قیمت 400,000 تومان 89,000 تومان

امتیاز 4.50 از 4 رأی
4.50 4 رای
400,000 تومان 89,000 تومان
ویژگی های دوره
place
نوع دوره: غیرحضوری
local_library
سطح دوره: فوق حرفه ای
traffic
پیش نیاز: ندارد
language
زبان: فارسی
access_time
ویدئویی (کیفیت HD)
playlist_add_check
ناشر: بیگ لرن
storage
حجم دوره: 3 گیگ
supervisor_account
روش پشتیبانی: ارسال تیکت
card_membership
مدت دوره: 12 ساعت

علم داده چیست؟

علوم داده مبحثی جدید در علوم کامپیوتر است که به عنوان جذاب‌ترین شغل قرن بیست و یکم مطرح می شود. در واقع علوم داده رشته در حال ظهوری است که به جمع‌آوری، آماده‌سازی، تحلیل، بصری‌سازی، مدیریت و نگهداشت اطلاعات در حجم بالا می‌پردازد. متخصص علم داده دانشی کاربردی از داده‌ها و ابزارها دارد به علاوه درک تئوریکی دارد که مشخص می‌کند چه چیزی از نظر علمی ممکن است. در حقیقت علم داده یک راه به خصوص را برای اتصال تمام نقاط در دنیای تصادفی پر از داده که بیشتر ان‌ها در وهله‌ی اول مفید به نظر نمی‌رسند، به‌کار می‌گیرد. 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. 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. امروزه، افزایش علاقمندی به علم داده و داده‌کاوی از یک سو و روند رو به رشد و توسعه «هوش مصنوعی» (Artificial Intelligence) و «یادگیری ماشین» از سوی دیگر موجب تحولی اساسی در فضای علمی و صنعتی شده که همچنان نیز ادامه دارد و به دلیل بالا بودن نرخ این تحول و رشد، آینده این علوم به نوعی در هاله‌ای از ابهام قرار داشته و کسی نمی‌داند در آینده پیش رو بشر با چه چیزی مواجه خواهد شد. در علم داده، ریاضیات، آمار، علوم کامپیوتر و دیگر روش‌ها مانند یادگیری ماشین، کاوش داده و بصری‌سازی داده مورد استفاده قرار می‌گیرد. علم داده مفهومی برای یکپارچه‌سازی آمار، تحلیل داده، یادگیری ماشین و دیگر مفاهیم مرتبط تحت یک عنوان واحد است. این کار به منظور درک و تحلیل پدیده‌ها با استفاده از داده‌ها انجام می‌شود. متخصصین علم داده می‌توانند مهارت‌هایشان را برای دست یابی به طیف وسیعی از نتایج نهایی به کار گیرند. تعدادی از این مهارتها به شرح زیرند:

  • توانایی استخراج و تفسیر منابع داده
  • مدیریت حجم زیاد اطلاعات با سخت‌افزار
  • محدودیت‌های نرم‌افزاری و پهنای باند
  • ادغام منابع داده با یک دیگر
  • تضمین پایداری مجموعه‌های داده
  • مصورسازی داده برای فهم آن
  • ساخت مدل‌های ریاضی با استفاده از داده، مانند مدلهای ریگرسیون و طبقه‌بندی
  • مقایسه آماری مدلهای ریاضی گوناگون و انتخاب مدل برتر، فی المثل توسط آزمون آ/ب
  • به اشتراک گذاری یافته‌ها و دیدگاه‌ها در حوزه داده با متخصصان دیگر یا مخاطب عام

ابزارهای متن باز علم داده

  • آر (زبان برنامه‌نویسی)
  • پایتون (زبان برنامه‌نویسی)
  • وکا (یادگیری ماشینی)
  • جاوا (زبان برنامه‌نویسی)
  • گنو آکتیو
  • جولیا

ابزارهای تجاری علم داده

  • راپید ماینر
  • نایم
  • اس‌پی‌اس‌اس مادلر
  • متلب

چرا علم داده ؟

واقعیت این است که علم داده به معنای خاص، چند دهه قدمت دارد و به معنای عام، ریشه‌های آن را می‌توان در قرن‌های گذشته هم جستجو کرد.

