علم داده با پایتون یا همان Data science در حال حاضر یکی از محبوب ترین و پرطرفدارترین گرایشهای هوش مصنوعی به حساب میآید. به طوری که در سراسر جهان (از جمله ایران)، این تخصص به شدت مورد توجه شرکتها قر...
علم داده با پایتون یا همان Data science در حال حاضر یکی از محبوب ترین و پرطرفدارترین گرایشهای هوش مصنوعی به حساب میآید. به طوری که در سراسر جهان (از جمله ایران)، این تخصص به شدت مورد توجه شرکتها قرار گرفته است. در آمریکا، میانگین حقوق پرداختی به یک متخصص علم داده (ِData scientist) و یادگیری ماشین (Machine learning) بیش از 120 هزار دلار در سال می باشد و این در حالی است که یک مهندس برق 100 هزار در سال میگیرد.
در ایران نیز شرکتهای بزرگ از جمله اسنپ، تپ سی، کافه بازار، علـی بـابـا، شرکتهای بانکی و بیمهای و …، همگی همواره فرصت شغلیهای متخصص علم داده را دارند. علت محبوبیت این تخصص، افزایش روزانه حجم تولید داده و داده محور شدن اکثر کسب و کارهای امروزی است. میتوان داده را مساوی طلا در نظر گرفت.
هر چقدر دادههای موجود در پایگاه داده شرکت افزایش پیدا کند، سرمایه شرکت بیشتر میشود. حال، برای تبدیل کردن این دادههای حجیم و تمیز نشده، نیاز است از این تخصص استفاده کرد تا با کشف الگوهای پنهان از پردازش میلیونها داده، نتایج شگف انگیزی را بدست آورد و تحلیل کرد.
یکی دیگر از محبوب شدن علم داده، کمک به کاهش هزینه، افزایش قابل توجه درآمد و افزایش قدرت رقابت در بازار است. شما به کمک data science، میتوانید هر نوع دادهای را تحلیل کنید (دادههای پایگاه داده و کسب و کار، متن گزارشات و اسناد، تصاویر، سخنرانیها و …)
پکیج علم داده (Data Science) با پایتون، مجموع چهار دوره مبانی و مفاهیم داده کاوی و یادگیری ماشین، داده کاوی و یادگیری ماشین با پایتون، متن کاوی و پردازش زبانهای طبیعی با پایتون و یادگیری عمیق با پایتون است.
توجه: پکیج در سه فصل قرار گرفته است و با هدف یادگیری کامل و تسلط به مباحث پکیج، نیاز است که فایلها به ترتیب فهرست مشاهده شوند:
1-1) مبانی و مفاهیم داده کاوی و یادگیری ماشین: به آموزش جامع مفاهیم داده کاوی پرداخته می شود و به طور کامل، مفاهیم مربوط با داده کاوی و یادگیری ماشینی را یاد خواهید گرفت.
1-2) داده کاوی و یادگیری ماشین با پایتون: به آموزش داده کاوی (data mining) و بکارگیری آن در کسب و کار و انجام پروژههای دانشگاهی پرداخته میشود.
2) متن کاوی و پردازش زبانهای طبیعی با پایتون: در فصل دوم؛ شما در تحلیل دادههای کیفی (فایلهای PDF، Word، .txt ، متن صفحات وب و دیتای متن در اکسل و (CSV به مهارت بسیار خوبی خواهید رسید و انواع متن را به کمک هوش مصنوعی تحلیل خواهید نمود.
3) یادگیری عمیق با پایتون: وژن نوینی از یادگیری ماشین که شما میتوانید مدلهای پیش بینی کننده (از جمله پروژههای طبقه بندی، تحلیل احساسات، طبقه بندی تصاویر، پیش بینی سریهای زمانی و …) را با آن انجام دهید.
آشنایی با مفاهیم اولیه
مفهوم جبر خطی در داده کاوی و یادگیری ماشین
آشنایی با انواع دیتا
مفاهیم تحلیل آماری و رسم نمودار در داده کاوی و یادگیری ماشین
مفاهیم پیش پردازش دادهها
مفهوم سریهای زمانی
مفهوم رگرسیون خطی
مفهوم خوشه بندی (Clustering)
مفهوم طبقه بندی (Classification)
مفهوم آنالیز RFM
مفهوم قواعد انجمنی
آشنایی با دوره
مرور مبانی برنامه نویسی با پایتون با تمرکز بر داده کاوی و یادگیری ماشین
جبر خطی برای داده کاوی و یادگیری ماشین با پایتون
آشنایی با کتابخانههای دادهکاوی و یادگیری ماشین با پایتون
وارد کردن دیتاستها
تحلیل آماری
پیش پردازش داده
سری زمانی
رگرسیون خطی
خوشه بندی
طبقه بندی
مدیریت ارتباط با مشتری (CRM)
قواعد انجمنی (Association Rules)
پروژه تحلیل سبد بازار (Market basket analysis) یک شرکت خرده فروشی بین المللی
معرفی و مرور مبانی داده کاوی با پایتون
استخراج متن از منابع مختلف
پیش پردازش متن
تبدیل متن به ویژگی
پردازش زبان طبیعی پیشرفته
پروژههای کسب و کار
معرفی و آشنایی با یادگیری عمیق
پرسپترونهای چندلایه (MLP)
شبکههای عصبی کانولوشنالی (CNN)
شبکههای عصبی بازگشتی (RNN)
پروژه های پیشرفته یادگیری عمیق
1- با توجه به تعداد زیاد فایل های آموزش و راحتی دانشجو در دانلود آنها، فایلها در دو بخش به صورت فشرده قرار داده شده است که پس از خرید دوره، مطابق با فهرست دوره قابل دانلود و مشاهده می باشند.
2- این آموزش در Jupyter notebook (ورژن 3.7 پایتون) تهیه و پیاده سازی شده است.
3- در صورت داشتن هر گونه سوال در خصوص دوره، از طریق آدرس ایمیل shahin.nouri91@gmail.com و یا ارسال تیکت (در صورت خرید دوره)، می توانید سؤالات خود را مطرح نمایید.
توجه : با هدف یادگیری کامل و تسلط به مباحث دوره، در صورت داشتن هر گونه سؤال، راهنمایی و نیاز به توضیحات بیشتر در خصوص فرآیندها و عملگرهای آموزش، دانشجویان محترم می توانند با ارسال تیکت از طریق بخش حساب کاربری و تیکت پشتیبانی با بنده در ارتباط باشند.
هنوز نظری ثبت نشده است.