دوره علم داده

دوره آموزشی علم داده (Data Science)

  • اطلاعات دوره
    _____________________________

  تاریخ:                                 ۱۴۰۰/10/23

     مدت دوره:                          128 ساعت   

  روزهای برگزاری:            پنجشنبه و جمعه

  شهریه                        4,50۰,۰۰۰ تومان

  نحوه برگزاری:                           آنلاین

   پیشنیاز:                                     ندارد

    امکان پرداخت بصورت قسطی وجود دارد.

مشاوره و ثبت نام: 02166075626

09222467250

ویلیام کلیولند اولین کسی است که اصطلاح علم داده را در سال ۲۰۰۱ مطرح کرده‌ است. او در مقاله «علم داده: برنامه‌ای برای گسترش جنبه‌های فنی در رشته آمار» پیشنهاد کرد که علم داده یک رشته مستقل باشد. کلیولند این رشته جدید را مرتبط با علوم کامپیوتر و داده‌کاوی می‌دانست. وی بر این باور بود که منافع استفاده از یک تحلیلگر داده محدود است.

به این دلیل که مهندسین کامپیوتر شناخت کمی از روش‌های کار با داده دارند و دانش محاسباتی متخصصین آمار هم محدود است، بنابراین تلفیق این دو گروه می‌تواند منجر به نوآوری‌های زیادی شود. اینگونه بود که امروزه با افزیش حجم و سرعت تولید دیتا افراد زیادی در این حوزه آموزش می‌ببینند و وارد بازار کار می‌شوند.

 ۶۰ ثانیه در جهان اینترنت

در جهان اینترنت هر 60 ثانیه انقلابی بزرگ در تولید دیتا رخ می‌دهد. از حساب‌های مختلفی که کاربران در شبکه‌های اجتماعی می‌سازند یا خریدهای اینترنتی که انجام می‌دهند همگی داده‌هایی هستند که اگر طبقه‌بندی و مرتب شوند می‌توانند عامل موفقیت کسب‌وکارهای گوناگون باشند.

اگر به تصویر زیر نگاه کنیم به این مسئله پی خواهیم برد که امروزه حجم داده‌های دیجیتال با سرعت زیادی در حال رشد است. مطابق گزارش IBM، در سال ۲۰۱۲ هر روز بالغ بر ۲.۵ اگزابایت داده تولید می‌شده است. طبق گزارشی که DOMO داده است  حجم تولید داده در سال ۲۰۱۸ نیز به همین منوال روند صعودی داشته است. در گزارش IBM گفته شده که “۷۵٪ داده‌های تولید شده، ساختار نیافته و منابعی مانند متن، صدا و ویدئو هستند”.

اینفوگرافی علم داده

 

داده‌هایی که تولید می‌شوند چه اهمیتی دارند؟

داده همیشه یکی از مهم‌ترین دارایی‌های هر سازمانی بوده و شاید بتوان ادعا کرد که دردنیای امروز سازمان‌ها بدون تصمیم‌گیری بر مبنای برنامه‌های استراتژیک داده‌محور حتی امکان ادامه حیات نخواهند داشت. ارزش دیتا در برخی از کسب‌وکارها آنقدر بالا است که آن‌ را جزء سرمایه کسب‌وکار خود می‌بینند و برای نگهداری و تبدیل این داده‌ها به اطلاعات هزینه‌های بسیار زیادی پرداخت می‌کنند.

 

آشنایی‌ با علم داده

بسیاری از صاحبان کسب‌وکاها بر این باورهستند که تحلیلگر داده، مهندس داده و دانشمند داده نام‌های مختلفی برای یک نقش شغلی هستند؛ اما با اینکه همه آن‌ها با داده‌ها سروکار دارند و در تدوین استراتژی‌های داده محور نقش مهمی ایفا می‌کنند، تفاوت‌های زیادی باهم دارند و هر یک از آن‌ها نیاز به مهارت و مسئولیت‌های مربوط به خود دارند. برای همین قصد داریم تا در این مقاله شما را با صفر تا صد علم داده آشنا کنیم. در تصویر زیر مختصری از مهارت‌ها و وظایف این سه شغل را تشریح نموده‌ایم.

علم داده

 

چه مشاغلی در حوزه علم داده وجود دارد؟

کسب‌وکارها و سازمان‌ها با داشتن داده‌های قدیمی خود می‌توانند اشتباهات خود را شناسایی و فرصت‌ها را پیدا کنند و به بهبود کیفیت و افزایش درآمد برسند. به دلیل بینش و بصیرتی که داده برای سازمان ها به وجود می‌آورد مشاغل زیادی هم در این حوزه به وجود آمده‌اند.

