×
ribbon

هنر حل مسئله با داده

در آموزش علم داده چگونگی حل مسئله با استفاده از علوم داده (Data Science) به شما آموزش داده... بیشتر
پرطرفدار
گواهی‌نامه
3.3 (55 امتیاز)
7,884دانشجو
پیشرفته

رضا فهمی

+ 3 مدرس دیگر

مشخصات دوره
محتوای دوره
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

محتوای دوره

6 فصل57 جلسه12 ساعت ویدیو
فصل اول: Problem Statement
  معرفی دوره هنر حل مسئله
مشاهده
"07:56
  مسیر شغلی
"14:32
  کوییز مسیر شغلی
"01:00
  چالش‌ها در حوزه مسائل داده - بخش اول
"12:25
  کوییز چالش‌ها در حوزه مسائل داده - بخش اول
"01:00
  چالش‌ها در حوزه مسائل داده - بخش دوم
"08:35
  کوییز چالش‌ها در حوزه مسائل داده - بخش دوم
"01:00
  چالش‌ها در حوزه مسائل داده - بخش سوم
"10:05
  کوییز چالش‌ها در حوزه مسائل داده - بخش سوم
"01:00
  متدولوژی حل مسائل داده
"09:57
  کوییز متدولوژی حل مسائل داده
"01:00
  تعریف مسئله - بخش اول
"11:59
  کوییز تعریف مساله - بخش اول
"01:00
  تعریف مسئله - بخش دوم
"07:53
  کوییز تعریف مساله - بخش دوم
"01:00
  مدل‌سازی مسئله
"21:58
  کوییز مدلسازی مساله
"01:00
  حل مسئله
"13:30
  کوییز حل مساله
"01:00
  ارزیابی مسئله
"18:18
  کوییز ارزیابی مساله
"01:00
  خلاصه Problem Statement
"08:19
  توضیح پروژه
"10:53
  تمرین: Problem Statement (الزامی)
"120:00
فصل دوم: Before Fit
فصل سوم: After Predict
فصل چهارم: Model Improvement
فصل پنجم: Data Storytelling
فصل ششم: پروژه پایانی

پیش‌نیاز‌ها

برای داشتن هنر حل مسئله با داده اول از هر چیز، باید بتوانید مشکلی که کسب‌وکار شما با آن روبه‌رو است را به خوبی درک کنید. آشنایی با چگونگی جمع‌‌آوری داده هم مهم است. چرا که با تحلیل داده‌های مناسب می‌توانید اطلاعات موردنیازتان را کسب کنید. 

از طرفی هنر حل مسئله نیاز به آشنایی با اصول یادگیری ماشین دارد. درواقع شما باید بتوانید الگوریتم‌ها را به خوبی درک و آن‌ها را پیاده‌سازی کنید. سفر از یک مشکل واقعی در کسب‌وکار به یک مسئله در حوزه علوم داده کار چندان آسانی نیست. بنابراین باید به طور دقیق بدانید که در هر مرحله از فرایند حل مسئله، می‌خواهید چه کاری انجام دهید.

توضیحات دوره

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. 

اطلاعات بیشتر

امتیاز و نظرات کاربران

3.3

از مجموع 55 امتیاز

20نظر

3 ماه پیش

ممنون. واقعا دوره خاص و مفیدی بود. فقط یک توصیه به دوستان دانشجو کنم: این دوره به هیچ عنوان برای شروع دیتاساینس یا یادگیری ماشین مناسب نیست. ولی اگه دیتاساینتیست هستید حتی جونیور هم هستید این دوره رو پیشنهاد میکنم ببینید

فرهاد نظری

8 ماه پیش

دوره بسیارجذاب و مفیدیه مخصوصا به لحاظ سطح مطالبی که گقته میشه ولی خب تمرین ها خیلی دیر به دیر چک میشن مثل اکثر دوره های دیگه مکتب خونه

محمدحسان شریعتی

6 ماه پیش

دوره خیلی خوب و باحالیه و مفاهیم مهمی اشاره میشه زیاد تمرکز روی این نیست که همه چیز یاد داده بشه چون اون موقع هم دوره طولانی میشد هم یکم غیر منطقی میشه ولی اینکه موارد مختلف و مهمی ارائه میشه باعث میشه کسایی که به هر موضوع علاقه دارن بتونن با اون آشنا بشن و دیگه خودشون بیشتر در اون مورد تحقیق کنن و یادبگیرن اوایل یکم چون مفاهیم کلی زیاده شاید خسته کننده باشه ولی یکم صبوری کنیم به مرور بهتر میشه با تشکر از اساتید این دوره❤️

سیدمحمد رضوی زادگان

2 سال پیش

محتوا دوره بسیار کاربردی و عالی هستش

دانشجوی دوره

2 سال پیش

اگر تجربه کار با داده یا انجام پروژه های داده محور داشته باشید، به خوبی متوجه میشید که مطالبی که این تیم ارائه میدن، تجربه بیش از ۱۰ سال مدیریت، انجام و حل چالش پروژه های گوناگون هست که به خوبی به اشتراک گذاشتن. بسیار دقیق، کاربردی و دسته بندی شده. به نظر من کمتر تیمی پیدا میشه که این اطلاعات رو به اشتراک بذاره، دمتون گرم واقعا

ساسان عباسی

3 سال پیش

این دوره فوق العاده بود. ممنون از این تیم و خیلی خوشحال خواهم شد اگر کورس های بیشتری از این تیم ببینم.

