کلاس آنلاین علم داده (کد ۲۵) --لینک باز پخش

سرفصل های دوره علم داده (دیتا ساینس)
این دوره شامل هفده بخش یا ماژول است که هر بخش خود از چندین جلسه تشکیل می‌گردد. هر جلسه 3 ساعت در هفته برگزار می‌گردد. در مجموع بیش از صد ساعت محتوای آموزشی در حوزه های مختلف علم داده در این دوره تدریس می گردد.

ماژول‌های این دوره عبارتند از:

بخش اول: مقدمه‌ای بر زبان برنامه‌نویسی R
بخش دوم: آشنایی با تکنیک‌های آماده سازی داده در R
بخش سوم: تصویرسازی داده (Data Visualization)
بخش چهارم: مقدمه‌ای بر یادگیری ماشین (Machine Learning)
بخش پنجم: الگوریتم‌های یادگیری ماشین برای حل مسائل رگرسیون (Regression) شامل رگرسیون خطی، قاعده‌سازی، درخت تصمیم،Bagging و تقویت گرادیان
بخش ششم: الگوریتم‌‌های یادگیری ماشین برای حل مسائل دسته‌بندی (Classification) شامل رگرسیون لجستیک، LDA،SVM و روش‌های مبتنی بر درخت
بخش هفتم: مقدمه‌ای بر شبکه‌های عصبی و کار با پلتفورم H2O
بخش هشتم: الگوریتم‌های خوشه‌بندی: خوشه‌بندی سلسله مراتبی، k-means، PAM و CLARA
بخش نهم: روش‌های کاهش بعد PCA و Principal Component Regression
بخش دهم: تحلیل سری‌های زمانی
بخش یازدهم: مقدمه‌ای بر زبان برنامه‌نویسی Python
بخش دوازدهم: آشنایی با کتابخانه‌های NumPy، Pandas و Matplotlib در پایتون
بخش سیزدهم: پیاده‌سازی الگوریتم‌های یادگیری ماشین برای حل مسائل رگرسیون در پایتون
بخش چهاردهم: پیاده‌سازی الگوریتم‌های یادگیری ماشین برای حل مسائل دسته‌بندی در پایتون
بخش پانزدهم: اجرای الگوریتم‌های خوشه بندی در پایتون
بخش شانزدهم: مقدمه‌ای بر Keras
بخش هفدهم: مدیریت پایگاه‌های داده (SQL)