معرفی دوره
مرکز تحقیقات و مطالعات فناپ، در راستای بهبود دانش متخصصان خود و همچنین ترویج علم میان سایر متخصصان و علاقه مندان در کشور، در نظر دارد دوره جامع آموزش علم داده با نام DataTech را برگزار کند. این دوره بر اساس آخرین دانش روز دنیا در حوزه های مرتبط با علوم داده و همچنین منطبق با نیازهای واقعی سازمان ها طراحی شده است. رسالت این دوره، تربیت و پرورش متخصصان علم داده است که راهگشای نیازهای فعلی و آتی سازمان های فناوری اطلاعات نظیر فناپ باشند.
اهداف دوره
متخصص علم‌داده یا دانشمند علم‌داده به یکی از جذاب‌ترین حرفه ها در سال‌های اخیر تبدیل شده است . شغلی که علاوه بر جذابیت شغلی دارای حقوق و مزایای بسیار بالاتری به نسبت سایر مشاغل بوده است. دانشمند علم‌داده متخصصی است که مهارت‌های خود را در زمینه آمار و ساختن مدل‌های یادگیری ماشین بکار می‌برد تا پیش‌بینی‌ها را انجام دهد و به سؤالات کلیدی در کسب‌وکار پاسخ دهد. یک متخصص علم‌داده همچنین باید درست مانند یک تحلیلگر داده قادر به پاک‌سازی، تجزیه‌وتحلیل و تجسم داده‌ها باشد. بااین‌حال، یک دانشمند داده، عمق و تخصص بیشتری در این مهارت‌ها دارد و همچنین قادر به آموزش و بهینه‌سازی مدل‌های یادگیری ماشین است. دانشمند علم‌داده فردی است که می‌تواند با پرداختن به سؤالات نامحدود و دگرگون پذیر و استفاده از دانش خود در مورد آمار و الگوریتم‌های پیشرفته، ارزش زیادی را خلق کند.
در دوره جامع علم‌داده یک سفری جذاب برای دانش‌پذیران صورت خواهد پذیرفت. دانش‌آموختگان در این دوره قادر خواهند بود تا با استفاده از ابزارها، تکنیک‌ها و تجربیات ارائه‌شده توسط اساتید دوره، داده‌ها را تحلیل و با استفاده از دیدگاه داده‌محوری که در طول دوره کسب می‌کنند، تصمیم‌گیری‌های کلان و استراتژی سازمان خود را بهبود بخشند. شرکت‌کنندگان در پایان دوره توانایی این را خواهند داشت تا علاوه بر تحلیل کسب‌وکار، به پیش‌بینی وضعیت با استفاده از فنون و روشهای گفته‌شده بپردازند که این خود امری حیاتی و با ارزش است و می‌توانند زیرساخت‌های علم‌داده را در نظام کسب‌وکار خود پیاده‌سازی کنند. برخی از اهداف دوره بلندمدت دانشمند حرفه‌ای داده به شرح زیر است:
- ایجاد و توسعه مهارت‌های حوزه‌های علم‌داده، یادگیری ماشین، تحلیل‌داده و…
- توانایی مدیریت پایگاه‌های داده
- توانایی بهبود عملکرد و استقرار سیستم‌های هوش‌تجاری
- توانایی استخراج دانش و بررسی رفتار الگوهای مختلف از داده‌ها
- توانایی برخورد صحیح با داده‌ها به‌منظور توصیف و پیش‌بینی
- تسلط در مهارت‌های پیرامون وب کاوی، متن‌کاوی و پردازش تصویر
- توانایی اجرایی سازی فرآیندکاوی
- توانایی مدیریت داده‌های عظیم
اساتید دوره
پوستر دوره
اطلاعات دوره
- این دوره بصورت مجازی برگزاری می گردد و مدرس، محتوای آموزشی را از طریق جزوات آموزشی الکترونیکی (شامل فایل PDF و پاورپوینت) و همچنین به کمک تخته وایت برد ارائه میکند.
- مخاطبین این دوره کلیه علاقه مندان به علم داده و شاخه های مرتبط با آن اعم از داخل سازمان و خارج از آن هستند.
- پیش نیاز هر دوره با محتوا آموزشی سرفصل های دوره(های) ماقبل آن در جداول (1) الی (11) ارائه شده است. بطورکلی آشنایی با مباحث آماری و شناخت مقدماتی زبان های برنامه نویسی جز پیش نیازها می باشند که در جلسات اولیه گذری بر این موضوعات نیز ارائه خواهد شد.