اما قدرت گرفتن آن طی سال‌های اخیر، باعث شده که علم داده بیش از پیش مورد توجه قرار بگیرد. از جمله‌ی این روندها می‌توان به موارد زیر اشاره کرد:

  • افزایش حجم داده‌ها
  • افزایش قدرت محاسباتی سیستم‌های سخت‌افزاری
  • افزایش حجم تولید داده در اینترنت
  • خلق روش‌های جدیدتر برای تحلیل داده‌ها

در حال حاضر، بسیاری از کسب و کارها برای حل مسائل خود و به‌خصوص سیاست‌گذاری و انجام اقدام‌های پیشگیرانه، از علم داده کمک می‌گیرند.

آیا علم داده همان داده کاوی است؟

گاهی اوقات علم داده (Data Science) را با داده کاوی (Data Mining) و گاه با یادگیری ماشین (Machine Learning) مترادف در نظر می‌گیرند.

گاهی هم پیش می‌آید که آن را زیرمجموعه‌ی علم آمار فرض می‌کنند. اما منطقی‌تر است که برای علم داده تعریف گسترده‌تری در نظر بگیریم. زیرا:

  • علم داده ، بر خلاف داده کاوی، تمام فرایند مرتبط با داده، از گردآوری اولیه تا عرضه‌ی محصول مبتنی بر داده‌ها را در برمی‌گیرد و صرفاً به تحلیل داده محدود نیست.
  • علم داده بر خلاف روش غالب در آمار، معمولاً از جنبه‌ی توصیفی و استنتاجی فاصله می‌گیرد و می‌کوشد بر اساس داده‌های موجود، به پیش‌بینی و تجویز بپردازد.

بنابراین بهتر است علم داده را به معنای عام‌تر در نظر بگیریم و فرض کنیم سایر شاخه‌ها (مثل آمار، داده کاوی و یادگیری ماشینی) دستاوردهای خود را در اختیار علم داده قرار می‌دهند.

مهارت‌های مورد نیاز برای فعالیت در حوزهٔ علم داده

۱. تجربه و مهارت در کار بار زبان‌های برنامه‌نویسی کامپیوتر

۲. داشتن اطلاعات کاربردی در زمینهٔ فعالیت: دانشمند داده باید درک کاملی از زمینه‌ای که در آن فعالیت می‌کند داشته باشد تا راه‌حل مناسب را برای مسائل پیچیده ارائه کند. راه‌حلی که در هماهنگی با اهداف سازمان محل فعالیتش باشد.

۳. مهارت‌های ارتباطی: یافته‌های دانشمند داده فنی و تحلیلی هستند. او باید این یافته‌ها را به‌شکلی قابل‌فهم و به زبانی ساده در اختیار بخش مربوطه در سازمان محل فعالیت قرار بدهد. به‌علاوه صرف تخصص در علم داده کافی نیست و دانشمند داده باید با برقراری ارتباط مؤثر با بخش‌های غیرفنی سازمان درک کاملی از نیازهای آن‌ها پیدا کند. تنها در این صورت است که قادر به تجزیه‌وتحلیل درست داده‌ها خواهد بود.

۴. داشتن مهارت فنی در سطح عالی در زمینه‌های زیر:

  • ریاضیات (جبر خطی، حسابداری، احتمالات)؛
  • آمار؛
  • ابزارها و تکنیک‌های یادگیری ماشین
  • داده‌کاوی (فرآیند شناسایی روندهای مختلف در حجم زیادی از داده‌ها)؛
  • پاکسازی داده (پیدا کردن داده‌های بی‌ارزش یا نادرست و اصلاح یا حذف آن‌ها)؛
  • تکنیک‌های گزارش‌نویسی و مصورسازی داده
  • تکنیک‌های مرتبط با داده‌های خطی و غیرخطی

هدف از این دوره آموزشی:

