دوره آموزشی روشهای علم داده: ایجاد حس تجاری
1 ساعت 51 دقیقهمتوسط2024-12-12
مدرسین

Neelam Dwivedi
Assistant Teaching Professor at Heinz College
جزئیات دوره
در دنیای امروز، این روزها همه متوجه شدهاند که علم داده فقط به آزمایشات مقیاس کوچک محدود نمیمونه و باید به پیادهسازیهای مقیاس بزرگ برسه. توی این دوره، «نیلام دویدی» متدولوژیهای مهندسی نرمافزار و دادهکاوی رو به دانشمندان داده معرفی میکنه و این ایدهها رو با یک مثال تجاری ساده از ابتدا تا انتها پیادهسازی میکنه. این شامل میزبانی یک مدل، مصرف اون توی یک اپلیکیشن وب، و راهاندازی خط لوله CI/CD (یکپارچهسازی و تحویل مستمر) میشه.
نیلام در ابتدا متدولوژیهای استفادهشده توی دوره رو توضیح میده و چگونگی ترکیب این متدولوژیها رو نشون میده. بعد، بهت نشون میده که از کجا باید شروع کنی تا معماری مناسب رو برای توسعه و استقرار یک مدل بسازی. اون همچنین توضیح میده که چطور اپلیکیشنهای وب بزرگتر میتونن از مدل به عنوان یک سرویس استفاده کنن. نیلام به نحوه استیج کردن مدل و اپلیکیشن، همچنین چطور باید یک نقشه راه کلی برای مراحل پیشرو طراحی کنی، میپردازه. در نهایت، نیلام با ارائه نکاتی در مورد چگونگی پیشرفت و توسعه بیشتر کاربردهای متدولوژیهای علم داده، دوره رو به پایان میرسونه.
نیلام در ابتدا متدولوژیهای استفادهشده توی دوره رو توضیح میده و چگونگی ترکیب این متدولوژیها رو نشون میده. بعد، بهت نشون میده که از کجا باید شروع کنی تا معماری مناسب رو برای توسعه و استقرار یک مدل بسازی. اون همچنین توضیح میده که چطور اپلیکیشنهای وب بزرگتر میتونن از مدل به عنوان یک سرویس استفاده کنن. نیلام به نحوه استیج کردن مدل و اپلیکیشن، همچنین چطور باید یک نقشه راه کلی برای مراحل پیشرو طراحی کنی، میپردازه. در نهایت، نیلام با ارائه نکاتی در مورد چگونگی پیشرفت و توسعه بیشتر کاربردهای متدولوژیهای علم داده، دوره رو به پایان میرسونه.
مهارت ها
Data ModelingData Science FoundationsData ScienceDeep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - مدلها و دنیای واقعی
- 02 - آنچه باید بدانید
1. روش شناسی برای دانشمندان داده
- 03 - چرا متدولوژی ها
- 04 - علم داده در مقابل مهندسی نرم افزار
- 05 - روشهای داده کاوی
- 06 - متدولوژیهای مهندسی نرمافزار در علم داده
2. استقرار و مصرف یک مدل
- 07 - از کجا شروع کنیم
- 08 - معماری توسعه
- 09 - مدل را مستقر کنید
- 10 - مدل را مصرف کنید
- 11 - چالش 1
- 12 - راه حل 1
3. یک مدل از Dev به Staging بگیرید
- 13 - یک خط لوله CI CD راهاندازی کنید
- 14 - برنامه را مستقر کنید
- 15 - نقشه راه
- 16 - چالش 2
- 17 - راه حل 2
نتیجه گیری
- 18 - کاربردهای بیشتر متدولوژیهای علم داده
دوره های مرتبط
- دوره آموزشی داشبوردهای مجهز به هوش مصنوعی با Streamlit
- دوره آموزشی پایتون: کار با تحلیل پیشبینی (Predictive Analytics)
- دوره آموزشی مدل سازی داده ها در MongoDB
- دوره آموزشی یادگیری جامع تحلیل پیشبینی برای مدیران ارشد
- دوره آموزشی ساخت برنامههای Power Apps مبتنی بر مدل
- دوره آموزشی Excel VBA: مدلسازی فرآیندها
- دوره آموزشی شناسایی فرصتها و ریسکها: کاربرد تحلیل پیشبینانه در مدیریت موفقیت مشتری (CSM)
- دوره آموزشی Accelerated MATLAB