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، آموزش یادگیری عمیق و آموزش ماشین لرنینگ 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
- Batch, streaming and real-time Processing Engins
- 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
-
- مقدمه ای بر یادگیری ماشین
- الگوریتم KNN با R & 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
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 4 میلیون تومان است شرایط پرداخت اقساط دارند. برای اطلاع از نحوه پرداخت اقساط با کارشناس گروه آموزشی مربوطه هماهنگیهای 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
نظرسنجی
تاریخ شروع:
🟢1403/08/10در حال ثبت نام
🔴1403/06/08تکمیل ظرفیت
- مدت دوره: 132 ساعت
- روزهای برگزاری: پنجشنبه و جمعه
- شهریه: 13,200,000 تومان
- نحوه برگزاری: آنلاین
- امکان پرداخت بصورت اقساط وجود دارد
- پیش نیاز: دارد
159 دیدگاه
سلام ساعت کلاس ها رو هم میشه اعلام نمایید
سلام. ساعت 9 تا 13 روزهای پنجشنبه و جمعه
سلام وقت بخیر
در مورد تمرینات و پروژه های این دوره توضیح میدید لطفا؟
در واقع میخوام بدونم پروژه محور هست آیا؟
چون من جایی ندیدیم نوشته یا توضیح داده باشید
ممنونم
سلام. در حین آموزش پروژه هایی متناسب با هر مبحث برای تثبیت یادگیری به دانشجوها داده میشود.
با سلام
براي اين دوره پيش نياز خاصي لازم هست يا با هر بگراندي ميشه شركت كرد.
سلام. هیچگونه پیش نیازی ندارد و تمامی مطالب پایه نیز آموزش داده میشود.
سلام وقت بخیر، خواستم بدونم وقتی میگین قسط بندی، به چه صورتی انجام میشه و چند وقته هست؟!
سلام. برای دوره های بالای 4 میلیون ذر طی 3 قسط میتوانید پرداخت کنید. یک سوم هزینه قبل از شروع دوره و مابقی هزینه ذز طی دو قسط به مدت دوماه پرداخت میشود.
سلام
من فرق بین ۳ دوره شامل۱) دوره جامع علم داده ۲) دوره مهندسی داده و ۳) دوره دانشمند داده را نمی دانم. آیا دوره دوم و سوم زیرمجموعه دوره جامع علم داده هستند؟ و سوال بعدی که این دوره ها تخفیف ندارند؟
ممنون
سلام. دوره علم داده یک دوره جامع برای کسانی طراحی شده که از ابتدا میخوان وارد حوزه داده بشن. در این دوره فراگیران با همه حوزه های اصلی داده اشنا میشن و کار میکنن تا به این شناخت برسن که میخوان وارد چه حوزه ای بشن.حوزه های تخصصی علم داده، شامل دانشمند داده، مهندسی داده، بیگ دیتا، ماشین لرنینگ، پاور بی آی و … هستند که بعد از گذراندن دوره جامع علم داده، باتوجه به علاقه و تخصص خود میتونن وارد یکی از این حوزه ها بشن و بصورت عمیق در اون حوزه ناموزش ببینند. درواقع دوره دانشمند داده و دوره مهندسی داده هرکدوم زیرمجموعه های دوره علم داده هستند که در این دوره ها مفصل آموزش های تخصصی داده میشود. اگر با حوزه های علم داده آشنایی ندارید پیشنهاد میشود ابتدا دوره علم داده را بگذرانید تا شناخت کلی نسبت به همه حوزه هاپیدا کنید، سپس وارد یکی از حوزه های تخصصی علم داده شوید و آموزش های تخصصی ببینید.
شرایط تخفیف برای دانشجوها 5 درصد میباشد. همچنین درصورت پرداخت یکجا، 5 درصد تخفیف دریافت میکنید.
سلام آیا فیلم دوره ضبط میشه که به صورت آفلاین هم استفاده کرد؟
سلام. بله ویدیوی کلاس ها ضبط میشود و تا 3 ماه پس از پایان دوره دسترسی به ویدیوها فعال میباشد.