هدف از این دوره آموزشی، آموزش کامل علم داده با پایتون است. در این دوره با زبانی ساده و قابل فهم تئوری علم داده و تمامی آنچه برای علم داده نیاز دارید، مورد بحث و بررسی قرار می گیرد. مراحل علم داده کامل معرفی می شود و هر کدام از مراحل علم داده، توضیح داده می شود. ابتدا پایتون روی ویندوز و لینوکس نصب می شود و یک مرور کامل روی پایتون انجام می شود و ذر ادامه تئوری علم داده و مباحث تکمیلی بحث و بررسی می شوند. در نهایت به صورت عملی علم داده با استفاده از کتابخانه های مهم و کاربردی پایتون، پیاده سازی و آموزش داده می شود. بدون شک یکی از بهترین دوره های علم داده با پایتون می باشد که با زبان فارسی و قابل فهم توضیح داده شده است. مدرس این دوره سال هاست در این حوزه کار می کند و نکات آموزشی و تدریس خوب ایشان می تواند به شما در متخصص شدن برای علم داده کمک زیادی کند. امیدواریم که این آموزش از “بیگ لرن” هم مثل سایر آموزش ها مورد تایید و رضایت شما مخاطبان گرامی قرار گیرد.

موارد موجود در این دوره آموزشی:
بخش اول: مرور کامل روی پایتون

نصب و راه اندازی پایتون و محیط مجازی در ویندوز ویدئو

خصوصی

نصب و راه اندازی پایتون و محیط مجازی در لینوکس ویدئو

خصوصی

کار با عملگرها و متغیرها در پایتون ویدئو

خصوصی

کار با توابع و کلاس ها در پایتون ویدئو

خصوصی

کار با ماژول ها و کتابخانه ها در پایتون ویدئو

خصوصی

کار با انواع ساختمان دادها در پایتون ویدئو

خصوصی

کار با زمان و تاریخ در پایتون ویدئو

خصوصی

مدیریت استثنائات در پایتون ویدئو

خصوصی

شی گرایی و ارث بری در پایتون ویدئو

خصوصی

کار با دیتابیس MySQL در پایتون ویدئو

خصوصی

برنامه نویسی چندنخی در پایتون ویدئو

خصوصی

دریافت اطلاعات از کاربر با ماژول ArgumentParser در پایتون ویدئو

خصوصی
بخش دوم: تئوری علم داده

علم داده واقعا چیست؟ ویدئو

خصوصی

تفاوت های علم داده و داده کاوی ویدئو

خصوصی

ارتباط علم داده با هوش مصنوعی و یادگیری ماشین ویدئو

خصوصی

کاربردهای علم داده ویدئو

خصوصی

چالش های علم داده ویدئو

خصوصی

مراحل کلی برای علم داده ویدئو

خصوصی

الگوریتم های مختلف علم داده ویدئو

خصوصی

مهارت های لازم برای علم داده ویدئو

خصوصی

ابزارهای لازم برای علم داده ویدئو

خصوصی

علم داده های خطی ویدئو

خصوصی

علم داده های غیرخطی ویدئو

خصوصی

علم ابعاد داده ویدئو

خصوصی

علم مدل های خطی در داده ها ویدئو

خصوصی

علم مدل های غیرخطی در داده ها ویدئو

خصوصی

علم تحلیل آماری داده ها ویدئو

خصوصی

علم تحلیل ماشینی داده ها ویدئو

خصوصی

استخراج دانش از داده ویدئو

خصوصی

مراحل استخراج دانش ویدئو

خصوصی

مراحل استفاده از دانش داده ویدئو

خصوصی

مراحل علم داده ویدئو

خصوصی

شناخت هدف سیستم ویدئو

خصوصی

آنالیز سیستمی ویدئو

خصوصی

داده های موردنیاز سیستم ویدئو

خصوصی

جمع آوری داده و کنترل کیفیت داده ویدئو

خصوصی

آماده سازی و پیش پردازش داده ویدئو

خصوصی

