده کنید:
https://tihe.ac.ir/educational-calendar
عرفان
سلام دوره کلا چند ماه طول میکشه؟
امکان دو جلسه در هفته نیستش حداقل؟
مدیر(مدیریت)
با سلام؛
طول دوره تقریباً 8 ماه میباشد. همچنین به دلیل اینکه دانشجویان باید فرصت کافی برای تمرین و پروژههای کلاسی صرف کنند، برگزاری دو جلسه در هفته معقول نمیباشد.
Basir
سرفصلها واقعا عالی هستند، و استاد بسیار مسلط.
ممنون از شما که چنین دورههای درجه یکی رو تدوین میکنید.