DATA SCIENCE
Probe the Data, Make a Revolution
درباره دوره
بوت کمپ تخصصی علم داده (Data science) با شعار "پردازش داده، راهی به سوی تحول" (Probe the Data, Make a Revolution) و با هدف تغییر در استراتژی‌های رشد و توسعه کسب و کارها و ارزش آفرینی با استفاده از بیزینس مدل‌های جدید مبتنی بر داده، برگزار می‌شود.
آکادمی آن‌سو برای دانش‌پذیران این بوت‌کمپ، فرصت ورود به بازار کار و یا دوره کارآموزی Data Science در کسب و کارهای موفق در حوزه‌های مختلف را پس از اتمام دوره فراهم کرده است.
در این بوت‌کمپ علاوه بر سرفصل‌های آموزشی، تجربه نحوه استخراج داده‌ها و استفاده از آنها برای تصمیم‌سازی‌های مختلف در کسب و کار، آموزش داده می‌شود. سخنرانان و مدرسین دوره از میان افراد موفق و صاحبان کسب و کارهای داده محور، انتخاب شده‌اند و تجارب به‌روز، چالش‌ها و راهکارهای واقعی خود را در این زمینه را با ما به اشتراک خواهند گذاشت. لازم به ذکر است که شرکت‌کنندگان در طول دوره با پروژه‌ها و داده‌های واقعی از حوزه‌های مختلف کسب و کار، سر و کار خواهند داشت.
در نهایت بوت‌کمپ تخصصی علم داده، با برگزاری یک رویداد هکاتون به پایان می‌رسد. در این ماراتن رقابتی، شرکت‌کنندگان با استفاده از تمامی مطالب آموخته شده در طول دوره، به حل مسائل و چالش‌های واقعی در زمینه کار با داده‌ها خواهند پرداخت.
- ۶۳ ساعت آموزش
- زمستان ۱۴۰۱
- ارائه‌ی گواهینامه پایان دوره
- کار با داده‌های واقعی
- شهریه دوره: ۴ میلیون و ۴۰۰ هزار تومان
- پیش نیاز : آشنایی با پایتون
- به صورت آنلاین
دستاوردها
آشنایی با روش‌های کسب درآمد از داده‌ها
تصمیم‌سازی‌های هوشمندانه با استفاده از تحلیل داده‌های واقعی، تغییر در استراتژی‌های رشد و توسعه کسب و کار و در نهایت ارزش آفرینی با استفاده از بیزینس مدل‌های جدید مبتنی بر داده
ورود به بازار کسب و کار
فرصت معرفی به بازار کار و دوره کارآموزی Data Science در کسب و کارهای موفق داده محور پس از اتمام دوره
کار با داده‌های واقعی
استفاده از داده‌های حقیقی کسب و کارهای داده محور برای تمرین و آموزش عملی و مهارت محور جهت آشنایی حداکثری دانش‌پذیران با فضای حقیقی کسب و کار
برنامه زمان‌بندی
محتوای دوره
برای جزئیات بیشتر روی سرفصل‌ها کلیک کنید.
- آشنایی با پایتون و بیان قدرت و ضعف آن نسبت به زبان‌های دیگر
- آموزش پیاده‌سازی کد در محیط Jupyter-Notebook و PyCharm
- آشنایی مقدماتی با سینتکس پایتون (List, Dictionary, functions, loops و … )
- Exception/Error Handling, Debugging
- lambda Functions and Comprehensions
- OOP
- معرفی و پیاده‌سازی پروژه با پرکاربردترین کتابخانه‌های Pandas, Numpy and Matplotlib
- مقدمه‌ای بر احتمالات و تحلیل داده
- آمار توصیفی
- آمار استنباطی
- آزمون فرض و فاصله اطمینان
- کار با داده‌ها
- مدل‌های خطی
- جبر خطی
- KNN، ارزیابی مدل و اصلاح آن
- مقدمه‌ای بر یادگیری ماشین، انواع و کاربرد ها
- الگوریتم KNN
- پیاده سازی الگوریتم KNN به کمک sklearn
- بررسی دقت مدل، دادگان آموزشی و آزمون
- Overfitting و Underfitting و تشخیص آنها
- تنظیم هایپر-پارامتر‌های مدل
- Feature selection
- Linear Regression
- معادله خط، حل معادله به کمک ماتریس
- پیاده سازی Linear Regression
- −تابع خطا MSE و MAE
- حل مسئله به صورت optimization
- انواع شیوه‌های آموزش
- تخمین خط برای توابع غیر خطی
- الگوریتم های نظارت شده مشهور داده‌کاوی
- تفاوت مسئله طبقه بندی و رگرسیون
- تابع sigmoid و دلیل استفاده از آن
- تابع خطای Cross Entropy و مشتقات آن
- برنامه نویسی LR
- پردازش‌های داده و آماده سازی داده برای آموزش مدل
- SVM
- Naïve Bayes
- Decision Tree
- Apriori
- PageRank
- حل مثال برنامه نویسی
- شبکه‌های عصبی
- آشنایی با الگوریتم شبکه عصبی
- انواع توابع فعالسازی
- مشتقات در شبکه عصبی
- آموزش شبکه‌های عصبی
- تنظیم معماری
- پیاده سازی شبکه عصبی در sklearn
- پیاده سازی شبکه عصبی در keras
- دیتای غیر بالانس و متریک های ارزیابی
- Unsupervised Learning
- PCA, LLE و دیگر روش های کاهش ابعاد
- Kmeans, DBScan, Expectation-Maximization و دیگر روش های خوشه بندی
- تصویر، اهمیت و پردازش آن
- مفاهیم کلی و اولیه تصویر و پردازش آن با opencv
- پردازش‌های اولیه تصویر تغییر سایز و پردازش ویدئو و …
- فضاهای رنگی و کاربرد آنها
- پردازش به کمک هیستوگرام
- اعمال ریاضی روی تصاویر
- فیلتر‌های مکانی و کانولوشن
- استفاده از تبدیل فوریه در پردازش تصویر
- انواع نویز، بازیابی و حذف نویز
- شبکه‌های عصبی عمیق
- data augmentation و GAN ها
- مدل های مشهور و پر استفاده
- Transfer Learning
- شبکه‌های RNN و Attention و آموزش تئوری و پیاده‌سازی پردازش سیگنال با استفاده از شبکه‌های عصبی بازگشتی (RNN)
- ترنسفورمر لایه ها و تحولات ایجاد شده توسط این گروه ها در تصویر و داده های سری
مدرس‌ها
مخاطبین
علاقمندان به علم داده و افرادی که تمایل به ارتقای شغلی دارند
دانشجویان علاقمند به این حوزه
مدیران داده در کسب و کارهای کوچک و بزرگ
فعالان اکوسیستم استارتاپی
برای دانشجویان، اعضای استارتاپ‌ها و شتاب‌دهنده‌ها تخفیف در نظر گرفته شده است؛ در صورت تمایل به دریافت کد تخفیف، پیش از ثبت نام، از طریق واتساپ (۰۹۳۰۰۱۴۲۱۱۸) با ما در ارتباط باشید.
