آموزش رایگان داده‌کاوی

آموزش رایگان داده‌کاوی پیش رو در یکی از کلاس‌های دانشگاه شریف ضبط شده است. داده‌کاوی یکی از مهم‌ترین و جذاب‌ترین درس‌های رشته مهندسی کامپیوتر در گرایش نرم‌افزار محسوب می‌شود. داده‌کاوی در واقع فرایندی است که ... ادامه

مدرس دوره:
4.2 (4 رای)
سطح: مقدماتی
 رایگان
  
زمان مورد نیاز برای گذارندن دوره:  29 جلسه
مجموع محتوای آموزشی:  38 ساعت ویدئو
 (قابل دانلود می‌باشد)

پیش‌نیاز‌ها

پیش‌نیازها و منابع مکمل برای فراگیری دوره آموزش رایگان داده‌کاوی چیست؟

برای درک بهتر محتواهای ارائه شده در این درس و یادگیری کامل داده‌کاوی باید پیش‌نیازهایی را بگذرانید؛ بنابراین قبل از شرکت در این دوره بهتر است مباحث زیر را فرا بگیرید یا حداقل مطالعاتی در این زمینه‌ها داشته باشید:

  • ریاضیات و آمار
  • پایگاه‌داده و بازیابی اطلاعات
  • برنامه‌نویسی

سرفصل‌های دوره آموزش رایگان داده‌کاوی

فصل اول: آموزش رایگان داده‌کاوی
  جلسه اول
"50:39  
  جلسه دوم
"83:42  
  جلسه سوم
"85:28  
  جلسه چهارم
"89:10  
  جلسه پنجم
"86:46  
  جلسه ششم
"81:02  
  جلسه هفتم
"72:17  
  جلسه هشتم
"111:38  
  جلسه نهم
"81:58  
  جلسه دهم
"86:46  
  جلسه یازدهم
"82:16  
  جلسه دوازدهم
"84:35  
  جلسه سیزدهم
"81:47  
  جلسه چهاردهم
"68:08  
  جلسه پانزدهم
"84:43  
  جلسه شانزدهم
"80:58  
  جلسه هفدهم
"85:30  
  جلسه هجدهم
"72:17  
  جلسه نوزدهم
"90:20  
  جلسه بیستم
"80:58  
  جلسه بیست‌ویکم
"75:31  
  جلسه بیست و دوم
"81:45  
  جلسه بیست و سوم
"77:13  
  جلسه بیست و چهارم
"65:26  
  جلسه بیست و پنجم
"74:08  
  جلسه بیست و ششم
"76:56  
  جلسه و بیست و هفتم
"68:50  
  بیست و هشت
"59:30  
  بیست و نه
"87:54  

درباره دوره

آموزش رایگان داده‌کاوی پیش رو در یکی از کلاس‌های دانشگاه شریف ضبط شده است. داده‌کاوی یکی از مهم‌ترین و جذاب‌ترین درس‌های رشته مهندسی کامپیوتر در گرایش نرم‌افزار محسوب می‌شود. داده‌کاوی در واقع فرایندی است که شرکت‌ها برای تبدیل داده‌های خام به اطلاعات مفید انجام می‌دهند.

متخصصان داده‌کاوی با جستجو میان داده‌ها، الگوهای خاصی پیدا کرده و از آن‌ها برای کسب اطلاعات بیشتر در مورد مشتریان، استراتژی‌های بازاریابی مؤثر، فروش بیشتر و ... استفاده می‌کنند. داده‌کاوی به جمع‌آوری مؤثر داده‌ها، نگهداری از آن‌ها و پردازش کامپیوتری بستگی دارد.

از آنجایی که در سال‌های اخیر حجم داده‌ها به شکل چشمگیری افزایش یافته است، اهمیت آموزش رایگان داده‌کاوی هم روزبه‌روز بیشتر می‌شود. یکی از مهم‌ترین کاربردهای داده‌کاوی در بازاریابی است. با کمک این علم می‌توانید مشتریان سودآور و مشتریان وفادار و قدیمی‌تان خود را بشناسید، سبد محصول خود را بهینه کنید، طول عمر مشتری را بسنجید، عملکرد یک برنامه بازاریابی را بررسی کرده و با کشف الگو و روند خرید مشتریان، فروش خود را پیش‌بینی کنید.

در دوره آموزش رایگان داده‌کاوی علاوه بر یادگیری این علم تا حدودی با دیتا ساینس یا علوم داده هم آشنا می‌شوید.

 

هدف از یادگیری دوره آموزش رایگان داده‌کاوی چیست؟

امروزه داده‌ها بیشتر از هر چیز دنیا را گرفته‌اند. با استفاده از داده‌ها می‌توان به اطلاعات بسیار خوبی دست یافت و آن‌ها را در صنایع گوناگون به کار برد. هدف از یادگیری آموزش رایگان داده‌کاوی این است که دانشجویان کارشناسی ارشد و دکترا و سایر علاقه‌مندان به این زمینه کار با داده‌های بزرگ و تحلیل آن‌ها را یاد بگیرند و الگوهای میان داده‌ها را کشف کنند. کار با داده‌ها پایه و اساس یادگیری ماشین محسوب می‌شود؛ بنابراین اگر می‌خواهید در زمینه یادگیری ماشین، یادگیری عمیق و همچنین علوم داده‌ها فعالیت داشته باشید، باید به داده‌کاوی مسلط باشید.

