معرفی دوره

دوره علم داده منطبق با نیازمندی‌های سازمانی برای کارکنان شاغل و كليه علاقه مندان طراحی و برنامه‌ریزی ‌شده است. در این دوره علاوه بر بررسی مفاهیم و ابزارهای مختلف در حوزه های علم داده و آموزش های پیش نیازی آن، به آشنایی با زبان های مرتبط نظیر Python و همچنین مباحث پیشرفته مرتبط پرداخته می شود. در این دوره مفاهیم، تکنیک‌ها و ابزارهای مرجع و تخصصی روز علم‌داده توسط برجسته‌ترین اساتید تدریس خواهند شد.

انتظار می رود در پایان دوره، دانش پذیران به یک متخصص علم داده که آشنایی کامل با مباحث عملی این حوزه دارند، تبدیل شده باشند. در حقیقت آنها ضمن درگیر شدن با پروژه های واقعی سازمان، آمادگی کامل برای تصدی موقعیت های شغلی مرتبط را در سازمان، بدون نیاز به طی زمان های آموزش طولانی مدت داشته باشند.


اهداف دوره

تربیت نیروهای متخصص و توسعه مهارت‌های حوزه‌های علم‌داده، نظیر:

  • یادگیری ماشین
  • تجزیه و تحلیل‌داده ها
  • مدیریت پایگاه‌های داده
  • سیستم‌های هوشمندی کسب و کار
  • داده کاوی و شناسایی الگوهای مختلف در داده ها
  • رویکردهای توصیف و پیش بینی با استفاده از داده ها
  • وب کاوی، متن‌کاوی و پردازش تصویر
  • سیستم های فرآیندکاوی
  • مدیریت داده‌های عظیم(Big Data)

مزیت های دوره

  • آموزش مجازي و دسترسي به فايل ويدويي جلسات در تمام طول دوره
  • استفاده از نمونه هاي عيني و پروژه های واقعی سازمان در هر درس
  • مسیر یادگیری منسجم جهت فراگیری مفاهیم، تکنیک‌ها و ابزارهای تخصصی حوزه‌های مرتبط با علم‌داده
  • حضور اساتيد برتر در حوزه علم داده از شرکت فناپ و دانشگاه خاتم
  • ارائه مدرك از دانشگاه خاتم و مرکز مطالعات و تحقیقات فناپ

سرفصل های دوره

عنوان درسمدت(ساعت)مدرس
مبانی علم داده 10 دکتر وحید حاجی پور
برنامه نویسی در علم داده با پایتون 24 دكتر حسين شهامت
یادگیری ماشین 20 دكتر بابك مجيدي
یادگیری عمیق 20 دكتر بابك مجيدي
مدیریت پایگاه داده 24 مهندس عليرضا كامراني
متن کاوی و وب کاوی 26 دكتر محمد اميني
کلان داده 14 مهندس مسلم دليريان
هوش تجاری 16 مهندس مسلم دليريان

پیش نیازهای دوره

  • داشتن حداقل مدرک کارشناسی(یا دانشجویان سال آخر کارشناسی) در رشته مرتبط یا حداقل یکسال سابقه کار مرتبط (در صورت عدم احراز شرایط فوق یک مصاحبه تخصصی با داوطلبان ورود به دوره انجام خواهد شد.)
  • آشنایی با مباحث آماری و شناخت مقدماتی زبان های برنامه نویسی

محتوا دوره

1 – دوره مبانی علم داده
سرفصلمدت دورهمدرسزمان برگزاری دوره
تعاریف و مفاهیم
مقدمه ای بر علم داده
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
10 ساعتدکتر وحید حاجی پور
22 آذر ماه
25 آذر ماه