سرفصل های دوره
| سرفصل | مدت دوره | مدرسین |
|---|---|---|
| مبانی علم داده | ||
| آشنایی با پایتون و R | ||
| یادگیری ماشین و یادگیری عمیق | ||
| حاکمیت داده | ||
| مدیریت پایگاه داده | ||
| داده کاوی و فرایند کاوی | ||
| متن کاوی و وب کاوی | ||
| کلان داده | ||
| هوش تجاری وداستان سرایی | ||
| هوش مصنوعی | 16 | |
| مباحث ویژه در علم داده | 8 | |
| دوره مبانی علم داده | ||
|---|---|---|
| سرفصل | مدت دوره | مدرس |
| مبانی علم آمار و روشهای نمونه گیری نظریه احتمال و برآورد آماری اصول کار با بردارها و ماتریس ها متغیرهای تصادفی و توزیع های احتمالی آزمون فرض و تحلیل آماری همبستگی و رگرسیون خطی تحلیل اکتشافی آشنایی با انواع دیتا مفاهیم پیش پردازش داده‌ها مبانی داده کاوی مفهوم سری‌های زمانی مفهوم خوشه بندی و طبقه بندی آشنایی با کتابخانه‌های معروف | 24 ساعت | دکتر وحید حاجی پور |
| دوره آشنایی با پایتون و R | ||
|---|---|---|
| سرفصل | مدت دوره | مدرس |
| · آماده‌سازی و تمیز کردن داده · پیش پردازش و پردازش داده · کتابخانه‌های پایتون مناسب برای یاذگیری ماشین · Numpy, Scipe, Pandas, Scikit- Learn برای ML · تصویرسازی داده ها · مدل‌های دسته بندی و ارزیابی آن‌ها · مدل‌های رگرسیونی و ارزیابی‌آن‌ها · کلاس‌بندی و ارزیابی مدل‌ها · آموزش برنامه نویسی با استفاده از R · بررسی سینتکس‌های اصلی در R · آمار توصیفی · توابع آماری در R · تبدیل داده‌ها · مشکلات داده‌های کثیف · آماده سازی و تمیز کردن داده‌ها · تجزیه و تحلیل داده‌های اکتشافی · دسته بندی و خوشه بندی مدل‌ها · ارزیابی مدل‌ها نمایش تجزیه و تحلیل داده‌ها | 24 ساعت | ذبیحی |
مزایای دوره
- مسیر آموزشی منطبق با نیازهای سازمانی: یکی از مزیت‌های این دوره یک مسیر یادگیری منسجم جهت فراگیری مفاهیم، تکنیک‌ها و ابزارهای تخصصی حوزه‌های مرتبط با علم‌داده است. این مسیر علاوه بر نیازهای سازمانی، دانش روز علم داده را نیز پیش خواهد برد.
- بهره‌گیری از متخصصان مجرب: در این دوره از تجربیات برجسته‌ترین متخصصان داخلی شرکت همراه با اساتید مجرب دانشگاهی بهره خواهبم برد.
- تدریس بر مبنای پروژه های واقعی سازمان: اصلی‌ترین مزیت این دوره می‌توان به کاربردی بودن آن کخ بر اساس پروژه های واقعی سازمانی است اشاره کرد. برگزاری دوره به‌صورت پروژه محور و در قالب چندین مورد کاربردهای(Case) مختلف پس از آموزش‌های مقدماتی شکل خواهد گرفت. شرکت‌کنندگان در طول دوره با این پروژه های کسب و کاری درگیر خواهند شد.
- اعطای مدرک معتبر از سوی مرکز تحقیقات فناپ به دانش‌پذیرانی که موفق به گذراندن دوره شده اند اعطا خواهد شد. همچنین پیرو تفاهمنامه در حال انعقاد با پژوهشگاه ارتباطات و فناوری اطلاعات، این پژوهشگاه اعلام آمادگی نموده است که گواهینامه مشترک معتبر برای شرکت کنندگان دوره صادر نماید.
| زمانبندی دوره | |
| شروع ثبت نام | 30 دی ماه |
| شروع دوره | 23 بهمن ماه |
سوالات متداول
- پیش نیاز دوره چیست؟
- این دوره بصورت جامع برگزار خواهد شد و کلیه نیازهای یک متخصص داده از سطوح مقدماتی تا پیشرفته را در برمیگرد. با این حال دانش اولیه در زمینه علم آمار و احتمال و زبان برنامه نویسی از ضروریات این دوره می باشد.
- مدت زمان دوره
- این دوره از 30 بهمن ماه به مدت 240 ساعت برگزار خواهد شد.
- روزهای برگزاری
- مکان برگزاری دوره
- مخاطبین دوره
- ارزیابی دوره
- گواهی دوره
- تماس برای اطلاعات بیشتر