دوره علم داده (دیتا ساینس) - پنجشنبه 14-8

کامپیوتر | دوره های برنامه نویسی | علم داده (Data Science)
فرصت ثبت نام کلاس زمان باقیمانده
ثانیه
دقیقه
ساعت
روز
تاریخ پایان ثبت نام 1404/01/28 - 23:00
تاریخ شروع کلاس 1404/01/28
تاریخ پایان کلاس 1404/03/29
مدت دوره
60 ساعت
تعداد جلسات
10 جلسه
روزهای برگزاری
پنج شنبه
زمان برگزاری
08:00 الی 14:00
معرفی دوره

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.

- رشته تحصيلي و تخصصي مورد نياز (پيش نياز دوره/ كارگاه):

زبان برنامه ‏نویسی پایتون برای علم داده

P آشنایی با زبان برنامه‏نویسی Python

P آشنایی با machine learning

P آشنایی با Deep Learning With Python

P آشنایی مختصری با excel

  1. ضرورت تشكيل دوره/ كارگاه: اشتغال‏زایی
  2. اهداف برگزاري دوره/ كارگاه: داده‏کاوی
  3.  
  4. سابقه برگزاري دوره در داخل يا خارج از كشور: در داخل
  5. توانايي‌هاي مورد انتظار فراگيران در پايان دوره/ كارگاه:
  6. تجزیه و تحلیل داده‏ها و داده‏کاوی

  7. زمينه‌هاي اشتغال زايي دوره/ كارگاه:
  8. تمرکز اصلی این حوزه تبدیل داده‌های معنادار به استراتژی‌های بازاریابی و تجاری است که به رشد شرکت‌ها کمک می‌کند. در علم داده، داده‌ها ذخیره و تجزیه‌وتحلیل می‌شوند تا به یک راه‌حل منطقی برسیم. امروزه کسب‌وکارها از بخش‌ها و زمینه‌های مختلف، مانند تجارت الکترونیک، پزشکی، مالی و غیره، از تجزیه‌وتحلیل داده‌ها استفاده می‌کنند. تقریبا هر بخش صنعتی و تجاری به دنبال یک متخصص ماهر در علم داده در دنیای کنونی است. اشتغال‏زایی این دوره در حوزه‏های ذیل می‏باشد:

  9. بورس و داده‌های اقتصادی
  10. علوم اجتماعی و آمارهای دولتی
  11. علوم تخصصی و پایه
  12. پردازش داده‌‌های حجیم و جریان داده‌ها
  13. مسیریابی هوشمند و تشخیص مسیر
  14. تحلیل داده‏های کسب‏و‏کار
  15. پردازش صوت، پردازش ویدیو، پردازش تصویر
بیشتر
سرفصل ها
  • معرفی علم داده
  • محیط‏های توسعه برای نصب کتابخانه
  • معرفی زبان برنامه‏نویسی پایون
  • محیط Jupyter Notebook
  • پیش‏پردازش داده
  • دسته‏بند نانو بیز
  • ماشین بردار پشتیبان
  • رگرسیون خطی
  • انتخاب ویژگی
  • مهندسی ویژگی
  • مدیریت داده‏های پرت
  • رمزگذاری
  • تبدیل لگاریتمی
  • مقیاس‏گذاری
  • کار با تاریخ
  • شناخت داده متوالی
  • پردازش و برش داده زمانی
  • استخراج آمار از داده زمانی
  • تولید داده با استفاده از زنجیره پنهان مارکوف
  • تجزیه و تحلیل بازار سهام
  • سرفصل: کتابخانه Tensor Flow
  • تبدیل ویژگی طبقه‏ای به عددی
  • پیاده‏سازی رگرسیون لجستیک
  • دسته‏بندی با رگرسیون لبستیک
  • آموزش مجموعه داده‏های بزرگ با یادگیری آنلاین
  • کار با دسته بند چند دسته‏ای
  •  کتابخانه pandas
  • Data Frame
  • CSV در pandas
  • اندیس و گروه‏بندی در pandas
  • Apply a Function
  • مرتب‏سازی Data Frame
  • سرفصل: کتابخانه numpy

  • معرفی numpy
  • کاربردهای numpy
  • کار با توابع range، shape، random، eye
  • ایجاد آرایه
  • دستورات محاسباتی در آرایه
  • فیلتر آرایه
  • نمایه‏سازی و برش
  • جستجو و مرتب‏سازی
  • پیاده‏سازی کواریانس و همبستگی
  •  کتابخانه matplotlib

  • معرفی کتابخانه matplotlib
  • انواع نمودار
  • رسم نمودار histogram در matplotlib
  • رسم نمودارهای box plot و violin plots در matplotlib
  • رسم نمودار scatterplot در matplotlib
  • رسم نمودار correlogram در matplotlib
  • رسم نمودارهای bar plot و pie plot در matplotlib
  • رسم نمودارهای line chart و area chart در matplotlib
  • رسم نمودارهای bubble plot در matplotlib
  •  
بیشتر
فرصت ثبت نام کلاس زمان باقیمانده
ثانیه
دقیقه
ساعت
روز
زمان پایان ثبت نام 23:00 - 1404/01/28
تاریخ شروع کلاس 1404/01/28
تاریخ پایان کلاس 1404/03/29
8,800,000
افزودن به سبد خرید
افزودن به سبد خرید
8,800,000

بارگزاری کلاس های پیشنهادی برای شما ...
کلیه حقوق متعلق به جهاد دانشگاهی است. نقل مطالب با ذکر منبع مجاز است. قدرت گرفته از نما (نرم افزار مدیریت آموزش)