آموزش مقدماتی علوم داده با پایتون دانشگاه شریف

banner_pyds

این صفحه امکان دسترسی ثبت‌نام کنندگان دوره علوم داده با پایتون دانشگاه صنعتی شریف را به محتوای اختصاصی تهیه شده برای دوره فراهم می‌کند. برای دسترسی، لطفا کد ارائه شده توسط برگزارکنندگان را در انتهای صفحه وارد کنید و مراحل را پیش برید. در صورت بروز مشکل با پشتیبانی دوره تماس بگیرید.

برنامه آموزشی

۱. تفکر الگوریتمی و برنامه‌نویسی با پایتون (۱۰ جلسه)

مقدمه‌ای درباره کامپیوتر و تفکر محاسباتی
برنامه‌نویسی به زبان Python

  • مقدارها و عملگرهای پایه
  • شرط و حلقۀ تکرار
  • توابع پیش‌ساخته و جدید
  • متغیرهای پیمایش‌پذیر
  • مجموعه و دیکشنری

آشنایی با روش‌های تحلیل و طراحی الگوریتم
برنامه‌نویسی پیمانه‌ای و استفاده از کتابخانه
تولید اعداد تصادفی و شبیه‌سازی مونت‌کارلو
تحلیل و مصورسازی مقدماتی داده با کتابخانه‌های Numpy و Matplotlib

۲. مبانی علوم داده، پردازش، مصورسازی (۱۰ جلسه)

علوم داده چیست و چه گرایش‌هایی دارد؟

  • تحلیل موضوع / کسب‌وکار
  • مهندسی داده
  • تحلیل داده

احیای چرخه علوم داده در کسب و کار با طرح سوال اثرگذار و ارزشمند
ریاضیات علوم داده

  • مشتق‌گیری و بهینه‌یابی
  • جبر خطی
  • احتمال
  • آشنایی با مفاهیم آماری

آشنایی با مهندسی داده

  • روش‌ها و ساختارهای ذخیره‌سازی داده
  • پایگاه‌های داده رابطه‌ای و غیررابطه‌ای و انبار داده
  • سازماندهی داده در قالب جدول
  • آشنایی با ساختار طولی و عرضی در جداول
  • کار با ساختارهای جدولی با کتابخانه Pandas

مصورسازی داده و ترسیم نمودار

  • چند ملاحظه مهم درباره مصورسازی داده
  • انواع مصورسازی داده: معرفی نمونه‌های جذاب
  • ترسیم نمودار در پایتون با کتابخانه‌های Matplotlib و Seaborn و plotly
  • مصورسازی خوب و مصورسازی بد: مرور چند نمونه واقعی
اتصال به پایگاه‌های داده رابطه‌ای با Pandas
آشنایی با عبارات قاعده‌مند (Regular Expressions)

۳. داده‌کاوی و یادگیری ماشین (۱۲ جلسه)

مبانی و مفاهیم
مدل‌های پیش‌بینی

  • رگرسیون
  • رگرسیون لجستیک
  • درخت تصمیم
  • نزدیک‌ترین k-همسایه
  • بردار پشتیبان
  • بیز ساده
خوشه‌بندی
  • k-میانگین
  • روش سلسله‌مراتبی
  • روش‌های مبتنی بر چگالی
پیدا کردن داده‌های پرت
قواعد همبستگی (تحلیل سبد خرید)
یادگیری جمعی
کاهش ابعاد داده
آشنایی با مبانی شبکه‌های عصبی و یادگیری عمیق

۴. پروژه پایانی (۱ جلسه):

تعریف پروژه پایانی و گروه‌بندی
برنامه‌ریزی برای تحویل پروژه و ارائه بازخورد

اطلاعات دوره

سطح دوره: مقدماتی و متوسط
طول دوره آموزشی: ۵۰ ساعت
شیوه برگزاری: آنلاین
(۳ جلسه برای کسانی که علاقه‌مندند به صورت حضوری با مدرس ارتباط بگیرند به صورت حضوری-آنلاین برگزار خواهد شد. شرکت حضوری در این سه جلسه اجباری نخواهد بود)
نوع ارزشیابی: ارزیابی تمرین‌ها و پروژه پایانی
زمان برگزاری کلاس‌ها: شنبه و سه‌شنبه از ساعت ۱۷:۳۰ تا ۲۰:۴۵
زمان شروع: نیمه اردیبهشت ۱۴۰۲
زمان پایان: پایان مرداد ۱۴۰۲
زمان ارائه گواهینامه دانشگاه: شهریور ۱۴۰۲

مدرسان

محمد امین فضلی

محمد امین فضلی

دکترای مهندسی نرم‌افزار از دانشگاه صنعتی شریف، محقق بین رشته‌ای، عضو هیئت علمی دانشگاه و مدیر گروه نرم‌افزار دانشگاه صنعتی شریف (مدیر علمی دوره)

علیرضا کدیور

علیرضا کدیور

کارشناسی ارشد آمار و تحقیق در عملیات از دانشگاه اسکس انگلستان، تحلیلگر داده، مدرس دانشگاه صنعتی شریف

سعید مجیدی

سعید مجیدی

دکترای علوم کامپیوتر از دانشگاه تافتز آمریکا، متخصص یادگیری ماشین و پردازش زبان‌های طبیعی

مجید پورکاشانی

مجید پورکاشانی

کارشناسی ارشد هوش مصنوعی از دانشگاه علم‌وصنعت، مهندس داده و توسعه‌دهنده نرم‌افزار

حمیده حسین زاده

حمیده حسین زاده

دکترای علوم ریاضی از دانشگاه الزهرا، متخصص علوم داده و پردازش داده‌های حجیم

بهمن اجدری

بهمن اجدری

کارشناسی ارشد مدیریت بازاریابی و تجارت الکترونیک از دانشگاه لولئا سوئد، تحلیلگر داده‌های کسب و کار

برگزارکننده

مرکز آموزش‌های تخصصی دانشگاه صنعتی شریف

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.

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