دوره یادگیری علم داده

این فیلم را حتما تماشا کنید

دانلود سرفصل‌های این دوره آموزشی منحصربفرد

[download id=”62548″]

دمو این دوره آموزشی

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.

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

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!

پیش نیازهای دوره

این دوره حداقل نیاز به دو سال سابقه برنامه نویسی دارد و تسلط به مباحث کوئری نویسی مقدماتی 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 غیرحضوری و دانلودی یادگیری علم داده
مخاطبین: علاقه مندان و افرادی که تمایل به یادگیری حوزه علم داده دارند.
پیش نیازهای دوره: حداقل 2 سال سابقه برنامه نویسی و تسلط به مباحث کوئری نویسی مقدماتی
طول دوره: ۱۰ جلسه ۳ ساعته در مجموع ۳۰ ساعت
نحوه ارائه: غیرحضوری و دانلودی
پشتیبانی: دارای گروه تلگرامی اختصاصی است
مدرس: امیر باقری
مدیریت دوره: فرید طاهری

مبلغ دوره

شرایط غیرحضوری:
محتوای غیرحضوری: ۱۰ جلسه ۳ ساعته در مجموع ۳۰ ساعت آموزش تصویری (فیلم)، تمرین‌ها، PDF جزوات به صورت دانلودی

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.

نحوه ثبت‌نام در دوره به چه شکل است؟

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

پاسخ به سوالات متداول درباره این دوره آموزشی