ویدیوی کلاس علم داده (Data Science) - صد ساعت آموزش و پروژه پایانی - پاییز ۹۸

این دوره سعی بر ایجاد فهم عمیقی از پایه های اصلی علم داده داشته که به نوبه خود می توانند داوطلبان را در یافتن موقعیت های شغلی مناسب در بازار رو به پیشرفت کنونی یاری نمایند. تمرکز اصلی دوره بر ستون های علم داده یعنی مفاهیم آماری، الگوریتم ها و عناصر مورد نیاز علوم کامپیوتری و مهندسی صنایع می باشد. کل دوره شامل ۸ مرحله (۷ درس + پروژه عملی) است که مراحل مختلف دارای توالی منطقی و زمانی می باشند. مدت زمان دوره تقریبا ۱۰۰ ساعت به غیر از پروژه عملی انتهای دوره، در نظر گرفته شده است. در ادامه، کلیه درس های ارائه شده در دوره به همراه سرفصل های اصلی معرفی خواهند شد.

علم داده را می توان حاصل تلفیق سه زمینه علوم کامپیوتر، علوم آماری و دانش تخصصی در مسئله مورد بررسی دانست. پرواضح است که می توان علوم کامپیوتر و آمار را به عنوان پایه های علم داده تلقی کرد که قادر به فراهم سازی تمامی روش ها و تکنیک های مورد نیاز این علم می باشند. در این دوره سعی می شود که با ارائه تکنیک های آماری متنوع، زمینه لازم جهت فراگیری دانش آماری مورد نیاز فراهم گردد. بکارگیری این روش ها در نرم افزارهای تخصصی R و Python، پایه لازم در زمینه علوم کامپیوتری را ایجاد نموده و در نهایت استفاده از داده های واقعی در کاربردهای مختلف از جمله صنعت، ورزش، خدمات درمانی و غیره، می تواند به عنوان مقدمه ای جهت کسب دانش تخصصی در مسائل عملی تلقی گردد. کسب دانش لازم در علم داده در درجه اول ابزار تحلیلی قدرتمندی در اختیار داوطلبان قرار می دهد که به واسطه آن به بازار در حال توسعه علم داده در داخل یا خارج از کشور معرفی می شوند. همچنین، بهره مندی از این دانش می تواند افراد را جهت فعالیت در زمینه های تحقیقاتی و آکادمیک در داخل یا خارج از کشور به میزان قابل توجهی یاری نماید.

سرفصل های دوره:
* آشنایی مقدماتی با برنامه نویسی در R و پایتون (Introductory programming in R and Python) - مدت: ۶ ساعت
* مدل های خطی کاربردی با استفاده از نرم افزار آر (Applied linear models with R) - مدت: ۲۰ ساعت
* مدل های چند متغیره کاربردی با استفاده از برنامه نویسی پایتون (Applied multivariate models with Python) - مدت: ۳۱ ساعت
* مباحث رگرسیون پیشرفته (Advanced regression) - مدت: ۱۳ ساعت
* مقدمه ای بر تحلیل داده های طولی (Longitudinal data analysis) - مدت: ۵ ساعت
* وب کاوی در پایتون (Web mining with Python) - مدت: ۶ ساعت
* سیستم های مدیریت پایگاه داده (Database management system) - مدت: ۶ ساعت
* پروژه عملی (۳ تا ۴ هفته معادل ۱۳ ساعت)

به همراه ۱۱ مطالعه موردی با دیتاهای واقعی در صنایع مختلف شامل: صنعت خودرو - ورزش - جوشکاری - خدمات شهری و فروشگاهی - تولید قطعات - خدمات درمانی - مارکتینگ و ... .

دانشپذیران در حین تدریس هر یک از دوره های فوق، تمامی مفاهیم را با مطالعات موردی پیاده سازی و تحلیل خواهند کرد تا مباحث را به صورت کاملا عملی و واقعی فرا گیرند. توجه فرمایید دانشجویان باید لپتاپ شخصی خود را در کلاس های حضوری همراه داشته باشند.

یاسر زره ساز