دوره آموزشی Data Science with Python

در این دوره آموزشی دانشجویان بصورت عملی کلیه مفاهیم هوش مصنوعی، شاخه علم داده را فرا می­گیرند. مراحل دوره آموزشی به این شکل است برنامه نویسی مقدماتی پایتون، پاک­سازی و خواندن مجموعه داده، دستکاری داده، نمایش داده، آمار و احتمالات، یادگیری ماشین، بهینه سازی ماشین، گزارش گیری، مطالعات موردی، پیاده سازی دست کم پنج پروژه در حین کلاس انجام می شود. علاوه بر این تمامی مراجع استفاده شده در طی آموزش از جمله کتاب، مقالات و آموزش­های مکمل بهدانشجویان با ذکر منبع آموزشی ارائه می­شود. 

شروع دوره: پنج شنبه 21 آذر 98 12:00

پایان دوره: پنج شنبه 24 بهمن 98 16:00

مدت زمان: 40 ساعت

محل برگزاری: لایتک

مدرس: جواد عبادی

در صورت نیاز به مشاوره و راهنمایی جهت شرکت در دوره، می توانید با شماره های لایتک تماس گرفته و نسبت به تعیین زمان مشاوره توسط کارشناسان لایتک اقدام گردد.

به منظور پاسخگویی به سوالات دانشجویان، جلسات مشاوره گروهی رایگان هر ماه یکبار در تاریخ های ذیل برگزار خواهد شد:

سه شنبه 30 مهر ماه 98
سه شنبه 21 آبان ماه 98
سه شنبه 19 آذر ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

لازم به ذکر است آزمون های دوره علم داده به صورت پروژه برگزار می گردد.

دوره های آموزشی علم داده را برای حرفه ای شدن به خاطر بسپارید:

دوره برنامه نویسی پایتون - Python Programming
دوره یادگیری ماشین - Machine Learning
دوره یادگیری عمیق – Deep Learning
دوره آموزشی علم داده - Data Science
دوره  (Natural language processing (NLP)

مخاطبان دوره

• افراد فعال در حوزه آمار
• تحلیلگران داده
• افراد فعال در حوزه Business Intelligence
• کسانی که حداقل با یک زبان برنامه نویسی کار کرده اند
• طراحان سایت
• افراد فعال در حوزه Bio-Medical جهت تحلیل دنباله­ های DNA
• سازمان­ هایی که قصد مهاجرت به سیستم های توصیه کننده دارند

توانایی پس ازگذراندن دوره
توانایی تحلیل داده، درک کامل کاربرد فرمول­های ریاضی، یادگیری پیاده سازی یادگیری ماشین، پیاده سازی سیستم­های توصیه کننده، آمادگی دانشجو جهت استخدام در حوزه ­های علم داده

سرفصلهای دوره

• آشنایی با علم داده، انواع تحلیل‌های داده و اهداف تحلیل داده
• آشنایی با روش‌های به روز ماندن و استفاده مناسب از منابع آنلاین در حوزه‌ی علم داده
• آشنایی با سیستم عامل یونیکس برای تحلیل داده
• نصب نرم‌افزارهای مرتبط با علم داده و مدیریت آن‌ها
• مروری بر دستورات و مفاهیم پرکابرد پایتون در علم داده و کتابخانه‌های مهم علم داده
• جمع‌آوری داده و خواندن داده در پایتون
• تمیز کردن داده و پیش پردازش داده‌ در پایتون
• آموزش مقدماتی و پیشرفته‌ی کتابخانه‌ی  Pandas
• مثال از صفر تا صد یک پروژه با داده‌های واقعی در  Pandas
• مفاهیم مورد نیاز برای علم داده از  SQL
• مصورسازی و ترسیم داده‌ها در پایتون با  matplotlib-seaborn-Bokeh
• آمار و مفاهیم آماری و تست فرضیه به کمک پایتون
• سوالات متداول آماری در مصاحبه‌های شغلی دانشمند داده، تحلیلگر داده و یا مهندس یادگیری ماشین و جواب‌های مناسب
• آشنایی با مفاهیم اولیه یادگیری ماشین و یادگیری عمیق در کتابخانه‌ی  scikit-learn
  
  

برای اطلاعات بیشتر به سایت laitec.ir مراجعه نمایید.