دوره جامع علم داده

نوع رویداد: آنلاین
دسته بندی موضوعی:استارتاپ, برنامه نویسی
رشته های تحصیلی:همه‌ی رشته‌ها
جلسات رویداد زمان برگزاری
1 21:00 - 1403/06/12
2 21:00 - 1403/06/14
3 21:00 - 1403/06/16
4 21:00 - 1403/06/17
5 21:00 - 1403/06/19
6 21:00 - 1403/06/21
7 21:00 - 1403/06/23
8 21:00 - 1403/06/24
9 21:00 - 1403/06/26
10 21:00 - 1403/06/29
توضیحات

دوره جامع  علم داده

به جمع ما بپیوندید و مهارت‌های لازم برای ورود به دنیای علم داده را کسب کنید! این دوره پروژه محور، به شما کمک می‌کند تا با استفاده از ابزارها و تکنیک‌های پیشرفته، به درک عمیق‌تری از داده‌ها برسید و بتوانید در بازار کار رقابتی امروز موفق شوید.

 

ویژگی‌های دوره:

آموزش استفاده از سرور قدرتمند هوش مصنوعی گوگل: با استفاده از سرورهای پیشرفته گوگل، به یادگیری عمیق و تکنیک‌های نوین علم داده پرداخته می‌شود.

گواهی معتبر: پس از اتمام دوره، گواهی معتبر حضور تحت نظر دانشگاه صنعتی شریف و بنیاد ملی نخبگان به شرکت‌کنندگان اهدا می‌شود.

دسترسی به جلسات ضبط شده: تمامی جلسات دوره ضبط و در اختیار شرکت‌کنندگان قرار می‌گیرد تا بتوانند در هر زمان به مطالب دسترسی داشته باشند.

فرصت‌های کارآموزی و استخدام: ما به دنبال جذب دانشجویان مستعد برای دوره‌های کارآموزی و استخدام در شرکت‌های معتبر هستیم.

تشکیل گروه پرسش و پاسخ: برای تسهیل یادگیری و رفع ابهامات، گروه‌های پرسش و پاسخ تشکیل می‌شود تا به شما کمک کند تا در هر مرحله از یادگیری خود، پشتیبانی لازم را دریافت کنید.

با ثبت‌نام در این دوره، قدمی بزرگ به سوی آینده شغلی خود بردارید و مهارت‌های لازم برای تبدیل شدن به یک متخصص علم داده را بیاموزید!

سرفصل ها

1-مقدمه علم داده

  • آشنایی با علم داده
  • علم داده در صنعت و تجارت)هوش تجاری)
  • علم داده در تحقیق و ریسرچ
  • پروژه های دانش بنیان علم داده
  • پوزشین های ارشد و دکتری فول فاند علم داده برای 2023
  • فرایند استاندارد صنعتی متقاطع CRISP

2-راه اندازی نرم افزاری

  • زبان های برنامه نویسی علم داده
  • راه اندازی پایتون در ویندوز و لینوکس
  • نصب IDE  های موزد نیاز
  • کار با Virtual Environment
  • کار با سرور لینوکسی قدرتمند گوگل برای علم داده و یادگیری ماشین

3-مبانی محاسباتی و آنالیز

  • جبر خطی
  • توپولوژی و فضای ویژگی
  • آمار و احتمال (میانه ،میانگین،واریانس،انحراف معیار،کوواریانس)
  • نظریه پیچدگی
  • استقلال و هم بستگی
  • علیت
  • چارچوب های محاسباتی
  • فرضیه سازی
  • مسئله بهینه سازی

4-پایگاه داده

  • مبانی پایگاه داده
  • SQL
  • ORM
  • Pewee ORM
  • پیاده سازی مدل ها
  • CRUD
  • طراحی مدل و رابطه
  • MySQL
  • Query
  • Group by in ORM
  • Join in ORM

5-Numpy and Scipy Framework

  • ارایه ها و ماتریس
  • ضرب داخلی و ضرب خارجی ارایه ها
  • عملیات درایه ماتریسی
  • دنباله ها
  • Reshape
  • توزیع نرمال
  • توزیع استاندارد نرمال
  • اتحاد و اشتراک
  • حدف داده های تکراری
  • واریانس
  • انحراف معیار
  • کوواریانس
  • میانه
  • میانگین
  • هبستگی
  • ضریب پیرسن
  • ضریب سپیرمن

6-Pandas Framework

  • بارگزاری دیتاست
  • کار با index
  • کار با values
  • Data Frame
  • عملیات ها در Data Frame
  • پیش پردازش اطلاعات
  • پیش پردازش داده های NASA
  • فرایند های آماری و آنالیز دیتاست

7-Matplotlib and Seaborn Framework

  • نمودار خطی
  • نمودار نقطه ای
  • نمودار میله ای
  • رسم توابع
  • دستورات در نمودار
  • مصور سازی آنالیز داده های ناسا
  • بررسی پایستگی احتمال و نرمالایز کردن
  • هیستوگرام
  • Pie plot
  • پیش پردازش اطلاعات
  • پیش پردازش اولیه داده ها
  • Missing values
  • Normalizing
  • Box plot
  • Swarm plot
  • Strip plot
  • Pair plot
  • Heatmap
  • Join plot

8-آنالیز داده

  • احتمال
  • PDF
  • CDF
  • توابع توزیع احتمال
  • پایستگی احتمال
  • نرمالایز و بهنجارش
  • تخمین توزیع احتمال
  • Kulback-Leibler
  • Jenson-shanon
  • Kolmogrov-Smirnov
  • P_Value
  • تست های آماری
  • AB-Test
  • ChiSquare-Test
  • Z-Test
  • T-Test
  • ANOVA-Test
  • پروژه تحلیل آماری دوران کووید-19
  • پروژه تحلیل ریسک بازار مالی

9-آنالیز سری زمانی

  • کانسپت های سیستم و مفهوم زمان
  • مفهوم سری زمانی
  • نظریه اطلاعات
  • تحلیل پیوسته کرلشن
  • تحلیل گسسته کرلشن
  • کراس کرلشن و اتوکرلشن
  • محاسبه سوپرازینگ سیستم
  • محاسبه چگالی بی نظمی سیستم
  • تکامل سیستم
  • سری زمانی غیر ایستا
  • سری زمانی ایستا
  • دریفت و دیفیوژن
  • معادله لانگژون
  • Reconstruction
  • پروژه 1 : تحلیل زمانی بازار سهام
  • پروژه 2 : تحلیل زمانی داده های پزشکی
  • پروژه 3 : تحلیل سوپرازینگ پروژه هادرون CERN

10-یادگیری ماشین

  • تعاریف یادگیری ماشین
  • فضای فرضیه
  • تابع هزینه
  • Mean Squared Error
  • Mean Absolut Error
  • Mean Bias Error
  • Mean Squared Logarithmic Error
  • Binary Cross Entropy Error
  • Categorical Cross Entropy Error
  • Hinge Loss
  • داده های یادگیری و داده های تست
  • Overfitting
  • Underfitting
  • روش های یادگیری ماشین
  • یادگیری نظارت شده
  • یادگیری غیر نظارت شده
  • یادگیری نیمه نظارت شده
  • یادگیری تقویتی
  • یادگیری ماشین کوانتومی
  • رگرسیون
  • کلیسفیکشن
  • رگرسیون خطی
  • بررسی میدان معناطیسی حول سیم حامل جریان
  • گرادیان کاهشی
  • گرادیان کاهشی برای رگرسیون خطی
  • Global optimum
  • Local optimum
  • تجربه یادگیری استاتیکی و دینامیکی
  • طراحی تجربه یادگیری دینامیکی
  • پروژه4: سیستم پیش بینی کننده بازار ارز دیجیتال
  • تست پروژه سیستم تحلیل گر و پیش بینی کننده بازار ارز دیجیتال بصورت انلاین
  • پروژه 5: مدل سازی دمای ستاره ها(NASA)
  • پیاده سازی و تحلیل الگوریتم رگرسیون خطی
  • Logistic Regression
  • پیاده سازی و تحلیل الگوریتم logistic Regression
  • پروژه6: کلسیفیکشن انواع ستاره ها (NASA)
  • Confusion Matrix
  • Classification Report
  • F1 Score
  • پروژه7 : سیستم هوشمند تشخیص سیارک ها و شهاب سنگ های خطرناک برای زمین(NASA)
  • الگوریتم درخت تصمیم
  • الگوریتم KNN
  • بهینه سازی هایپرپارامتر k  در KNN
  • بررسی ریاضیاتی overfitting
  • Transparent Model
  • Interpretable Model and data
  • Regularization
  • خلوت سازی مدل
  • تابع جریمه یا پنالتی
  • LASSO
  • رگرسیون لاجیستیک چند دسته ای
  • شبکه های عصبی
  • توابع غیر خطی فعالیت
  • نورون عصبی
  • Score
  • Hidden Layer
  • Activation Function
  • SoftMax , Relu , Tanh
  • پروژه 8 : تشخیص اعداد دست نویس
  • Support Vector Machine
  • بردار های پشتیبان
  • مرز تصمیم گیری
  • Margin
  • بدست اوردن مدل های خطی از مدل خطی
  • افزایش بعد
  • کرنل
  • پروژه 9 :استفاده از 10 الگوریتم یادگیری نظارت شده بصورت همزمان
  • پروژه 10 :تشخیص ضربان های نامنظم قلبی با داده ECG
  • Clustering
  • K-Means
  • پروژه 11 : خوشه بندی داده های IRIS
  • پروژه 12 : ترکیب خوشه بندی با روش های نظارت شده برای کلیسیفیکشن
  • کاهش ابعاد
  • PCA
  • بهینه سازی هایپر پارامتر تعداد components در PCA
  • ترکیب PCA با الگوریتم ها نظارت شده
  • پروژه 13 :داده های ماهواره ای سازمان فضایی اروپا
  • DBSCAN
  • پروژه14 : خوشه بندی سیگنال های ECG
  • بهینه سازی هایپر پارامتر های DBSCAN به کمک یادگیری ماشین
  • پاپلاین کردن الگوریتم های نظارت شده و غیرنظارت شده
  • پروژه 15 :پردازش تصویر و دیدکشن به کمک الگوریتم های یادگیری ماشین کلاسیک

مدرس ها
پوریا خلیلیان
پژوهشگر علم داده و سیستم های پیچیده در ازمایشگاه علم داده PDAT
برگزارکننده: تیم مهندسی کورپی صفحه برگزار کننده
0 دیدگاه
368 بازدید
لینک کوتاه
نظرات

قوانین ثبت دیدگاه

  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.

اولین نفری باشید که نظر می دهید “دوره جامع علم داده”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

جلسات رویداد زمان برگزاری
1 21:00 - 1403/06/12
2 21:00 - 1403/06/14
3 21:00 - 1403/06/16
4 21:00 - 1403/06/17
5 21:00 - 1403/06/19
6 21:00 - 1403/06/21
7 21:00 - 1403/06/23
8 21:00 - 1403/06/24
9 21:00 - 1403/06/26
10 21:00 - 1403/06/29
مدرس ها
پوریا خلیلیان
پژوهشگر علم داده و سیستم های پیچیده در ازمایشگاه علم داده PDAT
برگزارکننده: تیم مهندسی کورپی صفحه برگزار کننده
0 دیدگاه
368 بازدید
لینک کوتاه