کلاس آنلاین جامع علم داده و هوش مصنوعی برای همه

مدت: ۱۲۰ ساعت
زمان برگزاری: شنبه‌ها و یکشنبه‌ها ساعت ۱۸ (شروع از ۲۸ تیر ۱۴۰۴)
  • از طریق کامپیوتر شخصی، لپ تاپ، موبایل و تبلت می‌توانید در این کلاس شرکت کنید.
  • فیلم این کلاس ضبط می‌شود و صرفا روی یک دستگاه سیستم عامل ویندوز یا مک یا اندروید به تعداد دفعات نامتناهی قابل پخش است.
ثبت‌نام
  • هزینه‌ی ثبت نام
    ۱۴,۹۰۰,۰۰۰ ۹,۶۹۰,۰۰۰ تومان
  • ۳۵٪ تخفیف برای ۳۰ نفر اول

ثبت‌نام در کافه‌تدریس
عضویت در کافه تدریس به معنای پذیرفتن قوانین سایت می‌باشد
  • توضیحات
  • سوالات متداول
  • نظرات دانشجویان

کلاس جامع علم داده و هوش مصنوعی کافه‌تدریس مبتنی بر آموزش پروژه محور است. تمامی پیش‌نیازهای لازم برای یادگیری این دانش و مهارت در این دوره پوشش داده می‌شود. با شرکت در این دوره جامع می‌توانید در سطح‌های مقدماتی تا پیشرفته علم داده و هوش مصنوعی به‌صورت گام‌به‌گام آموزش ببینید، مهارت‌های نظری و عملی یادگیری ماشین را در قالب کارگاه‌های عملی، مقاله‌های بروز حوزه و انجام پروژه های واقعی بهبود دهید تا برای ورود به بازار کار و مقاطع بالای تحصیلی در این رشته آماده شوید. 

➕  برای حضور در این کلاس پیش‌نیاز ریاضی، آمار و برنامه‌نویسی ارائه می‌شود. لذا لازم به داشتن زمینه قبلی در این موارد نیست.
➕  زبان‌های برنامه‌نویسی که در این دوره پوشش داده می‌شوند: پایتون، جاوا اسکریپت و تایپ اسکریپت.

✔️ معرفی کلاس آنلاین جامع علم داده و هوش مصنوعی

 

✔️ شرایط ویژه ثبت‌نام برای ۳۰ نفر اول

➕ ۳۵٪ تخفیف ثبت‌نام
➕ پرداخت در سه قسط (برای پرداخت اقساط به پشتیبانی در چت سایت پیام ارسال کنید)
➕ هدیه رایگان دوره مارکتینگ داده محور (۲۴ ساعت)

✔️ بعد از شرکت در این کلاس، چه مهارتی دارم؟

بعد از شرکت و گذراندن این دوره، شما قادرید به:

➕ پایان‌نامه کارشناسی ارشد یا تز دکتری خود را با ماشین لرنینگ ترکیب کنید.
➕ به دنبال کار مرتبط در حوزه دیتاساینس، دیتاآنالیز و هوش مصنوعی باشید.
➕ به صورت فریلنس پروژه‌های هوش‌مصنوعی قبول کنید.
➕ در محصول استارت‌اپ خودتان یا کمپانی که برای آن کار میکنید، هوش مصنوعی را وارد کنید.

✔️ چرا کلاس جامع علم داده و هوش مصنوعی کافه‌تدریس؟

مهم‌ترین مزیت کلاس جامع علم داده و هوش مصنوعی کافه‌تدریس آموزش گام‌به‌گام و همین‌طور عملی دانش و مهارت این حوزه است.

