00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
ثبت‌نام رایگان
  • دسترسی به 13 جلسه نمونه از دوره
  • دسترسی به 13 جلسه نمونه از دوره
  • عضویت در تالار گفت‌وگوی دوره
  • اضافه شدن دوره به پروفایل
فقط محتوا
  • دسترسی کامل و نامحدود به محتوای دوره
  • تمام قابلیت‌‌های پلن رایگان
    +
  • دسترسی کامل و نامحدود به محتوای دوره
299,000 تومان
امکان پرداخت ارزی ‎
دوره کامل
  • دسترسی به تمام قابلیت‌های دوره
  • تمام قابلیت‌های پلن محتوا
    +
  • گواهی‌نامه مکتب‌خونه
  • پروژه محور
  • تمرین و آزمون
  • تالار گفتگو
  • تسهیل استخدام
529,000 تومان
امکان پرداخت ارزی ‎
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
مکتب‌خونه مکتب‌خونه

هنر حل مسئله با داده

دوره‌های مکتب‌پلاس
38 ساعت
87٪ (493 رای)

علم داده (data science) یا هنر حل مسئله با داده چیست؟

در آموزش علم داده چگونگی حل مسئله با استفاده از علوم داده (Data Science) به شما آموزش داده می‌شود. در این دوره به آموزش جامع مبانی یادگیری ماشین (Machine Learning)، علوم داده، آمار، جبر خطی، برنامه نویسی و غیره نمی‌پردازیم؛ بلکه قصد داریم با به اشتراک گذاشتن تجربه‌های خود در حل مسائل مبتنی بر داده، روش‌های اصولی آن را آموزش دهیم و مسیر این مهارت مهم را برای علاقه‌مندان به این حوزه روشن‌تر کنیم.

در دوره علم داده سعی بر آن شده است که تا حد امکان از بیان نکات متداول در منابع موجود خودداری کنیم و با استفاده از مطالب علمی به‌روز، مثال‌ها و چالش‌های واقعی، هنر حل مسئله با داده را به شما آموزش دهیم. به‌طور خلاصه، در طی این دوره با تمرکز بر بررسی یک مسئله واقعی مراحل زیر را طی خواهیم کرد:

  • تعریف و مدل سازی مسئله
  • آماده‌سازی و پیش پردازش داده‌ها
  • انتخاب تکنیک مناسب
  • تحلیل و بهبود نتایج مدل بصری سازی نتایج و نتیجه گیری بر اساس داده

 

هدف از یادگیری دوره علم داده چیست؟

یادگیری ماشین و تحلیل داده امروزه به صورت گسترده در بازارهای مالی مورد استفاده قرار می‌گیرند. به طوری که این موضوع منجر به ایجاد حوزه جدیدی به نام فین‌تک شده است. یکی از مهم‌ترین چالش‌ها در این حوزه تعریف درست مسئله و مدیریت انتظارات است. برای مثال پیش‌بینی قیمت در مارکت با استفاده از الگوریتم‌های یادگیری ماشین، ساده‌ترین نوع نگاه به مسئله بوده و توقع حل آن به صورت کلی واقع بینانه نیست.

بنابراین، نحوه تعریف مسئله و استفاده درست از ابزارهای مدل‌سازی و تحلیل داده نقطه عطف صنعت فین‌تک محسوب می‌شود. یکی از مسائل موجود در بازارهای مالی، تحلیل و تخمین نوسان مارکت است که می‌تواند به عنوان تخمینی از میزان ثبات بازار مورد استفاده قرار گیرد.

در این پروژه ابتدا با مفهوم volatility و نحوه استفاده از آن آشنا شده و نوع مدل‌سازی و حل مسئله را بررسی می‌کنیم. سپس راهکارهای آماده سازی داده، ساخت مدل و همین‌طور نحوه استفاده از مدل را فرا می‌گیریم. در انتها نیز به بررسی ابزارهای تصویرسازی (Visualization) برای تحلیل نتایج و بهبود مدل می‌پردازیم. 

سرفصل‌های دوره هنر حل مسئله با داده

فصل اول: Problem Statement
04:46 ساعت
02:36
Combined Shape Created with Sketch. 24 جلسه
بارم:
12%
نمایش جلسات فصل  
فصل دوم: Before Fit
07:17 ساعت
03:09
Combined Shape Created with Sketch. 24 جلسه
بارم:
18%
نمایش جلسات فصل  
فصل پنجم: Data Storytelling
10:08 ساعت
03:58
Combined Shape Created with Sketch. 34 جلسه
بارم:
22%
نمایش جلسات فصل  
مروری بر بصری‌سازی (Visualization)
"05:24
کوییز مروری بر بصری سازی
2.3%
     
"01:00
ایجاد تغییر به کمک فهم و یافته‌ها از داده‌ها
"15:40
کوییز ایجاد تغییر به کمک فهم و یافته‌ها از داده‌ها
2.3%
     
"01:00
چرا باید از Data Storytelling استفاده کنیم؟
"13:50
کوییز چرا باید از روایت داستانی داده استفاده کنیم؟
2.3%
     
"01:00
آناتومی و اجزای یک روایت بر مبنای داده
"09:18
کوییز آناتومی و اجزای یک روایت بر مبنای داده
2.3%
     
"01:00
تاثیر بار پردازشی ذهنی و شناختی
"09:56
کوییز تاثیر بار پردازشی ذهنی و شناختی
2.3%
     
"01:00
ویژگی‌های مربوط به توجه
"11:28
کوییز ویژگی‌های مربوط به توجه
2.3%
     
"01:00
بصری‌سازی داده‌های مناسب
"09:20
کوییز بصری‌سازی داده مناسب
2.3%
     
"01:00
انتخاب نمایش مناسب برای داده‌ها
"13:12
کوییز انتخاب نمایش مناسب برای داده‌ها
2.3%
     
"01:00
تنظیم نمودارها بر اساس پیام اصلی راوی
"10:31
کوییز تنظیم نمودارها بر اساس پیام اصلی راوی
2.3%
     
"01:00
تمرین: Setup Visualization

 (الزامی)

45.5%
     
"240:00
از بین بردن نویزهای نمودارها
"09:45
کوییز از بین بردن نویزهای نمودارها
2.3%
     
"01:00
درک بهتر نمودار
"16:44
ایجاد اعتماد در رابطه با اطلاعات
"10:05
تمرین: Polishing the Scenes

 (الزامی)

31.8%
     
"120:00
تمرین با داده واقعی (انتخاب نمودار درست 1)
"12:32
تمرین با داده واقعی (انتخاب نمودار درست 2)
"10:07