علم داده -کد ۲۹
مدت: ۱۰۰ ساعت از طریق برنامهی کافه تدریس پلیر و تنها روی سیستم ویندوزی میتوانید در کلاس شرکت بفرمایید. ویدیو این کلاس ضبط میشود و تنها روی یک سیستم و تحت سیستم عامل ویندوز، مک و یا اندروید به مدت یک سال امکان پخش دارد.
توضیحات
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)