مهنــدسی داده برای مبتدیان
«دوره‌ی دوم»
مدرس:
علی محـــمدی
کارشناس ارشد آنالیز عددی
شروع دوره: 8 مردادماه 1404
نحوه دریافت
از طریق اسپات پلیر
پشتیبانی
گروه تلگرامی و پرسش از مدرس
زمان
18 ساعت آموزش
ثبت‌نام در دوره
جهت ثبت‌نام در دوره از طریق لینک زیر اقدام نمائید:
در این دوره چه خواهید آموخت؟
در این دوره‌ی آموزشی، شما در کوتاه‌ترین زمان ممکن با مبانی و مقدمات لازم برای ورود به دنیای مهندسی داده (Data Engineering) که در حال حاضر یکی از بهترین مشاغل در حوزه‌ی تکنولوژی در سراسر دنیاست، آشنا خواهید شد. میانگین درآمد یک مهندس داده در حال حاضر 120 هزار دلار در سال می‌باشد.
چرا مهندسی داده؟
در سال‌های اخیر، با توجه به استفاده‌های متنوع و متعدد از داده (data) در سازمان‌های بزرگ و کوچک، و فراگیر شدن استفاده از روش‌های مختلف هوش مصنوعی در بالا بردن بهره‌وری مجموعه‌ها، نیاز مبرم به استانداردسازی زیرساخت دیتایی (اطلاعات)، بیش از قبل احساس می‌گردد. در مهندسی داده، دغدغه‌ی اصلی سر و سامان دادن به این زیرساخت‌ها و اتوماتیک نمودن خطوط (data pipeline) ورود و خروج داده می‌باشد. یک مهندس داده باید با بروزترین ابزارها در حوزه‌ی کار با داده، از اسپارک گرفته تا انواع مختلف دیتابیس‌ها آشنایی خوبی داشته باشد. بطور کلی چون عرضه در این رشته کم‌تر بوده، در حال حاضر تقاضا در آن بسیار بالاتر است و بازار کار بسیار مطلوبی دارد.
برخی از تکنولوژی‌های بکار گرفته شده
سرفصل دوره
عنوان جلسه | مدت زمان |
چرا مهندسی داده؟ | 35 دقیقه |
آشنایی با سیستم عامل و سرور | 20 دقیقه |
پایتون و طریقه نصب آن | 28 دقیقه |
پایتون – عبارات شرطی | 23 دقیقه |
پایتون – لیست‌ها | 18 دقیقه |
پایتون – توابع و حلقه‌ها | 15 دقیقه |
پایتون – فاکتوریل، سری فیبوناچی ، رشته‌ها و … | 23 دقیقه |
پایتون – بررسی اعداد اول، محاسبه میانگین، یافتن عناصر مشترک در دو لیست | 15 دقیقه |
پایتون – مبانی برنامه‌نویسی شی‌گرا (OOP) | 18 دقیقه |
مدیریت داده‌ها با پانداس | 25 دقیقه |
طریقه نصب PostgreSQL | 10 دقیقه |
طریقه نوشتن کوئری در پوستگرس‌کیوال | 20 دقیقه |
ساخت جدول و استفاده از WHERE PRIMARY KEY | 7 دقیقه |
پروژه ETL ساده با پایتون و API ، Postman، PostgreSQL | 20 دقیقه |
پروژه آنالیز داده‌های بیماران قلبی – مقدمه | 8 دقیقه |
پروژه آنالیز داده‌های بیماران قلبی – بخش اول | 25 دقیقه |
پروژه آنالیز داده‌های بیماران قلبی – بخش دوم | 30 دقیقه |
پروژه آنالیز داده‌های بیماران قلبی – بخش سوم | 4 دقیقه |
| 52 دقیقه |
پیش‌بینی بیماری قلبی با ماشین لرنینگ – بخش دوم | 32 دقیقه |
داکر و طریقه نصب آن | 9 دقیقه |
اجرای پروژه پیش‌بینی بیماری قلبی با داکر | 18 دقیقه |
آشنایی با برخی از فرمت‌های داده و فرصت‌های داده‌ای | 60 دقیقه |
آشنایی با دیتابیس‌ها (رابطهای رابطهای و غیررابطه‌ای) | 45 دقیقه |
آشنایی با فضای ذخیره‌سازی ابری (ابر آروان) | 60 دقیقه |
| ارتباط بین برنامه‌ها و سیستم‌ها (API میانی) | 60 دقیقه |
زبان اس‌کیوال (SQL) | 120 دقیقه |
پروژه ساخت داشبورد فروش یک فروشگاه آنلاین | 180 دقیقه |
| مجموع | 18 ساعت |
ثبت‌نام در دوره
جهت ثبت‌نام در دوره از طریق لینک زیر اقدام نمائید:
مدرس دوره کیست؟
آقای علی محمدی؛ دارای مدرک کارشناس ارشد آنالیز عددی از دانشگاه علم و صنعت تهران می‌باشند. ایشان از سال 98 بطور جدی وارد دنیای علم داده شده‌اند و در حال حاضر بصورت فریلنس مشغول تدریس، پژوهش و انجام پروژه‌های علم داده و مهندسی داده هستند.
سوالات متداول
از تاریخ مشخص شده، ویدیوها بروز ضبط می‌گردد و در اختیار شما قرار خواهد گرفت.
بله. از طریق نرم‌افزار اسپات‌پلیر دسترسی به تمامی ویدیوها خواهید داشت. برای هر شخص یک لایسنس صادر خواهد شد. در صورتی که لایسنس شما به هر دلیلی از کار بیافتد باید برای دریافت لایسنس دوم مبلغی را پرداخت نمائید. در نتیجه در حفظ و نگهداری کد مربوط به خود نهایت دقت را مبذول فرمائید.
تمامی سوالات و ابهامات هنرجویان توسط مدرس، آقای محمدی، پاسخ داده خواهد شد. یک گروه تلگرامی داریم که بعد از ثبت‌نام در آنجا عضو خواهید شد و سوالات را آنجا مطرح خواهید نمود.
در حالت کلی خیر. بهترین مدرک، مهارت‌هایی است که کسب می‌نمائید. ولی در صورت نیاز و درخواست برای شما مدرک نیز صادر خواهیم نمود.
مدرس تمامی موارد را بشما خواهد گفت، اما شما باید سطح مطلوبی از اطلاعات را از دنیای کار با داده‌ها داشته باشید که بتوانید بهترین نتیجه ممکن از این دوره را بگیرید.
تمامی آموزش‌ها برای سیستم عامل ویندوز که فراگیرتر است، تهیه می‌شوند. اما شما براحتی می‌توانید دروس را در لینوکس و یا مک نیز پیاده‌سازی نمائید.
برای شرکت در این دوره ابهام دارید؟
ما با بیش از 13 سال سابقه آموزشی موفق، به افراد کمک می‌کنیم که در هر جای دنیا که باشند، از یک آموزش استاندارد و بروز
در زمینه‌های مختلف آکادمیک، از جمله مهندسی داده، علم داده و ام‌ال‌آپس بهره‌مند شوند