➕ اجرای چندین پروژه واقعی و گواهینامه حضور در دوره
➕ پوشش تمامی پیش‌نیازها، آموزش گام‌به‌گام و عملی
➕ برگزاری ورکشاپ و بررسی پروژه‌های مطابق با نیاز صنعت
➕ تمرین پایتون در پلتفرم LeetCode به صورت گروهی
➕ تعریف پروژه در GitHub برای تقویت رزومه دانشجویان
➕ برگزاری رایگان ۴ رقابت کگل به عنوان مکمل برای دانشجویان
➕  در ۴ ماه، از صفر تا اولین پروژه هوش مصنوعی شغلی، حتی بدون سابقه کدنویسی

✔️ ارتباط با استاد و حل تمرین در این دوره به چه صورت است؟

بعد از تهیه دوره شما در گروه تلگرام و کانال دوره عضو می‌شوید و می‌توانید سوالات خود را از شخص استاد و پشتیبانی کافه تدریس بپرسید. همچنین موارد زیر از سایر ویژگی‌های این دوره هستند:

➕ برگزاری دورهمی‌های آنلاین با حضور استاد و صحبت درباره مسائل روز 
➕ بررسی و حل تمرینات و سوالات دانشجویان توسط استادیار و پاسخ به سوالات 
➕ آموزش تعاملی و ارائه تمرین‌ها در کلاس توسط دانشجویان
➕ فرصت حضور در یک کامیونیتی فعال و متخصص

✔️ مسیر یادگیری علم داده و هوش مصنوعی کافه‌تدریس

 مسیر یادگیری کلاس جامع علم داده و هوش مصنوعی کافه‌تدریس از این قرار است: 

➕ پیش‌مطالعه‌های اصلی (۲۰ ساعت)
➕ بخش تئوری و مفهومی (۵۰ ساعت)
➕ بخش کد، پیاده‌سازی مدل‌ها و کار با ابزارها (۵۰ ساعت)

✔️ ویژگی‌های کلاس جامع علم داده و هوش مصنوعی

➕ ارائه نقشه راه مطالعاتی یادگیری هوش مصنوعی، ماشین لرنینگ و داده (با برنامه رضا شکرزاد)
➕ داشتن کوییز، تمرین کد و پروژه کاربردی بعد از هر مطلب اصلی (به همراه لیدربورد)
➕ شرکت در ۴ رقابت کگل مرتبط با کورس در قالب کار گروهی
➕ ارائه مطالب کاملا کاربردی برای بازار کار و دانشگاه
➕ پوشش رشته‌های مختلف با کار بر روی پروژه‌های متنوع 

✔️ ویدئو جلسه اول کلاس آنلاین علم داده

 

✔️ محتوای کلاس علم داده و هوش مصنوعی 

کلیات محتوای کلاس (۸ بخش):

◻️ بخش ۱: (کار با داده | Data Mastery) - ۴ جلسه - ۱۰ ساعت
◻️ بخش ۲: (مصورسازی داده و تحلیل داده |‌ Data Visualization & Data Analysis) - ۶ جلسه - ۱۵ ساعت
◻️ بخش ۳: (ماشین لرنینگ با نظارت | Supervised Machine Learning) - ۶ جلسه - ۱۵ ساعت
◻️ بخش ۴: (ماشین لرنینگ بدون نظارت | Unsupervised Machine Learning) - ۴ جلسه - ۱۰ ساعت
◻️ بخش ۵: (شبکه‌های عصبی مصنوعی و دیپ لرنینگ | ANNs & Deep Learning) - ۲ جلسه - ۵ ساعت
◻️ بخش ۶:‌ (پردازش داده‌های متن، ‌تصویر و صدا |‌ Text, Image, Audio Processing) - ۱۰ جلسه - ۲۵ ساعت
◻️ بخش ۷: (محصول‌سازی و پیاده‌سازی مدلها | Productionization & Deployment) - ۴ جلسه - ۱۰ ساعت
◻️ بخش ۸: (بات‌ها، ایجنت‌ها و هوش‌مصنوعی در ۲۰۲۵ | Agentenic AI & AI in 2025) - ۴ جلسه - ۱۰ ساعت

کلیات محتوای پیش‌مطالعه‌ها:

