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.
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:
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.
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.
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.
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.
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.
جمعآوری داده و تجزیه و تحلیل آنها به سازمان کمک میکند تا درآمد و جایگاه خود را در بین رقبا ارتقا دهد. بنابراین اگر با مفاهیم اولیه تحلیل داده و یادگیری ماشین آشنا هستید و قصد ورود به بازار کار در این حوزه را دارید، دوره آموزشی علم داده برای شما تهیه شده است. همچنین اگر تمایل دارید با مفاهیم علوم داده به صورت حرفهای آشنا شوید و آنها را در حل مسئلههای واقعی بهکار بگیرید، این دوره کمک شایانی به شما خواهد کرد.
برای انجام پروژههای علم 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 علوم داده نیاز به آشنایی با اصول یادگیری ماشین دارد. در واقع، 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.
دوره علوم داده مکتبپلاس مانند دوبارههای مشابه به آموزش یادگیری ماشین و الگوریتمهای آن نمیپردازد؛ بلکه به شما آموزش ميدهد که برای حل مسائل پیچیده چه ذهنیتی باید داشته باشید. در این دوره شما میآموزید که با توجه به موضوع موردنظرتان چگونه دادههای لازم را آمادهسازی کنید، با استفاده از چه تکنیکی و چگونه آنها را تحلیل کند و در نهایت چگونه جواب مسئله را نمایش دهید.
مهمترین مزیت این دوره برای شرکتکنندگان آن است که آنها میتوانند بعد از فارغالتحصیلی در این دوره و انجام مصاحبه و طی شدن پروسه، وارد دوره کارآموزی data science مجموعه particle B شوند. این امکان توسط همین مجموعه که ارائهدهنده دوره هنر حل مسئله با داده است، برای شما عزیزان فراهم شده است.
در انتهای این دوره یک پروژه نهایی به شما داده میشود که بتوانید در آن آموختههای خود را امتحان کنید. در این پروژه باید بتوانید دادههای بازارهای مالی را تحلیل کنید. به عنوان مثال میتوانید به تحلیل وضعیت بورس در کشور بپردازید و آینده آن را پیشبینی کنید.
همچنین، دوره دیتا ساینس توسط Data Scientist هایی ارائه شده است که علاوه بر دانش آکادمیک، نتیجه چندین سال تجربه خود در حل چالشهای شرکتهای بزرگ و کوچک را در این دوره با بیانی ساده به شما منتقل کرده اند.