صفحه اصلی
علم داده
کنترل پروژه
مهندسی ومدیریت کیفیت
نرم افزارهای مهندسی
تربیت پژوهشگر
مدیریت مالی
مدیریت وکسب و کار
همایش وکنفرانس
خدمات آنلاین
   سرفصل‌های تفصیلی دوره علم داده

چشم انداز دوره علم داده (Data Science):

این دوره سعی بر ایجاد فهم عمیقی از پایه های اصلی علم داده داشته که به نوبه خود می توانند داوطلبان را در یافتن موقعیت های شغلی مناسب در بازار رو به پیشرفت کنونی یاری نمایند. تمرکز اصلی دوره بر ستون های علم داده یعنی مفاهیم آماری، الگوریتم ها و عناصر مورد نیاز علوم کامپیوتری می باشد. کل دوره شامل 6 مرحله (5 درس + پروژه عملی) است که مراحل مختلف دارای توالی منطقی و زمانی می باشند. در ادامه، کلیه درس های ارائه شده در دوره به همراه سرفصل های اصلی معرفی خواهند شد  و در نهایت رهنگاشت علم داده مورد بررسی قرار خواهد گرفت. 

سرفصل ها و عناوین:

 

آشنایی مقدماتی با برنامه نویسی در R 

  • آشنایی با بردارها، آرایه ها، رشته ها و دیتا فریم ها
  • آشنایی با فراخوانی و ثبت داده ها در R  
  • عبارات منطقی و حلقه ها
  • توابع
  • آشنایی با کتابخانه های مورد نیاز
  • تحليل و برآورد مقادير گمشده 
  • طراحي مقدماتي سيستم هاي پيشنهاد دهنده

مدل های خطی کاربردی با استفاده از نرم افزار R (رگرسیون)

  • عملیات بر روی بردارها و ماتریس ها
  • توابع بر روی ماتریس ها 
  • مقدمه ای بر بردار متغیرهای تصادفی
  • مدل رگرسیون خطی چندگانه 
    • مطالعه موردی در صنعت: طراحی فضای حرکت صندلی داخل خودرو
    • مطالعه موردی در ورزش: بررسی رابطه بین سن و عملکرد دوندگان ماراتن
  • بررسی مفروضات رگرسیونی
  • مدل رگرسیون خطی تعمیم یافته 
    • مطالعه موردی در خدمات درمانی
  • روش انتخاب متغیر استپ وایز

مدل های چند متغیره کاربردی با استفاده از نرم افزار Python (روش های داده کاوی)

  • مقدمه اي بر نرم افزار پايتون 
  • تجزیه طیفی و تجزیه مقادیر منفرد 
    • مقدمه ای بر تحلیل سیگنال ها در عکس ها
  • قوانین انجمنی 
    • مطالعه موردی در خدمات شهری (یا تحلیل اقلام فروشگاهی)
  • تکنیک های کاهش بعد
    • تجزیه مولفه های اصلی 
  • تکینیک های طبقه بندی: قسمت اول (روش های پارامتری)
    • مدل بیز
    • روش LDA 
    • روش QDA 
    • روش بیز ساده 
    • مطالعه موردی در صنعت: طبقه بندی وضعیت قطعات مورد استفاده در جوشکاری فراصوتی
    • روش رگرسیون تيغه اي، لسو و الاستيک نت با کاربرد در طبقه بندی پیغام های ایمیل ها 
    • یادگیری عمیق 
  • تکنیک های طبقه بندی: قسمت دوم (روش های ناپارامتری)
    • ماشین بردارهای پشتیبان 
    • درخت تصمیم 
    • مباحث الحاقی درخت تصمیم
    • روش نزدیکترین k همسایه 
    • مطالعه موردی در خدمات درمانی: پیش بینی اختلالات ستون فقرات 
  • خوشه بندی 
    • روش k-means 
    • روش خوشه بندی سلسله مراتبی 
    • روش خوشه بندی مبتنی بر مدل 
    • مطالعه موردی در مارکتینک: خوشه بندی مشتریان

مقدمه ای بر تحلیل داده های طولی 

  • مدل های سری زمانی

سیستم های مدیریت پایگاه داده (MySql)


جهت ارتباط ارتباط تلگرامی با مشاورین می توانید به آی دی تلگرامی @tiheedu8 پیغام ارسال کنید


علاقمندان می توانند جهت ثبت نام در دوره فوق از طریق زیر اقدام نمایند:

«همچنین می توانید با شماره های 02186741 داخلی 120، 125 و 127 نیز تماس حاصل فرمایید»

 

دوره های موسسه توسعه با همکاری موسسه پژوهش برگزار می گردد، جهت کسب اطلاعات بیشتر درخصوص دوره ها و امور آموزشی می توانید با شماره : 86741-021 (موسسه پژوهش)تماس حاصل نمایید
آدرس ستاد پشتیبانی: تهران، سهروردی شمالی، خیابان شهید قندی غربی، بین خیابان پنجم و هفتم، پلاک 40 ، تلفن: 88933622-021
آدرس موسسه پژوهش (ستاد آموزش) : ضلع جنوب غربی میدان ولیعصر؛ جنب سینما قدس، کوچه مینو؛ پلاک 132؛ موسسه آموزش عالی آزاد پژوهش ; آدرس ایمیل: Tihe.ac.ir@gmail.com
.تمامی حقوق مادی و معنوی این سایت متعلق به موسسه آموزش عالی آزاد توسعه می باشد ©