 

دوره آموزش رایگان داده‌کاوی مناسب چه کسانی است؟

  • دانشجویان کارشناسی ارشد و دکترای مهندسی کامپیوتر 
  • کسانی که به کار با داده‌ها و مدیریت کلان داده‌ها علاقه‌مندند.
  • کسانی که برای کسب‌وکار خود نیاز به تحلیل داده دارند.
  • کسانی که قصد ورود به بازار data science و data engineer را دارند.
  • کسانی که می‌خواهند آموزش یادگیری ماشین را آغاز کنند.

 

بعد از فراگیری دوره آموزش رایگان داده‌کاوی چه مهارت‌هایی کسب خواهید کرد؟

  • آشنایی با مفاهیم پیش‌پردازش داده‌ها و انبار داده
  • کاوش در مجموعه داده‌های بزرگ و الگویابی
  • کار با الگوریتم‌های جریان داده، انواع الگوریتم‌های خوشه‌بندی داده و کاهش ابعاد
  • آشنایی با مفهوم و الگوریتم‌های یادگیری ماشین در کلان داده‌ها
  • آشنایی با سیستم‌های توصیه‌گر

 

سرفصل‌های دوره آموزش رایگان داده‌کاوی چیست؟

دوره آموزش رایگان داده‌کاوی ابتدا به توضیح مفاهیم پیش‌پردازش داده‌ها و معرفی انبار داده می‌پردازد. سپس مباحث مرتبط با داده‌کاوی را به شما آموزش می‌دهد.

درباره استاد

maktabkhooneh-teacher محمد امین فضلی

دکتر محمدامین فضلی هیئت‌علمی دانشکده کامپیوتر دانشگاه صنعتی شریف، محقق و مهندس نرم‌افزار و برنامه‌نویس در مرکز راهکارهای اطلاعاتی هوشمند دانشگاه صنعتی شریف هستند. ایشان و همکارانشان در این مرکز بر روی پروژه‌های مهندسی نرم‌افزار و برنامه‌نویسی مقیاس بزرگ در زمینه توسعه تکنولوژی‌های ارزش‌آفرین در صنایع مختلف فعالیت دارند.

علاقه اصلی ایشان طراحی الگوریتم به‌خصوص برای مسائل بینرشتهای در محل اشتراک سه علم اقتصاد (Economics)، جامعهشناسی (Sociology) و محاسبات (Computation) است و همچنین به طراحی روشهای محاسباتی برای تحلیل سیستمهای اقتصادی (Economical)، اجتماعی (Social)، بیولوژیکی (Biological) علاقهمند هستند. دکتر فضلی در سال ۱۳۹۴ موفق به اخذ مدرک دکترا در رشته مهندسی نرمافزار از دانشکده کامپیوتر دانشگاه شریف زیر نظر دکتر جعفر حبیبی شدند. علاوه بر این، ایشان مدارک کارشناسی ارشد و کارشناسی خود را با نمرات بسیار عالی از دانشکده کامپیوتر دانشگاه صنعتی شریف زیر نظر دکتر محمدعلی صفری و دکتر محمد قدسی با موفقیت به پایان رساندند.

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.
محمد مصباح 1400-09-18
خوشحالم که این درس رو روی مکتب خونه داریم. مرسی مکتب خونه!
یوسف ملکی 1401-10-28
شما که زحمت کشیدین کاش اسمشون هم براساس مباحث میزاشتید

دوره‌های پیشنهادی

سوالات پرتکرار

آیا ممکن است که درسی ناقص ضبط شده باشد؟
ما همواره تلاش کرده­‌ایم که دروس را به طور کامل ضبط نماییم و در اختیار شما دوستان قرار دهیم. اما گاهی برخی ناهماهنگی ها سبب می شود که یک یا تعدادی از جلسات یک درس ضبط نشود. توضیح این گونه نواقص در توضیح درس­ ها آمده است.

سوالات پرتکرار

اگر لینک دانلود یا پخش ویدئو مشکل داشت چه باید کرد؟
در صورتی که با هر گونه مشکلی رو به رو شدید می توانید از طریق صفحه ارتباط با ما به ما اطلاع دهید تا ما سریعا مشکل را پیگیری و برطرف نماییم.

سوالات پرتکرار

آیا امکان دریافت فیلم های یک درس به صورت سی دی یا دی وی دی وجود دارد؟
در حال حاضر امکان ارسال دروس به صورت سی دی یا دی وی دی وجود ندارد.
poster
  
برگزار کننده:  دانشگاه صنعتی شریف
  
زمان مورد نیاز برای گذارندن دوره:  29 جلسه
مجموع محتوای آموزشی:  38 ساعت ویدئو
 (قابل دانلود می‌باشد)