آموزش متدولوژی علم داده

اگر یک میانبر برای تبدیل شدن به یک دانشمند داده وجود داشته باشد، یادگیری نحوه‌ی فکر کردن و کار کردن مانند یک دانشمند داده موفق، همان میانبر است.

در این دوره، متدولوژی را یاد می‌گیرید و سپس آن را برای مقابله با هر سناریوی علم داده به کار می‌بندید. شما دو متدولوژی قابل توجه علم داده را بررسی خواهید کرد: متدولوژی بنیادی علم داده و متدولوژی شش مرحله‌ای CRISP-DM و نحوه‌ی به کارگیری آن‌ها را خواهید آموخت. اکثر دانشمندان داده‌ی باتجربه برای حل مسائل علم داده از این متدها یا متدهای مشابه استفاده می‌کنند.

ابتدا با نحوه‌ی شکل‌گیری مسئله‌ی کسب‌وکار/پژوهشی آشنا می‌شوید. یاد می‌گیرید که دانشمندان داده چگونه داده‌ها را به دست می‌آورند، آماده می‌کنند و تحلیل می‌کنند. کشف می‌کنید که چگونه اعمال شیوه‌های متدولوژی علم داده به اطمینان از مرتبط بودن داده‌های استفاده‌شده برای حل مسئله و دستکاری مناسب آن‌ها برای پاسخ به سوال کمک می‌کند. سپس، در مورد ساخت مدل داده، استقرار آن مدل، روایت داستانی داده و دریافت بازخورد یاد خواهید گرفت. با استفاده از سناریویی الهام‌گرفته از دنیای واقعی و از طریق آزمایشگاه‌های پیشرونده‌ای که در دفترچه‌های یادداشت Jupyter و با استفاده از پایتون میزبانی می‌شوند، مانند یک دانشمند داده فکر خواهید کرد و مهارت‌های متدولوژی علم داده خود را توسعه خواهید داد.

این دوره برای چه کسانی مناسب است؟

• دانشجویان و فارغ‌التحصیلان رشته‌های مختلف که به دنبال ورود به حوزه علم داده هستند.
• متخصصان شاغل که به دنبال ارتقای مهارت‌های خود در علم داده هستند.
• هر کسی که به یادگیری نحوه‌ی حل مسائل پیچیده با استفاده از داده‌ها علاقه‌مند است.