آموزش علم داده (Data Science)

poster
پیش‌نمایش دوره

دوره "آموزش علم داده (Data Science)" شما را به سفری اکتشافی در دنیای پر رمز و راز علم داده می‌برد. در این دوره جامع که توسط کارشناسان برجسته صنعت رهبری می‌شود، با مفاهیم اساسی و ... ادامه

برگزارکننده:  Coursera  Coursera
مدرسان دوره
2 (1 رای)
سطح: مقدماتی
 پلاس
  
زمان مورد نیاز برای گذراندن دوره:  4 ساعت
مجموع محتوای آموزشی:  4 ساعت ویدئو
 (قابل دانلود می‌باشد)
course-feature   زیرنویس فارسی

آنچه در این دوره می‌آموزیم:

 آشنایی با علم داده و اهمیت آن در دنیای داده محور امروزی

 مسیرهای مختلفی که می تواند منجر به شغلی در علم داده شود

 توصیه‌های متخصصان با تجربه علم داده به تازه کاران

 درک چرایی در نظر گرفتن علم داده به عنوان پرتقاضاترین شغل در قرن بیست و یکم

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 علم داده (Data Science)

تعریف علم داده

در فصل اول، شما به برخی از اصول علم داده می‌پردازید. در جلسه اول، شما به این موضوع گوش می دهید که چگونه سایر متخصصان در این زمینه تعریف می‌کنند که علم داده برای آنها چیست و مسیرهایی را که طی کرده‌اند تا علم داده را به عنوان شغلی برای خود در نظر بگیرند. شما نقش های مختلفی را که دانشمندان داده ایفا می‌کنند، نحوه استفاده از تجزیه و تحلیل داده‌ها در علم داده و اینکه چگونه دانشمندان داده فرآیندهای خاصی را برای پاسخ به سؤالات با آن داده‌ها دنبال می‌کنند، بررسی می‌کنید. با رفتن به جلسه دوم، تمرکز به فعالیت‌های روزانه دانشمندان داده معطوف می‌شود. این شامل یادگیری در مورد مسائل مختلف علم داده در دنیای واقعی است که متخصصان آن را حل می‌کنند، مهارت‌ها و کیفیت های مورد نیاز برای دانشمند داده موفق و نظراتی در مورد چگونگی ارتباط «داده‌های بزرگ» با آن مهارت‌ها. همچنین کمی در مورد فرمت‌های داده های مختلف که دانشمندان داده با آنها کار می‌کنند و الگوریتم‌های مورد استفاده در این زمینه برای پردازش داده‌ها یاد می‌گیرید.

  مقدمه دوره
مشاهده
"04:39  
  علم داده چیست؟
مشاهده
"02:40  
  مبانی علم داده
مشاهده
"03:01  
  مسیرهای بسیار برای علم داده
مشاهده
"03:57  
  توصیه‌ای برای دانشمندان داده تازه کار
مشاهده
"03:00  
  خلاصه درس: تعریف علم داده
مشاهده
"03:18  
  یک روز از زندگی یک دانشمند داده
مشاهده
"03:55  
  مهارت‌های علم داده و داده‌های بزرگ
مشاهده
"04:45  
  درک انواع مختلف فرمت‌های فایل
مشاهده
"05:09  
  مباحث و الگوریتم‌های علم داده
مشاهده
"04:04  
  خلاصه درس: دانشمندان داده چه می‌کنند؟
مشاهده
"04:16  
مباحث علوم داده

در اولین جلسه در این فصل، بینشی در مورد تأثیر داده‌های بزرگ بر جنبه‌های مختلف جامعه، از عملیات تجاری گرفته تا ورزش، به دست می‌آورید و درک درستی از ویژگی‌ها و چالش‌های کلیدی مرتبط با کلان داده‌ها ایجاد می‌کنید. شما در مورد مبانی کلان داده، نحوه استفاده دانشمندان داده از ابر برای مدیریت کلان داده و فرآیند داده کاوی خواهید آموخت. جلسه دوم به یادگیری ماشین و یادگیری عمیق و رابطه هوش مصنوعی با علم داده می‌پردازد.

