کلاس آنلاین علم داده ۲

زمان برگزاری: شنبه‌ها و يکشنبه‌ها ساعت ۱۹ تا ۲۲ (شروع از ۱۸ تیر ۱۴۰۱) هزینه کلاس: ۷ میلیون تومان    ۵ میلیون و ۵۰۰ هزار تومان    تخفیف زمانی تا ۳۱ اردیبهشت

مدت: ۱۲۰ ساعت
فیلم این کلاس ضبط می‌شود و قابل دانلود است. فیلم این کلاس صرفا روی یک سیستم و تحت سیستم عامل ویندوز به تعداد دفعات نامتناهی قابل پخش است.

توضیحات

شرکت‌کنندگان کلاس علم داده ۱، می‌توانند از کد تخفیف ۱۰ درصدی Data01 تا تاریخ ۳۱ اردیبهشت استفاده کنند.

هدف دوره:

▪️

شناخت عملی کاربردهای اساسی علم داده

▪️

آشنایی با مفاهیم سطح ۲ رشته علم داده

▪️

انتخاب معماری شبکه، پیاده‌سازی و اجرای پروژه‌های کاربردی

▪️

ایجاد یک پایپ‌لاین end-to-end برای انجام پروژه‌های واقعی


نحوه برگزاری دوره:

▪️

۲۰ ساعت ویدیوی پیش‌ نیاز

▪️

۵۰ ساعت کلاس نظری

▪️

۳۰ ساعت ورک‌شاپ برنامه‌نویسی

▪️

۱۰ ساعت ورک‌شاپ شرکت در رقابت‌های کگل

▪️

۱۰ ساعت پرزنتیشن پروژه دانشجوهای کلاس

▪️

انجام تمرینات دوره‌ای بصورت تیم‌ورک

سرفصل‌های ویدیوی پیش مطالعه:

آمار و احتمال:
▪️ آزمون فرض
▪️ p-value و t-value
▪️ زنجیره مارکوف (Markov Chain)
▪️ توابع کرنل

پایتون:
▪️ پردازش متن (Text mining)
▪️ پردازش تصویر (image processing)
▪️ پردازش صوت (speech processing)

سرفصل‌های کلاس درس:

یادگیری ماشین:
▪️ پیش پردازش داده (Preprocessing)
▪️ بیش برازش (Overfitting) مباحث پیشرفته
انواع روش‌های یادگیری نظارت شده:
▪️ مدل بیز ساده (Naive Bayes Classification)
▪️ ماشین بردار پشتیبان (Support Vector Machine)
▪️ روش درخت تصمیم و رندم فارست (Decision Trees and Random Forests)
▪️ روش k نزدیک‌ترین همسایه (K Nearest Neighbor)
یادگیری بدون نظارت:
▪️ کاهش غیرخطی ابعاد (Manifold Learning)
▪️ روش کلاسترینگ K-means
▪️ تشخیص آنومالی (Anomaly Detection)
دسته‌بندی مسایل واقعی:
▪️ دسته‌بندی (Classification)
▪️ رگرسیون (Regression)
▪️ بخش‌بندی (Segmentation)
▪️ شناسایی موجودیت (Object Detection)
▪️ مکان‌یابی (Localization)
▪️ ایجاد تصاویر مصنوعی (Generation)
▪️ انواع شبکه عصبی (Neural Netwroks)
▪️ شبکه‌های عصبی کانولوشنی پیشرفته
▪️ شبکه‌های بازگشتی (RNNs)
▪️ شبکه‌های بازگشتی مدرن (GRU - LSTM)
▪️ شبکه‌های بازگشتی دو سویه (Bidirectional)
▪️ معماری انکودر دیکودر (Encoder-Decoder Architecture)
▪️ مکانیزم توجه (Attention Mechanisms)
▪️ ترنسفورمرز (Transformers)
▪️ الگوریتم‌های بهینه‌سازی (Optimization Algorithms)
▪️ بینایی ماشین (Computer Vision)
▪️ سیستم‌های پیشنهاددهنده (Recommender Systems)
▪️ شبکه‌های مولد خصمانه (GANs)
▪️ شبکه‌های سیامی (Ciamis Networks)
▪️ شبکه‌های بخش‌بندی و شناسایی (YOLO – RCNN)


سرفصل‌های ورک‌شاپ برنامه‌نویسی:

مقدمات اساسی پایتون:
▪️ آشنایی با کتابخانه Pandas
▪️ آشنایی با کتابخانه Sci-Fi
▪️ آشنایی با داده ست‌های مشهور ۲
انواع پیش پردازش داده ۲‌:
▪️ داده‌ متنی
▪️ داده صوتی
▪️ داده تصویر
▪️ داده تصاویر سه‌بعدی پزشکی
پروژه‌های عملی:
▪️ حداقل ۲۰ پروژه کاربردی برای کار با انواع شبکه‌های عصبی


سرفصل‌های پایتون:

▪️ معرفی پلتفرم Keras
▪️ معرفی پلتفرم Pytorch
▪️ معرفی پکیج tqdm
▪️ معرفی پکیج pickle


سرفصل‌های عمومی:

▪️ دستورات Git
▪️ معرفی Ubuntu


ثبت‌نام اقساط

در صورتی که قصد ثبت‌نام این دوره به صورت اقساط را دارید، می‌توانید به تیم پشتیبانی کافه‌تدریس در قسمت چت سمت راست و پایین سایت پیام ارسال کنید.

پیش مطالعه اول - پردازش متن (مقدمات)