◻️ مطالب پایه ریاضی مورد نیاز برای یک دیتاساینتیست
◻️ مطالب پایه آمار
◻️ مطالب پایه برنامه‌نویسی
◻️ مطالب پایه ماشین لرنینگ

پکیج‌های تخصصی پوشش داده شده در کلاس:

◻️ Sklearn | PyTorch | Tensorflow/Keras | FastAPI/Flask | 

پلتفرم‌های ارائه شده در کلاس:

◻️ Kaggle | HuggingFace | Ollama | AWS

  • آیا من، با دانش و تحصیلات غیرمرتبط، می‌توانم علم داده و هوش مصنوعی را بیاموزم؟

    بله. هر کسی که به تجزیه‌وتحلیل داده‌ها و حل مسئله علاقه داشته باشد، صرف‌نظر از پیشینه تحصیلی‌اش، می‌تواند علم داده و هوش مصنوعی را بیاموزد. دوره جامع علم داده و هوش مصنوعی کافه‌تدریس تمامی پیش‌نیازهای لازم برای ورود به دنیای علم داده و یادگیری ماشین و هوش مصنوعی را در بر گرفته است. شما با شرکت در دوره علم داده و هوش مصنوعی می‌توانید صفر تا صد این دانش و مهارت را به‌صورت گام‌به‌گام از مقدماتی تا پیشرفته طی کنید.

  • پیش‌نیازهای یادگیری علم داده و هوش مصنوعی چیست؟

    مهارت‌های اولیه برنامه‌نویسی در زبان‌هایی مانند پایتون و آشنایی با مفاهیم ریاضی و آمار و علوم کامپیوتر و شبکه‌های عصبی از پیش‌نیازهای اصلی هستند. استاد رضا شکرزاد در دوره جامع علم داده و هوش مصنوعی کافه‌تدریس تمامی پیش‌نیازهای لازم را پوشش داده و به‌صورت کامل تدریس کرده‌اند. شما، با تماشای ویدیوهای پیش‌نیاز علم داده و هوش مصنوعی، بر تمامی پیش‌نیازها تسلط پیدا خواهید کرد.

  • یادگیری علم داده و هوش مصنوعی برای من چقدر طول می‌کشد؟

    مدت زمان یادگیری این حوزه براساس دانش قبلی شما و میزان زمانی که قرار است برای یادگیری صرف کنید؛ همچنین اینکه چقدر می‌خواهید در این حوزه عمیق شوید متفاوت است. برخی از مهارت‌های اساسی را می‌توان در چند ماه یاد گرفت، درحالی‌که تسلط بر این رشته می‌تواند زمان بیشتری را ببرد.

  • آیا باید در ریاضیات متخصص باشم؟

    ریاضیات اساس این حوزه است، اما بسیاری از مفاهیم علم داده را می‌توان با ریاضی پایه درک کرد. به تخصص در ریاضیات نیازی نیست. در طول زمان و در صورت نیاز ممکن است موضوع‌های پیشرفته‌تری را هم بررسی کنید؛ ضمن آنکه ریاضیات پایه موردنیاز به‌شکل ویدیوی ضبط‌شده بعد از ثبت‌نام در دوره در اختیارتان قرار می‌گیرد.

  • آیا تجربه کدنویسی برای شرکت در دوره علم داده لازم است؟

    مهارت‌های اولیه کدنویسی، به‌ویژه در زبان‌های برنامه‌نویسی مانند پایتون یا R، مفید هستند. در صورتی که شما هم کدنویسی ندانید، می‌توانید در دوره جامع علم داده و هوش مصنوعی شرکت کنید. علاوه بر ویدیوی مقدمات پایتون که جزو پیش‌نیازهاست و در اختیارتان قرار می‌گیرد، در طول دوره جامع علم داده و هوش مصنوعی، رفته‌رفته، کدنویسی پایتون برای علم داده و یادگیری ماشین را یاد می‌گیرید و بر آن مسلط می‌شوید.

