توضیحات

این رویداد آموزشی برای علاقه‌مندانی طراحی شده که می‌خواهند وارد بازار کار علوم داده شوند یا از آن در تحقیقات خود استفاده کنند، اما پیش‌زمینه‌ای در شاخه‌های مختلف علوم داده از برنامه‌نویسی گرفته تا جبر خطی، آمار و یادگیری ماشین ندارند. محتوای این دورۀ آموزشی با رویکردی عملیاتی و کارگاهی طراحی شده تا شرکت‌کنندگان مفاهیم و روش‌هایی که یاد می‌گیرند را با حل مسئله و تمرین به کار بگیرند تا بتوانند در دنیای واقعی از آن‌ استفاده کنند. ابزار اصلی در این دوره آموزشی، پایتون است که از ابتدا به طور کامل آموزش داده خواهد شد و در بسیاری از موضوعات مانند «ریاضیات علوم داده» و «داده‌کاوی و یادگیری ماشین» مورد استفاده قرار خواهد گرفت تا یادگیری مفاهیم انتزاعی را آسان کند. در این دوره علاوه بر انجام تمرین و دریافت بازخورد در هر یک از موضوعات، یک پروژه نیز در پایان هست که می‌توانید در آن آموخته‌های خود را به صورت جدی‌تری محک بزنید. اگر دوست دارید وارد دنیای علوم داده شوید و برای چالش‌های آن آماده‌اید، این دوره آموزشی برای شماست.

 
برنامه آموزشی
۱. تفکر محاسباتی و برنامه‌نویسی با پایتون (10 جلسه آنلاین)
· مقدمه‌ای درباره کامپیوتر، تفکر محاسباتی و علوم داده
+ نصب پایتون و مقدمه‌ای درباره برنامه‌‌نویسی
+ مقدارها و عملگرهای پایه
+ شرط و حلقۀ تکرار
+ آشنایی با تحلیل و طراحی الگوریتم
+ توابع پیش‌ساخته و جدید
+ متغیرهای پیمایش‌پذیر
+ مجموعه و دیکشنری
· برنامه‌نویسی پیمانه‌ای و استفاده از کتابخانه
· تولید اعداد تصادفی و شبیه‌سازی مونت‌کارلو
· آشنایی با محاسبات برداری با کتابخانه NumPy
· آشنایی اولیه با توابع مصورسازی داده در کتابخانه Matplotlib
۲. مبانی علوم داده، پردازش، مصورسازی (10 جلسه آنلاین)
· کاربردهایی از تحلیل داده در کسب‌وکار و تحقیقات
+ سازماندهی داده‌ها در قالب جدول
+ آشنایی با ساختارهای طولی و عرضی در جداول
+ ارائه چند نمونه کاربردی از ایده‌های تحلیل داده

· ریاضیات علوم داده
+ مشتق‌گیری و بهینه‌یابی در پایتون
+ آشنایی با آمار و احتمال و ارائه نمونه‌های کاربردی در پژوهش و کسب‌وکار
+ آشنایی جبر خطی و استفاده از آن در علوم داده

· پردازش و تبدیل داده در ساختارهای جدولی با Pandas
· کارگاه تحلیل اکتشافی داده: تحلیل و مصورسازی داده‌های واقعی با کتابخانه‌های Pandas و Matplotlib

۳. داده‌کاوی و یادگیری ماشین (10 جلسه آنلاین)
· مبانی و مفاهیم یادگیری ماشین
· مدل‌های پیش‌بینی
+ رگرسیون
+ رگرسیون لجستیک
+ درخت تصمیم
+ نزدیک‌ترین k-همسایه
+ بردار پشتیبان
+ بیز ساده

· خوشه‌بندی، یادگیری جمعی و کاهش ابعاد داده
· آشنایی با مبانی شبکه‌های عصبی و یادگیری عمیق

۴. پروژه پایانی و رویداد حضوری-آنلاین (2 جلسه آنلاین)
· دیدار، گفتگو و سخنرانی
· تعریف پروژه پایانی و گروه‌بندی
· برنامه‌ریزی برای تحویل و ارائه بازخورد
5. ارائه کارنامه و گواهی پایان دوره دانشگاه

برخی از مزایای دوره

· کار روی داده‌ها و پروژه‌های واقعی
· ارائه محتوای آموزشی در قالب درسنامه و تمرین
· ارائه فایل‌های ضبط‌شده جلسات
· امکان سوال و جواب روی پلتفرم آموزشی یا در گروه مجازی یا با ارسال ایمیل
· برگزاری جلسات حل تمرین و رفع اشکال
· تقویت شبکه ارتباطی و مشاوره برای کاریابی
· ارزیابی عملکرد در پایان دوره
· امکان پرداخت قسطی

سایر اطلاعات
• سطح دوره: مقدماتی و متوسط
• طول دوره آموزشی: 48 ساعت
• شیوه برگزاری: 32 جلسه آنلاین شامل 2 جلسه حضوری-آنلاین در دانشگاه
• نوع ارزشیابی: ارزیابی تمرین‌ها و پروژه پایانی
• زمان برگزاری کلاس‌ها: شنبه و سه‌شنبه از ساعت 18:00 تا 21:15
• زمان شروع: 25 فروردین 1403
• زمان پایان کلاس‌ها: 22 خرداد 1403
• مهلت ارسال پروژه پایانی: هفته آخر تیر 1403
• زمان ارائه کارنامه و گواهینامه دانشگاه: تیر ۱۴۰3
• شهریه: 8.750.000 تومان
(با امکان برخورداری از تخفیف ثبت نام زودهنگام، تخفیف گروهی و پرداخت قسطی)

درخواست پذیرش:
https://b2n.ir/pyds_pedu