آموزش جامع دادهکاوی در پایتون
سید امیررضا صالحی امیری
بهروزرسانی: ۱۴۰۵/۰۳/۰۴
آنچه در این دوره میآموزید
پیادهسازی عملی تکنیکهای دادهکاوی در پایتون با استفاده از کتابخانهها
آمادهسازی و پیشپردازش دادهها شامل پاکسازی، تبدیل دادهها و آمادهسازی برای مدلسازی
پیادهسازی و تحلیل الگوریتمهای مهم دادهکاوی مانند خوشهبندی، طبقهبندی، رگرسیون و قوانین انجمنی
ارزیابی مدلها و استخراج بینشهای کاربردی از دادهها با استفاده از تحلیل و بصریسازی دادهها
محتوای دوره
پیشنیازها
برای بهرهمندی بهتر از این دوره، آشنایی با مفاهیم پایه دادهکاوی توصیه میشود. به همین دلیل گذراندن دوره «آموزش جامع دادهکاوی» که در آن مفاهیم تئوریک این حوزه بهصورت کامل آموزش داده شده است، به عنوان پیشنیاز در نظر گرفته شده است.
در آن دوره مفاهیمی مانند فرآیند دادهکاوی، پیشپردازش داده، الگوریتمهای مختلف دادهکاوی، معیارهای ارزیابی مدلها و کاربردهای دادهکاوی در حوزههای مختلف بهصورت مفهومی و نظری بررسی شدهاند.
در دوره حاضر فرض بر این است که شرکتکنندگان با این مفاهیم آشنایی دارند و تمرکز اصلی بر پیادهسازی عملی این تکنیکها در پایتون خواهد بود.
همچنین آشنایی اولیه با مبانی برنامهنویسی پایتون (متغیرها، ساختارهای کنترلی، توابع و کار با کتابخانهها) میتواند به درک بهتر مطالب کمک کند، هرچند در طول دوره بخشهایی از کار با کتابخانههای موردنیاز نیز معرفی خواهد شد.
توضیحات دوره
دوره «دادهکاوی با پایتون» یک دوره کاملاً عملی برای پیادهسازی تکنیکهای دادهکاوی در محیط برنامهنویسی پایتون است. در این دوره تمرکز اصلی بر اجرای عملی الگوریتمها، کار با دادههای واقعی و استفاده از کتابخانههای مهم علم داده در پایتون است.
این دوره بهگونهای طراحی شده که شرکتکنندگان بتوانند مفاهیم دادهکاوی را که پیشتر آموختهاند، در قالب کدنویسی و تحلیل عملی دادهها پیادهسازی کنند. به همین دلیل در این دوره تمرکز کمتری بر مباحث تئوریک گذاشته شده و بیشتر زمان به کار با داده، پیادهسازی الگوریتمها و تحلیل نتایج اختصاص دارد.
در طول دوره شرکتکنندگان با فرآیند کامل تحلیل داده در پایتون آشنا میشوند؛ از آمادهسازی و پیشپردازش دادهها گرفته تا تحلیل اکتشافی، پیادهسازی مدلهای مختلف دادهکاوی، ارزیابی مدلها و استخراج بینش از دادهها. همچنین نحوه استفاده از کتابخانههای پرکاربرد مانند NumPy، Pandas، Matplotlib، و Scikit-learn آموزش داده میشود.
هدف این دوره آن است که دانشپذیران بتوانند تکنیکهای مختلف دادهکاوی مانند خوشهبندی، طبقهبندی، رگرسیون، کشف قوانین انجمنی و تشخیص ناهنجاری را بهصورت عملی در پایتون پیادهسازی کرده و در مسائل واقعی تحلیل داده به کار بگیرند.
در پایان دوره، شرکتکنندگان توانایی کار با دادههای واقعی، ساخت مدلهای تحلیلی، ارزیابی نتایج و استخراج الگوها و بینشهای کاربردی از دادهها را خواهند داشت.
اطلاعات بیشتر
گواهینامه

پس از گذراندن محتوای دوره به صورت آنلاین (بدون دانلود) در سایت مکتبخونه، در صورتی که حد نصاب قبولی در دوره را کسب و تمرین ها و پروژه های الزامی را ارسال کنید، گواهینامه رسمی پایان دوره توسط مکتبخونه به اسم شما صادر شده و در اختیار شما قرار میگیرد.
قابل اشتراکگذاری در
درباره استاد
سید امیررضا صالحی امیری، دانشجوی دکتری مهندسی صنایع دانشگاه صنعتی شریف، در زمینههای هوش مصنوعی، علوم تصمیمگیری و آمار احتمالات فعالیت میکند. او با کسب رتبه ۴ کشوری در آزمونهای دکتری و کارشناسی ارشد مهندسی صنایع (1402 و 1400) و اخذ مدارک کارشناسی ارشد و کارشناسی از دانشگاههای شریف و نوشیروانی، در حل مسائل پیچیده با استفاده از رویکردهای میانرشتهای کار میکند. تمرکز او بر کاربرد هوش مصنوعی، بهینهسازی و تحلیل آماری در حوزههایی مانند سلامت و پایداری است.
او بیش از ۷ مقاله در مجلات Q1 و ISI منتشر کرده است که موضوعاتی مانند تحلیل پایداری انرژی، پیشبینی دادههای نامتوازن در سلامت و مدلسازی عدم قطعیت را پوشش میدهند. او همچنین در کنفرانسهای بینالمللی مهندسی صنایع و علوم پایه ارائههایی داشته و بیش از ده ها مقاله را در مجلات معتبر داوری کرده است. عضویت در بنیاد ملی نخبگان و اجرا پروژه های کاربردی ارزیابی عملکرد از دیگر فعالیتهای اوست.
اطلاعات بیشتر





