تحلیل داده ها درحال برگزاری مدل سازی داده ها

آموزش جامع data science یادگیری ماشینی بدون نیاز به کدنویسی

الهام صفایی
راه‌رو
اخرین بروزرسانی 7 آبان 1401
1 نفر ثبت نام کرده اند

درباره این دوره

در این دوره شما بدون نیاز به دانش کامپیوتری و تجربه قبلی در زمینه داده کاوی و یادگیری ماشینی در دوره شرکت کرده و در انتها یک آنالیزگر ماهر داده  (داده کاو) و طراح مدل‌های پیش‌بینی و یادگیری ماشینی بدون نیاز به یادگیری کدنویسی کامپیوتری شوید. 
خروجی این دوره افرادی هستند که می‌توانند به راحتی با انواع مختلف داده کار کرده و توانمندی طراحی مدل‌های پیشرفته داده کاوی و یادگیری ماشینی را داشته و بتوانند نسبت به استخراج اطلاعات و دانش جدید از داده ها اقدام کنند. 

مدت آموزش: 60 ساعت

سطح: متوسط

کاملا تعاملی و حضوری

امکان پرداخت به صورت اقساطی

انتقال تجربه معلم دوره

ارائه مدرک توسط مدرسه
کسب و کار صدران

در این دوره چه چیزهایی یاد می‌گیریم:

تعاریف علم داده، انواع داده، تبدیل داده های مختلف به هم، فیلتر کردن و پاکسازی داده‌های مختلف
انواع مدل‌های یادگیری ماشینی
طراحی مدل‌های پیش‌بینی (از جمله یادگیری عمیق Deeo learning)
انواع روشهای مختلف ارزیابی مدل‌های طراحی شده جهت انتخاب بهترین مدل
بهینه سازی مدل‌ها و طراحی مدل‌های پیچیده و ترکیب مدل‌های مختلف
طراحی مدل‌های اتومات و استفاده از آن‌ها جهت افزایش بهره‌وری

سرفصل‌ها

Introduction to data Science and its applications
Data types (Definition of different types of data)
Data Preparation
Data Evaluation
Data Preprocessing
Data Modification
Data Access (Reading and writing various data files)
Data type conversion & Selection
Data filtering, sampling, sorting & joining
Data Handling (homeworkO)
Data Cleansing (Normalization, binning, missing, Duplicates, Outliers, Dimension reduction)
Modeling: segmentation
Modeling: Associtation Rules
Modeling: Attribute Weighting
Modeling: Decision Tree
Modeling: SVM
Modeling: Bayesian
Modeling: Neural Network (perceptron)
Modeling: Deep Learning
Modeling: Regression
Model Validation: Cross Validation and Split Validation
Ensembling: Voting, Bagging, Stacking
Model Optimization
Complex model design and application
Auto model development and automation
Wrap up thoughts and discussion (advanced topics, image processing, …)

این دوره مناسب چه کسانی است؟

تمام افرادی که به نحوی با داده و اطلاعات سر و کار دارند و دوست دارند که خودشان بتوانند به عنوان یک داده کاو و طراح مدل‌های پیش‌بینی و یادگیری ماشینی از صفر تا صد نیازهای خود و شرکت‌شان را تامین کنند.
شما می‌توانید در این دوره داده‌های خودتان (یا شرکت‌تان) را تولید کرده و بر روی آن‌ها انواع و اقسام مدل‌های یادگیری ماشینی را اعمال کنید
و بتوانید از این مدل‌ها در پیش‌بینی بهترین شرایط برای شرکت استفاده کنید

پیش‌شرط‌های دوره:

آشنایی ابتدایی با کامپیوتر
نیازی به هیچ‌گونه دانش ابتدایی در زمینه داده، داده کاوی، یادگیری ماشینی و هوش مصنوعی نیست.

مزایای دوره:

آموزش کاملا مفهومی و قدم به قدم

پروژه محور بودن جلسات

طراحی شده ویژه بازار کار

امکان معرفی افراد منتخب به سازمان‌های مختلف جهت همکاری

زمان کلاس:

60 ساعت آموزش در 30 جلسه

نوع دوره: حضوری

معلم دوره : منصور ابراهیمی

دکتر منصور ابراهیمی متخصص داده کاوی، یادگیری ماشینی و بیوانفورماتیک و استاد دانشگاه قم می باشد.
ایشان از سال ۲۰۰۶ در زمینه داده کاوی، طراحی مدلهای پیش بینی و آنالیز داده های حجیم فعالیت کرده و بیش از ۶۰ مقاله علمی در مجلات معتبر بین المللی به چاپ رسانده است.
ایشان در زمینه آنالیز انواع داده های ژنومی، پروتئومی، ترانسکریتومی و متاژنومی متخصص بوده و در زمینه طراحی مدلهای آنالیز کلی (متاآنالیز) نیز خبره می باشند.
ایشان علاوه بر توانمندی در طراحی مدلها در محیط های مختلف (NumPy, SKlearn, Pandas, Matlab, R, Python, TensorFlow و …) و سیستم های عامل مختلف (Unix, Linux, Windwos and MacOS)، در استفاده از سیستم های رایانش ابری (Cloud-based computing) و Bash Scripting و (High Performane Computing (HPC نیز متبحر می باشند.
علاوه بر فعالیت به عنوان عضو هیات علمی همکار در دانشگاه آدلاید استرالیا، ایشان Senior Data Scientist شرکت MEQ Probe در استرالیا نیز بوده اند.

یک نظر بنویسید

data

3,200,000 تومان

سطح
همه سطح‌ها
موضوع
تحلیل داده هادرحال برگزاریمدل سازی داده ها

با ما در تماس باشید

info@raahroschool.com

دسترسی سریع

صفحه اصلی
لیست دوره ها
همکاری با سازمان ها
درخواست تدریس

خبرنامه و یادآور

با ایمیل یادآوری از شروع دوره‌های جدیدمون مطلع بشین :)

تمامی حقوق برای مدرسه کسب و کار راه‌رو محفوظ است