مدل سازی داده ویدئو

خصوصی

توسعه و بازخورد از محیط واقعی ویدئو

خصوصی

مدل های خطی و غیر خطی ویدئو

خصوصی

داده های خطی و غیر خطی ویدئو

خصوصی

چرا پایتون برای علم داده ویدئو

خصوصی

کاهش ابعاد و ویژگی های داده ویدئو

خصوصی
بخش سوم: علم داده با کتابخانه Numpy

معرفی کامل کتابخانه Numpy ویدئو

خصوصی

نصب و ایجاد محیط برای Numpy ویدئو

خصوصی

کار با داده های Ndarray در Numpy ویدئو

خصوصی

کار با نوع های داده ای در Numpy ویدئو

خصوصی

گرفتن ویژگی داده های آرایه ای در Numpy ویدئو

خصوصی

ایجاد آرایه های Routines در Numpy ویدئو

خصوصی

ایجاد آرایه از داده های مختلف در Numpy ویدئو

خصوصی

ایجاد آرایه با مقادیر مختلف عددی در Numpy ویدئو

خصوصی

Indexing و Slicing داده در Numpy ویدئو

خصوصی

اندیکس گذاری پیشرفته داده با Numpy ویدئو

خصوصی

عملیات Broadcasting روی داده در Numpy ویدئو

خصوصی

عملیات Iterating روی داده در Numpy ویدئو

خصوصی

عملیات نفوذی روی آرایه ها در Numpy ویدئو

خصوصی

توابع برای داده های رشته ای با Numpy ویدئو

خصوصی

عملگرهای حسابی روی داده با Numpy ویدئو

خصوصی

اعمال توابع ریاضی روی داده با Numpy ویدئو

خصوصی

اعمال توابع آماری روی داده با Numpy ویدئو

خصوصی

عملیات جستجو - مرتب سازی - شمارش داده با Numpy ویدئو

خصوصی

جبرخطی در Numpy ویدئو

خصوصی

کار با import و export داده با Numpy ویدئو

خصوصی
بخش چهارم: علم داده با کتابخانه Pandas

معرفی کامل کتابخانه pandas ویدئو

خصوصی

نصب و ایجاد محیط برای pandas ویدئو

خصوصی

معرفی ساختمان داده های pandas ویدئو

خصوصی

کار با سری ها در pandas ویدئو

خصوصی

کار با دیتافریم ها در pandas ویدئو

خصوصی

کار با پنل ها در pandas ویدئو

خصوصی

توابع پایه دیتافریم ها در pandas ویدئو

خصوصی

آمار توصیفی داده ها در pandas ویدئو

خصوصی

توابع کاربردی روی داده در pandas ویدئو

خصوصی

اندیکس گذاری مجدد داده در pandas ویدئو

خصوصی

مرتب سازی و جستجو داده با pandas ویدئو

خصوصی

کار کردن با داده های متنی در pandas ویدئو

خصوصی

اندیس گذاری و انتخاب داده در pandas ویدئو

خصوصی

توابع آماری روی داده در pandas ویدئو

خصوصی

کار با داده های گم شده در pandas ویدئو

خصوصی

گروه بندی داده ها در pandas ویدئو

خصوصی

ترکیب و اتصال داده ها با pandas ویدئو

خصوصی

کار با داده های طبقه ای با pandas ویدئو

خصوصی

بصری سازی داده ها با pandas ویدئو

خصوصی

کار با ورودی و خروج داده با pandas ویدئو

خصوصی

کار با داده های اسپارس با pandas ویدئو

خصوصی
بخش پنجم: علم داده با کتابخانه Scipy

معرفی کامل کتابخانه scipy ویدئو

خصوصی

نصب و ایجاد محیط برای scipy ویدئو

خصوصی

توابع پایه ای در scipy ویدئو

خصوصی

خوشه بندی داده با scipy ویدئو

خصوصی

کار با ثابت های داده ای در scipy ویدئو

خصوصی

تبدیلات مختلف فوریه روی داده در scipy ویدئو

خصوصی

محاسبه انواع انتگرال ها در scipy ویدئو

