علم داده
( 24 ماژول‌ها )

ماژول #1
مقدمه ای بر علم داده
مروری بر علم داده، اهمیت و کاربردها

ماژول #2
فرآیند علم داده
درک فرآیند علم داده: تعریف مشکل، جمع آوری داده ها، تمیز کردن، تجزیه و تحلیل و تجسم

ماژول #3
پایتون برای علم داده
مقدمه ای بر زبان برنامه نویسی پایتون و کتابخانه های آن برای علم داده (NumPy، Pandas و غیره)

ماژول #4
پیش پردازش داده ها
مدیریت مقادیر از دست رفته، عادی سازی داده ها، مقیاس بندی ویژگی ها و تبدیل داده ها

ماژول #5
تجسم داده ها
مقدمه ای بر تجسم داده ها با استفاده از Matplotlib و Seaborn

ماژول #6
آمار توصیفی
اندازه گیری گرایش مرکزی، تنوع و توزیع داده ها

ماژول #7
آمار استنباطی
آزمون فرضیه، فواصل اطمینان و مقادیر p

ماژول #8
تحلیل رگرسیون
رگرسیون خطی ساده و چندگانه، مفروضات رگرسیون و ارزیابی مدل

ماژول #9
مهندسی ویژگی
تکنیک های انتخاب، استخراج و ایجاد ویژگی

ماژول #10
یادگیری تحت نظارت
مقدمه ای بر یادگیری نظارت شده، طبقه بندی و رگرسیون

ماژول #11
یادگیری بدون نظارت
مقدمه ای بر یادگیری بدون نظارت، خوشه بندی و کاهش ابعاد

ماژول #12
ارزیابی مدل
معیارهایی برای ارزیابی عملکرد مدل، برازش بیش از حد و عدم تناسب

ماژول #13
درختان تصمیم گیری و جنگل های تصادفی
مقدمه ای بر درختان تصمیم و جنگل های تصادفی، مزایا و محدودیت ها

ماژول #14
ماشین‌های بردار پشتیبانی
مقدمه ای برای پشتیبانی از ماشین های برداری، ترفند هسته و انواع SVM

ماژول #15
شبکه های عصبی
مقدمه ای بر شبکه های عصبی، پرسپترون و پرسپترون چندلایه

ماژول #16
یادگیری عمیق
مقدمه ای بر یادگیری عمیق، شبکه های عصبی کانولوشنال و شبکه های عصبی تکراری

ماژول #17
پردازش زبان طبیعی
مقدمه ای بر پردازش زبان طبیعی، پیش پردازش متن و نمایش متن

ماژول #18
کلان داده و پایگاه داده NoSQL
مقدمه ای بر داده های بزرگ، اکوسیستم Hadoop و پایگاه های داده NoSQL

ماژول #19
داستان سرایی داده
ارتباط موثر بینش ها و نتایج با استفاده از تجسم داده ها و داستان سرایی

ماژول #20
ابزارها و فناوری های علم داده
مقدمه ای بر ابزارها و فناوری های علم داده، نوت بوک های Jupyter و Git

ماژول #21
مطالعه موردی 1: تحلیل رگرسیون
استفاده از تحلیل رگرسیون برای یک مشکل دنیای واقعی

ماژول #22
مطالعه موردی 2: طبقه بندی
بکارگیری تکنیک های طبقه بندی برای یک مشکل دنیای واقعی

ماژول #23
مطالعه موردی 3: خوشه بندی
بکارگیری تکنیک های خوشه بندی برای یک مشکل دنیای واقعی

ماژول #24
جمع بندی و نتیجه گیری دوره
برنامه ریزی گام های بعدی در حرفه علم داده

آماده یادگیری , به اشتراک گذاری و رقابت هستید؟

کپی رایت 2025 @ wizape.com
تمامی حقوق محفوظ است