  چگونه داده بزرگ در حال هدایت تحول دیجیتال است؟
مشاهده
"04:05  
  مقدمه‌ای بر فضای ابری
مشاهده
"06:58  
  فضای ابری برای علم داده
مشاهده
"03:33  
  مبانی داده بزرگ
مشاهده
"05:31  
  علم داده و داده بزرگ
مشاهده
"04:23  
  Hadoop چیست؟
مشاهده
"06:46  
  ابزارهای پردازش داده های بزرگ: Hadoop، HDFS، Hive و Spark
مشاهده
"06:40  
  خلاصه درس: کلان داده و داده کاوی
مشاهده
"05:46  
  هوش مصنوعی و علم داده
مشاهده
"04:21  
  هوش مصنوعی مولد و علم داده
مشاهده
"03:58  
  شبکه‌های عصبی و یادگیری عمیق
مشاهده
"06:52  
  کاربردهای یادگیری ماشین
مشاهده
"03:28  
  خلاصه درس: یادگیری عمیق و یادگیری ماشین
مشاهده
"03:11  
کاربردها و مشاغل در علم داده

در اولین جلسه، با قدرت برنامه‌های کاربردی علم داده و اینکه چگونه سازمان‌ها از این قدرت برای هدایت اهداف تجاری، بهبود کارایی، پیش بینی و حتی نجات جان افراد استفاده می‌کنند، آشنا می‌شوید. شما همچنین روندی را که به عنوان یک دانشمند داده دنبال خواهید کرد تا به سازمان خود در دستیابی به این اهداف کمک کنید، مرور می‌کنید. در جلسه دوم، بررسی می‌کنید که شرکت‌ها در یک دانشمند داده با صلاحیت و با تجربه به دنبال چه چیزی هستند. شما یاد خواهید گرفت که چگونه خود را به عنوان یک دانشمند داده استخدام کنید. در میان پس‌زمینه‌های متنوعی که دانشمندان داده از آن بیرون می‌آیند، ویژگی‌های مشترک آنها و مهارت‌هایی را که دائماً آنها را از سایر نقش‌های مرتبط با داده متمایز می‌کند، شناسایی می‌کنید. شما با مشاهده یک آگهی شغلی برای دانشمند داده و شناسایی مشترکات بین شغل و آنچه در این دوره یاد گرفتید، یک پروژه نهایی بررسی شده را تکمیل خواهید کرد. شما همچنین از طریق یک مطالعه موردی، در مورد سارا و سفر علم داده‌اش اطلاعاتی کسب می‌کنید.

  چگونه شرکت‌ها باید در علم داده شروع کنند؟
مشاهده
"03:02  
  مسائل قدیمی، راه حل‌های جدید علم داده
مشاهده
"04:06  
  کاربردهای علم داده
مشاهده
"03:48  
  چگونه علم داده جان انسان‌ها را نجات می‌دهد؟
مشاهده
"04:47  
  خلاصه درس: دامنه کاربردهای علم داده
مشاهده
"04:35  
  چگونه کسی می‌تواند دانشمند داده شود؟
مشاهده
"05:30  
  استخدام برای علم داده
مشاهده
"07:50  
  مشاغل در علم داده
مشاهده
"03:01  
  اهمیت ریاضیات و آمار برای علم داده
مشاهده
"05:03  
  خلاصه درس: مشاغل و استخدام در علم داده
مشاهده
"04:19  
(اختیاری) سواد داده برای علم داده

این فصل اختیاری بر درک داده‌ها و سواد داده تمرکز دارد و در نظر گرفته شده است تا آنچه را که در سه فصل اول آموخته‌اید تکمیل کند. به عنوان یک دانشمند داده، باید اکوسیستمی که داده‌های شما در آن زندگی می‌کنند و نحوه دستکاری آن‌ها برای تجزیه و تحلیل آن‌ها را درک کنید. این فصل شما را با برخی از این اصول آشنا می‌کند. در جلسه اول، نحوه تولید، ذخیره و دسترسی به داده‌ها را بررسی می‌کنید. در جلسه دوم، شما عمیق‌تر به مخازن داده‌ها و فرآیندهای مدیریت مجموعه‌های داده عظیم می‌پردازید.

  درک داده
مشاهده
"04:11  
  منابع داده
مشاهده
"08:06  
  دیدگاه‌ها: کار با منابع و انواع داده‌های متنوع
مشاهده
"06:47  
  خلاصه درس: درک داده
مشاهده
"04:13  
  جمع‌آوری داده‌ها و سازماندهی
مشاهده
"04:43  
  سیستم مدیریت پایگاه داده رابطه‌ای
مشاهده
"07:47  
  NoSQL
مشاهده
"07:44  
  Data Marts، Data Lakes، ETL و Data Pipelines
مشاهده
"06:55  
  دیدگاه‌ها: ملاحظات برای انتخاب مخزن داده
مشاهده
"06:35  
  بسترهای یکپارچه سازی داده‌ها
مشاهده
"04:57  
  خلاصه درس: به سواد داده خوش آمدید
مشاهده
"05:25  

ویژگی‌های دوره

زیرنویس فارسی
زیرنویس فارسی

این دوره دارای زیرنویس اختصاصی است.

