دوره آموزشی مبانی علم داده: اصول اولیه

دوره آموزشی مبانی علم داده: اصول اولیه

5 ساعت 25 دقیقهمبتدی2025-04-03

مدرسین

Barton Poulson

Barton Poulson

Professor, Designer, Data Analytics Expert

جزئیات دوره

علم داده یکی از زمینه‌هایی است که در آن به هوش مصنوعی (AI)، یادگیری ماشین (ML) و هوش تجاری (BI) پرداخته می‌شود. این حوزه یکی از سریع‌ترین و پررونق‌ترین مشاغل است که تحلیل‌گران و مهندسین را در سرتاسر دنیا به خود جذب کرده. این دوره یک معرفی ساده و غیر فنی به دنیای علم داده است و شامل مفاهیم، مهارت‌ها، شغل‌ها، ابزارها و تکنیک‌های مرتبط با علم داده است. همچنین به شما کمک می‌کند که علم داده را به انقلاب داده‌ها متصل کنید و پایه‌ای برای توسعه ادامه‌دار خود در این زمینه فراهم کنید.

در این دوره، بارتون پولسون مدرس دوره، اجزای علم داده را معرفی کرده و توضیح می‌دهد که علم داده چگونه رشد کرده و تکامل یافته است، به‌ویژه با ظهور هوش مصنوعی مولد (Generative AI).

🎯 اهداف یادگیری:
ارزیابی تعامل بین شاخه‌های مختلف علم داده (هوش مصنوعی، یادگیری ماشین، یادگیری عمیق) از طریق تحلیل ویژگی‌ها، کاربردها و روابط آن‌ها برای حل مشکلات پیچیده داده.

اجرای اصول اخلاقی و الزامات قانونی در پروژه‌های علم داده با استفاده از حفاظت‌های مناسب حریم خصوصی، استراتژی‌های کاهش تعصب و اقدامات شفافیت.

طراحی استراتژی‌های موثر برای جمع‌آوری و آماده‌سازی داده‌ها با انتخاب و استفاده از منابع، ابزارها و تکنیک‌های مناسب و در نظر گرفتن عواملی مانند کیفیت داده‌ها، دسترسی و ملاحظات اخلاقی.

تحلیل مجموعه‌های داده پیچیده با استفاده از الگوهای یادگیری مختلف (نظارت‌شده، بدون نظارت، تقویتی) و اصول ریاضی برای استخراج الگوها و بینش‌های معنادار.

ایجاد راه‌حل‌های قابل تفسیر و عملی در علم داده با ادغام ابزارها، تکنیک‌ها و فناوری‌های نوظهور (مانند مدل‌های پایه‌ای و محاسبات کوانتومی) برای حل چالش‌های واقعی.

مهارت ها

Data Science FoundationsFoundationsData AnalysisData ScienceBusiness Analysis and StrategyBusiness Software and Tools

سرفصل ها

مقدمه

  • خوش آمدید

علم داده چیست؟

  • عرضه و تقاضا برای علم داده
  • نمودار ون علوم داده بازنگری شد
  • تکامل علم داده
  • چارچوب CRISP-DM
  • نقش‌ها، تیم‌ها و ابزارها در علم داده مدرن
  • نقش محوری سؤالات در علم داده

جایگاه علم داده در جهان داده‌ها

  • هوش مصنوعی
  • یادگیری ماشین
  • یادگیری عمیق و شبکه‌های عصبی
  • ترانسفورماتورها و توجه به هوش مصنوعی مولد
  • کلان داده
  • تحلیل‌های پیش‌بینی‌کننده
  • تحلیل تجویزی
  • تکامل هوش تجاری

اخلاق، حریم خصوصی و مقررات

  • تعصب
  • امنیت و حریم خصوصی
  • حقوقی
  • هوش مصنوعی قابل توضیح
  • آژانس الگوریتم‌ها و تصمیم‌گیرندگان

منابع داده‌ها و بینش‌ها

  • آماده‌سازی داده‌ها
  • برچسب‌گذاری داده‌ها برای یادگیری نظارت‌شده
  • داده‌های داخلی
  • داده‌های باز
  • رابط‌های برنامه‌نویسی کاربردی (API)
  • استخراج داده‌ها
  • داده‌های مصنوعی و محیط‌های شبیه‌سازی
  • جمع‌آوری غیرفعال داده‌های آموزشی
  • فروشندگان داده
  • داده‌های جدید از بررسی‌ها و آزمایش‌ها
  • اخلاق داده‌ها

ابزارها و تکنیک‌های علم داده

  • کاربردهای تحلیل داده‌ها
  • زبان‌های مورد استفاده در علم داده
  • جایگزین‌های برنامه‌نویسی - برنامه‌نویسی کم کد، بدون کد و AutoML
  • ام‌ال‌اُپس
  • یادگیری ماشین و هوش مصنوعی به عنوان یک سرویس

مبانی ریاضی برای علم داده

  • نمونه‌گیری و احتمال
  • جبر
  • حساب دیفرانسیل و انتگرال
  • بهینه‌سازی و انفجار ترکیبی
  • قضیه بیز

الگوهای یادگیری

  • یادگیری نظارت‌شده، بدون نظارت و تقویتی
  • تحلیل توصیفی
  • تکنیک‌های خوشه‌بندی
  • کاهش ابعاد
  • تشخیص ناهنجاری
  • تحلیل روند
  • مدل‌های تجمیعی
  • اعتبارسنجی مدل‌ها

الگوریتم‌هایی که خلق می‌کنند

  • شبکه‌های مولد تخاصمی (GAN)
  • یادگیری تقویتی

اقدام بر اساس علم داده

  • اهمیت تفسیرپذیری در هوش مصنوعی
  • تکنیک‌هایی برای ایجاد مدل‌های قابل تفسیر
  • ارائه بینش‌های کاربردی

نتیجه‌گیری

  • مراحل بعدی
۱۰۰,۰۰۰ تومان