بوتکمپ علم داده 2025 : ساخت 365 پروژه در 365 روز
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت
- مقدمهای بر علم داده
- دانش پایه علم داده
- دانش پایه زبانهای برنامهنویسی پایتون و R
- تحلیل داده متوسط
- اصول یادگیری ماشین
- اصول مهندسی داده
- پروژههای واقعی علم داده
پیش نیازهای دوره
- نیازی به تجربهٔ برنامهنویسی نیست. همهٔ نکات لازم را یاد خواهید گرفت.
توضیحات دوره
پتانسیل کامل علم داده را با دورهٔ جامع ما، "تسلط به علم داده: دوره عملی با 100 پروژه واقعی"، نمایش دهید. با کمک این دوره می توانید تحلیل داده، یادگیری ماشین و هوش مصنوعی را به صورت عمیق بررسی کنید و در مسیر 365 پروژه فراگیر که با هدف تقویت مهارتها و گسترش دانش شما طراحی شدهاند، پیشرفت کنید.
در این دوره، ما بر یادگیری عملی تمرکز میکنیم و تجربهٔ عملی با دادههای واقعی در صنایع و کاربردهای مختلف را ارائه میدهیم. از پیشبینی ترندهای بازار بورس گرفته تا تحلیل رفتار مشتری، از پردازش زبان طبیعی گرفته تا تشخیص تصویر، با مجموعهٔ متنوعی از پروژهها آشنا می شوید که چالشهای واقعی دانشمندان داده در بازار امروز را بازتاب میدهند.
هر پروژه توسط متخصصان صنعتی پیشرو طراحی شده تا اطلاعات ارزشمند و تکنیکهای قابل اجرا برای شما فراهم کند. چه فردی مبتدی باشید که به دنبال ایجاد پایهٔ قوی هستید و چه حرفهای با تجربه که میخواهد قابلیتهای خود را بهبود بخشد، دوره ما برای همهٔ سطوح توانایی مناسب است و شما را مرحله به مرحله در هر پروژه راهنمایی میکند.
ویژگیهای کلیدی:
- 100 پروژه واقعی که مفاهیم و کاربردهای گستردهای از علم داده را پوشش میدهند.
- تجربه عملی با ابزارهای محبوب و کتابخانههای مانند پایتون، تنسورفلو و scikit-learn
- راهنمایی و پشتیبانی تخصصی برای کمک به شما در مواجهه با چالشهای پیچیده و افزایش درک شما
- نکات عملی، ترفندها و بهترین روشهای ممکن از سوی حرفهایهای باتجربه در علم داده
- دسترسی به جامعهٔ پویا از فراگیران، که تعامل و اشتراکگذاری دانش را تقویت میکند.
در پایان این دوره، نه تنها به تکنیک های ضروری علم داده مسلط می شوید بلکه پورتفوی قوی ایجاد کردهاید که تخصص شما را به کارفرمایان یا مشتریان محتمل نشان میدهد. چه به دنبال پیشرفت در شغلی در علم داده هستید، چه بخواهید پروژههای خود را راهاندازی کنید، یا صرفاً به بررسی امکانات بیپایان بینش های دادهمحور می پردازید، آموزش «تسلط به علم داده: دوره عملی با 100 پروژه واقعی» شما را با مهارتها و اعتماد به نفس لازم برای موفقیت در دنیای داده محور امروز مجهز میکند.
همین امروز در این دوره شرکت کنید و اولین قدم را برای تبدیل شدن به یک دانشمند داده ماهر بردارید، آماده برای مقابله با هر چالشی که پیش روی شماست. بیایید با هم این سفر دگرگونکننده را آغاز کنیم!
این دوره برای چه کسانی مناسب است؟
- این دوره برای هر فردی که مشتاق ورود به علم داده است، چه مبتدی باشد و چه حرفهای، طراحی شده و و شامل 100 پروژه عملی برای تقویت مهارتهای شما میباشد.
