دوره یادگیری علم داده [حضوری و غیرحضوری]

(دیدگاه کاربر 3)

۸۹۰,۰۰۰ تومان۹۹۰,۰۰۰ تومان

عنوان دوره: دوره آموزشی حضوری و غیرحضوری یادگیری علم داده
مخاطبین: علاقه مندان و افرادی که تمایل به یادگیری حوزه علم داده دارند.
پیش نیازهای دوره: حداقل 1 سال سابقه برنامه نویسی
روز و ساعت برگزاری: پنجشنبه هر هفته ساعت ۱۴ الی ۱۷
تاریخ شروع دوره: پنجشنبه  ۱۲ تیر ماه
طول دوره: ۱۰ جلسه ۳ ساعته در مجموع ۳۰ ساعت
نحوه ارائه: حضوری و غیرحضوری
پشتیبانی: دارای گروه تلگرامی اختصاصی است
مدرس: امیر باقری
مدیریت دوره: فرید طاهری
نزدیک ترین مترو: مترو میدان جهاد
آدرس آموزشگاه: یوسف آباد، خ ابن سینا، خ ۳۳، پلاک ۲۹، طبقه ۲
مبلغ حضوری: ۹۹۰ هزار تومان
مبلغ غیرحضوری: ۸۹۰ هزار تومان

صاف

توضیحات

این دوره با هدف یادگیری صحیح مراحل پروژه‌های داده محور تنظیم شده است. به طور معمول دوره‌های علم داده شامل طیف وسیعی از الگوریتم‌ها داده کاوی و یادگیری ماشین می‌شوند. اما ما این راه را برنگزیدیم زیرا براساس تجربه کاری و سال‌ها مصاحبه با متقاضیان کار در این حوضه دریافتیم که هرچند آشنایی با روش‌ها و الگوریتم‌های گوناگون مفید است اما آنچه در طول یک پروژه عملیاتی مفیدتر است، درک صحیح از متدلوژی کار با دادگان است.

به همین دلیل با مثال‌های کاربردی و تشریح مطالب مناسب با استفاده از الگوریتم‌های شناخته شده و بسیار پرکاربرد در پروژه‌های عمومی داده محور، برآنیم تا کسانی که قصد دارند در این حوزه شروع به کارکنند را در کوتاه‌ترین زمان به توانمندی نسبتا قابل قبولی برسانیم.

بدین ترتیب بعد از این دوره، دانش آموختگان هم آماده دوره‌های پیشرفته می‌شوند و هم در محیط کار می‌توانند کار بر روی داده را شروع کرده و به فراخور سطح پیچیدگی پروژه در دست به نتیجه برسند.

  • موضوع: دوره آموزشی یادگیری علم داده [حضوری و غیرحضوری]

  • مخاطب: علاقه مندان و افرادی که تمایل به ورود به حوزه علم داده دارند و می‌خواهند این مسیر را ادامه دهند.

این فیلم را حتما تماشا کنید

دانلود سرفصل‌های این دوره آموزشی منحصربفرد


مدت زمان باقیمانده تا شروع این دوره آموزشی [پنجشنبه ۱۲ تیر ماه – ساعت ۱۴]

2020/07/02 00:00:14

سرفصل‌های این دوره آموزشی

این دوره با هدف یادگیری صحیح مراحل پروژه‌های داده محور تنظیم شده است. به طور معمول دوره‌های علم داده شامل طیف وسیعی از الگوریتم‌ها داده کاوی و یادگیری ماشین می‌شوند. اما ما این راه را برنگزیدیم زیرا براساس تجربه کاری و سال‌ها مصاحبه با متقاضیان کار در این حوضه دریافتیم که هرچند آشنایی با روش‌ها و الگوریتم‌های گوناگون مفید است اما آنچه در طول یک پروژه عملیاتی مفیدتر است، درک صحیح از متدلوژی کار با دادگان است.

به همین دلیل با مثال‌های کاربردی و تشریح مطالب مناسب با استفاده از الگوریتم‌های شناخته شده و بسیار پرکاربرد در پروژه‌های عمومی داده محور، برآنیم تا کسانی که قصد دارند در این حوزه شروع به کارکنند را در کوتاه‌ترین زمان به توانمندی نسبتا قابل قبولی برسانیم.

بدین ترتیب بعد از این دوره، دانش آموختگان هم آماده دوره‌های پیشرفته می‌شوند و هم در محیط کار می‌توانند کار بر روی داده را شروع کرده و به فراخور سطح پیچیدگی پروژه در دست به نتیجه برسند.

این دوره پیش نیاز دوره‌های زیر در نیک آموز خواهد بود که در آینده تشکیل خواهد شد:

  • دوره پیشرفته علم داده شامل عملیات بر روی داده با استفاده از اکثر الگوریتم‌های مطرح یادگیری ماشین و داده کاوی
  • دوره پردازش متن
  • دوره پردازش صدا و تصویر
  • سیستم‌های پیشنهاد دهنده
  • دوره شبکه‌های عصبی و یادگیری عمیق
  • دوره پیشرفته “جست و جوی شباهت در فضای متریک” (سیستم‌های پیشنهاد دهنده پیشرفته)
  • دوره پردازش و تحلیل کلان داده

۱- معرفی ابزارهای مورد نیاز در طول دوره

  • Python
  • Scikit
  • Matplotlib
  • Numpy
  • Pandas

۲- جمع آوری و آماده‌سازی داده جهت تحلیل اولیه

از آنجا که دادگان دریافتی از کارفرما و یا منابع آزاد عمدتا ناشناخته هستند، شناخت و آزمون اولیه داده جهت آماده‌سازی آن برای مراحل بعدی جزء موارد چالشی و مهم است و در اکثر مواقع بسیار زمانبر است. یکی از نکات در این مرحله توانمندی فنی ما و آشنای ما با ابزار است. از آنجایی که در حال حاضر برای فازهای اولیه Data Exploration ابزاری پانداس جز مطرح ترین‌هاست، ما باید تا جای ممکن با آن آشنا شویم تا اهداف ما محدود به توانمندی فنی ما نشود.

 

  • Series
  • Data Frame
  • Data Exploration
  • Pandas Queries

 

سناریو: مفاهیم بالا در دیتا ست Baltimore Salary، Revenue-Budget_financial_Plan و 50StartUp بررسی و پیاده خواهد شد. این دیتاست‌ها بعضا برای اهداف آموزشی و تحقیقاتی نیستند و خروجی شرکت‌ها و بنگاه‌های سرمایه داری بزرگ هستند. در این دیتاست‌ها با دنبال کردن مراحل مورد نیاز، کار با پانداس و Data Exploration را خواهیم آموخت. بدلیل محدودیت‌های پانداس در برخی پروژه‌های عملیاتی SqlLite و MS Sql Server برای حل برخی مشکلات معرفی می‌گردند.

جهت انجام محاسبات عددی در مرحله Exploration نیز موارد مورد نیاز از کتابخانه numpy پوشش داده خواهد شد.

۳- یادگیری ماشین و داده کاوی

  • Classification & Regression
    • Linear Regression
    • Logistic Regression
    • Evaluation Methods (LMSE, MSE..)
    • Decision Tree
    • Random Forest
    • Evaluation methods (Confusion Matrix, ROC, AUC, F1 Score)
  • Clustering
    • Methodology
    • Kmeans
    • معرفی Density Based, Hierarchical, Grid Based

 

سناریوها:

  • بررسی نقاط ضعف و قوت الگوریتم‌ها بالا
  • پیشبینی و اننتخاب مناسب ترین قیمت کالا بر اساس خصیصه‌های مختلف آن (دیتاست Airbnb)
  • دسته بندی دانش آموزان و پیش بینی قبولی یا مردود شدن آنها (دیتاست Student Performance)
  • دسته بندی رفتار نمایندگان پارلمان و دسته بندی آرای آنها (دیتاست Congress 2016)
  • تحلیل و دسته بندی درآمد افراد و ارتباط آن با خصیصه‌های دیگرشان (دیتاست Adults)
  • انتخاب خصیصه‌های Categorical و راه حل مدیریت آنها
  • تعدادی سناریو و نکات آماری

۴- انتخاب خصیصه

  • مهندسی خصیصه
  • آمار در انتخاب خصیصه
  • برخی الگوریتم‌های انتخاب خصیصه
  • مدیریت خصیصه‌های غیر عددی
  • Transformation

مدرس این دوره امیر باقری می‌باشد

امیر باقری [متخصص و کارشناس ارشد مدیریت داده کاوی و تحلیل داده]

امیر باقری مدیریت داده کاوی و تحلیل داده و مشاور فنی در زمینه راهکارهای مبتنی بر علم داده است. وی فارغ التحصیل مهندسی کامپیوتر از دانشگاه پیزا و پلی تکنیک میلان ایتالیا است و در حال حاضر کاندیدای دکتری پردازش متن حجیم Big Text Mining است.

حیطه تخصصی وی در دو زمینه کلی شامل رمز نگاری و علوم داده است.
اکثر پروژه‌های ایشان در زمینه‌های فرایند کاوی و هوش مصنوعی بوده است‌.عمده پروژه‌های ایشان شامل: کشف تقلب در سیستم‌های بانکی و پشتیبانی محصول، تشخیص تخلف در خود اظهاری بر اساس تراکنش و یا دیگر خصیصه‌های مالی و غیر مالی، OSINT ، چند پروژه در زمینه ، بهینه سازی فروشگاه‌های زنجیره ای، تحلیل احساس اجتماعی و استفاده از آن در فروش و، تبلیغات و پیش بینی آینده، بهینه سازی تبلیغات، اتوماسیون‌ها بر پایه تحلیل احساس با پردازش حالت چهره و صدای مشتری،، امنیت سیستم‌های اینتر پرایز با استفاده از هوش مصنوعی و داده کاوی، ارائه سلوشن‌های مخابراتی بهینه از جمله پروژه‌های عملیاتی و تحقیقاتی ایشان در ایران و دیگر کشور بوده است.
همچنین ایشان علاقه بسیار زیادی به انتقال مفاهیم و تدریس دارند و شاید به همین علت حدود هشت سال سابقه تدریس تافل، آیلتس و جی آر ای در کنار تدریس ریاضیات داشتند.

با ثبت نام در این دوره چه چیزهایی به دست می‌آورید

null

دانلود مثال‌ها

مثال‌های این دوره آموزشی بعد از تشکیل هر جلسه برای شما ارسال خواهد شد و شما را به راحتی می‌توانید استفاده کنید.

null

فایل‌های PDF

شما با شرکت در این دوره تمامی جزوات تدریس شده را به صورت رنگی با کیفیت عالی درقالب یک فایل PDF دریافت خواهید کرد

null

جزوات رنگی (فقط حضوری)

مباحث تدریس شده در دوره به صورت جزوات PDF به شما ارائه خواهد شد

null

حضور در کلاس

با شرکت در دوره حضوری می‌توانید در کلاس حضور داشته باشید

null

صوت کلاس

صوت هر جلسه جهت دانلود برای شما ایمیل خواهد شد.

null

پشتیبانی VIP تلگرامی

بعد از خرید دوره به گروه تلگرامی آن اضافه خواهید شد

null

مشاهده آنلاین و زنده

بعد از خرید دوره می‌توانید به صورت زنده و Live هر جلسه از آموزش را پیگیری نمایید.

null

فیلم‌های آموزشی

فیلم‌های آموزشی بعد از تدوین برای شما ایمیل خواهد شد.

 

قبل از هر چیز باید بگویم کیفیت فیلمبرداری و صوتی این دوره در حد سریال‌ها و تیزرهای تلویزیونی خواهد بود، پس به هیچ عنوان لازم نیست نگران کیفیت صوتی و تصویری این دوره باشید.
در این دوره هم از محیط کلاس و هم از دسکتاپ مدرس فیلمبرداری خواهد شد و بعد از میکس در اختیار دوستان شرکت کننده (حضوری و غیرحضوری) قرار خواهد گرفت.

 

اگر خارج از تهران هستید یا پُرمشغله هستید چرا در دوره غیرحضوری شرکت نمی‌کنید!؟

اگر خارج از تهران هستید، اگر پُرمشغله هستید: بصورت غیرحضوری ثبت نام کنید، کلاس را زنده ببینید و فیلم با کیفیت فوق حرفه‌ای به همراه جزوات کاملا رنگی و دستورالعمل اجرا دریافت کنید.

 

 

 

این دوره مناسب چه کسانی است؟

این دوره مناسب افرادی است که حداقل یک سال سابقه برنامه نویسی داشته باشد و علاقه مند به دنیای علم داده باشد.

 

دوره حضوری با دوره غیرحضوری چه فرقی دارد؟

در دوره غیرحضوری از محیط کلاس و دسکتاپ مدرس فیلمبرداری می‌شود و این دو با هم میکس شده و با جزوه رنگی، مثال‌ها و تمرین‌ها در اختیار دوستان غیرحضوری قرار می‌گیرد. در دوره حضوری علاوه بر اینکه فیلم، جزوه و… را دریافت می‌کنید در کلاس هم حضور خواهید داشت.