به صورت کلی و با توجه به نیاز سازمان‌ها می‌توان این مشاغل را در سه دسته زیر تقسیم بندی کرد.

تحلیل‌گر داده (Data Analyst)

مهندس داده (Data Engineer)

دانشمند داده (Data scientist)

 

تحلیل‌گر داده کیست؟

تحلیل‌گر داده، داده‌های خام را دریافت نموده و با پردازش آن، روابط پنهان داده‌ها را کشف نموده و از انبوه داده‌های بدون ساختار، پاسخ سوال‌های کسب‌وکار را می‌یابد. این افراد با داده‌های بسیار زیادی همچون، اعداد و ارقام، حقایق و داده‌های خام و مشکلاتی که شرکت‌های مختلف با آن دست‌وپنجه نرم می‌کنند، سروکار دارند. بنابراین یک تحلیل‌گر داده حرفه‌ای باید توانایی تحلیل و شناخت مشکلات، مهارت ریاضی و دقت در جزئیات را داشته و با استفاده از داده‌های موجود بهترین راه‌حل‌ها را شناسایی و ارائه نماید. همچنین باید با استفاده از تفکر انتقادی، بتواند روابط پنهان بین اعداد و حقایق را کشف نماید.

 

مهارت‌های مورد نیاز جهت تبدیل شدن به تحلیل‌گر داده:

۱- سطح بالایی از توانایی در ریاضی

۲- توانایی در زبان‌های برنامه نویسی مانند SQL ،Oracle یا Python

۳- آشنایی با مهارت‌های حل مسئله

۴- توانایی تجزیه و تحلیل، مدل‌سازی و تفسیر داده‌ها با استفاده از ابزارهای مطرح مانند Microsoft Power Bi ،QlikView، Tableau و …

 

مهندس داده کیست؟

می‌توان به عبارتی لقب  معمار استخوان‌بندی  مسیر جمع‌آوری و یکپارچه سازی و پاکسازی اولیه داده را به آن نسبت داد. در واقع مهندس داده شخصی است که داده‌ها را از طیف وسیعی از منابع ساختاریافته و بدون ساختار جمع‌آوری کرده و  آن‌ها را یکپارچه نموده و در نهایت برای تحلیل‌های تحلیل‌گر یا دانشمند داده آماده‌سازی می‌نماید. معمولا اغلب مهندسان داده تجربه کار قبلی به عنوان تحلیل‌گر یا بعضا  دانشمند داده را داشته‌اند.

 

وظایف مهندس داده:

– طراحی، توسعه، ساخت و نگهداری معماری داده‌ها

– طراحی و ایجاد زیرساخت مورد نیاز برای استخراج، تبدیل، تغییر، ترمیم و پاکسازی داده از منابع مختلف اطلاعاتی ساخت یافته یا بدون ساختار و بارگذاری داده‌ها به صورت مورد نیاز و خودکار‌سازی این فرآیند

– ایجاد راه کار‌هایی به منظور ارتقای کیفیت و قابلیت اطمینان داده‌ها

– تبدیل و تغییر‌ داده‌ها به منظور استفاده توسط تحلیل‌گر یا دانشمند داده

 

مهارت‌های مورد نیاز جهت تبدیل شدن به مهندس داده:

۱- دانش عمیق در مورد SQL  و یا دیگر سولوشن های پایگاه داده

2- دانش در خصوص انباره داده و ابزارهای ETL

3- تحلیل‌های بر پایه Hadoop و دانش در خصوص کلان‌داده‌ها

4- توانایی کدنویسی با یکی از زبان‌های Python ،R و …

 

دانشمند داده (Data Scientist) کیست؟ 

وظیفه اصلی تحلیل‌های پیچیده بر عهده دانشمند داده می‌باشد. معمولا انتظار می‌رود که یک دانشمند داده بتواند سوالات پیچیده را با روش‌های مبتنی بر آمار و یادگیری ماشین پاسخ دهد. در بیشتر مواقع لازم است با استفاده از داده‌ها، اتفاقی را پیش‌بینی نماید و در مواقع دیگر هم لازم است اطلاعات بیشتری را از داده‌های موجود  کسب نماید. طبیعتا لازم است به آن کسب‌وکار  اشراف نسبی پیدا کند. 

دانشمند داده در خیلی از موارد برای انجام اموراتش مجبور است تصمیم‌گیری نماید که کدام بخش از داده‌ها بهتر است که در تحلیل‌ها باشند و در موارد دیگر هم مجبور می‌شود که  نواقص داده‌ای را جبران نماید.  در نهایت لازم است که بتواند نتایج مراحل طی شده را به صورت یک داستان علمی دقیق  همراه با ارائه یک سری محتوای گرافیکی، به صورت یک گزارش علمی ارائه نماید.

اکثر مواقع در روند بررسی سوالات کسب‌وکار، دانشمند داده به واسطه تجزیه و تحلیل اولیه‌ای که با نام تجزیه وتحلیل اکتشافی داده شناخته می‌شود، به بینش جدید یا کامل‌تری از داده‌های موجود دست پیدا می‌کند که این خودش می‌تواند مجددا یافته ارزشمندی برای آن سازمان یا کسب‌وکار باشد.

 

وظایف دانشمند داده:

– شناخت و بررسی داده‌ها به صورت آماری

– ایجاد یا استفاده از الگوریتم‌های یادگیری ماشین به منظور پاسخ‌گویی به سوالات کسب‌وکار

– ‌انتخاب خصیصه‌های موثر در هر مسئله کسب‌وکار

– تحلیل روند‌ها و همبستگی بین اتفاقات

– آشنایی با تکنیک‌های قصه‌گویی با داده و ارائه یک گزارش جامع علمی به همراه نمودار‌های مورد نیاز


مهارت‌های مورد نیاز جهت تبدیل شدن به دانشمند داده:

۱- دانش کافی در خصوص مفاهیم آماری و ریاضی

2- دانش در مورد SQL  و یا دیگر سولوشن‌های پایگاه داده

3- دانش در کدنویسی در زبان های Python  و یا R

۴- دانش در خصوص الگوریتم‌های یادگیری ماشین

۵- آشنایی با تکنیک‌های مصورسازی و پاکسازی داده‌ها

۶- دانش در خصوص شبکه‌های عصبی، یادگیری عمیق، پردازش متن، تصویر و …

 

مسیر یادگیری علم داده

با توجه به اینکه این حوزه، حوزه جدیدی است و مدت زیادی نیز از ورود این مباحث به کشور نمی‌گذرد بسیاری از افرادی که قصد ورود به این حوزه را دارند دقیقا نمی‌دانند از کجا می‌بایست شروع کنند. حتی افرادی که کمی جسورتر هستند یکی از مباحث را انتخاب می‌کنند و بعد از مدتی و صرف زمان و سرمایه متوجه می‌شوند که راه درست را انتخاب نکرده‌اند و ممکن است از این راه مایوس و دل‌زده شوند.

ما در جهاد دانشگاهی صنعتی شریف برای شما عزیزانی که علاقه‌مند ورود به حوزه علم داده(data science) هستید و می‌خواهید توانمندی‌هایتان را در این مباحث گسترش دهید مجموعه‌ای از افراد خبره این حوزه را دورهم جمع کرده‌ایم و برای کسانی که می‌خواهند در این حوزه وارد شوند یک دوره مسیر یابی شغلی را بر اساس مباحث روز در نظر گرفته‌ایم که در این دوره شما با عمده مباحث مطرح شده به خوبی آشنا می‌شوید و بعد از آن می توانید به راحتی مسیر شغلی خود را در حوزه علوم داده انتخاب کنید.

همینطور در کنار آن، نقشه راه و همچنین تک دوره‌هایی را به صورت جداگانه تدارک دیدیم که در هر کدام از آن‌ها با عمق بیشتری به مباحث ذکر شده پرداخته می‌شود و آن‌ها را تکمیل می‌کند.

اگر قصد ورود به این حوزه دانشی را دارید و یا با برنامه نویسی آشنا هستید اما مسیر آموزشی و کاری که می‌خواهید را نمی‌شناسید دوره علم داده به شما راه را نشان خواهد داد.

اساتید دوره آموزشی:

امیر حسین هنرمند

سید علی صادقی عقیلی

سینا مباشرفر

علی سعیدی

علیرضا اخوان پور

مسعود کاویانی

وحید امیری

وحید زارع زاده

سرفصل های آموزشی دوره علم داده:

– پیش زمینه در مورد T-SQL Querying

– Join ها

– Subquery ها

– عبارت Table

– کار با مجموعه ها

– فراتر از اصول اولیه Query نویسی

– تغییرات داده ها

– معرفی سرویس‌ها و ابزارهای Power BI و کارکرد آن‌ها
– تشریح مراحل چهارگانه 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

– آشنایی با نرم افزار Getting Started
– آماده سازی داده‌ها Connecting to Data
– بصری سازی و ویژوالیزشن Visual Analytics
– ساخت داشبوردهای مدیریتی Dashboards and Stories

– 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

– Data Types
– Control Flow in R
– Vectorized Thinking
– introduction to packages
– Introduction to Date & Time manipulation
– Introduction to String Manipulation
– Importing Data
– Data Manipulation

– مقدمه ای برکلان داده ها و سیستم های ذخیره سازی توزیع شده

– معرفی و شروع کار با هادوپ و اکوسیستم هادوپ

– معرفی آپاچی پیگ Apache Pig

– مقدمه ای بر آپاچی اسپارک Spark Apache

– 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

 

  

سوالات پرتکرار:

این دوره بصورت مجازی برگزار می شود.

