در این صفحه، دوره «آموزش مقدماتی علوم داده با پایتون در دانشگاه شریف» معرفی شده است. برای درخواستِ پذیرش در این دوره آموزشی، لطفا با وارد کردن آدرس ایمیل خود در انتهای همین صفحه اطلاعات مورد نیاز را تکمیل کنید.
معرفی دوره:
این رویداد آموزشی برای علاقه‌مندانی طراحی شده که می‌خواهند وارد بازار کار علوم داده شوند، اما پیش‌زمینه‌ای در شاخه‌های مختلف آن از برنامه‌نویسی گرفته تا آمار و یادگیری ماشین ندارند. محتوای این دورۀ آموزشی با رویکردی عملیاتی و کارگاهی طراحی شده تا شرکت‌کنندگان مفاهیم و روش‌هایی که یاد می‌گیرند را با حل مسئله و تمرین به کار بگیرند و در دنیای واقعی از آن استفاده کنند. ابزار اصلی در این دوره آموزشی، پایتون است که از ابتدا به طور کامل آموزش داده خواهد شد و در بسیاری از موضوعات مانند «ریاضیات علوم داده» و «داده‌کاوی و یادگیری ماشین» مورد استفاده قرار خواهد گرفت و یادگیری مفاهیم انتزاعی را آسان خواهد کرد. در این دوره علاوه بر انجام تمرین و دریافت بازخورد در هر یک از موضوعات، یک پروژه نیز در پایان هست که می‌توانید در آن توانایی خود را به صورت جدی‌تری محک بزنید. اگر دوست دارید وارد دنیای علوم داده شوید و برای چالش‌های آن آماده‌اید، این دوره آموزشی برای شماست.
مدرسان دوره:
- محمدامین فضلی: دکترای مهندسی نرم‌افزار از دانشگاه صنعتی شریف، محقق بین
رشته‌ای، عضو هیئت علمی دانشگاه و مدیر گروه نرم‌افزار دانشگاه صنعتی شریف (مدیر علمی دوره)
- علیرضا کدیور: کارشناسی ارشد آمار و تحقیق در عملیات از دانشگاه اسکس انگلستان، تحلیلگر داده، مدرس دانشگاه صنعتی شریف
- سعید مجیدی: دکترای علوم کامپیوتر از دانشگاه تافتز آمریکا، متخصص یادگیری ماشین و پردازش زبان‌های طبیعی
- مجید پورکاشانی: کارشناسی ارشد هوش مصنوعی از دانشگاه علم‌وصنعت، مهندس داده و توسعه‌دهنده نرم‌افزار
- بهمن اجدری: کارشناسی ارشد مدیریت بازاریابی و تجارت الکترونیک از دانشگاه لولئا سوئد، تحلیلگر داده‌های کسب و کار
- حمیده حسین‌زاده: دکترای علوم ریاضی از دانشگاه الزهرا، متخصص علوم داده و پردازش داده‌های حجیم
برنامه آموزشی:
۱. تفکر الگوریتمی و برنامه‌نویسی با پایتون (۱۰ جلسه):
- مقدمه‌ای
درباره کامپیوتر و تفکر محاسباتی
- برنامه‌نویسی
به زبان Python
- مقدارها و عملگرهای پایه
- شرط و حلقۀ تکرار
- توابع پیش‌ساخته و جدید
- متغیرهای پیمایش‌پذیر
- مجموعه و دیکشنری - آشنایی با روش‌های تحلیل
و طراحی الگوریتم
- برنامه‌نویسی
پیمانه‌ای و استفاده از کتابخانه
- تولید
اعداد تصادفی و شبیه‌سازی مونت‌کارلو
- تحلیل
و مصورسازی مقدماتی داده با کتابخانه‌های Numpy و Matplotlib
۲. مبانی علوم داده، پردازش، مصورسازی (۱۰ جلسه):
- علوم داده چیست و چه گرایش‌هایی دارد؟
- تحلیل موضوع / کسب‌وکار
- مهندسی داده
- تحلیل داده - احیای چرخه علوم داده در کسب و کار با طرح سوال اثرگذار و ارزشمند
- مشتق‌گیری و بهینه‌یابی
- جبر خطی
- احتمال
- آشنایی با مفاهیم آماری
- روش‌ها و ساختارهای ذخیره‌سازی داده
- پایگاه‌های داده رابطه‌ای و غیررابطه‌ای و انبار داده
- سازماندهی داده در قالب جدول
- آشنایی با ساختار طولی و عرضی در جداول - کار با ساختارهای جدولی با کتابخانه Pandas
مصورسازی داده و ترسیم نمودار
- چند ملاحظه مهم درباره مصورسازی داده
- انواع مصورسازی داده: معرفی نمونه‌های جذاب
- ترسیم نمودار در پایتون با کتابخانه‌های Matplotlib و Seaborn و plotly
- مصورسازی خوب و مصورسازی بد: مرور چند نمونه واقعی - اتصال به پایگاه‌های داده رابطه‌ای با Pandas
- آشنایی با عبارات قاعده‌مند (Regular Expressions)
۳. داده‌کاوی و یادگیری ماشین (۱۲ جلسه):
- مبانی و مفاهیم
- مدل‌های پیش‌بینی
- رگرسیون
- رگرسیون لجستیک
- درخت تصمیم
- نزدیک‌ترین k-همسایه
- بردار پشتیبان
- بیز ساده - خوشه‌بندی
- k-میانگین
- روش سلسله‌مراتبی
- روش‌های مبتنی بر چگالی - پیدا کردن داده‌های پرت
- قواعد همبستگی (تحلیل سبد خرید)
- یادگیری جمعی
- کاهش ابعاد داده
- آشنایی با مبانی شبکه‌های عصبی و یادگیری عمیق
۴. پروژه پایانی (۱ جلسه):
- تعریف
پروژه پایانی و گروه‌بندی
- برنامه‌ریزی برای تحویل پروژه و ارائه بازخورد
اطلاعات دوره:
در پایان این رویداد آموزشی رزومه کسانی که دوره را با موفقیت به پایان برسانند، پس از هماهنگی با ایشان برای کسب‌وکارهای معتبر و شناخته‌شده فرستاده خواهد شد.
علوم داده یک حوزه بین رشته‌ایست و برای یادگیری موثر آن لازم است موضوعات آن را از زوایای مختلف مورد بررسی قرار دهیم. رویداد «آموزش مقدماتی علوم داده با پایتون» با به کار گرفتن حوزه‌های مختلف مانند علوم کامپیوتر و توسعه نرم‌افزار تا ریاضیات کاربردی، آمار و تحلیل کسب و کار در یک برنامه میان‌رشته‌ای، زمینه لازم برای فراگیری کاربردی و موثر علوم داده را فراهم کرده و علاقه‌مندان را به شرکت در آن دعوت می‌کند.
---------------------------------------
برای درخواست پذیرش در دوره آدرس ایمیل خود را در انتهای صفحه وارد کنید و اطلاعات مورد نیاز را در ادامه تکمیل کنید. این اطلاعات به ما کمک می‌کند تا دوره آموزشی را با کیفیت بالاتری برگزار کنیم. لینک ثبت نام پس از بررسی اطلاعات، برای پذیرفته‌شدگان ارسال خواهد شد.
در این مرحله تنها درخواست پذیرش شما ارسال می‌شود و نیازی به پرداخت وجه وجود ندارد.
پشتیبان دوره:
لعیا غفاریان
09331079014
صفحه اختصاصی رویداد در وبسایت آموزش‌های تخصصی دانشگاه صنعتی شریف:
pedu.sharif.edu