امیر شاهچراغیان

2 سال پیش

مباحث سنگین و پیچیده است هر درس را باید چند بار ببینید و یاد داشت برداری کنید

محمد یعسوبی

3 سال پیش

این یک دوره کاربردی و نسبتاً پیشرفته مهندسی داده و یادگیری ماشین است. آموزشها خیلی خوبه ولی به پیش نیازهایش دقت کنید. متاسفانه من به یاد ندارم که زمان ثبت نام من پیش نیازش را در سایت نوشته بودند یا شاید من ندیدم :))

الهام فروغی فر

4 سال پیش

این کورس عالیه. من که الان وسطای کورس هستم و به شخصه ازش لذت بردم تا به اینجای کار. فقط ای کاش میشد اسلایدها و کدها با ما به اشتراک گذاشته بشه تا بشه راحت تر مفاهیم رو مرور و پیاده سازی کنیم. با سپاس

احسان صالح آبادی

1 سال پیش

این حجم از استفاده از واژگان انگلیسی در جاهایی که حتی حرف عادی زده میشه جای تاسف داره.

احسان بختیاری

2 سال پیش

من دو سه جلسه این دوره رو دیدم سطح زبانم خوبه چه دلیلی داره برای کلمات غیر تخصصی از کلمات انگلیسی استفاده کنیم و متاسفانه اونهم به اشتباه

علی تقی‌پور فرد

2 سال پیش

نمیدونم اصراری بوده یا غیرعمد هست این مقدار استفاده از کلمات انگلیسی در ساختار جمله! (منظورم اصطلاحات تخصصی مرتبط نیست) اما متاسفانه باعث شده مربی در جمله بندی خطاهای بسیاز زیادی داشته باشه و کلمات رو پس و پیش بگه و تپق بزنه.. همزمان دارم دوره‌های انگلیسی این حوزه رو میگذرونم و باید اعتراف کنم انقدر خطای کلامی و جمله بندی اشتباه در همین ابتدای دوره دیدم که تمرکزکردن روی این دوره فارسی زبان برام سخت تر از دوره های انگلیسی شده :( امیدوارم مکتب خونه زودتر به مرحله ای از "کیفیت" برسه که قبل از ضبط، متن مربی نوشته بشه، پشت دوربین با اتوکیو بهش نمایش داده بشه، حداقل یکی دوبار تمرین بشه و ضبط محتوا بعد از این مراحل اتفاق بیافته.

الناز مقدم

2 سال پیش

واقعا استفاده‌ی بی‌‌مورد از این مقدار کلمات انگلیسی، آزاردهنده، خودنما و برخلاف ظاهرش نشاناز بی‌‌سوادی داره. فعلا چند درس رو دیدم و امیدوارم بتونم با این قضیه کنار بیام. مسااله نفهمیدن نیست، چون دوره‌های تحلیل داده رو به زبان انگلیسی هم خوندم ولی واقعا آزاردهنده‌ست.

علی امیری

3 سال پیش

سلام من تازه دوره رو شروع کردم و این حجم استفاده بی مورد از واژه های انگلیسی واقعا آزار دهنده است.

محمد میرزایی قصبه

3 سال پیش

با تشکر از زحمات اساتید نکاتی که به ذهن رسید: 1- دوره برخلاف توضیحات اولیه و عدم درج پیش نیاز ، بیشتر رویکرد یادگیری ماشین داشت تا حل مسئه 2- من متوجه نشدم چرا اساتید اصرار بر استفاده از واژگان انگلیسی داشتند (حتی درمورد واژگان آسان ) . این امر یادگیری را برای من سخت کرده بود . 3- پروژه های تعریف شده در دوره نیز به زبان انگلیسی است که ما رو از یادگیری بهتر دور می کنه . به خصوص پروژه پایانی که حقیقتا خود فهم مسئله ، بیشتر از حل اون زمان می بره . به هرحال باید تأکید کرد که هدف از برگزاری دوره یادگیری دانش پذیر براساس اقتضائات خودش هست و نه سطح توانمندی اساتید و مطالب اونها . به عبارتی اثربخشی دوره را میزان یادگیری دانش پذیران و سهل بودن تدریس مشخص می کند و نه سطح توانمندی اساتید .

مهدی زارعی

گواهی‌نامه

هنر حل مسئله با داده

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

linkdin

دوره‌های پیشنهادی مشابه

درباره استاد

رضا فهمی
1دوره
7,884دانشجو

رضا فهمی فارغ‌التحصیل کارشناسی ارشد هوش مصنوعی از دانشگاه صنعتی شریف است. رضا از سال 92 در زمینه هوش مصنوعی مشغول به فعالیت است که از سال 95 به صورت تخصصی به عنوان کارشناس علوم داده در شرکت میراث شروع به کار کرد. علاقه و تخصص اصلی رضا طراحی راهکارهای مبتنی بر داده و مدل کردن مسائل پیچیده با بهره بردن از فناوری‌های مربوط به هوش مصنوعی و علوم داده  است. ایشان به عنوان مدیر ارشد محصول در شرکت پارتیکل بی مشغول به کار است.