خصوصی

درونیابی داده با scipy ویدئو

خصوصی

ورود و خروج داده با scipy ویدئو

خصوصی

پردازش داده تصویری در scipy ویدئو

خصوصی

جبرخطی داده ها در scipy ویدئو

خصوصی

بهینه سازی با scipy ویدئو

خصوصی

عملیات آماری داده با scipy ویدئو

خصوصی

نمایش گرافی داده در scipy ویدئو

خصوصی

رگرسیون داده با scipy ویدئو

خصوصی
بخش ششم: علم داده با کتابخانه Matplotlib

معرفی کامل کتابخانه Matplotlib ویدئو

خصوصی

ترسیم داده با Matplotlib ویدئو

خصوصی

شی گرایی در ترسیم نمودار داده در Matplotlib ویدئو

خصوصی

کلاس Figure برای ترسیم نمودار در Matplotlib ویدئو

خصوصی

کلاس Axes برای ترسیم نمودار در Matplotlib ویدئو

خصوصی

بصری سازی چند نموداری با Matplotlib ویدئو

خصوصی

توابع مختلف subplot در Matplotlib ویدئو

خصوصی

گرید بندی نمودارهای آماری در Matplotlib ویدئو

خصوصی

لیبل گذاری نمودارهای آماری با Matplotlib ویدئو

خصوصی

تنظیم کامل نمودارهای آماری در Matplotlib ویدئو

خصوصی

شخص سازی کامل نمودارهای آماری در Matplotlib ویدئو

خصوصی

ترسیم نمودار پراکندگی با Matplotlib ویدئو

خصوصی

ترسیم نمودار دایره ای با Matplotlib ویدئو

خصوصی

ترسیم نمودار هیستوگرام با Matplotlib ویدئو

خصوصی

ترسیم نمودار میله ای با Matplotlib ویدئو

خصوصی

ترسیم نمودار کانتور با Matplotlib ویدئو

خصوصی

ترسیم نمودار جعبه ای با Matplotlib ویدئو

خصوصی

ترسیم نمودار های سه بعدی با Matplotlib ویدئو

خصوصی

ترسیم نمودار قاب سیم سه بعدی با Matplotlib ویدئو

خصوصی
بخش هفتم: علم داده با کتابخانه Scikit-learn

معرفی کامل کتابخانه Scikit-learn ویدئو

خصوصی

نصب و ایجاد محیط برای Scikit-learn ویدئو

خصوصی

مراحل پردازش مدل در Scikit-learn ویدئو

خصوصی

نمایش داده در Scikit-learn ویدئو

خصوصی

انواع پیش بینی کننده ها در Scikit-learn ویدئو

خصوصی

کنوانسیون ها در Scikit-learn ویدئو

خصوصی

مدل های خطی در Scikit-learn ویدئو

خصوصی

گرادیان نزولی در Scikit-learn ویدئو

خصوصی

مدل سازی با ماشین بردار پشتیبان در Scikit-learn ویدئو

خصوصی

تشخیص بی نظمی با Scikit-learn ویدئو

خصوصی

مدل سازی با نزدیکترین همسایگی در Scikit-learn ویدئو

خصوصی

مدلسازی با نایوبیز در Scikit-learn ویدئو

خصوصی

مدلسازی با درخت تصمیم در Scikit-learn ویدئو

خصوصی

مدل سازی با تخمین گرهای ترکیبی در Scikit-learn ویدئو

خصوصی

پیش پردازش داده ها با Scikit-learn ویدئو

خصوصی

کاهش ابعاد داده با Scikit-learn ویدئو

خصوصی

خوشه بندی بدون ناظر در Scikit-learn ویدئو

خصوصی
بخش هشتم: علم داده با کتابخانه NLTK

معرفی کامل کتابخانه NLTK ویدئو

خصوصی

نصب و ایجاد محیط برای NLTK ویدئو

خصوصی

خواندن داده های متنی با NLTK ویدئو

خصوصی

نصب و استفاده از پیکره های زبانی در NLTK ویدئو

خصوصی

توکن بندی جملات با NLTK ویدئو

خصوصی

توکن بندی کلمات یک جمله با NLTK ویدئو

