21 پروژه برای پورتفولیوی علم داده در 21 روز

آنچه یاد خواهید گرفت:

• ساخت و پیاده‌سازی مدل‌های مختلف یادگیری ماشین برای اپلیکیشن‌های کسب وکار واقعی، از پیش‌بینی سری‌های زمانی تا پردازش زبان طبیعی
• تسلط به تکنیک‌های عملی علم داده شامل بخش‌بندی مشتریان، تحلیل احساسات و مدل‌سازی پیش‌بینانه با استفاده از ابزارهای استاندارد صنعت
• توسعه راه‌حل‌های end-to-end هوش مصنوعی برای مسائل کسب‌وکار مانند تشخیص تقلب، پیشنهاد اتمحصولات و تحلیل ریسک
• اعمال تکنیک‌های تحلیل پیشرفته برای ایجاد بینش‌های عملی از مجموعه‌ داده‌های پیچیده در حوزه‌های مختلف (امور مالی، خرده‌فروشی، مراقبت‌های بهداشتی و غیره)

پیش‌نیازهای دوره

• درک اولیه از زبان برنامه‌نویسی پایتون
• آشنایی با مفاهیم اساسی ریاضیات (آمار، احتمال و جبر)
• نیازی به تجربه قبلی در یادگیری ماشین یا هوش مصنوعی نیست.
• یک کامپیوتر با دسترسی به اینترنت و توانایی نصب پکیج‌های نرم‌افزاری مورد نیاز
• درک اولیه از ساختارهای داده‌ و الگوریتم‌ها مفید است اما اجباری نیست.

توضیحات دوره

این دوره جامع علم داده به‌ عنوان یک سفر فشرده 21 روزه در میان مرتبط‌ترین و پرتقاضاترین حوزه‌های یادگیری ماشین و هوش مصنوعی طراحی شده است. هر روز روی پیاده‌سازی کامل یک پروژه تمرکز دارد که به‌ دقت برای تقویت مهارت‌های فنی و پورتفولیوی حرفه‌ای شما طراحی شده است.

برنامه درسی دوره به‌ صورت منطقی از مفاهیم اساسی به سمت کاربردهای پیشرفته پیش می‌رود:

هفته اول (روزهای 1-7):

• شروع با پیش‌بینی سری‌های زمانی با استفاده از ARIMA
• تسلط به تحلیل و بخش‌بندی مشتریان
• توسعه مدل‌های تحلیل ریسک اعتباری
• ساخت تحلیلگر احساسات در شبکه‌های اجتماعی
• ایجاد سیستم‌های توصیه‌گر محصولات تجارت الکترونیک
• طراحی predictors ریزش کارمندان
• پیاده‌سازی مدل‌های قیمت‌گذاری املاک و مستغلات

هفته دوم (روزهای 8-14):

• توسعه سیستم‌های تشخیص تهدیدات امنیت سایبری
• ایجاد الگوریتم‌های تشخیص تقلب
• ساخت مدل‌های پیش‌بینی مصرف انرژی
• طراحی سیستم‌های پیش‌بینی جریان ترافیک
• محاسبه ارزش طول عمر مشتری
• تحلیل الگوهای بازار سهام
• پیاده‌سازی طبقه‌بندی متن با استفاده از پردازش زبان طبیعی (NLP)

هفته سوم (روزهای 15-21):

• انجام تحلیل سبد بازار
• ایجاد مدل‌های پیش‌بینی خطرات سلامتی
• ساخت classifiers ژانر موسیقی
• پیش‌بینی روندهای بازار مسکن
• توسعه سیستم‌های معاملاتی خودکار
• تسلط به پیش‌بینی تقاضا با استفاده از Prophet
• ساخت ایجنت‌های هوش مصنوعی با استفاده از یادگیری تقویتی

هر پروژه از ابزارها و فریم‌ورک‌های استاندارد صنعت استفاده می‌کند، از جمله:

• زبان برنامه‌نویسی پایتون
• کتابخانه‌های محبوب مانند Scikit-learn، تنسورفلو و PyTorch
• ابزارهای دستکاری داده‌ مانند Pandas و NumPy
• کتابخانه‌های مصورسازی شامل Matplotlib و Seaborn
• فریمورک‌های پیشرفته یادگیری ماشین مانند Prophet و NLTK

این دوره شامل:

• محتوای ویدئویی درخواستی
• کدهای منبع قابل دانلود برای تمام پروژه‌ها
• مجموعه‌ داده‌های واقعی برای تجربه عملی
• تمرین‌های کدنویسی تعاملی
• ارزیابی‌های مبتنی بر پروژه

تمامی مطالب بازتاب‌دهنده آخرین شیوه‌های صنعت و پیشرفت‌های تکنولوژیکی در حوزه علم داده و یادگیری ماشین هستند.

این دوره برای چه کسانی مناسب است؟

• تحلیلگران داده و تحلیلگران کسب‌وکار که می‌خواهند با مهارت‌های هوش مصنوعی و یادگیری ماشین حرفه خود را پیشرفت دهند.
• توسعه‌دهندگان نرم‌افزار که می‌خواهند به حوزه یادگیری ماشین و هوش مصنوعی وارد شوند.
• متخصصان کسب‌وکار که می‌خواهند راه‌حل‌های هوش مصنوعی را در سازمان‌های خود درک و پیاده‌سازی کنند.
• دانشجویان و فارغ‌التحصیلانی که به کاربردهای عملی هوش مصنوعی در زمینه‌های تجاری علاقه‌مند هستند.
• هر فردی که بدون توجه به پیشینه‌اش، علاقه‌مند به یادگیری نحوه حل مسائل واقعی با استفاده از یادگیری ماشین است،