توضیحات


این فیلم را حتما تماشا کنید
دانلود سرفصلهای این دوره آموزشی منحصربفرد
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
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!
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 غیرحضوری: ۸۹۰ هزار تومان
مبلغ دوره
شرایط غیرحضوری:
محتوای غیرحضوری: ۱۰ جلسه ۳ ساعته در مجموع ۳۰ ساعت آموزش تصویری (فیلم)، تمرینها، PDF جزوات به صورت دانلودی
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.
پاسخ به سوالات متداول درباره این دوره آموزشی
1- روی دکمه خرید (دانلودی) 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 و میتوانید از بخش سفارشهای پنل کاربری خود این دوره را دانلود نمایید.
این دوره برگزار شده است و فیلمهای آن به محض ثبت سفارش در اختیار شما قرار خواهد گرفت.
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.
ابراهیم خوئی – :
لطفا مثال هایی از کاربرد علم داده و روش های درآمدزایی آن را عنوان بفرمایید
محسن ربیعی – :
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
mohsen – :
آیا بعد از شروع دوره هم می توان دوره را خریداری کرد و به جلسات ویدو های قبلی دسترسی داشت ؟
آرزو محمدزاده – :
درود بر شما
بله امکان این مورد هست.
مسعود – :
جناب باقری عزیز سلام
میخواستم از شما بپرسم که دوره ی پیشرفته داده کاوی چه زمانی منتشر میشود؟
ممنون
آرزو محمدزاده – :
درود بر شما
انشالله بعد از دوره مقدماتی سرفصل های این دوره ارائه خواهد شد.
سپاس از همراهی شما
موسویان – :
منتظر دوره های پیشرفته هستیم همچنان
Yekta – :
سلام ببخشید دوره پیشرفته و دوره شبکههای عصبی و یادگیری عمیق کی برگزار میشه؟حضوری خواهد بود؟
آرزو محمدزاده – :
درود بر شما
به زودی در این زمینه اطلاع رسانی خواهیم کرد
سپاس از همراهی شما
مونا (خریدار محصول) – :
دوره خوب و کاربردی بود. برای من که یه آشنایی کلی با مفاهیم علم داده داشتم خوب بود. ولی اگه صفر صفر باشین یه کم تلاش بیشتری نیاز دارین واسه فهم مطالب . در کل قبلا هم از نیک آموز دوره خریدم و راضی هستم. بی صبرانه منتظر دوره پیشرفته علم داده هستم
جهانگیر اردستانی – :
با سلام و احترام
چطور با این جناب دکتر باقری، مدرس این دوره تماس بگیریم یا ارتباط داشته باشیم؟ من به ایشون نیاز دارم.
سپاس
آرزو محمدزاده – :
درود بر شما
اگر از دانشجویان دوره علم داده ایشان باشید در گروه تلگرامی مستقیما به ایشان دسترسی خواهید داشت در غیراین صورت باید از بخش تیکتینگ سایت اقدام نمایید.
با تشکر
محمد – :
سلام
آیا پکیج غیر حضوری بصورت آنلاین هست و قابلیت دیدن بصورت آنلاین فراهم هست؟
چون موقع خرید گزینه ارسال داشت.
و آیا اگر دوره غیر حضوری را خریداری کنیم به استاد دسترسی داریم؟
مسعود طاهری – :
سلام وقت به خیر
دوره به صورت غیر حضوری است
برای پشتیبانی این دوره یک گروه تلگرامی وجود دارد که شما و سایر دوستانی که دوره را تهیه کرده اند در آن عضو هستید ، همچنین استاد در این گروه تلگرامی حضور داشته و به سوالات دانشجویان پاسخ می دهند.
مسعود – :
سلام و وقت بخیر
میخواستم از شما بپرسم که دوره پیشرفته علم داده چه زمانی منتشر میشود؟
تیم فنی نیک آموز – :
درود وقت بخیر
این مورد زمان بندی مشخصی نداره متاسفانه اما به زودی دوره مهندسی داده به تدریس اقای بنائی تو نیک آموز قرار است شروع شود. سرفصل های اون رو میتونید از لینک زیر مشاهده کنید.
https://nikamooz.com/product/data-engineering-course/
ایزدمهر – :
سلام
چرا اسم دوره به این شکل هست؟ مقدمات یادگیری. در صورتی که من بعد از خرید دوره متوجه شدم مطالب در عین سادگی بعضی هاش واقعا عمیق هستند. بنظرتون اسمی که انتخاب کردید بد نیست؟
تیم فنی نیک آموز – :
درود وقت بخیر
اسم دوره یادگیری علم داده هست دوست عزیز
سپاس از همراهی شما