درباره دوره

دوره "آموزش علم داده (Data Science)" شما را به سفری اکتشافی در دنیای پر رمز و راز علم داده می‌برد. در این دوره جامع که توسط کارشناسان برجسته صنعت رهبری می‌شود، با مفاهیم اساسی و ابزارهای ضروری برای تبدیل شدن به یک متخصص علم داده آشنا خواهید شد.

چه مبتدی باشید و چه حرفه‌ای، این دوره برای شما مناسب است

مبتدیان: اگر به دنبال ورود به دنیای هیجان‌انگیز علم داده هستید، این دوره پایه و اساس لازم برای درک مفاهیم کلیدی و شروع کار با ابزارهای تخصصی را به شما ارائه می‌دهد.
حرفه‌ای‌ها: اگر به دنبال ارتقای مهارت‌ها و دانش خود در زمینه علم داده هستید، این دوره به شما کمک می‌کند تا با جدیدترین تکنیک‌ها و متدولوژی‌ها آشنا شده و جعبه ابزار تحلیلی خود را تقویت کنید.

در این دوره چه چیزهایی خواهید آموخت؟

  • مفاهیم اساسی علم داده: با مفاهیمی مانند آمار، یادگیری ماشین، هوش مصنوعی و big data آشنا خواهید شد و درک عمیقی از نحوه کار با داده‌ها به دست خواهید آورد.
  • ابزارهای ضروری: مهارت کار با ابزارهای قدرتمند و پرکاربردی مانند Python، R، Jupyter Notebook و کتابخانه‌های تخصصی علم داده را به دست خواهید آورد.
  • تکنیک‌های تجزیه و تحلیل: با طیف وسیعی از تکنیک‌های تجزیه و تحلیل داده‌ها، از جمله رگرسیون، خوشه‌بندی، پیش‌بینی و یادگیری عمیق آشنا خواهید شد و نحوه به‌کارگیری آن‌ها برای حل مسائل واقعی را خواهید آموخت.
  • ملاحظات اخلاقی: با چالش‌های اخلاقی مرتبط با علم داده آشنا شده و یاد خواهید گرفت که چگونه با داده‌ها به طور مسئولانه و اخلاقی کار کنید.

    دوره "آموزش علم داده (Data Science)" دروازه‌ای به دنیای پر از فرصت‌های علم داده است. با شرکت در این دوره، دانش و مهارت‌های لازم برای پیشرفت در این زمینه پویا و هیجان‌انگیز را به دست خواهید آورد.

درباره استاد

maktabkhooneh-teacher Alex Aklson

Alex Aklson، دانشمند داده در گروه تجارت دیجیتال شرکت IBM کانادا است. او به طور گسترده در پروژه‌های هیجان‌انگیز علم داده مشارکت داشته است، از جمله طراحی یک سیستم هوشمند برای تشخیص شروع زوال عقل در بزرگسالان با استفاده از روندهای طولی سرعت راه رفتن و فعالیت‌های خانگی. الکس پیش از پیوستن به IBM، به عنوان دانشمند داده در شرکت دیتا اسکوپ آنالیتیکس، یک شرکت مشاوره علم داده در شیکاگو، ایلینوی، فعالیت می‌کرد، جایی که راه‌حل‌ها و محصولات را با رویکردی انسان‌محور و داده‌محور طراحی می‌کرد. او مدرک دکترای خود را در مهندسی زیست‌پزشکی از دانشگاه تورنتو دریافت کرده است.

مشاهده پروفایل و دوره‌‌های استاد
maktabkhooneh-teacher Rav Ahuja

Rav Ahuja مدیر ارشد برنامه جهانی در شرکت IBM است. او مسئولیت رهبری استراتژی رشد، ایجاد دوره‌های آموزشی و برنامه‌های مشارکت برای شبکه مهارت‌های IBM را برعهده دارد. Rav در آزمایشگاه IBM کانادا در تورنتو مستقر است و در زمینه راه‌حل‌های آموزشی برای هوش مصنوعی، علم داده، رایانش ابری و بلاکچین تخصص دارد. او در رویدادهای جهانی سخنرانی می‌کند و مقالات، کتاب‌ها و دوره‌های آموزشی متعددی در زمینه مدیریت و تحلیل داده تالیف کرده است. Rav دارای مدرک مهندسی لیسانس از دانشگاه مک‌گیل و کارشناسی ارشد مدیریت بازرگانی از دانشگاه وسترن انتاریو است.

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.
سعيد رضائي كلج 1403-01-14
خيلي سطحي بود و به عنوان يك دوره ارزش هزينه كردن نداشت

دوره‌های پیشنهادی

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.
poster
پیش‌نمایش دوره
  
برگزار کننده:  Coursera
  
زمان مورد نیاز برای گذراندن دوره:  4 ساعت
مجموع محتوای آموزشی:  4 ساعت ویدئو
 (قابل دانلود می‌باشد)
course-feature   زیرنویس فارسی