شماره تماس : 021999999

فروشگاه

تربیت متخصص علم داده

دوره ۲۰۰ ساعته ترمیک (۱)

1,800,000 تومان

Data Science Methodology

دوره ۲۰۰ ساعته تربیت کارشناس علم داده (ترمیک)

مخاطبان:

  • مدیران و کارآفرینان ، کارکنان بخش IT سازمان ها
  • (برای جهت دهی و توسعه مارکتینگ  با استفاده از داده های کسب و کار و صنعت )
  • جویندگان کار (برای یادگیری مهارتی که در هر سازمانی و هر کشوری، مورد نیاز است )

 

پروژه محور با داده های واقعی صنعت
همراه با فیلم های آموزشی موضوعی
بنچ مارک تطبیقی با موضوع تدریس
استاد مدرس: دکتر جمال شهرابی – بنیانگذار دانش داده کاوی در ایران و متخصص علم داده از کانادا
مدت زمان آموزش و اجرای ترم یک : ۸۰ ساعت (یک ماه)
زمان شروع دوره: ۲۸ بهمن ۱۳۹۷
زمان برگزاری: یکشنبه ها و ۳ شنبه ها ۱۶- ۲۰
محل برگزاری : دانشگاه صنعتی امیر کبیر
پیشنیاز: ندارد.
ثبت نام و شرکت در دوره : ۱۸۰۰۰۰۰ تومان
جهت ارتباط و مشاوره در ارتباط با کارگاه ویا رزرو کارگاه از راه های ارتباطی زیر با ما در تماس باشید:

Data Science Methodology

Big Data

  • Dealing with Data Growth & Big Data Future
  • Big Data Applications
  • Big Data Problems
  • Big Data Importance & Benefits
  • Big Data Key Properties
  • Big Data Characteristics
  • Big Data Security & Privacy
  • Generating Insights in a Timely Manner
  • Validating Data
  • Securing Big Data
  • Organizational Resistance
  • Hadoop Big Data

 

در این دوره با مفاهیم بیگ دیتا به عنوان هسته اصلی علم داده آشنا خواهید شد. این کورس به تمامی موضوعات بیگ دیتا از جمله ویژگی ها، مشکلات، اهمیت و مزایا و کارکردهای بیگ دیتا خواهد پرداخت. این کورس به عنوان اولین کورس از ماژول “متدولوژی علم داده” است و پیش نیاز کورس های بعدی است. شما با یادگیری مفاهیم چگونگی تولید دانش از بیگ دیتا گام های اولیه تبدیل به یک کارشناس داده را خواهید پیمود. آشنایی شما با مفاهیم امنیت و اعتباردهی به بیگ دیتای پروژه تان از دستاوردهای این کورس است. یادگیری مفهوم و کارکرد هدوپ به عنوان یک چارچوب نرم‌افزاری منبع‌بازکه پردازش توزیع‌شده‌ ‌داده‌های بزرگ را بر روی خوشه‌هایی از سرورها ممکن می‌سازد از دیگر توانمندی هایی است که در پایان این کورس بدست خواهید آورد.

 

Data Science Approach

  • Essential Needed Skills of Expert Data Scientists
  • Business Understanding
  • Analytic Approach
  • Data Science Cycle
  • Data Science 11 Steps Methodology
  • CRISP

 

انجام پروژه های علم داده بدون یادگیری مهارت، روش و متدولوژی علم داده بهیچوجه امکان پذیر نمی باشد. دانش پژوهان بسیاری با این تصورخام که با یادگیری صرف نرم افزارهای علم داده، متخصص علم داده می شوند بر یادگیری متدولوژی و روش انجام پروژه های علم داده همت نگماردند که نتیجه آن طراحی غلط مدل و یا استخراج نتایج بدون استفاده و حتی گمراه کننده بوده است. دستاورد مهم این کورس یادگیری گام های فرآیند های ۱۱ گانه و همچنین فرآیند کریسپ است که دانش پژوهان ازاولین گام تا آخرین گام علم داده را به صورت عمیق و نه سطحی یاد می گیرند.

 

Data Preparation

  • Preparing for the Preparation Data Requirements
  • Data Collection
  • Data Extraction
  • Exploratory Data Analysis
  • Data Cleaning
  • Dealing with Missing Values
  • Dealing with Outliers
  • Dealing with Imbalanced Data
  • Data Transformations

 

یکی از گام های مهم فرآیند علم داده، آماده سازی داده های درخور است. داده های غیر درخور و ناشایست تمامی زحمات متخصص علم داده را به هدر داده چراکه حتی با انجام مدلسازی کاملا درست، جواب نهایی کاملا غلط خواهد بود. تمامی متخصصان علم داده بر این باور هستند که بیش از ۸۰% از زمان انجام فرآیند علم داده به آماده سازی داده تخصیص می یابد. در این کورس فرآیند کامل آماده سازی داده های درخور و تکنیک های رفع اشکالات داده ها آموزش داده می شود و شما در پایان این کورس قادر خواهید بود که داده های خود را برای انجام تحلیل آماده سازی نمائید.

 

Data Visualization & Exploration

  • Data Visualization Importance, Purposes & Benefits
  • Data Visualization Principals
  • Data Visualization Dashboard
  • Data Visualization Techniques
  • Data Visualization Tools

 

مصورسازی داده یکی از گام های مهم فرآیند علم داده است. در این کورس پس از آشنائی با اهمیت و ضرورت مصورسازی داده، تکنیک ها و ابزارهای مصورسازی را فراخواهید گرفت.

دیدگاه ها

هنوز رتبهدهی نشده است

اولین نفر برای بررسی باشید “تربیت متخصص علم داده

دوره ۲۰۰ ساعته ترمیک (۱)”

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

Close
Compare
Wishlist 0
Open Wishlist Page Continue Shopping