سرفصل های دوره های مدرسه پاییزی علم داده مدرسه مهارت علم داده
مدرسه مهارت پارسه
سرفصل های دوره های مدرسه پاییزی
مجموعه دورههای کاربردی هوش مصنوعی، علم داده، پایگاه داده، هوش تجاری و کلانداده
۶ دوره تخصصی ۸۱ ساعت آموزش
🤖
سرفصل یادگیری ماشین مقدماتی
۱۲ ساعت آموزش ۱
جلسه ۱: آشنایی با یادگیری ماشین
• هوش مصنوعی چیست؟
• یادگیری ماشین چیست؟
• کاربردهای یادگیری ماشین
• انواع یادگیری ماشین
• یادگیری نظارتشده و نظارتنشده
• مفهوم Dataset، Feature و Target
۲
جلسه ۲: آشنایی با دادهها
• آشنایی مقدماتی با Pandas
• خواندن فایل CSV
• مشاهده و بررسی دادهها
• انتخاب ستونها
• بررسی دادههای گمشده
• آمادهسازی ساده دادهها
• مفهوم دادههای Train و Test
۳
جلسه ۳: رگرسیون
• مفهوم Regression
• کاربردهای رگرسیون
• رگرسیون خطی Linear Regression
• آموزش مدل با fit
• پیشبینی با predict
• بررسی ساده عملکرد مدل
• مثال پیشبینی قیمت خانه
۴
جلسه ۴: طبقهبندی
• مفهوم Classification
• تفاوت Classification و Regression
• طبقهبندی دودویی و چندکلاسه
• الگوریتم Logistic Regression
• آموزش مدل
• پیشبینی کلاس
• معیار Accuracy
• مثال تشخیص قبولی/رد یا دستهبندی ساده
۵
جلسه ۵: الگوریتمهای ساده طبقهبندی
• آشنایی با الگوریتم KNN
• مفهوم همسایههای نزدیک
• انتخاب مقدار K
• آشنایی با Decision Tree
• مفهوم درخت تصمیم
• مقایسه ساده مدلها
• تمرین با یک Dataset واقعی
۶
جلسه ۶: پروژه عملی و جمعبندی
• انتخاب Dataset
• تعیین Feature و Target
• تقسیم دادهها به Train و Test
• انتخاب مدل
• آموزش مدل
• انجام Prediction
• محاسبه Accuracy
• جمعبندی مراحل یک پروژه Machine Learning
🐍
سرفصل دوره آموزش مقدماتی Python
۱۲ ساعت آموزش ۱
جلسه ۱: آشنایی با پایتون و مفاهیم اولیه
• معرفی زبان Python و کاربردهای آن
• نصب و راهاندازی محیط برنامهنویسی
• نحوه اجرای برنامههای Python
• دستور print
• کامنتگذاری
• مفهوم متغیر
• قوانین نامگذاری متغیرها
• انواع داده int، float، str و bool
۲
جلسه ۲: ورودی، خروجی و عملگرها
• دریافت اطلاعات با input
• تبدیل انواع دادهها
• عملگرهای ریاضی
• عملگرهای مقایسهای
• عملگرهای منطقی
• کار با رشتهها
• قالببندی رشتهها با f-string
۳
جلسه ۳: ساختارهای شرطی
• دستور if
• دستور else
• دستور elif
• شرطهای چندگانه
• استفاده از and، or و not
• شرطهای تو در تو
• تمرینهای کاربردی شرط
۴
جلسه ۴: حلقهها و تکرار
• مفهوم حلقه
• حلقه for
• تابع range
• حلقه while
• حلقههای تو در تو
• دستور break
• دستور continue
• تمرینهای کاربردی حلقه
۵
جلسه ۵: ساختمان دادههای پایه
• آشنایی با List
• ایجاد، ویرایش و حذف عناصر لیست
• اندیسگذاری و Slicing
• متدهای پرکاربرد لیست
• پیمایش لیست با حلقه
• آشنایی با Tuple
• آشنایی با Set
• آشنایی با Dictionary
۶
جلسه ۶: توابع و جمعبندی
• مفهوم تابع
• تعریف تابع با def
• پارامترها و آرگومانها
• مقدار بازگشتی با return
• متغیرهای محلی و سراسری
• ترکیب توابع با شرط و حلقه
• حل تمرینهای ترکیبی
• طراحی یک پروژه کوچک
• جمعبندی مطالب دوره
🧠
سرفصل Deep Learning مقدماتی با PyTorch
۱۲ ساعت آموزش ۱
جلسه ۱: مقدمه Deep Learning و PyTorch
• تفاوت Machine Learning و Deep Learning
• کاربردهای Deep Learning
• مفهوم شبکه عصبی
• معرفی PyTorch
• مفهوم Tensor
• ایجاد و کار با Tensorها
• عملیات ساده روی Tensorها
۲
جلسه ۲: مبانی شبکههای عصبی
• نورون مصنوعی
• Weight و Bias
• لایههای شبکه عصبی
• توابع فعالسازی
• ReLU و Sigmoid
• مفهوم Forward Propagation
• مفهوم Loss Function
۳