  • دامنه فرصت‌های شغلی پس از اتمام دوره علم داده و هوش مصنوعی چیست؟

    تکمیل دوره فرصت‌های شغلی‌ در نقش‌های مختلف، ازجمله تحلیلگر داده، مهندس یادگیری ماشین، دانشمند داده و متخصص هوش مصنوعی، را برای‌تان فراهم می‌کند. بسته به علاقه‌مندی‌تان به ادامه آموزش و پیشرفت بیشتر، حوزه دیتا ساینس و ماشین لرنینگ و هوش مصنوعی فرصت‌های شغلی بسیار زیادی پیش روی شما قرار می‌دهد. به‌طور کلی این حوزه بیشترین درآمد را در کشورهای مختلف دنیا به خود اختصاص می‌دهد. متخصصان این حوزه جزو دهک‌های بالای حقوق و درآمد در امریکا و کشورهای اروپایی هستند؛ به‌همین دلیل، فرصت‌های شغلی این حوزه را پرتقاضاترین شغل‌های قرن ۲۱ دانسته‌اند.

  • آیا شرکت در دوره جامع علم داده و هوش مصنوعی برایم کافی است؟‌

    جواب این سؤال به نیازهای شما و علاقه‌مندی‌های‌تان بستگی دارد. دوره جامع علم داده و هوش مصنوعی گام‌به‌گام شما را از سطح مقدماتی به سطح پیشرفته می‌رساند. شما، بسته به اینکه چه نیازهایی دارید و چقدر به این حوزه علاقه‌مندید، می‌توانید قدم‌های بلندتری برای یادگیری علم داده و یادگیری ماشین و هوش مصنوعی بردارید. به‌صورت کلی، ممکن است شما فقط به دنبال یادگیری الگوریتم‌های پایه‌ای یادگیری ماشین برای پیش‌برد کار پایان‌نامه ارشد خود باشید؛ در این صورت می‌توان گفت این دوره، نه‌تنها کافی است، بیش از نیازهای شما را پوشش می‌دهد. اگر به دنبال کار در این حوزه باشید، دوره جامع علم داده و هوش مصنوعی می‌تواند مسیر شغلی شما را به‌سوی بهترین فرصت‌های شغلی باز کند.

  • آیا لازم است در رشته علوم کامپیوتر تحصیل کرده باشم؟

    خیر. داشتن پیشینه تحصیلی و کاری در حوزه علوم کامپیوتر اجباری نیست. دوره جامع علم داده و هوش مصنوعی به‌گونه‌ای طراحی شده است که افراد از رشته‌های مختلف را در خود جای دهد.

  • آیا این دوره برای مبتدیان مناسب است؟

    بله. دوره علم داده و هوش مصنوعی تمامی پیش‌نیازهای لازم را پوشش داده است؛ درنتیجه، افرادی با پایه ضعیف و دانش اندک، صرفاً با داشتن علاقه‌مندی، می‌توانند یادگیری علم داده، هوش مصنوعی و ماشین لرنینگ را با این دوره شروع کنند و به سطح پیشرفته برسند.

  • آیا می‌توانم با سرعت یادگیری خودم پیش بروم؟

    بله، ضبط ویدیویی این دوره به شما اجازه می‌دهد که سرعت یادگیری خود را با توجه به زمان و برنامه خود تنظیم کنید. بااین‌همه مهم است که طبق برنامه‌ریزی کلاسی پیش بروید.

  • آیا می‌توانم در حین کار تمام وقت در این دوره شرکت کنم؟

    بله، شما می‌توانید با درنظر‌گرفتن زمان آزاد خود برای یادگیری، ویدیوهای دوره جامع علم داده و هوش مصنوعی را تماشا کنید؛ بنابراین، حتی اگر شاغل باشید، می‌توانید در این دوره شرکت کنید.

  • آیا به سخت‌افزار یا نرم‌افزار خاصی نیاز دارم؟

    برای شروع یادگیری علم داده و ورود به علم داده و هوش مصنوعی، سخت‌افزارهای اولیه مانند کامپیوتر و اتصال به اینترنت کافی است. این دوره ممکن است ابزارهای نرم‌افزاری را که معمولاً در این حوزه استفاده می‌شود توصیه کند.