2 – برنامه نویسی در علم داده با پایتون
سرفصلمدت دورهمدرسزمان برگزاری دوره
مقدمه ای بر پایتون
آماده‌سازی و تمیز کردن داده
کتابخانه‌های پایتون مناسب برای یادگیری ماشین
Numpy, Scipe, Pandas, Scikit- Learn برای ML
مصورسازی داده ها
مدل‌های دسته بندی و ارزیابی آن‌ها
مدل‌های رگرسیونی و ارزیابی‌آن‌ها
کلاس‌بندی و ارزیابی مدل‌ها
24 ساعتدکتر حسین شهامت 29 آذر ماه
02 دی ماه
06 دی ماه
09 دی ماه
13 دی ماه
3 – یادگیری ماشین
سرفصلمدت دورهمدرسزمان برگزاری دوره
The Machine Learning Landscape
End-to-End Machine Learning Project
Classification
Training Models
Support Vector Machines
Decision Trees
Ensemble Learning and Random Forests
Dimensionality Reduction
Unsupervised Learning Techniques
20 ساعتدکتر بابک مجیدی 20 دی ماه
23 دی ماه
27 دی ماه
30 دی ماه
4 – یادگیری عمیق
سرفصلمدت دورهمدرسزمان برگزاری دوره
Introduction to Artificial Neural Networks with Keras
Training Deep Neural Networks
Custom Models and Training with TensorFlow
Loading and Preprocessing Data with TensorFlow
Deep Computer Vision Using Convolutional Neural Networks
Processing Sequences Using RNNs and CNNs
Natural Language Processing with RNNs and Attention
Representation Learning and Generative Learning Using Autoencoders and GANs
Reinforcement Learning
Training and Deploying TensorFlow Models at Scale
20 ساعتدکتر بابک مجیدی04 بهمن ماه
07 بهمن ماه
11 بهمن ماه
14 بهمن ماه
5 – مدیریت پایگاه داده
سرفصلمدت دورهمدرسزمان برگزاری دوره
معرفی معماری RDBMS  ها و بررسی ویژگی ها و مقایسه آنها
آشنایی با مبانی مدیریت پایگاه داده
معرفی دیتابیس اوراکل ، ویژگی ها ، تاریخچه
نصب و پیکربندی پایگاه داده Oracle روی ویندوز
آشنایی با روش های  اتصال به دیتابیس
آشنایی با بازیابی و ذخیره داده ها در دیتابیس
آشنایی  مقدماتی  با برنامه نویسی  PL/SQL وSQL
آشنایی با پراسیجر ها ، پکیج ها ، تریگر، کرسر ها،  و انواع داده در اوراکل
آشنایی با مدیریت خطا ها
آشنایی با نحوه ساخت کاربر ، و اعمال دسترسی ها در دیتابیس اوراکل
آشنایی با مدیریت حافظه در اوراکل
24 ساعتمهندس علیرضا کامرانی18 بهمن ماه
21 بهمن ماه
25 بهمن ماه
28 بهمن ماه
02 اسفند ماه



6 – متن کاوی و وب کاوی
سرفصلمدت دورهمدرسزمان برگزاری دوره
مقدمه ای بر متن کاوی و وب کاوی
مبانی استخراج اطلاعات از وب (Web scraping)
پردازش زبان طبیعی(NLP)
پاکسازی و آماده سازی متن
Word embedding
خوشه بندی متن
مدلسازی موضوع (Topic Modeling)
مدلسازی پیش‌گویانه با متن
تجزیه و تحلیل احساسات (sentiment analysis)
26 ساعتدکتر محمد امینی 05 اسفند ماه
09 اسفند ماه
12 اسفند ماه
16 اسفند ماه
19 اسفند ماه



7 – کلان داده
سرفصلمدت دورهمدرسزمان برگزاری دوره
مفاهیم Big Data
معماری Big Data
معماری و کار عملی  با Hadoop
معماری و کارعملی با Spark
معماری و کارعملی با Hive
معماری و کار عملی با Kafka
معماری NoSQL DB
کار عملی با Elasticsearch
14 ساعتمهندس مسلم دلیریان23 اسفند ماه
26 اسفند ماه
15 فروردین ماه



8 – هوش تجاری
سرفصلمدت دورهمدرسزمان برگزاری دوره
مبانی هوش تجاری
مفاهیم انباره داده
مراحل طراحی و پیاده‌سازی  انباره داده
داشبوردها
کار عملی ETL با Spark
معرفی و آموزش ETL با ODI
طراحی داشبورد با Tableau
16 ساعتمهندس مسلم دلیریان 18 فروردین ماه
22 فروردین ماه
25 فروردین ماه








گواهی دوره

  • در پایان دوره به کلیه شرکت کنندگان گواهی از سوی دانشگاه خاتم و مرکز تحقیقات فناپ اهدا خواهد شد.

شهریه دوره

  • شهریه این دوره به قرار زیر است:
ثبت نام آزاد 7.000.000 تومان
ثبت نام دانشجویی (20 درصد تخفیف با ارائه گواهی معتبر) 5.600.000 تومان
ثبت نام سازمانی – گروهی برای بیش از 3 نفر (10درصد تخفیف)6.300.000 تومان
ثبت نام گروه مالی پاسارگاد(15درصد تخفیف)5.950.000 تومان


شیوه ثبت نام و برگزاری دوره

این دوره بصورت مجازی در سامانه آموزش مجازی دانشگاه خاتم و در بستر نرم افزار Adobe Connect برگزار خواهد شد. جلسات به گونه ای برنامه ریزی شده است که تداخلی با ساعات کاری کارکنان شرکت کننده در دوره نداشته باشد. برای ثبت نام و کسب اطلاعات بیشتر از لینک زیر استفاده نمایید.