بوتکمپ علم داده 2025 : ساخت 365 پروژه در 365 روز
-
ایمپورت داده و کتابخانه روز 1 22:05
-
تحلیل اکتشافی داده روز 1 41:47
-
پردازش داده روز 1 45:31
-
بیلد و اجرا روز 1 21:16
-
اهداف یادگیری کلیدی 02:32
-
تمرین برنامهنویسی روز 1 None
-
تعریف چالش تجاری: تمرکز بر بازاریابی بانکی 10:41
-
راهاندازی فضای کار: ایمپورت کتابخانهها و دادهها 14:42
-
اجرای مصورسازی داده 19:55
-
درک اصول و هدف الگوریتم K-Mean 15:18
-
به دست آوردن تعداد کلاستر بهینه K 08:09
-
استفاده از کلاسترینگ K-Means برای تقسیم بازار 09:37
-
درک هدف تحلیل مؤلفه اصلی (PCA) 10:05
-
درک هدف اتوانکدرها 10:05
-
ساخت و آموزش اتوانکدرها 12:07
-
ساخت و اجرای اتوانکدرها 14:02
-
تمرین برنامهنویسی روز 2 None
-
درک عبارت مسئله و کیس تجاری 11:50
-
ایمپورت مجموعهٔ داده 11:17
-
ایمپورت کتابخانه 05:39
-
بررسی دادههای فروش 12:20
-
تحلیل دادههای فروش 11:11
-
فرآیند دادههای فروش 08:28
-
اعتبارسنجی دادههای فروش 12:56
-
درک ابزارهای یادگیری ماشین 06:08
-
آموزش مدل 10:29
-
ساخت مدل 12:23
-
تمرین برنامهنویسی روز 3 None
-
درک کیس تجاری و بیان مسأله 08:05
-
بارگذاری و بررسی مجموعهٔ داده 16:40
-
مصورسازی مجموعههای داده 06:10
-
شبکههای عصبی کانولوشن (CNNs) 13:56
-
درک هدف یادگیری انتقالی 09:53
-
بارگذاری مدل با وزنهای از پیشآموزش داده شده 05:09
-
ساخت و آموزش ResNet 20:08
-
ارزیابی عملکرد مدل آموزشدیده 15:21
-
تمرین برنامهنویسی روز 4 None
-
درک عبارت مسئله و کیس تجاری 05:47
-
ایمپورت کتابخانهها و مجموعههای داده 07:19
-
بررسی مجموعهٔ داده 09:58
-
اعتبارسنجی داده 14:40
-
اجرای پاکسازی داده 06:40
-
حذف علامات نگارشی 05:14
-
حذف ایست واژهها یا Stopwords 07:56
-
اجرای TokenizationCount و تبدیل به بردار 09:18
-
اجرای پایپ لاین پاکسازی متن 13:45
-
درک هدف Naive Bayes 17:51
-
آموزش طبقهبند Naive Bayes 04:01
-
ارزیابی طبقهبند Naive Bayes آموزشدیده 07:40
-
آموزش و ارزیابی طبقهبند لجستیک رگرسیون 06:09
-
تمرین برنامهنویسی روز 5 None
-
درک بیان مسئله و کیس تجاری 09:04
-
ایمپورت کتابخانهها و مجموعههای داده 11:22
-
مصورسازی و بررسی مجموعهٔ داده 17:13
-
درک هدف اساسی ResNet ،CNN و یادگیری انتقالی 09:10
-
ساخت و آموزش طبقهبندهای ResNet 10:58
-
ارزیابی عملکرد مدل ResNet آموزشدیده 05:43
-
درک هدف اساسی مدلهای تقسیمبندی ResUnet 10:47
-
ساخت و آموزش مدل تقسیمبندی ResUnet 11:42
-
ارزیابی مدل ResUnet آموزشدیده 10:14
-
تمرین برنامهنویسی روز 6 None
-
بارگذاری کتابخانهها و مجموعهٔ داده 03:49
-
ساخت شناساگر PAN Card 12:18
-
ساخت اپلیکیشن Flask 03:39
-
ساخت توابع مهم 04:45
-
استقرار اپلیکیشن 05:34
-
تست شناساگر PAN Card استقرار یافته 01:46
-
تمرین برنامهنویسی روز 7 None
-
ایمپورت دادهها و کتابخانهها 06:05
-
پیشپردازش داده 03:00
-
ساخت و آموزش مدل 06:57
-
تست مدل 02:18
-
ساخت اپلیکیشن 06:29
-
اجرای اپلیکیشن در سیستم 04:01
-
تمرین برنامهنویسی روز 8 None
-
ایمپورت کتابخانهها 02:40
-
ایجاد واترمارک متن و تصویر 08:36
-
ساخت اپلیکیشن 13:05
-
استقرار اپلیکیشن 05:18
-
تمرین برنامهنویسی روز 9 None
-
مقدمه 03:17
-
ایمپورت دادهها 05:45
-
پردازش تصویر 04:12
-
ساخت و تست مدل 06:50
-
ساخت مدل برای مجموعهٔ آزمایشی 05:06
-
تمرین برنامهنویسی روز 10 None
مشخصات آموزش
بوتکمپ علم داده 2025 : ساخت 365 پروژه در 365 روز
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:همه سطوح
- تعداد درس:86
- مدت زمان :13:03:56
- حجم :6.53GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy