دوره دیتا ساینس (Data Science)؛ جامع از صفر تا استخدام [پروژه محور + منتورینگ]
دیتا ساینس نقطه تلاقی برنامه نویسی، آمار و کسب و کار است. در این دوره آنلاین و کاملا پروژه محور از مقدمات علم داده و پایتون شروع می کنیم، داده واقعی جمع آوری و پاک سازی می کنیم، تحلیل اکتشافی انجام می دهیم، مدل های یادگیری ماشین را می سازیم و در پایان خروجی را در قالب API یا داشبورد تحلیلی منتشر می کنیم. تمام مسیر با منتورینگ 24 ساعته و مدرک معتبر جهاد دانشگاهی امیرکبیر همراه توست.
مسیر پیشنهادی: اگر پایتون مقدماتی را بلدی مستقیم شروع کن. برای تسلط بیشتر می توانی بعد از این دوره وارد ماشین لرنینگ و دیپ لرنینگ رایا اسکیلز شوی.
30 % تخفیف تا :
معرفی دوره دیتا ساینس با پایتون
هایلایت های دوره دیتا ساینس
فرمت: لایو + دسترسی دائمی به ضبط ها
سطح: مبتدی تا متوسط
ابزارها: Python، Jupyter، NumPy، Pandas، Matplotlib، Plotly، scikit learn، wordcloud، nltk hazm برای فارسی، Git و GitHub
موضوعات ویژه: آمار و احتمال کاربردی، جبر خطی لازم، ML برای داده جدولی، NLP پایه، مصورسازی تعاملی و BI ساده
خروجی نهایی: چند پروژه واقعی + انتشار مدل یا داشبورد
پشتیبانی: منتورینگ 24 ساعته
مدرک پایان دوره: جهاد دانشگاهی امیرکبیر
امکان پرداخت اقساطی
در پایان دوره دیتا ساینس چه مهارت هایی داری
ساخت Pipeline کامل علم داده از دریافت تا انتشار
جمع آوری داده از فایل، API یا وب، پاک سازی، یکپارچه سازی و ساخت ویژگی
تحلیل اکتشافی داده EDA و فرضیه سازی با نمودارهای درست
آمار و احتمال کاربری برای تصمیم گیری درست و تفسیر نتایج
مدل سازی با رگرسیون خطی و لجستیک، درخت تصمیم، جنگل تصادفی، XGBoost
ارزیابی با Cross Validation و متریک های طبقه بندی و رگرسیون
مصورسازی حرفه ای با Matplotlib و Plotly و ساخت داشبورد ساده
NLP پایه برای زبان فارسی و ساخت wordcloud و تحلیل احساسات
کنترل نسخه با Git و همکاری در GitHub
انتشار خروجی به شکل API با FastAPI یا داشبورد وب
مستندسازی، گزارش نویسی و ارائه نتایج به کسب و کار
سرفصلهای دوره دیتا ساینس با پایتون
فصل 1: مقدمه علم داده و پایتون
مسیر شغلی دیتا ساینس، نصب پایتون و Jupyter، منابع داده و معرفی Google Colab
فصل 2: کار با داده و Data Wrangling
خواندن CSV Excel JSON، کار با DataFrame، تمیز کردن داده، مدیریت مقادیر گمشده، ادغام و گروه بندی
فصل 3: جبر خطی و آمار کاربردی
بردار و ماتریس و کاربرد در مدل ها
توزیع ها، برآورد، آزمون فرض، همبستگی، رگرسیون پایه
فصل 4: رگرسیون خطی و لجستیک
پیاده سازی و ارزیابی با MAE RMSE Accuracy و AUC
تفسیر ضرایب و اهمیت ویژگی
فصل 5: الگوریتم ها و ML روی داده جدولی
درخت تصمیم، جنگل تصادفی، KNN، Naive Bayes، XGBoost
Cross Validation، انتخاب ویژگی، تنظیم ابرپارامتر
فصل 6: NLP پایه برای فارسی
نرمال سازی، توکن سازی و استمینگ با hazm nltk
تحلیل احساسات و wordcloud
فصل 7: مصورسازی و BI سبک
نمودارهای استاندارد با Matplotlib
نمودارهای تعاملی با Plotly
طراحی داشبورد سبک برای مدیران
فصل 8: Git و GitHub
کار با مخزن، شاخه ها و Pull Request
نسخه بندی پروژه های داده ای
فصل 9: یادگیری عمیق در علم داده
نگاه سریع به موارد استفاده DL در داده جدولی و متن
انتخاب ابزار مناسب برای مسئله
فصل 10: انتشار و مهارت های نرم
تبدیل نوت بوک به اسکریپت، ساخت API با FastAPI
اصول ارائه، گزارش نویسی و چک لیست انتشار نرم افزار
پروژههای عملی دوره دیتا ساینس
EDA کامل روی یک دیتاست واقعی
پاک سازی، ساخت ویژگی، نمودارهای کلیدی و گزارش سریع.پروژه پیش بینی ریزش مشتری Churn
رگرسیون لجستیک، درخت تصمیم و مقایسه متریک ها.تشخیص تقلب در تراکنش های مالی
کار با داده نامتوازن، انتخاب ویژگی و ارزیابی با AUC.تحلیل احساسات فارسی
پاک سازی متن، بردارسازی و ارزیابی مدل.داشبورد تعاملی فروش
Plotly Dash یا معادل تحت وب برای گزارش مدیران.انتشار مدل به عنوان API
بسته بندی Pipeline و تست با Postman.wordcloud و گزارش بصری
ساخت ابر کلمات و نمودارهای کاربردی برای گزارش.
علاوه بر این، یک پروژه جامع دو بخشی هم انجام می دهیم که از داده خام تا مدل و انتشار را به صورت حرفه ای پوشش می دهد.
دوره دیتا ساینس داده مناسب چه کسانی است
علاقه مندان ورود به علم داده و تحلیل کسب و کار
برنامه نویسانی که می خواهند تحلیل داده و ML را اضافه کنند
فریلنسرها و مدیران محصول برای ساخت داشبورد و تصمیم گیری داده محور
پیش نیازها و ابزارها دوره Data Science با Python
پیش نیاز: پایتون پایه. ریاضی در حد دبیرستان کافی است؛ مفاهیم لازم در کلاس مرور می شود
ابزارها: Python 3، Jupyter، NumPy، Pandas، Matplotlib، Plotly، scikit learn، nltk hazm، Git و GitHub
اختیاری: آشنایی با SQL کمک بزرگی است
مدرس دوره دیتا ساینس
مدرس و کارآفرین فناوری. دارنده مدال طلای المپیاد ملی مهارت ایران و بورسیه FESTO آلمان. موسس چند استارتاپ و مشارکت در طراحی ده ها محصول نرم افزاری و سخت افزاری. دوره ها زیر نظر مستقیم ایشان و تیم منتورها برگزار می شود.
سولات متداول درباره دوره دیتا ساینس
بله. از صفر شروع می کنیم و با پروژه های واقعی جلو می رویم.
در حد نیاز پروژه ها. آمار و جبر خطی کاربردی را با مثال یاد می دهیم.
بله. تمام پروژه ها با README و نمودار و نوت بوک نهایی تحویل می شوند.
بله. به روز رسانی ها و پشتیبانی 24 ساعته هم در دسترس است.
بله. شرایط اقساط برای همه دوره ها فعال است.
برای شرکت در دوره و دریافت رودمپ اختصاصی فرم زیر را تکمیل کنید
