علوم داده و هوش مصنوعی

دوره جامع علم داده (Data Science)

973دانشجو
۱۴۴ ساعت

درباره این دوره

در جهان امروز، داده به مهم‌ترین دارایی سازمان‌ها تبدیل شده است. اما چالش اصلی، فهمیدن این اکوسیستم پیچیده و انتخاب مسیر درست برای ورود به آن است. دوره جامع علم داده، دقیقاً پاسخی به این نیاز است. این دوره یک تور راهنما در سرزمین وسیع داده است که به شما کمک می‌کند قبل از انتخاب مقصد نهایی، تمام جاذبه‌ها و مسیرهای ممکن را ببینید.

 

هدف دوره: کشف مسیر، نه پایان مسیر

هدف این دوره آموزش تخصصی یک نقش خاص نیست، بلکه معرفی همه جانبه‌ی حوزه‌های اصلی داده است. در طول 144 ساعت، شما با سه نقش کلیدی بازار کار آشنا می‌شوید:
تحلیل‌گر داده (Data Analyst)
مهندس داده (Data Engineer)
دانشمند داده (Data Scientist)
و می‌آموزید که هرکدام از این تخصص‌ها چه مسئولیت‌هایی دارند، با چه ابزارهایی کار می‌کنند و چگونه در کنار هم یک پروژه داده را پیش می‌برند.
چرا این رویکرد “جامع” بهترین شروع است؟
بسیاری از افراد بدون داشتن نقشه کلی، مستقیم به یادگیری یک تخصص می‌پردازند و پس از مدتی متوجه می‌شوند به حوزه دیگری علاقه‌مندند. این دوره از این اتلاف وقت و انرژی جلوگیری می‌کند. شما اینجا زبان مشترک کل حوزه داده را می‌آموزید و پس از اتمام دوره، می‌توانید با آگاهی کامل پاسخ این سوالات را بدهید:

من بیشتر به استخراج بینش از داده علاقه دارم یا ساختن زیرساخت برای پردازش آن؟
روحیه من بیشتر تحلیل کسب‌وکار را می‌طلبد یا مدل‌سازی ریاضی؟
کدام مسیر شغلی با استعدادها و علائق من همخوانی دارد؟

 

سرفصل‌ها: آشنایی کاربردی با تمام قطعات پازل

دوره به گونه‌ای طراحی شده که شما مفاهیم پایه و کاربرد اولیه ابزارهای هر حوزه را تجربه کنید:

ذخیره و مدیریت داده (پایه همه نقش‌ها): آشنایی با SQL، طراحی بانک اطلاعاتی و مفاهیم اولیه Big Data.
تحلیل و داستان‌سرایی با داده (قلب تحلیل‌گری): مصورسازی حرفه‌ای و ساخت گزارش با Power BI و Tableau.
برنامه‌نویسی برای کار با داده (پل ورود به مهندسی و علم داده): آشنایی مقدماتی با Python و R برای دستکاری داده.
درک رفتار داده (بینش تحلیل‌گر و دانشمند): آمار توصیفی و مفاهیم احتمال.
هوشمندی داده (جرقه علم داده): آشنایی با اصول و الگوریتم‌های مقدماتی یادگیری ماشین.
توجه: عمق مطالب در هر بخش به اندازه‌ای است که شما درک درستی از ماهیت کار در آن حوزه پیدا کنید و بتوانید پروژه‌های کوچک را انجام دهید.

 

خروجی دوره: یک تصمیم آگاهانه و یک پایه قوی

 

پس از این دوره، شما:

یک نمای کلی و دقیق از بازار کار علم داده دارید.
یک پایه فنی قوی از کار با مهم‌ترین ابزارها کسب کرده‌اید.
می‌دانید دقیقاً چه چیزی را دوست دارید که ادامه دهید و چه چیزی را نه.
برای ورود به دوره‌های تخصصی بعدی، کاملاً آماده و مطمئن هستید.

 

