آموزش ابزارهایی برای علم داده
علم داده، رشته‌ای پویا و رو به رشد است که به سرعت در حال تغییر و تحول است. دانشمندان داده با استفاده از ابزارهای مختلف، به حل مسائل پیچیده در دنیای واقعی می‌پردازند. این دوره ... ادامه
Coursera
زیرنویس فارسی
آنچه در این دوره می‌آموزیم:
شرح کامل ابزارهای یک دیتا ساینتیست شامل: کتابخانه‌ها و پکیج‌ها، دیتا ست‌ها، مدل‌های یادگیری ماشین و ابزارهای کلان داده
آشنایی با زبان‌هایی که معمولاً توسط دانشمندان داده یا دیتا ساینتیست استفاده می شود مانند Python، R و SQL
یادگیری نحوه کار با نوت بوک‌های Jupyter و RStudio و چگونگی استفاده از ویژگی‌های آنها
ایجاد و مدیریت کد منبع برای علم داده با استفاده از مخازن Git و GitHub
پیش‌نیاز‌ها
این دوره به نحوی تهیه و تدوین شده است که مباحث آن به ساده‌ترین شکل ممکن بیان شوند و مخاطبان دوره بتوانند به‌سادگی متوجه موضوعات مطرح شده شوند. به همین جهت برای شرکت در این دوره هیچ پیش‌نیاز به خصوصی وجود ندارد و افراد با هر سطحی از آگاهی و تحصیلات می‌توانند از مباحث این دوره نهایت استفاده را داشته باشند.
سرفصل‌های دوره آموزش ابزارهایی برای علم داده
ویژگی‌های دوره
درباره دوره
علم داده، رشته‌ای پویا و رو به رشد است که به سرعت در حال تغییر و تحول است. دانشمندان داده با استفاده از ابزارهای مختلف، به حل مسائل پیچیده در دنیای واقعی می‌پردازند.
این دوره جامع، به شما در یادگیری ابزارهای ضروری برای تبدیل شدن به یک دانشمند داده ماهر کمک می‌کند.
با پایتون، Github، RStudio و Jupyter Notebooks آشنا خواهید شد که سنگ بناهای مورد استفاده توسط دانشمندان داده در سراسر جهان هستند.
در این دوره چه چیزهایی خواهید آموخت؟
- برنامه نویسی پایتون: دستکاری داده‌ها، تجزیه و تحلیل آماری و ساخت مدل‌های یادگیری ماشین
- Github: اشتراک‌گذاری کد، همکاری با دیگران و مدیریت پروژه‌های علم داده
- RStudio: مدل‌سازی و تجسم آماری پیشرفته
- Jupyter Notebooks: کاوش و ارائه داده‌های تعاملی
با گذراندن این دوره، درک جامعی از این ابزارهای کلیدی و کاربردهای آنها در پروژه‌های علم داده در دنیای واقعی خواهید داشت.
این دوره برای چه کسانی مناسب است؟
چه یک مبتدی مشتاق ورود به این رشته باشید یا یک حرفه‌ای با تجربه که به دنبال گسترش مهارت‌های خود هستید، این دوره پایه و اساس لازم را برای برتری در دنیای پویا علم داده فراهم می‌کند.
درباره استاد
Aije EgwaikhideAije Egwaikhide، دیتا ساینتیست در IBM است. او دارای مدرک کارشناسی در اقتصاد و آمار از دانشگاه منیتوبا و مدرک کارشناسی ارشد در تجزیه و تحلیل کسب‌وکار از کالج سنت لارنس، کینگستون است. او در حال حاضر مدرک کارشناسی ارشد در تجزیه و تحلیل مدیریت از دانشگاه کوئینز را دنبال می‌کند. ایجی در حال حاضر کارمند IBM است، جایی که در سال 2018 به عنوان یک دانشمند داده‌ی جوان در بخش خدمات بازرگانی جهانی (GBS) شروع به کار کرد. نقش اصلی او معنا بخشیدن به داده‌ها برای مشتریان نفت و گاز آنها از طریق آمار پایه و الگوریتم‌های پیشرفته یادگیری ماشین بود. برجسته‌ترین فعالیت او در GBS ایجاد یک راه‌حل سفارشی یادگیری ماشین و آمار برای بهینه‌سازی عملیات در چاه‌های نفت و گاز بود. او بخشی از گروه شبکه مهارت‌های توسعه‌دهندگان IBM است، جایی که تجربیات دنیای واقعی خود را به دوره‌هایی که ایجاد می‌کند، می‌آورد.
Romeo KienzlerRomeo Kienzler، دارای مدرک کارشناسی ارشد (ETH) در رشته سیستم‌های اطلاعاتی، بیوانفورماتیک و آمار کاربردی (موسسه فناوری فدرال سوئیس) است. او نزدیک به دو دهه تجربه در زمینه مهندسی نرم‌افزار، مدیریت پایگاه داده و ادغام اطلاعات دارد. از سال 2012 او به عنوان یک دانشمند داده در IBM مشغول به کار شده است. او چندین اثر در این زمینه با ناشران بین‌المللی و در کنفرانس‌ها منتشر کرده است. تمرکز تحقیقاتی فعلی او بر روی معماری‌های پردازش داده‌های موازی عظیم است. رومئو همچنین به پروژه‌های متن‌باز مختلفی کمک می‌کند.
Svetlana Levitanدکتر Svetlana Levitan، حامی ارشد توسعه‌دهندگان در مرکز داده‌های باز و فناوری‌های هوش مصنوعی IBM، مدت زیادی طراح فنی و مهندس نرم‌افزار برای SPSS بوده است.او بر روی استانداردهای باز برای استقرار مدل‌های یادگیری ماشین PMML و ONNX کار می‌کند. سوتلانا دارای مدرک دکتری در ریاضیات کاربردی و کارشناسی ارشد در علوم کامپیوتر از دانشگاه مریلند، کالج پارک است. او عاشق یادگیری فناوری‌های جدید، به اشتراک گذاشتن تخصص خود و تشویق زنان در رشته‌های STEM است.
نظرات کاربران
دورههای پیشنهادی
سوالات پرتکرار
زیرنویس فارسی