  • مسعود هزاویان

    با سلام ... من در دوره جامع دیتاساینس حضور داشتم . مطالب دوره بسیار جامع و کامل بودن خصوصا که استاد مفاهیم دیتاساینس رو به صورت علمی و از رو کتاب های منبع بیان میکردن بسیار برای من مفید بود به این علت که وقتی در دنیای واقعی با یک مسئله و پروژه مواجه میشیم خیلی نیاز داریم درک عمیقی از دیتاساینس داشته باشیم تا بتونیم پایپ لاین کارمون رو بچینیم. همینطور قدرت و تسلط استاد روی مباحث و روش تدریس ایشون باعث میشد تا مطالب به راحتی بتونن به شخصی ک چیزی از دیتاساینس نمیدونه منتقل بشن ... در انتهای دوره من تونستم کاملا روی مباحث ماشین لرنینگ و دیپ لرنینگ مسلط بشم و الان در حال انجام پروژه های واقعی صنعت هستم ...

  • مهدیه مرتضوی

    دوره جامع دیتاساینس که پارسال در آن شرکت کردم، یکی از بهترین تصمیمات حرفه‌ای من بود. این دوره نه تنها به من ابزارهای لازم برای تجزیه و تحلیل داده‌ها و پیاده‌سازی مدل‌های یادگیری ماشین داد، بلکه به من کمک کرد تا مفاهیم پیچیده دنیای داده‌ها را به‌طور کاربردی درک کنم. با پروژه‌های عملی و تجربه کار در پلتفرم‌هایی مانند کگل و لیت کد، توانستم آشنایی عمیق‌تری با روش‌های پیشرفته تجزیه و تحلیل داده پیدا کنم و مهارت‌های خود را در حل مسائل واقعی تقویت کنم. یکی از نکات برجسته این دوره، تعامل و همکاری نزدیک با استاد شکرزاد بود که به‌طور مستمر به ما فرصت داد تا در پروژه‌ها به‌صورت گروهی کار کنیم و از تجربیات همدیگر بهره‌برداری کنیم. استاد با رویکردی عملی و راهنمایی‌های دقیق، فضایی ایجاد کرده بود که نه‌تنها مطالب به‌طور جامع و کاربردی پوشش داده می‌شد، بلکه تجربه یادگیری واقعی و جذاب بود. این دوره به من اعتماد به نفس داد تا در دنیای واقعی از داده‌ها بهره ببرم و پروژه‌های بزرگتر و پیچیده‌تری را مدیریت کنم.

  • سمیرا علیپور

    تجربه حضور در دوره جامع دیتاساینس استاد شکرزاد برای من بسیار ارزشمند بود. مباحث دوره به صورت عمیق و با منطق دقیق توضیح داده شد و همین باعث شد مفاهیم را بهتر درک کنم و در پروژه‌ها خلاق‌تر باشم. تمرین‌ها و پروژه‌های کاربردی دوره، دیدگاه جدیدی به من داد و کمک کرد بتونم ایده‌پردازی بهتری داشته باشم. در مجموع، این دوره باعث شد با اعتمادبه‌نفس بیشتری در مسیر یادگیری و اجرای پروژه‌های دیتاساینس قدم بردارم.

  • مریم ثابت

    من زیاد فیلم آموزشی از آپارات و یوتیوب و سایت‌ های آموزشی گرفتم اما هیچ دوره ای واقعا میگم دوره های شما نمیشه. همه چیز کامل بود از مبحث تئوری عملی ... به جرات میتونم بگم جامع ترین و کامل ترین دوره ای که میشه در زمینه علم داده پیدا کرد دوره های شما هست. هر یک ساعت درس شما به اندازه چند ساعت مطلب داره. خدایی مبحثی پیدا نمیشه که شما نگفته باشید. ۱۰ تا کارگاه هم خیلی عالی بودن مطالب و تو ذهن دسته بندی میکردن. کارگاه NLP هم که در حال برگزاری هست جز بهترین کارگاه ها هست، مباحث مورد نیاز رو یک جا دارید آموزش می دهید. در پایان، منظم ترین، با اخلاق ترین، با سوادترین استاد هستید.

