دوره جامع متخصص علم‌داده (Data Science Professional)
| ردیف | عنوان فارسی درس | عنوان انگلیسی درس | تعداد ساعات تدریس | سرفصل ها | روش ارزیابی | |
|---|---|---|---|---|---|---|
| 1 | مبانی آمار و جبرخطی | Fundamentals of Statistics and Algebra | 12 | * مبانی و مفاهیم اولیه آمار و تئوری احتمالات شامل: آمار توصیفی، توزیع‌های آماری، آزمون‌های فرض، معناداری آزمون، متغیر تصادفی، تست A/B * مبانی اولیه جبرخطی شامل: ماتریس‌ها، آرایه‌ها و عملیات بر روی آن‌ها * مبانی اولیه داده شامل: تحلیل‌های اکتشافی داده، ساختمان داده‌ها و چارچوب داده، معرفی کلی و اولیه تئوری پاکسازی و مرتب سازی داده ها | پرروژه یا امتحان | - |
| 2 | تحلیل داده توسط اکسل | Data analysis by Excel | 12 | ارائه توابع و فرمول نویسی مثال محور تحلیل آماری و رگرسیون در اکسل پاکسازی داده ها در اکسل مصورسازی داده مقدمات خوشه بندی داده ها، لینک اکسل و پایتون، معرفی افزونه های داده کاوی | پرروژه یا امتحان | - |
| 3 | مبانی و مفاهیم علم‌داده | Fundamentals and concepts of science data | 32 | * داده‌کاوی - مفاهیم پایه علم داده - کاربردهای علم داده - متدولوژی Crisp DM - آماده‌سازی و پیش‌پردازش داده - یادگیری ماشین - مدل‌های طبقه‌بندی - مدل‌های خوشه‌بندی - قوانین انجمنی - ارزیابی مدل‌های یادگیری ماشین * نرم‌افزار SPSS Modeler - توابع پایه نرم‌افزار - مصورسازی داده - خوشه‌بندی Kmeans و سلسله مراتبی - شناسایی داده‌های پرت - قواعد انجمنی با الگوریتم Apriori - طبقه‌بندی با الگوریتم‌های بیزین ، SVM ، شبکه عصبی و... - سری زمانی با الگوریتم Arima - آنالیز RFM | پرروژه یا امتحان | - |
| 4 | مدیریت پایگاه داده در SQL Server | Database management in SQL Server | 32 | مبانی پایگاه داده - انبار داده، مدیریت پایگاه داده - طراحی پایگاه داده - دستورات کاربردی SQL - امنیت پایگاه داده | پرروژه یا امتحان | - |
| 5 | علم‌داده در پایتون | Data mining in Python | 36 | آشنایی با ساختار زبان پایتون معرفی دستورات رشته ها و معرفی ماژول ها روش های تصمیم گیری و حلقه های تکرار ساختار داده و الگوریتم ها آشنایی با کتابخانه‌های داده‌کاوی و یادگیری ماشین با پایتون کار با کتابخانه Numpy کار با کتابخانه Pandas مصورسازی دیتا با کتابخانه Matplotlib کتابخانه یادگیری ماشین Scikit Learn | پرروژه یا امتحان | - |
| 6 | تحلیل آماری در R | Statistical analysis in R | 24 | مفاهیم پایه ای آمار توزیع های احتمال و مدل های آماری توزیع های نمونه گیری استنباط آماری، برآورد نقطه ای و بازه ای آزمون فرض رگرسیون چند متغیره، خطی، لجستیک پوآسون، تحلیل واریانس | پرروژه یا امتحان | - |
| 7 | مدیریت فرآیند و فرایندکاوی | Process management and process mining | 24 | مفاهیم فرآیند، مدیریت فرآیندها و مدل های بلوغ شناسایی، اکتشاف فرآیندها و مدلسازی با استاندارد BPMN تجزیه و تحلیل و بازمهندسی فرآیند، شاخص های کلیدی عملکرد مبانی فرآیندکاوی، نگاره های رویداد و جایگاه آن ابزارها و مدل های فرآیندکاوی الگوریتم های کشف فرآیند در فرآیند کاوی بررسی انطباق در فرآیندکاوی (تحلیل مغایرت) توسعه فرآیند در فرآیندکاوی (شبکه های اجتماعی) سایر حوزه های کاری فرآیندکاوی فرآیندکاوری با نرم افزار ProM و Disco فرآیندکاوری با نرم افزار Python همراه با کارگاه های عملی | پرروژه یا امتحان | - |
| 8 | داستان سرایی داده با Tableau | Data Storytelling with Tableau | 16 | مفاهیم پایه هوش‌تجاری مقایسه نرم‌افزارهای هوش‌تجاری نکات کلیدی طراحی داشبورد نحوه اتصال به انواع منابع اطلاعاتی آماده‌سازی، پاکسازی و ترکیب داده‌ها پیاده‌سازی نمودارهای تحلیلی • Bar chart • Pie chart • Histogram • Scatter plot • Heat map • Line and Stacked chart • Map پیاده‌سازی داشبورد | پرروژه یا امتحان | - |
| 9 | هوش تجاری با Power BI | Business intelligence in Power BI | 32 | معرفی نرم‌افزار Power BI وارد کردن داده در Power BI تبدیل داده با Power Query پیش پردازش داده مصورسازی داده در Power BI مدلسازی داده زبان DAX بصری سازی‌های پیشرفته معیارهای استاندارد مصورسازی انتشار گزارش در Power BI Service | پرروژه یا امتحان | - |
| 10 | متنکاوی و وب‌کاوی و تحلیل شبکه های اجتماعی | Text analysis and Applied Web Analysis | 24 | * متنکاوی: - مقدمه‌ای بر متنکاوی آشنایی با کتابخانه‌های متنکاوی پایتون ورود داده‌های متنی در پایتون پیش‌پردازش متن مقدمه‌ای بر عبارات منظم ساخت بردار ویژگی‌ها با استفاده از کلمات طبقه‌بندی متن خوشه‌بندی متن مدلسازی موضوعی در متون مدل شبکه عصبی Word2Vec تحلیل احساسات * تحلیل شبکه اجتماعی: - مفاهیم پایه تحلیل شبکه اجتماعی - سناریوی ایجاد شبکه - پارامترهای تحلیل شبکه - روش‌های حل مسئله با استفاده از تحلیل شبکه - مورد کاربردهای تحلیل شبکه اجتماعی | پرروژه یا امتحان | - |
نمایش ۱ تا ۱۰ مورد از کل ۱۶ مورد.