مسیر بعدی: تخصصی‌سازی هوشمندانه

سرفصل‌های دوره
  • آشنایی با دوره آموزشی و ابزارهای ارتباطی و اشتراک فایل مورد نیاز
  • آشنایی عمومی با مفهوم دیتا و دیتابیس
  • معرفی انواع دیتابیس ها
  • آشنایی با مدل های توزیع دیتا
  • نصب و راه اندازی Server SQL و راه اندازی دیتابیس تمرینی.
  •  آشنایی با محیط SSMS و دیتابیس تمرینی و ابزار های مورد نیاز.
  • آموزش دستور Select
  • آموزش نمایش داده ها با TOP
  • آموزش دستور Concat و ترکیب ستون ها
  • آموزش استفاده از انواع نام مستعار در کوئری نویسی
  • آموزش نمایش داده های غیر تکراری (Distinct)
  •  آموزش نوشتن شرط و فیلتر در Clause Where
  • آشنایی با انواع  Data Type در  SQL Server
  •  آموزش استفاده از دستور Between
  • آموزش استفاده از عملگر شباهت متنی  Like
  • آشنایی با مفهوم NULL و فیلتر کردن آن
  • مرتب سازی داده ها  با By  Order
  • آشنایی با مفهوم Base  Set
  • آموزش استفاده از Intersect و Except
  • استفاده از Count برای شمارش
  • ایجاد جدول برای ذخیره سازی داده
  • آشنایی با مفهوم Incremental و ایجاد ترتیب اتوماتیک دادهای ورودی با  Identity
  • انتقال داده به جداول
  • آشنایی با انواع کلید و روابط بین جداول و ایجاد آنها
  • کشف و مشاهده روابط داده ها و جداول با Diagram و نحوه ایجاد آن
  • آشنایی و استفاده از دستور و مفهوم Union و Union All
  • تغییر و به روز رسانی داده ها با  Update
  • پاک کردن داده ها با Delete یا Truncate و بررسی تفاوت ها
  • استفاده از مفهوم مجموعه ها، اشتراک و اجتماع در شرط نویسی با, OR   And
  • استفاده از توابع شمارش و محاسبه در Server SQL با  AVG,Max,Min,Count
  • آشنایی با WildCard
  • در ادامه مباحث مجموعه ها، بررسی وجود و عدم وجود با استفاده از IN و Not in
  • تعریف Normalization داده ها و کاربرد های آن
  • ادغام داده های جداول با مفهوم JOIN و بررسی دیاگرام های مرتبط:
    • Inner JOIN
    • Left JOIN
    • Right JOIN
    • Full Outer JOIN
  • آشنایی و استفاده از توابع تغییر Data Type شامل Convert , Cast
  • آشنایی با موضوع تاریخ و استفاده از توابع تاریخی و مفهوم زمان:
    • Getdate
    • DateAdd
    • Format
    • DateDiff
    • DateName
    • Day, Month, Year
  • آشنایی با توابع متنی و استفاده از آنها
    • Left
    • Right
    • Replace
    •  انواع Trim
    • Space
    • Stuff
    • Len
    • PATINDEX
    • CHARINDEX
    • SUBSTRING
  • آشنایی با توابع ریاضی و استفاده از آنها
    • CEILING
    • Floor
    • EXP
    • Log
    • Power
    • Rand
    • Round
    • SQRT
  • بررسی انواع حاالت انتقال داده ها به جداول و تفاوت ها
    • Insert Into
    • Select Into
  • آشنایی و استفاده از SubQuery ها و نوشتن کوئری های تحلیلی:
    • Self-Contained Subqueries
    • Nested Subquery
    • Correlated Subqueries
    • Drived Table
  • آشنایی و استفاده از انواع جداول موقت و کاربردهای فنی آن:
    • Local Temp Table
    • Global Temp Table
  • آشنایی مقدماتی  با Window Function
  • آشنایی با توابع دسته بندی و تحلیل داده ها:
    • Row_Number
    • Lag
    • Lead
    • First_value
    • Last_value
    • Rank
    • Dens_rank
  • آشنایی با نحوه ایجاد و استفاده از نمایه ها  View
  • آشنایی و استفاده از مفهوم Pivot در تحلیل داده ها
  • آشنایی مقدماتی با مباحث  performance و index
  • آشنایی با نرم افزار Getting Started
  • آماده سازی داده‌ها Connecting to Data
  • بصری سازی و ویژوالیزشن Visual Analytics
  • معرفی ویژوال های کاربردی
  • ساخت داشبوردهای مدیریتی Dashboards and Stories
  • اشتراک گذاری داشبوردها و گزارش ها روی موبایل و تبلت
  • معرفی سرویس‌ها و ابزارهای Power BI و کارکرد آن‌ها
  • تشریح مراحل پنج گانه سیکل گزارش‌های تحلیلی و داشبوردها با ابزار Power BI
  • مروری بر دریافت و اصلاح داده‌ها از منابع مختلف داده
  • مروری بر مدل‌سازی داده‌ها و معرفی توابع DAX برای ساخت محاسبه‌های کاربردی
  • مروری بر مصورسازی (تحلیل) داده‌ها و و معرفی ویژوال‌های کاربردی
  • معرفی Power BI Service برای به اشتراک گذاری داشبوردها
  • اشتراک گذاری گزارش‌ها به کمک Power BI Report Server
  • اشتراک گذاری داشبوردها و گزارش‌ها روی موبایل و تبلت
  • Data Types
  • Control Flow in R
  • Vectorized Thinking
  • introduction to packages
  • Introduction to Date & Time manipulation
  • Introduction to String Manipulation
  • Importing Data
  • Data Manipulation
  • Python & Anaconda installation
  • Basic Data in python
  • Variables in python
  • package Management
  • introduction to numpy
  • introduction to pandas
  • introduction to control flows
  • data importing in python
  • data manipulation
  • introduction to maplotlib
  • ?What is Big Data
  • ?How to gain insights from Big Data
  • Learn the important concepts, tools, standards, and uses of Big Data
  • Learn about Big Data implementation
  • Learn how to manage Big Data
  • Examine Big Data analytics
  • Explore the different elements of Big Data
  • Available solutions for Big Data
  • Big Data Architectures
    • Data Lake
    • Lambda Architecture
    • Kappa Architecture
  • Big Data Collection Solutions
    • Getting Data from RDBMS
    • Getting Streaming Data
    • Gathering Logs Data
  • Big Data Storage Solutions
    • Distributed File Systems
    • NoSQL Databases
    • Object Storage
  • Big Data Processing Frameworks
    • Batch, streaming and real-time Processing Engines
    • NoSQL Query Engines
  • Streaming Data
  • SQL on Big Data
  • انواع داده ها
  • معیار های تمایل مرکزی و پراکندگی
  • معرفی نمایش گرافیکی داده ها
  • مروری بر اصول احتمال
  • قوانین مجموعه ها
  • احتمال شرطی
  • قانون احتمال کل
  • قانون بیز
  • توزیع های احتماال
  • آزمون فرض
  • برآورد پارامتر ها
  • برآورد فاصله ای
  • آنالیز واریانس
  • رگرسیون و روش های ارزیابی آن
  • مقدمه ای بر یادگیری ماشین
  • الگوریتم KNN با  Python
  • تحلیل رگرسیون logistic
  • تحلیل Bayes Naive
  • الگوریتم ماشین بردار پشتیبان
  • الگوریتم درخت تصمیم
  • روش های کشف قوانین انجمنی
  • تحلیل رگرسیون خطی چند متغییره
  • تحلیل رگرسیون غیر خطی (مدل سازی پیچیده)
  • الگوریتم embedded learning
  • الگوریتم قانون طبقه بندی
  • الگوریتم های خوشه بندی
  • معرفی زبان R
  • معرفی RStudio
  • آموزش نصب پکیج ها
  • آموزش یادگیری ماشین و کاربردهای آن
  • معرفی انواع روش های دسته بندی Classification، خوشه بندی Clustering و قوانین انجمنی Association Rules
  • آموزش روش های مصور سازی داده ها در R
  • آموزش پیش پردازش داده ها در نرم افزار R
  • آموزش مدل رگرسیون خطی، پیاده سازی، پیش بینی و بررسی مطالعه موردی در R
  • آموزش مدل درخت تصمیم، انجام هرس درخت، پیش بینی و بررسی مطالعه موردی در R
  • آموزش روش بوت استرپ
  • آموزش مدل جنگل تصادفی، انجام هرس درخت ، پیش بینی و بررسی مطالعه موردی در R
  • آموزش معیارهای انتخاب مدل بهینه درنرم افزار R
  • مقایسه مدل ها در نرم افزار R
  • آموزش قوانین انجمنی Association Rules و آموزش معیارهای قوانین استخراجی
  • استخراج  قوانین همراه با آموزش الگوریتم Apriori در R
  • آموزش سری های زمانی و پیاده سازی ان در R
  • آموزش روش های ARIMA و حل مطالعه موردی جهت پیش بینی مقادیر در طول زمان و روند های سری زمانی در نرم افزار R
  • معرفی روش شبکه عصبی مصنوعی و روش های Deep Learning

پروژه جمع بندی نهایی

سوالات متداول
این دوره بصورت آنلاین در بستر ادوبی کانکت adobe connect یا BigBlueButton برگزار میگردد.
پس از گذراندن دوره و در صورت کسب نمره قبولی در آزمون‌ها و پروژه‌ها به فراگیران گواهینامه ارائه می‌شود.
دوره هایی که هزینه آن ها بالای ۱۰ میلیون تومان است شرایط پرداخت اقساط دارند، برای اطلاع از نحوه پرداخت اقساط با کارشناس دپارتمان هماهنگی های لازم را انجام دهید.
برای شرکت در این دوره آموزشی باید یکی از شرایط زیر را داشته باشی: فارغ التحصیل یا دانشجو رشته های مهندسی( همه شاخه ها) فارغ التحصیل یا دانشجو رشته های علوم پایه فارغ التحصیل یا دانشجو رشته های علوم کامپیوتر دارا بودن دیپلم ریاضی یا تجربی سابقه کار مرتبط در حوزه دیتا
جهت آشنایی با نحوه ترجمه مدارک جهاد دانشگاهی صنعتی شریف به این وبلاگ مراجعه کنید.
خیر، و این دقیقاً هدف و نقطه قوت طراحی این دوره است. دوره "جامع علم داده" به معنای "دید جامع" است. ما معتقدیم برای انتخاب یک مسیر تخصصی موفق، اول باید نقشه کامل راه را دید. این دوره دقیقاً آن نقشه را به شما نشان می‌دهد. عمق مباحث به‌گونه‌ای تنظیم شده که شما با مفاهیم کلیدی، کاربردها و ابزارهای هر حوزه به‌طور کاربردی آشنا شوید و بتوانید پروژه‌های مقدماتی را انجام دهید. تخصصی‌سازی عمیق در هر یک از این مسیرها، در دوره‌های جداگانه و پیشرفته‌تر ارائه می‌شود که پس از این دوره می‌توانید با شناخت بهتری در آنها شرکت کنید. به زبان ساده: این دوره به شما می‌گوید "چه چیزی وجود دارد" و "چطور می‌توانید وارد آن شوید". سپس شما تصمیم می‌گیرید کدام راه را برای "متخصص شدن" انتخاب کنید.
اساتید دوره
mr-honarmand
آقای هنرمند
استاد عقیلی
آقای دکتر صادقی عقیلی
ostsd amiri
آقای مهندس امیری
mr-mohaqeqi
آقای محققی
mr-mobasherfar
آقای مهندس مباشرفر
mr-mohammadi
آقای دکتر محمدی برزگر
دیدگاه‌ها
  • محمدمهدی

    سلام، ترتیب برگزاری کلاس ها بر اساس همین ترتیب سرفصل های آموزشی هست که گذاشتین ؟

    • جهاد دانشگاهی صنعتی شریف

      سلام. بله بر اساس سرفصل هاست.

  • مهناز

    سلام
    کلاس حضوری هم این دوره دارد؟؟

    • جهاد دانشگاهی صنعتی شریف

      سلام. خیر

  • هاتف

    بجز صبح ساعت دیگه ای هم دارید ؟

    • جهاد دانشگاهی صنعتی شریف

      سلام. خیر

  • رضا

    با سلام
    ساعت برگزاری دوره آنلاین دیتاساینس چه ساعتی می باشد ؟

    • جهاد دانشگاهی صنعتی شریف

      سلام. ساعت 9 تا 13

دیدگاه خود را بنویسید
ایمیل شما منتشر نخواهد شد.

مصاحبه با دانشجویان
مشخصات دوره

۲۰.۸۰۰.۰۰۰ تومان

تاریخ شروع

۱۴۰۵/۰۴/۱۱

روزهای برگزاری

پنجشنبه و جمعه

مدت زمان

۱۴۴ ساعت

نحوه برگزاری
امکان پرداخت اقساطی

پرداخت قسطی
با اسنپ پی

پیش‌نیازها
  • فارغ التحصیل یا دانشجو رشته های مهندسی( همه شاخه ها)، علوم پایه، علوم کامپیوتر
  • دارا بودن دیپلم ریاضی یا تجربی
  • سابقه کار مرتبط در حوزه دیتا
دوره‌های مرتبط
Deep Learning
آنلاین
علوم داده و هوش مصنوعی

دوره یادگیری عمیق (Deep Learning)

شروع : ۱۴۰۵/۰۶/۰۶
روزهای برگزاری : پنجشنبه و جمعه
۴۰ ساعت
176 دانشجو

۹.۵۰۰.۰۰۰ تومان

حضوری
علوم داده و هوش مصنوعی

دوره حضوری برنامه نویسی پایتون

شروع : ۱۴۰۵/۰۴/۲۳
روزهای برگزاری : یکشنبه و سه شنبه
۶۰ ساعت
883 دانشجو

۹.۳۰۰.۰۰۰ تومان

Data Scientist
آنلاین
علوم داده و هوش مصنوعی

دوره تربیت دانشمند داده و هوش مصنوعی

شروع : ۱۴۰۵/۰۴/۱۸
روزهای برگزاری : پنجشنبه و جمعه
۹۲ ساعت
411 دانشجو

۱۶.۹۰۰.۰۰۰ تومان