  • محتبی ربانی

    سلام به نظر من پر رنگ ترین ویژگی بیان مطالب به زبان ساده و مفهوومی بودش که تجربش رو توی کلاس ریاضی هم داشتم، بی نیازی از منابع دیگه مثل کورسرا و یودمی هم ویژگی برجسته بعدی بودش.

  • مهرشاد علیپور

    سلام و روز بخیر من تا قبل از کلاس استاد شکرزاد چیزی از ماشین لرنینگ و علم داده نمیدونستم. با شرکت در کلاس های ایشون هم در بعد عملی و هم در بعد تئوری در مدت زمان کمی پیشرفت کردم. مزیت‌های این دوره برای من، نقشه‌راه جامع و شفاف، تسلط مدرس به مبانی ریاضیاتی و فن بیان ساده و شیوا،‌ ارائه‌ی محتوای تکمیلی و جامع چه از جنبه‌ی آکادمیک و چه برای ورود به بازار کار بود. اول از همه بگم که من با کمک این دوره و تلاش‌های خودم، تونستم در درس ماشین لرنینگ و دیپ لرنینگ دانشگاهم رو که با تدریس استادهاش ارتباط نمیگرفتم، با نمره‌ی عالی پروژه انجام بدم. نقشه راه شفاف و جامع این کورس و تطابقش با نقشه راه درسی خیلی از کورس‌های معتبر دانشگاه‌های معروف و نیز موجود در اینترنت، خیالمو راحت کرد که دیگه نیازی نیست برای ورود به این حوزه خودمو درگیر اینکه چی بخونم بکنم و کافیه با تمرکز رو همین مسیری که ارائه میشه، ورود به علم داده رو شروع کنم. تسلط استاد به پایه‌های ریاضی به من کمک کرد که نه تنها بدونم که مقدمات و پیش‌نیازهای علم داده چیه، بلکه بعدتر که مطالب پیشرفته تر رو در زمینه یادگیری عمیق دنبال کردم به خاطر ساختار طبقه‌بندی‌شده و منظمی که استاد تدریس کردن، هر جا که احساس ضعف میکردم برمیگشتم دوباره اون مطلبی که پیش‌نیاز یادگیری مطلب جدید بود رو مطالعه میکردم که خب این خودش کمک بزرگی در سرعت یادگیریم بود. در آخر اینکه فن بیان استاد و روش تدریس ایشون برای من خیلی مناسبه. بخصوص اینکه سعی میکنن سخت‌ترین مطالب رو به شکل خیلی شیوا و ساده توضیح بدن. مثلا ویدیوی بهینه‌سازی ایشون که در دسترس رایگان عمومه نمونه‌ای از همین نکته است. مضافا دوره به زبان فارسیه و این خودش خیلی نکته مهمی بود برای من. گرچه به طور همزمان رفرنس‌ها و مقالات به روز این حوزه در کلاس ارائه شد و از اون بابت هم به من کمک کرد که از بعد آکادمیک بتونم در جریان روند پیشرفت این علم قرار بگیرم. در پایان میتونم بگم شرکت در این دوره شما رو یه شبه دیتاساینتیست نمیکنه و قطعا صبر و تلاش مستمر در کنارش نیازه. من کاملا از شرکت در این دوره راضی هستم و به بقیه دوستان هم که میخوان وارد این حوزه بشن توصیه کرده و میکنم.

  • مصطفی قربانی

    همه چیز عالی. ممنون از کافه تدریس و استاد شکرزاد.

