دوره جامع علم داده (Data Science)

دوره جامع علم داده (Data Science)

اطلاعات بیشتر​

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

این دوره دروازه ورود شماست. پس از کشف علاقه خود، می‌توانید در دوره‌های تخصصی‌تر که هر یک به صورت عمقی و پروژه‌محور یک مسیر شغلی را دنبال می‌کنند شرکت کنید و به یک متخصص در حوزه مورد علاقه خود تبدیل شوید.

سرفصل‌های آموزشی

    • 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
  • Descriptive Data Analysis
    • Types of Variables and Data
    • Measures of Central Tendency
      • Mean, Median, Mode       
    • Measures of Dispersion (Variability)
      • Range, Interquartile Range (IQR), Variance, Standard Deviation, Coefficient of Variation
    • Measures of Shape
      • Skewness, Kurtosis
    • Graphical Data Representation Methods: Histogram, Box Plot, Bar Chart
  • An Overview of the Concept of Probability
    • Conditional Probability, Independent Events, Mutually Exclusive Events, Law of Total Probability, and Bayes’ Theorem
  • Random Variable and Probability Functions
    • Probability Distribution and Probability Density
    • Introduction to Some Common Distributions: Uniform, Bernoulli, Binomial, Poisson, Exponential, and Normal
    • Normality of Data for a Random Variable
    • Transforming Non-Normal Data to Normal Data Using Transformations (Box-Cox, Johnson)
  • Multivariate Distributions
    • Examining the Relationship Between Two Random Variables
    • The Concept of Correlation and Interpretation of the Correlation Coefficie
    • 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
    • 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
آیکون سرفصل ها

اساتید دوره آموزشی:

سوالات متداول​

این دوره بصورت آنلاین و در بستر ادوبی کانکت Adobe connect برگزار می‌شود.

 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.

بله دریافت گواهینامه ملزم به قبولی در آزمون و حضور در کلاس است.

پس از گذراندن دوره و در صورت کسب نمره قبولی در آزمون‌ها و پروژه‌ها به فراگیران گواهینامه ارائه می‌شود. نمونه گواهی دوره

دوره‌هایی که هزینه آن‌ها بالای 6 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

جهت آشنایی با نحوه ترجمه مدارک جهاد دانشگاهی صنعتی شریف به این لینک مراجعه کنید.ترجمه مدارک

نظرسنجی​

نظرسنجی علم داده
نظرسنجی علم داده
نظرسنجی علم داده
نظرسنجی علم داده
نظرسنجی علم داده

161 دیدگاه

دیدگاهتان را بنویسید

ثبت نام
  • تاریخ شروع: 1404/12/08
  • مدت دوره: 144 ساعت
  • روزهای برگزاری: پنجشنبه و جمعه
  • شهریه: 19,800,000 تومان
  • nahvehb نحوه برگزاری: آنلاین
  • امکان پرداخت بصورت اقساط وجود دارد
  •                            پیشنیاز: دارد

مشاوره و ثبت‌نام:

دوره‌های پیشنهادی