اطلاعات بیشتر

بهنام ثابتی
1دوره
7,884دانشجو

بهنام ثابتی دانشجوی دکترای هوش مصنوعی دانشگاه صنعتی شریف است. بهنام از حدود 8 سال قبل فعالیت خود را در زمینه هوش مصنوعی آغاز کرد. تخصص اصلی بهنام پردازش زبان‌های طبیعی (NLP) به خصوص در زبان فارسی است که نتیجه آن را می‌توان در مقالات منتشر شده توسط او و هم‌چنین محصولاتی از قبیل زال و مینیاتور مشاهده کرد. بهنام هم‌چنین سعی داشته تا با جمع‌آوری داده‌های با کیفیت و منتشر کردن آن مشارکت محسوسی به جامعه علمی و فنی حوزه  پردازش زبان‌های طبیعی زبان فارسی داشته باشد. بهنام از سال 95 فعالیت خود را در شرکت میراث به عنوان کارشناس علم داده آغاز کرد. ایشان به عنوان مدیر ارشد علوم داده همراه با تیم داده خود در شرکت پارتیکل بی سعی بر حل مسائل پیچیده دنیای علوم داده دارد.

اطلاعات بیشتر

فرهاد آزادجو
1دوره
7,884دانشجو

فرهاد آزادجو طبری دانشجوی دکترای مهندسی کامپیوتر در دانشگاه تهران است. فرهاد در دوره کارشناسی ارشد در  زمینه پردازش داده‌های بزرگ (big data) و استفاده از الگوریتم‌های هوش مصنوعی در آزمایشگاه داده‌های بزرگ دانشگاه صنعتی شریف به تحقیق و توسعه می‌پرداخت. حوزه تخصصی او در دوره دکترا استفاده از الگوریتم‌های علوم داده در سامانه‌های معاملاتی با بسامد بالا است. فرهاد از سال 95 به عنوان کارشناس علم داده در شرکت میراث مشغول به فعالیت شد. او به عنوان یکی از متخصصین علوم داده در شرکت پارتیکل بی سعی بر حل مسائل پر چالش بازارهای مالی دارد.
فرهاد همچنین متخصص بصری سازی داده (data visualization) برای سناریوهای تحلیلی مسائل است.

اطلاعات بیشتر

سید علیرضا بختیاری
1دوره
7,884دانشجو

سید علیرضا بختیاری فارغ‌التحصیل رشته مهندسی کامپیوتر دانشگاه صنعتی امیرکبیر  که از سال 99 دانشجوی ارشد رشته هوش مصنوعی در دانشگاه آلبرتا کانادا است. علیرضا از سال 97 به عنوان کارشناس توسعه نرم افزار فعالیت حرفه‌ای خود را آغاز کرد. علاقه و استعداد علیرضا در هوش مصنوعی و مسائل مربوط به داده باعث شد تا او زمینه کاری و تحقیقاتی خود را در هوش مصنوعی و به خصوص یادگیری تقویتی (RL) تغییر دهد.
علیرضا از سال 98 به عنوان کارآموز و پس از آن به عنوان کارشناس علوم داده در شرکت پارتیکل بی سعی بر حل مسائل بازارهای مالی با استفاده از فناوری‌های هوش مصنوعی و علوم داده دارد.

اطلاعات بیشتر

سوالات پرتکرار

حداقل و حداکثر زمانی که می‌توانم یک دوره را بگذرانم چقدر است؟

برای گذراندن دوره، حداقل زمان مشخصی وجود ندارد و شما می‌توانید در هر زمان که مایل هستید، ویدیوهای آموزشی دوره را ببینید و تمارین را انجام دهید؛ اما برای هر دوره یک حداکثر زمان تعیین شده که در صفحه معرفی دوره قابل مشاهده است که تنها در این بازه زمانی امکان تصحیح پروژه‌ها توسط پشتیبان و دریافت گواهی‌نامه را خواهید داشت.

آیا پس از به اتمام رساندن و قبولی در دوره، می‌توانم نسخه فیزیکی گواهی‌نامه را دریافت کنم؟

خیر. به‌دلیل ملاحظات محیط‌زیستی و کاهش مصرف کاغذ، گواهی‌نامه فقط به‌صورت الکترونیکی ارائه می‌شود.

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.

آیا در صورت خرید دوره، گواهی‌نامه آن به من تعلق می‌گیرد؟

خیر. با خرید دوره، امکان شرکت در دوره و دسترسی به محتوای آن را خواهید داشت؛ اما تنها در صورتی که در بازه زمانی تعیین‌شده دوره را با موفقیت و نمره قبولی به اتمام برسانید، گواهی‌نامه به نام شما صادر می‌شود.

مهارت‌هایی که می‌آموزید