جلسه ۳: ساخت اولین شبکه عصبی با PyTorch
• آشنایی با nn.Module
• تعریف کلاس مدل
• استفاده از nn.Linear
• تعریف تابع forward
• ساخت مدل
• تعریف Loss Function
• تعریف Optimizer
• آشنایی با Adam
۴
جلسه ۴: آموزش شبکه عصبی
• مفهوم Epoch
• Training Loop
• محاسبه Loss
• loss.backward
• مفهوم Gradient
• optimizer.step
• optimizer.zero_grad
• مشاهده روند کاهش Loss
• انجام Prediction
۵
جلسه ۵: کار با داده و ارزیابی مدل
• Train و Test
• آشنایی با Dataset
• آشنایی با DataLoader
• Batch
• Shuffle
• ارزیابی مدل
• محاسبه Accuracy
• مفهوم Overfitting
۶
جلسه ۶: آشنایی با CNN و پروژه
• مفهوم دادههای تصویری
• مفهوم CNN
• لایه Convolution
• Pooling
• ساخت یک CNN ساده با PyTorch
• آموزش مدل روی یک Dataset آماده
• پیشبینی تصاویر
• جمعبندی دوره
🗄️
پایگاه داده
کاربرد SQL Server در علم داده | ۱۶ ساعت ۱
آشنایی با داده و پایگاه داده
• مروری بر اهمیت داده، پایگاه داده و سیستم های ذخیره سازی
• مروری بر حوزه های تخصصی و شغلی علم داده
• مروری بر پایگاه داده های رابطه ای و غیررابطه ای
۲
پایگاه دادههای رابطهای و SQL Server
• توصیف پایگاه داده های رابطه ای و ستون فقرات آن (ERD)
• توصیف MS SQL Server بعنوان پایگاه داده رابطه ای قدرتمند و محبوب
• توصیف چهار سرویس قدرتمند SQL Server
• معرفی اشیاء پایگاه داده
۳
مفاهیم SQL و مدیریت پایگاه داده
• مفاهیم پایه ای SQL
• ایجاد و مدیریت پایگاه دادهها
• کار با چندین جدول (Joins and Relationships)
• کار با دادههای پیچیده
۴
پرسوجو، توابع و بهینهسازی
• رویه های ذخیره شده و توابع (Stored Procedures and Scripts)
• ایندکسها و بهینهسازی (Indexing and Optimization)
• پرسوجوهای پیشرفته (Advanced Queries)
۵
SQL Server در علم داده
• اتصال SQL Server به ابزارهای علم داده
• تجزیه و تحلیل دادهها با SQL Server
📊
هوش تجاری
سرفصل Power BI برای علم داده | ۱۵ ساعت ۱
آشنایی با تحلیل داده و هوش تجاری
• مروری بر اهمیت تحلیل داده
• مروری بر انواع هوش تجاری
• توصیف Self BI و Enterprise BI
۲
آشنایی با MS Power BI
• مقدمهای بر MS Power BI
• نصب و راهاندازی
• اتصال به منابع داده
۳
آمادهسازی و مدلسازی دادهها
• مدلسازی دادهها
• تمیز کردن و تغییر شکل دادهها (Data Transformation)
۴
محاسبات و تحلیل داده
• محاسبات پیشرفته با DAX
• تجزیه و تحلیل دادهها
۵
انتشار گزارشها و کاربردهای پیشرفته
• اشتراکگذاری و انتشار گزارشها
• کاربردهای پیشرفته
🌐
کلان داده
سرفصل کلانداده (Big Data) در علم داده | ۱۴ ساعت ۱
آشنایی با کلانداده
• مقدمهای بر کلانداده
• انواع مختلف کلان داده
• معماری های کلانداده
۲
فناوریها و ابزارهای کلانداده
• فناوریها و ابزارهای کلانداده
• Apache Hadoop
• Apache Spark
۳
ذخیرهسازی و پردازش دادهها
• ذخیرهسازی و مدیریت دادهها
• پردازش دستهای (Batch Processing)
• پردازش جریانی (Stream Processing)
۴
تحلیل و بصریسازی کلانداده
• تحلیل دادههای کلان
• بصریسازی دادهها در کلانداده
دورههای مدرسه پاییزی
۶ دوره تخصصی و ۸۱ ساعت آموزش🤖
یادگیری ماشین مقدماتی ۱۲ ساعت آموزش 🐍
آموزش مقدماتی Python ۱۲ ساعت آموزش 🧠
Deep Learning با PyTorch ۱۲ ساعت آموزش 🗄️
SQL Server در علم داده ۱۶ ساعت آموزش 📊
Power BI برای علم داده ۱۵ ساعت آموزش 🌐
کلان داده (Big Data) ۱۴ ساعت آموزش 🚀
مدرسه پاییزی پارسه جهت شرکت در دوره و یا دریافت مشاوره رایگان، فرم زیر را تکمیل کنید.
برای دریافت اطلاعات کامل دورهها، شرایط ثبت نام و دریافت مشاوره رایگان، اطلاعات خود را در فرم انتهای صفحه ثبت کنید.
ثبت نام و دریافت مشاوره رایگان