پس از گذراندن دوره و در صورت کسب نمره قبولی در آزمون ها و پروژه ها به فراگیران گواهینامه ارائه می شود.

دوره هایی که هزینه آن ها بالای 2 میلیون تومان است شرایط پرداخت اقساط دارند، برای اطلاع از نحوه پرداخت اقساط با کارشناس دپارتمان هماهنگی های لازم را انجام دهید.

این دوره پیش نیاز خاصی ندارد.

نظرسنجی:

گواهی دوره:

مدرک دوره
  • اطلاعات دوره
    _____________________________

تاریخ:                               ۱۴۰۰/10/23

مدت دوره:                        128 ساعت

روزهای برگزاری:          پنجشنبه و جمعه

شهریه                      4,500,000 تومان

نحوه برگزاری:                         آنلاین

    امکان پرداخت بصورت قسطی وجود دارد.

          نفرات آموزش دیده:    287 نفر
          دفعات برگزاری:           16 دوره

مشاوره و ثبت نام:

021-66075626

               09222467250

اشتراک گذاری:

اشتراک گذاری در twitter
اشتراک گذاری در linkedin
اشتراک گذاری در telegram
اشتراک گذاری در email

سایر دوره ها:

دیدگاه فراگیران:

عضویت
مطلع شوید
guest
34 نظرات
قدیمی ترین
جدیدترین بیشترین رای
Inline Feedbacks
View all comments
مهدي
مهدي
2 سال قبل

آيا اين دوره پيش نياز دارد ؟

مهدي
مهدي
2 سال قبل
پاسخ به  مهدي

منظورم آشنايي اوليه با ساير زبانهاي برنامه نويسيه

سید علی صادقی عقیلی
سید علی صادقی عقیلی
1 سال قبل
پاسخ به  مهدي

خیر احتیاجی به اشنایی نیست

مرضیه
مرضیه
2 سال قبل

آیا این دوره شامل 20درصد تخفیف جشنواره که در حال حاضر اعلام شده است میشود؟

مرضیه
مرضیه
2 سال قبل

شروع دوره از چه زمانی است و چند جلسه خواهد بود؟

فریبرز
فریبرز
2 سال قبل

چند ساعت در روز های پنج شنبه و جمعه کلاس گذاشته میشه؟و معمولا چه ساعتی شروع کلاس هستش؟

محمد
محمد
2 سال قبل

در طول هفته یا بصورت غیرحضوری برگزار میشه؟

علی
علی
2 سال قبل

آیا تاریخ دوره ی بعدی مشخص هستش ؟؟؟؟؟

امیدی
امیدی
2 سال قبل

لطف می فرمایید اساتید دوره علوم داده را معرفی کنید؟

پژمان قیامی
پژمان قیامی
1 سال قبل

این دوره پیش نیاز بقیه دوره هاست؟

نجمه
نجمه
1 سال قبل

سلام. وقت شما بخیر.
این دوره کی برگزار میشه؟

حسین شهرستانی
حسین شهرستانی
1 سال قبل

سلام تفاوت این دوره تربیت کارشناس علم داده که ۱۳۶ ساعته با دوره علم داده که ۱۲۸ ساعته توی چیه و اینکه شما کدوم رو برای شروع پیشنهاد میکنید برای کسی که آشنایی با داده نداره ممنون

مریم
مریم
1 سال قبل
پاسخ به  ادمین سایت

سلام دوره کارشناس علم داده با علم داده فرق داره ؟

هادی
هادی
1 سال قبل

با سلام
آیا دوره کارشناس علم داده دوباره برگزار میشه؟

رامین جعفری
رامین جعفری
10 ماه قبل

سلام. من توی توضیحات دوره هر چی گشتم نتونستم اسم مدرسین دوره رو پیدا کنم. توی دوره دانشگاه تهران تمامی مدرسین با اسم و رزومه معرفی شدن. امکانش هست که اساتید رو معرفی کنید؟

پرهام
پرهام
10 ماه قبل

سلام این دوره که ۲۶ فروردین برگزار میشه به صورت حضوری هستش ؟

وحید
وحید
9 ماه قبل
پاسخ به  ادمین سایت

سلام.
در اسم دورن گفته آنلاین.
منظور از حضوری آنلاین چیه

غیوری
غیوری
9 ماه قبل

سلام آیا این دوره در تابستان تکرار خواهد شد؟


دسته: علوم داده ،