خصوصی

Stemming جملات و کلمات مختلف با NLTK ویدئو

خصوصی

Lemmatization جملات و کلمات مختلف با NLTK ویدئو

خصوصی

کار کردن با N-grams در NLTK ویدئو

خصوصی

مترادف و متضاد کلمات جمله با NLTK ویدئو

خصوصی

کار کردن با انواع مختلف PosTager در NLTK ویدئو

خصوصی

نرمال سازی و پاک سازی داده های متنی با NLTK ویدئو

خصوصی

تشخیص کلمات توقف و کار با آنها در NLTK ویدئو

خصوصی

تشخیص خطا در کلمات جمله با NLTK ویدئو

خصوصی

پیدا کردن تکرار در یک پیکره با NLTK ویدئو

خصوصی

ساخت کیسه کلمات در NLTK ویدئو

خصوصی

پارس کردن یک جمله با ساختار درختی در NLTK ویدئو

خصوصی

طبقه بندی متن با NLTK ویدئو

خصوصی

تشخیص احساسات در متن با NLTK ویدئو

خصوصی

درخواست مشاوره

برای کسب اطلاعات بیشتر درباره این دوره درخواست مشاوره خود را ارسال کنید و یا با ما در تماس باشید.

درخواست مشاوره

نیاز به مشاوره دارید؟

در صورتی که نیاز به مشاوره دارید می توانید فرم را تکمیل نمایید و یا با ما در تماس باشید

درخواست مشاوره رایگان

moreدوره های مرتبط

آموزش کامل برنامه نویسی پایتون

پایتون چیست؟ یک محیط یکپارچه توسعه نرم‌افزار تفسیری، همه منظوره،  سطح بالا، شیءگرا، اِسکریپتی و متن باز است که توسط خیدو فان روسوم در سال ۱۹۹۱ در کشور هلند طراحی شده است.…
100,000 تومان 35,000 تومان

طبقه بندی محصولات غذایی با یادگیری عمیق

طبقه بندی محصولات غذایی براساس تصاویر؟ غذا و تغذیه ، بی‌شک مهمترین موضوع مورد بحث دنیای امروز را تشکیل می‌دهد.…
65,000 تومان 35,000 تومان

تشخیص حالت چهره با روش های ریاضی و راهکار پردازش تصویر

تشخیص حالت چهره: از جمله مسائل جذاب در بینایی ماشین تحلیل تصاویر حاوی انسان است. یکی از مسائل مورد توجه…
100,000 تومان 35,000 تومان

آموزش کامل پردازش تصویر با پایتون

پردازش تصویر: بیش از ۹۰ درصد اطلاعات پیرامون ما به وسیله ی مشاهده صورت می پذیرد. با پیشرفت فناوری امکان…
70,000 تومان 39,000 تومان

chat_bubble_outlineنظرات

  • s.esmaili30@gmail.com( دانشجوی دوره )

    سلام چه طوری میتونم دوره رو دانلود کنم؟

    • بیگ لرن(مدیریت)

      با سلام
      از لینک مربوطه استفاده کنید.

  • masod( دانشجوی دوره )

    با سلام

    آموزش خیلی خوبی بود!

    آقای دکتر هم واقعا از جون و دل مایه میگذارن و این واقعا از طرز بیان و صحبت ایشون مشهوده!

    بعلاوه کاملا مشخصه که آدم فروتن و توانمندی هستن!

    بسیار ممنون از ایشون

  • کاروان( دانشجوی دوره )

    من دوره را خریداری کردم. دوره و مدرس دوره خیلی خوب بودن. ولی کاش در بحث تئوری بیشتر مسائل رو باز می کردید.

  • محمد حسین( دانشجوی دوره )

    یکی از بهترین دوره هایی بود که تا حالا دیده بودم. خیلی بهم کمک کرد. سپاس

  • رضا( دانشجوی دوره )

    خیلی دوره خوبی بود. واقعا راضی بودم. ممنون استاد

قوانین ثبت دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *