دوره آموزشی تحلیل داده با پایتون دانشگاه صنعتی شریف

dap-sharif (1212 x 882 px)

رویکرد آموزشی این دوره

این رویداد آموزشی برای افرادی طراحی شده که می‌خواهند داده‌های واقعی را با پایتون تحلیل کنند و نتایج آن را به شکلی قابل فهم ارائه دهند، اما پیش‌زمینه‌ای در برنامه‌نویسی، آمار یا ابزارهای تحلیل داده ندارند.

محتوای این دوره با رویکردی کارگاهی طراحی شده تا شرکت‌کنندگان مفاهیم و روش‌هایی که یاد می‌گیرند را بلافاصله روی داده‌های واقعی به کار ببرند و خروجی‌های ملموس تولید کنند.

ابزار اصلی این دوره پایتون است که از ابتدا به طور کامل آموزش داده می‌شود. کتابخانه‌هایی مانند Pandas، NumPy و Matplotlib در بستر مسائل واقعی معرفی خواهند شد تا یادگیری آن‌ها هدفمند و کاربردی باشد.

در این دوره علاوه بر تمرین‌های هفتگی در هر موضوع، یک پروژه گروهی در پایان ارائه خواهد شد تا با تحلیل یک مجموعه داده واقعی، آموخته‌های خود را در عمل محک بزنید.

در طول دوره جلسات رفع اشکال و حل تمرین به صورت منظم برگزار خواهد شد تا مشکلات و سؤال‌های خود را با پشتیبان‌های آموزشی در میان بگذارید.

اگر به دنبال یادگیری تحلیل داده از پایه، با تمرین و چالش و پروژه واقعی هستید، این دوره برای شماست!

عناوین دوره

  • آشنایی با تفکر الگوریتمی و کد‌نویسی در پایتون (بدون پیش‌نیاز)
  • آشنایی و تمرین پردازش، مصورسازی و تحلیل داده در پایتون
  • کارگاه پیش‌پردازش و پاکسازی‌ داده با پرامپت‌نویسی برای هوش مصنوعی (وایب کدینگ)
  • آشنایی با مفاهیم آماری پایه و کاربردهای آن برای توصیف یک کسب‌وکار
  • مدلسازی و استنتاج آماری با مدل‌های   رگرسیون
  • آزمایش‌های تجربی در تحلیل داده با روش A/B test
  • داستان‌پردازی با داده و تصمیم‌گیری مبتنی بر داده
  • کارگاه بررسی نمونه‌های واقعی از کاربرد تحلیل داده در حل مسائل کسب و کار
  • پروژه پایانی

مدرسان

میرامید حاجی‌میرصادقی

میرامید حاجی‌میرصادقی

عضو هیأت علمی دانشکده علوم ریاضی دانشگاه صنعتی شریف و مدیرعامل شرکت سرچ‌وایز، دکترای ریاضی از دانشگاه پیر و ماری کوری (پاریس) و دانشگاه صنعتی شریف، سابقه فعالیت پژوهشی در دانشگاه تگزاس در آوستین، مشاور علوم داده در اسنپ‌پی و دیجی‌کالا

علیرضا کدیور

علیرضا کدیور

هم‌بنیان‌گذار شرکت پردازش و تحلیل داده دقیقه، کارشناسی ارشد آمار و تحقیق در عملیات از دانشگاه اسکس انگلستان، مدرس مدعو مبانی برنامه‌نویسی و آمار در دانشگاه صنعتی شریف  

حسام محمدحسینی

حسام محمدحسینی

مدیر ارشد مهندسی داده و پلتفرم مدیریت ارزش مشتری در ایرانسل، سابقه مدیریت محصول در پلتفرم کلان‌داده دیجی‌کالا؛ کارشناسی ارشد مخابرات سیستم از دانشگاه تربیت مدرس

مجید پورکاشانی

مجید پورکاشانی

هم‌بنیان‌گذار، توسعه‌دهنده نرم‌افزار و مهندس داده در شرکت پردازش و تحلیل داده دقیقه، کارشناسی مهندس برق از دانشگاه شریف و کارشناسی ارشد هوش مصنوعی از دانشگاه علم‌و‌صنعت

شمیم طاهری

شمیم طاهری

مدیر تحلیل داده در کارگزاری مفید، مدیر سابق قیمت‌گذاری تپسی و تحلیلگر داده سابق دیوار، دانش‌آموخته مهندسی کامپیوتر و اقتصاد از دانشگاه‌های تهران، شریف و مدرسه اقتصاد لندن، مدرس مدعو دانشگاه تهران

ریحانه فرجی

ریحانه فرجی

تحلیلگر ارشد کسب و کار در دیجی کالا، تحلیلگر داده سابق اسنپ‌تریپ و همراه اول
کارشناسی ارشد بایومکانیک از دانشگاه امیرکبیر

حسام زمانپور

حسام زمانپور

مهندس داده در شرکت دیوار، کارشناسی ارشد شیمی از دانشگاه تهران

فاطمه میربها

فاطمه میربها

مدیر بخش پیش‌بینی‌های بازاریابی در شرکت میلی‌گلد، سرپرست سابق تحقیقات بازار دیجی‌کالا، کارشناسی ارشد مدیریت رسانه از دانشگاه علامه طباطبائی

پشتیبان‌ دوره

ساجده فدائی

ساجده فدائی

دانش‌آموخته‌ بیوانفورماتیک‌ از‌ دانشکده‌ مهندسی‌ کامپیوتر‌ دانشگاه‌ صنعتی‌ شریف‌، مسئول‌یادگیری‌سازمانی‌ و‌ پشتیبانی‌ آموزشی‌ در‌ مدرسه‌ دقیقه

اطلاعات برگزاری

  • شروع دوره: ۱۸ مرداد ۱۴۰۵
  • زمان‌ برگزاری: یکشنبه‌ها و چهار‌شنبه‌ها ۱۸:۰۰ تا ۲۱:۲۰
  • طول دوره: ۱۵ هفته، ۵۰ ساعت (آموزش)، ۳۰ ساعت (حل تمرین و کارگاه)
  • مهلت تحویل پروژه پایانی: دی ۱۴۰۵
  • تحویل گواهی پایانی: دی ۱۴۰۵
  • شیوه برگزاری: آنلاین 

برنامه آموزشی

سرفصل عنوان مدرس تاریخ
۱ – معرفی دوره و نمونه‌ای از حل مساله با تحلیل داده نقشه راه یادگیری در طول دوره: بایدها و نبایدها برای کسب بهترین بازدهی در دوره
ضرورت افزایش سواد، بالا بردن توانایی تحلیل و تفکر انتقادی و مشارکت فعال در دوره یادگیری با هوش مصنوعی
نمونه‌ای از حل مسأله با تحلیل داده در تحقیقات و کسب‌و‌کار
اهمیت پایبندی به ددلاین‌، بازتولیدپذیری (reproducibility)، کار گروهی و اخلاق حرفه‌ای در پژوهش و کسب‌و‌کار
گروه‌بندی برای حل تمرین‌های دوره و انجام پروژه پایانی
علیرضا کدیور

یکشنبه

۱۸ مرداد ۱۴۰۵

۲- تفکر الگوریتمی و برنامه‌نویسی با پایتون مقدمه‌ای درباره کامپیوتر و تفکر محاسباتی، اهمیت تفکر الگوریتمی در حل مسأله
نگاهی به شباهت‌ها و تفاوت‌های تحلیل داده، یادگیری ماشین، علوم داده و هوش مصنوعی
نصب پایتون و مقدمه‌ای درباره برنامه‌‌نویسی، مقدارها و عملگرهای پایه در پایتون
علیرضا کدیور

یکشنبه

۲۵ مرداد ۱۴۰۵

توابع پیش‌ساخته و توابع جدید، شرط و حلقۀ تکرار، آشنایی با تحلیل و طراحی الگوریتم، آزمون و خطا برای پیدا کردن جواب علیرضا کدیور

چهارشنبه

۲۸ مرداد ۱۴۰۵

متغیرهای پیمایش‌پذیر: رشته، لیست، چندتایی، مجموعه، دیکشنری علیرضا کدیور

یکشنبه

۱ شهریور ۱۴۰۵

کارگاه مرور و حل تمرین ساجده فدائی

چهارشنبه

۴ شهریور ۱۴۰۵

۳ – پردازش و مصورسازی داده آشنایی با رویکرد پیمانه‌ای در کدنویسی، حل مسأله، طراحی سیستم و توسعه کتابخانه تولید اعداد تصادفی با کتابخانه random و شبیه‌سازی مونت‌کارلو و نمونه‌گیری با تکرار (bootstrapping) محاسبات برداری و ماتریسی با استفاده از کتابخانه numpy آشنایی با توابع مصورسازی داده در کتابخانه‌ matplotlib علیرضا کدیور

یکشنبه

۱۵ شهریور ۱۴۰۵

آشنایی با توابع مصورسازی داده در کتابخانه‌ seaborn آشنایی با مفاهیم مشاهده و ویژگی و روش‌های سازماندهی داده در جدول شیوه‌های موثر در مصورسازی و تحلیل داده در کسب‌وکار
 اکتشاف، توضیح و تفکر انتقادی
علیرضا کدیور

یکشنبه

۲۲ شهریور ۱۴۰۵

معرفی محیط  JupyterNoteBook برای تحلیل داده
ورود داده با فرمت‌های csv و xlsx در پایتون آشنایی با امکانات کتابخانه pandas برای پردازش داده‌های جدولی
حسام محمدحسینی

چهارشنبه

۲۵ شهریور ۱۴۰۵

تجمیع داده، group_by و تغییر ساختار جدول با pandas حسام محمدحسینی

یکشنبه

۲۹ شهریور ۱۴۰۵

پردازش موازی داده با کتابخانه polars پردازش عبارات قاعده‌مند (regular expressions) در پایتون حسام محمدحسینی

چهارشنبه

۱ مهر ۱۴۰۵

کارگاه پیش‌پردازش و پاکسازی داده با پرامپت‌نویسی برای هوش مصنوعی (وایب‌کدینگ) حسام محمدحسینی

یکشنبه

۵ مهر ۱۴۰۵

کارگاه حل تمرین ساجده فدائی

چهارشنبه

۸ مهر ۱۴۰۵

کارگاه مدیریت نسخه‌های کد (git) و معرفی پروژه پایانی مجید پورکاشانی

یکشنبه

۱۲ مهر ۱۴۰۵

آشنایی با SQL پایگاه‌های داده رابطه‌ای، دیتامدل و نمودار موجودیت – رابطه کوئری‌نویسی با زبان SQL در محیط پایتون ریحانه فرجی

چهارشنبه

۱۵ مهر ۱۴۰۵

کارگاه کوئری‌نویسی SQL و ETL ریحانه فرجی

یکشنبه

۱۹ مهر ۱۴۰۵

کارگاه تحلیل داده‌های حجیم با کتابخانه‌ DuckDB کار با فرمت parquet در پایتون حسام زمانپور

چهارشنبه

۲۲ مهر ۱۴۰۵

۴- آمار و تحلیل کسب و کار شاخص‌های کلیدی برای تحلیل کسب‌و‌کار و ایده‌هایی برای حل مسأله با تحلیل داده شمیم طاهری

یکشنبه

۲۶ مهر ۱۴۰۵

آشنایی با مفاهیم آماری پایه و کاربردهای آن برای توصیف یک کسب‌و‌کار، p-value و آزمون فرض در استنتاج آماری علیرضا کدیور

چهارشنبه

۲۹ مهر ۱۴۰۵

کارگاه حل تمرین آمار و تحلیل اکتشافی داده‌های کسب‌و‌کار علیرضا کدیور

یکشنبه

۳ آبان ۱۴۰۵

مدلسازی آماری و تحلیل رگرسیون
معیارهای ارزیابی مدل
روش‌های جلوگیری از بیش‌برازش و کم‌برازش
استنتاج آماری با مدل‌های رگرسیون خطی
علیرضا کدیور

چهارشنبه

۶ آبان ۱۴۰۵

مدل‌سازی متغیرهای رسته‌ای: رگرسیون لجستیک و نزدیک‌ترین k-همسایه
خوشه‌بندی و تحلیل مولفه‌های اصلی
علیرضا کدیور

یکشنبه

۱۰ آبان ۱۴۰۵

کارگاه حل تمرین برای مدلسازی آماری ساجده فدائی

چهارشنبه

۱۳ آبان ۱۴۰۵

آزمایش‌های تجربی در تحلیل داده با روش A/B test
بررسی نمونه‌های واقعی از کاربرد A/B test در کسب‌و‌کار
شمیم طاهری

یکشنبه

۱۷ آبان ۱۴۰۵

آشنایی با تحلیل Difference-in-Difference با بررسی نمونه‌های واقعی از کاربرد آن در کسب‌و‌کار شمیم طاهری

چهارشنبه

۲۰ آبان ۱۴۰۵

کارگاه حل مسأله با A/B Test و DiD شمیم طاهری

یکشنبه

۲۴ آبان ۱۴۰۵

داستان‌پردازی با داده و تصمیم‌گیری مبتنی بر داده
بررسی نمونه‌های واقعی در کسب‌و‌کار
فاطمه میربها

چهارشنبه

۲۷ آبان ۱۴۰۵

کارگاه بررسی نمونه‌های واقعی از کاربرد تحلیل داده در حل مسائل کسب‌وکار میرامید حاجی میرصادقی

یکشنبه

۱ آذر ۱۴۰۵

۵ – پروژه پایانی رفع اشکال پروژه پایانی

چهارشنبه

۱۱ آذر ۱۴۰۵

ارائه و داوری پروژه‌های پایانی (حضوری و آنلاین)

یکشنبه

۶ دی ۱۴۰۵

۶ – رویداد واکاوی بازار کار تحلیل داده کارگاه شبکه‌سازی و کاریابی

اعلام خواهد شد

پرسش‌های متداول

بله، ویدئوی ضبط‌شده چند ساعت پس از اتمام هر جلسه در اختیار شرکت‌کنندگان قرار خواهد گرفت.

بله، قبل و بعد از هر جلسه، لینک درسنامه‌، تمرین، اسلاید، کد R، ویدئوهای تکمیلی و منابع بیشتر در دسترس شرکت‌کنندگان قرار خواهد گرفت.

شرکت‌کنندگان هر هفته یک ساعت با پشتیبان آموزشی خود جلسه آنلاین خواهند داشت تا اگر بخشی از درس‌ها برایشان مبهم است یا اگر در بعضی از تمرین‌ها نیاز به راهنمایی دارند با پشتیبان آموزشی خود مطرح کنند.

در هفته 6 ساعت کلاس خواهد داشت و 1 ساعت جلسه پشتیبانی، علاوه بر این لازم است به طور متوسط 8 تا 12 ساعت در هفته برای بازبینی فیلم کلاس و اسلاید درس‌ها، مطالعه منابع تکمیلی و حل تمرین‌ها وقت بگذارید.

این دوره پیش‌نیازی فراتر از ریاضیات دبیرستانی ندارد. دسترسی به لپتاپ یا کامپیوتر شخصی برای پیاده‌سازی روش‌ها در R لازم است. مهم‌ترین پیش‌نیاز شرکت در دوره اختصاص زمان کافی و تلاش است.

بله می‌توانید. در دوره‌های قبلی نیز شرکت‌کنندگان فعالی از رشته‌های علوم انسانی و تجربی در دوره حضور داشتند.

امتیاز تمرین‌ها و نمره پروژه تنها در گواهی پایانی نخواهد آمد و تنها در کارنامه عملکرد درج خواهد شد. کارنامه عملکرد شرکت‌کنندگان و رتبه ایشان در دوره، در صورت تمایل ایشان برای شرکت‌ها و سازمان‌های علاقه‌مند به استخدام ارسال خواهد شد.    

تمامی شرکت‌کنندگان، مدرسین و پشتیبانان دوره عضو یک گروه مجازی خواهند بود و امکان برقراری ارتباط از آن طریق وجود خواهد داشت. در جلسات پشتیبانی و پروژه پایانی که به صورت گروهی انجام می‌شود نیز فرصت آشنایی با دیگران و تمرین کار تیمی وجود خواهد داشت. علاوه بر این موارد، در رویداد پایانی که به صورت حضوری برگزار می‌شود فرصت ایجاد ارتباط و آشنایی با افراد دارای علائق حرفه‌ای مشابه را خواهید داشت.   

حضور در این دوره اشتغال شرکت‌کنندگان را تضمین نخواهد کرد، اما در صورت تمایل رزومه شما همراه با کارنامه‌ عملکردتان در دوره برای شرکت‌هایی که در حوزه علوم داده و هوش مصنوعی اعلام نیاز کنند، ارسال می‌شود. تعدادی از این شرکت‌ها نیازهای خود را در وبینارهای دوره تشریح خواهند کرد. به عبارت دیگر شرکت فعال در دوره می‌تواند شانس اشتغال شما را در این حوزه افزایش دهد.

این دوره پیشتر با عنوان دوره آموزشی تحلیل داده با R با در سال 1402 برگزار شده است. در دوره جدید مباحث تحلیل عاملی، تحلیل بقا، استفاده از رویکرد شبکه در تحلیل داده به عنوان موضوعاتِ محوری در تحولات اخیر هوش مصنوعی به آن اضافه شده و به همین خاطر از عبارت «هوش مصنوعی» در عنوان دوره نیز استفاده شده است.
علاوه بر این، تعداد موضوعات آماری دوره مانند آزمون‌های فرض، A/B Test و تحلیل رگرسیون افزایش یافته و دو کارگاه تحت عنوان کارگاه حل مسأله و کدنویسی با پرامپت‌نویسی برای هوش مصنوعی و کارگاه مدیریت نسخه و کار گروهی با git به آن اضافه شده است.
تغییر مهم دیگر وبینارهای شناسایی فرصت‌های شغلی که اگرچه به صورت عمومی برگزار می‌شود اما شرکت‌کنندگان دوره این فرصت ویژه را خواهند داشت تا پس از آشنایی با ساختار مشاغل علوم داده و هوش مصنوعی در شرکت‌ها و سازمان‌ها با ارائه کارنامه عملکرد خود در دوره برای آن‌ها اقدام کنند.

به تمامی کسانی که تا پایان دوره در جلسات شرکت می‌کنند، گواهی حضور و به کسانی اغلب تمرین‌ها و پروژه‌ پایانی خود را تحویل می‌دهند، گواهی موفقیت اهدا خواهد شد. گواهی به صورت کاغذی صادر می‌شود و علاوه بر پست نسخه فیزیکی، نسخه الکترونیک آن نیز در قالب pdf برای شرکت‌کنندگان ارسال خواهد شد. گواهی به صورت دوزبانه صادر خواهد شد و بررسی اصالت آن از درگاه زیر امکان‌پذیر است:

pedu.sharif.edu/certificate

تصویر یک نمونه گواهی حضور و موفقیت در ادامه آمده است.

certificates fa | دوره آموزشی تحلیل داده با پایتون دانشگاه صنعتی شریف Certificates | دوره آموزشی تحلیل داده با پایتون دانشگاه صنعتی شریف

برگزارکننده

sharif logo 1 | دوره آموزشی تحلیل داده با پایتون دانشگاه صنعتی شریف
مرکز آموزش‌های تخصصی دانشگاه صنعتی شریف (دانشکده علوم ریاضی)
برای شرکت در دوره از طریق فرم درخواست پذیرش در لینک زیر اقدام کنید:

دسترسی به محتوای اختصاصی

برای دسترسی به محتوای اختصاصی رویداد لطفا کدی را که در اختیار شما قرار گرفته را وارد کنید و بقیه مراحل را طی کنید.

دیدگاه‌ها

دیدگاهتان را بنویسید

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

Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors