دوره جامع علم داده
اطلاعات بیشتر
جهان امروز، جهان داده است و ذخیرهسازی و استفاده بهینه از دادهها یکی از چالشهای اصلی سازمانها در یک دهه گذشته بوده است. از این رو در سالهای اخیر، تمرکز اصلی متخصصان داده بر روی ساختن چهارچوبها و راهحلهایی برای مدیریت دادهها بوده است. آموزش علم داده (Data Science) در حقیقت حلقۀ اتصال و هدایتگر این وضعیت است. در ادامه قرار است با آموزش علم داده بیشتر آشنا شویم.
علم داده مفهومی برای یکپارچهسازی آمار، تحلیل داده، یادگیری ماشین و دیگر مفاهیم مرتبط تحت یک عنوان واحد است. این کار به منظور درک و تحلیل پدیدهها با استفاده از دادهها انجام میشود. داده همواره یکی از مهمترین داراییهای هر سازمانی بوده و میتوان ادعا کرد که در دنیای امروز، سازمانها بدون تصمیمگیری بر مبنای برنامههای استراتژیک داده محور قادر به ادامه حیات نخواهند بود.
کاربردهای دیتا ساینس:
علم داده در مواجهه با بسیاری از مشکلات دنیای واقعی مؤثر بوده و بهمنظور اتخاذ تصمیمهای هوشمندانه و آگاهانهتر، بهطور فزاینده در تمامی صنایع از آن استفاده میشود. به برخی از کاربردهای Data Science در زیر اشاره شده است:
- پزشکی: شرکتهای پزشکی از علم داده برای ساختن ابزارهای پزشکی پیچیده برای تشخیص و درمان بیماریها استفاده میکنند. برای کسب اطلاعات بیشتر به کاربردهای داده کاوی در پزشکی مراجعه کنید.
- بازی: بازیهای ویدیویی و رایانهای اکنون با کمک علم داده ایجاد میشوند و همین امر تجربه بازی را به سطح بالاتری انتقال داده است.
- تشخیص تصویر: شناسایی الگوها در تصاویر و تشخیص اشیا در تصویر یکی از محبوبترین کاربردهای دیتا ساینس است.
- سیستمهای پیشنهاد دهنده: نتفلیکس و آمازون بر اساس آنچه کاربر سیستمعاملهای آنها تماشا، خرید یا مرور میکند، فیلم و محصول خاص پیشنهاد میدهند.
- تشخیص کلاهبرداری: مؤسسات بانکی و مالی از علم داده و الگوریتمهای مرتبط برای کشف کلاهبرداری در معاملات استفاده میکنند.
مزایای دوره آموزش علم داده:
مزیت اصلی علم داده، توانمندسازی و تسهیل تصمیمگیری است. سازمانهایی که بر علم داده سرمایهگذاری میکنند، میتوانند از شواهد قابل سنجش و مبتنی بر داده برای تصمیمسازی در کسبوکار خود استفاده کنند. تصمیمهای دادهمحور میتواند منجر به افزایش سود و بهبود بهرهوری عملیاتی، کارایی کسبوکار و جریانهای کاری شود.
چه مشاغلی در حوزه دیتا ساینس وجود دارد؟
کسب و کارها و سازمانها با دادههای قدیمی خود میتوانند اشتباهات خود را شناسایی کرده و کیفیت را بهبود بخشند و درآمد را افزایش دهند. به دلیل بینشی که دادهها در اختیار سازمانها قرار میدهد، مشاغل زیادی در این زمینه ایجاد شده است.