 

پشتیبانی بوسیله یک گروه تلگرام اختصاصی
تصور کنید شما جلسه اول را گذارنده‌اید و یا فیلم آنرا تماشا کرده‌اید، حال از جلسه اول یک سوال برای شما پیش آمده است:

 

 

 

1- آیا باید یک هفته صبر کنید تا سوال خود را مطرح کنید؟
2- آیا باید تلفن کنید و با مدرس صحبت کنید؟
3- آیا باید ایمیل بزنید؟

تنها با پرسیدن در گروه تلگرامی VIP مشکل شما به راحتی آب خوردن توسط مدرس و سایر دوستان دیگر حل خواهد شد. از دوره لذت ببرید!

 

نمایش Live و زنده دوره برای افراد غیرحضوری

دوستانی که بصورت غیرحضوری ثبت نام کرده‌اند می‌توانند دسکتاپ و صدای مدرس را به صورت کاملا زنده مشاهده کنند. در هر کجای جهان هستید بدون هیچ محدودیتی در کلاس باشید.

 

 

 

 

پیش نیازهای دوره

این دوره حداقل نیاز به یک سال سابقه برنامه نویسی دارد و کافی است که شما به مباحث یادگیری ماشین و علم داده علاقه مند باشید.
رویکرد این دوره بیشتر مباحث عملی و سناریوهای تجربی می‌باشد.

دوره آموزش یادگیری علم داده در یک نگاه کلی

عنوان دوره: دوره آموزشی حضوری و غیرحضوری یادگیری علم داده
مخاطبین: علاقه مندان و افرادی که تمایل به یادگیری حوزه علم داده دارند.
پیش نیازهای دوره: حداقل 1 سال سابقه برنامه نویسی
روز و ساعت برگزاری: پنجشنبه هر هفته ساعت ۱۴ الی ۱۷
تاریخ شروع دوره: پنجشنبه ۱۲ تیر ماه
طول دوره: ۱۰ جلسه ۳ ساعته در مجموع ۳۰ ساعت
نحوه ارائه: حضوری و غیرحضوری
پشتیبانی: دارای گروه تلگرامی اختصاصی است
مدرس: امیر باقری
مدیریت دوره: فرید طاهری
نزدیک ترین مترو: مترو میدان جهاد
آدرس آموزشگاه: یوسف آباد، خ ابن سینا، خ ۳۳، پلاک ۲۹، طبقه ۲
مبلغ حضوری: ۹۹۰ هزار تومان
مبلغ غیرحضوری: ۸۹۰ هزار تومان

مبلغ دوره


شرایط حضوری:
محتوای حضوری: شرکت در کلاس حضوری و پذیرایی
محتوای دوره: ۱۰ جلسه ۳ ساعته در مجموع ۳۰ ساعت آموزش تصویری (فیلم)، صوت دوره، تمرین‌ها، جزوات رنگی، به همراه ایمیل محتوای دوره
ایمیل محتوای آموزشی: تمام محتوای دوره برای شما ایمیل خواهد شد.
مبلغ سرمایه گذاری حضوری: ۹۹۰ هزار تومان

شرایط غیرحضوری:
محتوای غیرحضوری: ۱۰ جلسه ۳ ساعته در مجموع ۳۰ ساعت آموزش تصویری (فیلم)، صوت دوره، تمرین‌ها، PDF جزوات برای شما ایمیل خواهد شد.
مشاهده Live: دسکتاپ و صدای مدرس، بصورت زنده و آنلاین قابل مشاهده است.
ایمیل محتوای آموزشی: تمام محتوای دوره برای شما ایمیل خواهد شد.
مبلغ سرمایه گذاری غیرحضوری: ۸۹۰ هزار تومان

 

آیا مبلغ دوره مناسب است!؟
به نظر من مبلغ دوره بسیار، بسیار ارزان و مناسب است، این دوره دارای تمرین و سناریوهای کاملا اختصاصی است که البته مدرس از تجربیات ارزشمند خود در کل دوره خواهد گفت که می‌توانید از آن استفاده نمایید. همچنین شما پشتیبانی یک گروه اختصاصی تلگرامی را نیز خواهید داشت.

 

 

گارانتی برگشت ۲ برابری پول

شما با شرکت در این دوره هیچ چیزی را از دست نخواهید داد، چون این دوره دارای گارانتی ۲ برابری برگشت پول است.

نحوه ثبت‌نام در دوره به چه شکل است؟

 

ثبت نام به صورت حضوری

۱- ابتدا بر روی دکمه زیر کلیک نمایید.

۲- اطلاعات خواسته شده را تکمیل و مبلغ مورد نظر را پرداخت نمایید.
۳- شما در لیست ثبت‌نام کنندگان حضوری قرار گرفته‌اید، ۱۰ دقیقه دیگر ایمیل خود را بررسی نمایید

ثبت نام بصورت غیرحضوری:
۱- ابتدا بر روی دکمه زیر کلیک کنید.

۲- اطلاعات خواسته شده را تکمیل و مبلغ مورد نظر را پرداخت نمایید.
۳- شما در لیست ثبت‌نام کنندگان غیرحضوری قرار گرفته‌اید، ۱۰ دقیقه دیگر ایمیل خود را بررسی نمایید

اگر نیاز به پیش فاکتور و یا فاکتور دارید لطفا با شماره تلفن ۹۱۰۷۰۰۱۷ – ۰۲۱ داخلی ۱ تماس گرفته و درخواست نمایید.

پاسخ به سوالات متداول درباره این دوره آموزشی

1- روی دکمه خرید (حضوری یا غیرحضوری) کلیک کنید تا به سبد خرید هدایت شوید.
2- مراحل خرید اعم از لاگین، تکمیل اطلاعات و پرداخت اینترنتی را انجام دهید.
3- در انتها و بعد از پرداخت به قسمت مشخصات سفارش خود هدایت خواهید شد.
4- تبریک می‌گوییم شما در لیست خریداران این دوره قرار گرفته‌اید بعد از 5 دقیقه ایمیل خود را بررسی کنید.

آدرس دفتر: تهران، یوسف آباد، خیابان اسدآبادی، میدان فرهنگ، خیابان ۳۳، پلاک ۲۹ جدید (پلاک ۳۱ قدیم)، زنگ ۲
آدرس روی گوگل مپ: https://goo.gl/maps/gr3djYFJzV32

واقعیت این است که یک تیم پرتلاش با مدرسین واقعا حرفه‌ای بصورت شبانه‌روزی فعالیت می‌کنند تا بتوانند دوره‌های آموزشی در سطح بسیار بالایی تولید کنند.
لطفا و خواهشا کپی نکنید و موارد زیر را مدنظر داشته باشید:

  • در نیک آموز بر روی مطالب آموزشی و دوره‌ها قفل گذاشته نمی‌شود تا شما دوست عزیز بدون دردسر بتوانید مطالب آموزشی را در هر دستگاهی تماشا نمایید.
  • محتوای خریداری شده را می‌توانید با بستگان درجه یک (همسر، پدر،مادر،خواهر،برادر) به اشتراک بگذارید.
  • ما از کپی محتوای آموزشی نیک آموز تحت هیچ شرایطی رضایت نداریم. این مورد شرعا حرام و موارد مشاهده شده پیگرد قانونی خواهد داشت همان طور که شما تمایل ندارید برنامه شما کپی شود مجموعه نیک آموز هم از کپی دوره‌ها کاملا ناراضی است.
  • محتوا را میتوانید توسط تیم خودتان و داخل شرکت خودتان تماشا کنید ولی اگر محتوا را به بیرون از شرکت انتقال دهید ما کاملا از این موضوع ناراضی هستیم.
  • خواهشمندیم به موارد مطرح شده پایبند بوده زیرا تمامی محتواهای آموزشی نیک آموز در سازمان وزارت ارشاد بصورت قانونی ثبت شده است و موارد مشاهده شده پیگرد قانونی خواهد داشت.

3 دیدگاه برای دوره یادگیری علم داده [حضوری و غیرحضوری]

  1. ابراهیم خوئی
    1 out of 5

    :

    لطفا مثال هایی از کاربرد علم داده و روش های درآمدزایی آن را عنوان بفرمایید

  2. محسن ربیعی
    5 out of 5

    :

    من برنامه نویسم و دقیقا به مقداری دانش در این مبحث نیاز دارم تا یک پروژه ای رو تموم کنم. امیدوارم مناسب باشه. بنظر خوب میاد

  3. mohsen
    5 out of 5

    :

    آیا بعد از شروع دوره هم می توان دوره را خریداری کرد و به جلسات ویدو های قبلی دسترسی داشت ‌؟

دیدگاه خود را بنویسید

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

تمامی حقوق مادی و معنوی این وب سایت متعلق به نیک آموز می باشد.
این سایت توسط تیم آموزش برنامه نویسی نیک آموز مدیریت می شود.

تقویم آموزشی دوره‌های حضوری و غیرحضوری جدید | تابستان 1399
close-image