  • ساناز مردانی

    بهترین کلاس در تمام طول تحصیلم بود. استاد با مسولیت و دقت فراوان دوره رو تدریس کردن.اگه صدبار باز پخش رو ببینم باز دوست دارم تکرارکنم به خاطر شیوایی کلام و تدریسشون.ممنونم از استاد شکرزاد 

  • امیر رضا بخشی

    تلفیق مبانی نظری و عملی با تجارب مدرس بسیار تاثیرگذار هست در روند یادگیری و آموزش. توصیه ام اینه که ویدئو های پیش مطالعه برای یادگیری پایتون و زبان sql بیشتر بشن یا یه دوره پیش نیاز پایتون یا sql مربوط به علم داده اضافه بشه. بعلاوه اینکه اگه بشه چالش های به روز و باحال شرکت های بزرگ در کگل رو مرور کرد و کاملا بررسی بشن توی وبینار ها یا تک جلسه های از قبل تعیین شده( به جای اینکه موضوعات وبینار ها تکراری بشن)، خیلی میتونه مفید باشه و بچه ها رو توی مسیر نگه داره. در کل من راضی هستم و به دوستان هم پیشنهاد دادم این دوره ها رو. خیلی ممنون از تیم خوبتون و همینطور استاد شکرزاد که واقعا دانش و تجربه خودشون رو بی منت منتقل میکنند.

  • بنیامین خزلی

    عالی خیلی خوب‌ و با تسلط بودن استاد شکرزاد

  • ابراهیم قاسمی

    تسلط کامل و فن بیان در تدریس توسط مدرس محترم

  • سیدابراهیم حسینی

    عالی‌ عالی‌ عالی

  • پویان فیاضی

    همه چیز به شدت عالی و بهینه 

  • محمدرضا عبدالحسینی

    اقا شکرزاد واقعا از لحاظ دانش این علم قوی هستن و قدرت انتقال اطلاعاتشون هم عالیه همچنین واقعا استاد دلسوزی هستن با اونکه دوره ها تموم شده ولی باز هوای بچه هارو دارن ولی فقط دوست داشتم تو طول دوره یکم قسمت هایی که پایتون گفته میشد بیشتر بازش میکردن ولی بازم عالی بود

  • سپهر حاجی عباسی

    محتوای کلاس بسیار عالی و با کیفیت هست متانسب با شناختی که از جناب شکرزاد داشتم و تجربه خیلی خوب از کلاس ریاضی ایشان ، محتوای کلاس علم داده کامل و کاربردی میباشد.

  • علیرضا نظری

    سیلابس ها بسیار عالی و منسجم  ارائه جناب شکرزاد نیز پر انرژی است و انگیزه ایجاد می کند

  • نسترن

    تدریس استاد شکرزاد عالیه؛ و خیلی خوبه که بعضی از مباحث رو از پایه توضیح میدن؛ درک و فهم مسائل راحت تر میشه. اگر امکانش هست، یک دوره تخصصی پیش پردازش انواع داده ها برگزار بشه. ممنون از استاد شکرزاد و تیم کافه تدریس

  • پریسا عزت پناه

    استاد شکرزاد کارش درسته و واقعا حرف نداره.

  • حسین خدابنده

    خوب و مفید و کاربردی ی مقدار مدتش بیشتر باشه بهتره

  • ندا فتحی

    دوره بسیار مفید و کاملی بود اما ایکاش پیگیری برای انجام تکالیف و پروژه ها سخت تر بود با تشکر و خسته نباشید از استاد شکرزاد عزیز و بچه های پشتیبانی کافه تدریس:))

  • امیررضا صفدر توره یی

    عالی خوب و مسئولانه

  • مریم خوش نیت

    حتوای کلاس عالی کامل و با ذکر جزییات بود

  • حمیده

    هنوز کلاس شروع نشده اما پیش نیازا عالین و فن بیان و تسلط استاد واقعا انگیزه ای هست تا جدی تر دنبال کنیم دروس رو فقط کاش امکان بازبخش کلاسا از طریق سایت هم میبود

رضا شکرزاد
دانش‌آموخته علوم داده از دانشگاه رادبود هلند و مهندسی صنایع از دانشگاه شریف