به صورت کلی و با توجه به نیاز سازمانها میتوان این مشاغل را به دستههای زیر تقسیم بندی کرد:
- تحلیلگر داده (Data Analyst)
- مهندس داده (Data Engineer)
- دانشمند داده (Data scientist)
- معمار داده
- داستانسرای داده
- دانشمند یادگیری ماشین
- مهندس یادگیری ماشین
- توسعه دهنده هوش تجاری
- مدیر پایگاه داده
- نقشهای تخصصی تکنولوژی
مهارت های متخصصین علم داده:
متقاضیان جهت ورود به بازار داده نیاز به کسب دانش و تخصص در موضوعاتی همانند پایگاه های داده، آمار، ذخیره سازی داده، تجزیه و تحلیل، بصری سازی داده و … خواهند داشت. ساخت مدلهای توصیفی، پیشبینانه، استقرار مدلهای مبتنی بر یادگیری ماشین و آمار از وظایف کلیدی یک متخصص علم داده است. همچنین آشنایی با زبان پایتون و زبان R و توانایی کار با پایگاه دادههای رابطه و زبان SQL از مؤلفههای موفقیت در این فیلد شغلی در بازار کار کشور است که در دوره جامع علم داده فراگیران یک پله بالاتر از تخصص با این مفاهیم آشنا خواهند شد.
دوره علم داده برای چه افرادی مناسب خواهد بود؟
علاقمندان به حوزه علوم داده (Data Science)، یادگیری ماشین و دادهکاوی، اعضای تیم داده و هوش تجاری شاغل در استارتاپها، سازمانها و کسب و کارها، علاقهمندان به امور پژوهشی در حوزه علم داده و افرادی که به دنبال آموزش های کاربردی و ارتقاء مهارت های خود هستند، میتوانند در این دوره شرکت نمایند. با مراجعه به صفحه آشنایی با رشتههای دانشگاهی مرتبط با علم داده در ایران به درک بیشتری در این حوزه میرسید.
مسیر یادگیری دوره دیتا ساینس در جهاد دانشگاهی صنعتی شریف:
دوره آموزشی دیتا ساینس در جهاد دانشگاهی صنعتی شریف با رویکرد کسب مهارتهای تخصصی مورد نیاز، تهیه و تدوین شده است.
در دوره آموزش علم داده به تدریج با مباحث و اصول علوم داده از جمله: SQL Server، Tableau، Power BI، Big Data، تحلیل اکتشافی و… آشنا میشوید.
پس از این دوره میتوانید در سایر دورههای گروه آموزشی علوم داده از جمله: دوره دانشمند داده، دوره مهندس داده، دوره تحلیلگر داده و دوره یادگیری عمیق شرکت نمایید و یک پله بالاتر از تخصص آموزش ببینید.
سرفصلهای آموزشی
-
- پیش زمینه در مورد T-SQL Querying
- Join ها
- Subquery ها
- عبارت Table
- کار با مجموعهها
- فراتر از اصول اولیه Query نویسی
- تغییرات دادهها
-
- 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
- Hadoop Processing Stack
- NoSQL Query Engines
- Streaming Data
- SQL on Big Data
-
- تحلیل داده اکتشافی چیست؟
- اهمیت و نقش تحلیل داده اکتشافی
- مراحل کار
- توصیف داده
- شیوههای تحلیل تک متغیره و چند متغیره
- شیوههای تحلیل بصری و غیربصری
- شاخصهای پرکاربرد در تحلیل Numerical
- اهمیت تحلیل بصری
- قواعد تحلیل بصری
- مشکلات تحلیل دادههای چند بعدی
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
-
- مقدمه ای بر یادگیری ماشین
- الگوریتم KNN با R
- 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
اساتید دوره آموزشی:
وحید زارع زاده
وحید امیری
مسعود کاویانی
علیرضا اخوان پور
علی سعیدی
سینا مباشرفر
سید علی صادقی عقیلی
امیرحسین هنرمند
سوالات متداول
این دوره بصورت آنلاین و در بستر ادوبی کانکت Adobe connect برگزار میشود.
دورههایی که هزینه آنها بالای 3 میلیون تومان است شرایط پرداخت اقساط دارند. برای اطلاع از نحوه پرداخت اقساط با کارشناس گروه آموزشی مربوطه هماهنگیهای لازم را انجام دهید.
این دوره پیش نیاز ندارد.
نظرسنجی
- تاریخ شروع: 1402/02/28
- مدت دوره: 128 ساعت
- روزهای برگزاری: پنجشنبه و جمعه
- شهریه: 7,900,000 تومان
- نحوه برگزاری: آنلاین
- امکان پرداخت بصورت اقساط وجود دارد
سلام. ویدیوهای کلاس علم داده بعد از کلاس هم در اختیارمون قرار میدین؟
سلام بله بعد از هر کلاس توی پنلتون قرار میگیره
سلام تو این دوره دیتا ساینس جمع آوری، تحلیل داده و مدل سازی هم تدریس میشه ؟
سلام بله اگر سرفصل ها رو مطالعه کنین دقیق تر متوجه میشین. همچنین برای عمیق شدن تو این حوزه دوره تحلیل داده هم جداگونه برگزار میشه.
یه سوال دارم. میگن که برای این دوره باید جاوا و لینوکس بلد باشیم. درسته این حرف ؟ و اینکه این دوره علم داده جامع هست؟
همونطور که توی سوالات بالا گفته شده پیشنیاز خاصی نیاز نداره و این دوره بصورت جامع برگزار میشه و مطالب از پایه به شما آموزش داده میشه
سلام بعد از گذروندن این دوره میشه بعنوان دیتاساینتیست تو ایران سرکار بریم؟
سلام، بستگی به توانایی های خودتون داره. آموزش ها طوری ایجاد شدن که شما به این نقطه برسین، ولی خیلی عوامل دیگه هم توی مسیرتون تاثیرگذاره مثل وقتی که میذارین، منابع مختلفی که استفاده میکنین، و حتی انگیزتون. مجموعه ما برای دیتاساینتیست شدن هم یه دوره تخصصی جدا برگزار میکنه که میتونین به صفحه دوره دیتا ساینتیست مراجعه کنید.
حدودا درآمد یه متخصص دیتاساینس تو ایران چقدره؟
نمیشه خیلی دقیق گفت چون فاکتورهای مختلفی تاثیرگذار هستند مثل مهارت، تخصص و تجربه فرد و …. بصورت کلی درآمد حوزه علم داده نسبتا بالاست. این مقاله چگونه متخصص دیتا ساینتیست شویم هم میتونه بتون دید خوبی بتون بده.
سلام من میخام برنامه نویسی یاد بگیرم و شنیدم که اول باید پایتون یاد بگیرم. این دوره برای من با این شرایط کاربرد داره؟
سلام وقت بخیر. تو دوره data science بخش هاییش از دوره به پایتون مربوطه میشه که اگه دانش پایتون داشته باشین سریعتر میتونین یاد بگیرین. و اینکه آموزش مرتبط با دوره هم تا حد مطلوبی داده میشه. همچنین میتونین از دوره جامع پایتون در همین جهاد دانشگاهی شریف استفاده کنین که جزء بهترین دوره های پایتون محسوب میشه
موفق باشید
سلام ساعت برگذاری کلاس ها چنده
سلام. دوره علم داده پنجشنبه و جمعه ها ساعت 9 الی 13 برگزار میشود.
سلام میخواستم بدونم آیا امکان داره از یک نفر فقط آزمون بگیرید و بهش مدرک بدید یا لازمه حتما در دوره شرکت داشته باشه؟
سلام وقت بخیر.خیر باید دوره رو شرکت کنین تا اجازه ی دریافت مدرک رو داشته باشین.
این دوره رو به هرکسی که میخواد وارد دنیای هوش مصنوعی بشه توصیه میکنم.
با چه زبان های آموزشی در دوره علم داده تدریس انجام میشه؟
سلام. اگر منظورتون از زبان آموزشی،زبان برنامهنویسی هست در دورههای علمداده، از زبان پایتون Python استفاده میشه