این نوشته در تاریخ 29 خردادماه 1403 بروزرسانی شده است!
در آپدیت آخر، دورههای sql و R و همچنین یک پروژهی واقعی به مجموعه افزوده شد.
در آخرین بروزرسانی یک دوره 14 ساعتی از ریاضی برای علمداده افزوده شده است.
امروزه با توجه به تولید حجم عظیمی از انواع دادهها و اطلاعات، بشر نیاز مبرم به دستهبندی، آنالیز و فهم آنها دارد. یکی از علومی که در این راه، به منزله چراغ راه و کلید مشکلات محسوب میشود، علم داده یا دیتا ساینس است. علم داده اخیراً به عنوان یکی از جذابترین و پولسازترین مشاغل در سطح دنیا قلمداد شده. با توجه به کمبود نیروی انسانی متخصص در سطح کشور، و همچنین پرهزینه بودن حضور در کلاسهای دیتا ساینس، گروه علم داده اقدام به ضبط و نشر یک دورهی جامع در این حوزه کرده که در ادامه ویدیوهای تهیه شده برای استفادهی علاقمندان قرار داده میشوند.
نحوهی دسترسی به محتواهای آموزشی صد در صد رایگان:
برای تماشای ویدیوها وارد این لیست پخش در یوتیوب شوید و براحتی تمامی ویدیوهای دوره را مشاهده نمائید. یا اینکه ویدیوها را به تفکیک و با توجه به لینکهای زیر ببینید و لذت ببرید.
چگونه به کدها و دیتاستها دسترسی داشته باشیم؟
برای دریافت کدها و دیتاستها به گیتهاب علم داده مراجعه کرده و تمامی موارد تکمیلی را دانلود نمائید.
محتوای دوره عمومی دیتاساینس:
جلسهی اول:
جلسهی دوم:
- بخش اول، احتمالات
- بخش دوم، ترکیبشناسی
- بخش سوم، پایتون – متغیرها و معرفی برخی از توابع
- توضیحات تکمیلی
جلسهی سوم:
جلسهی چهارم:
- بخش اول، توزیعهای احتمال
- اسلایدهای بخش اول
- بخش دوم، توزیعهای گسسته
- اسلایدهای بخش دوم
- بخش سوم، توزیعهای پیوسته
- اسلایدهای بخش سوم
- بخش چهارم، پایتون – شرطیها
جلسهی پنجم:
جلسهی ششم:
جلسهی هفتم:
- بخش اول، چرا احتمالات
- اسلایدهای جلسهی هفتم
- بخش دوم، حلقههای تکرار در پایتون
- بخش سوم، مباحث پیشرفته در پایتون
جلسهی هشتم:
- آمار توصیفی و تحلیل دادهها
- دنياي ماركتينگ (اختیاری)
- یک مثال کاربردی از آمار توصیفی در تحلیل دادهها
جلسهی نهم:
جلسهی دهم:
- بازه اطمینان – بخش اول
- بازه اطمینان بخش دوم
- بازه اطمینان – بخش سوم
- یک مثال کاربردی از بازه اطمینان در دنیای مارکتینگ
جلسهی یازدهم:
- آزمون فرض در ديتاساينس
- خطاها و p-مقدار
- آزمون فرض براي چند جامعه
- تشخیص شکاف حقوقی بین کارمندان زن و مرد یک کمپانی با استفاده از آزمون فرض
جلسهی دوازدهم:
- رگرسیون خطی ساده و پیادهسازی آن در پایتون، بخش اول، تئوری
- رگرسیون خطی ساده و پیادهسازی آن در پایتون، بخش دوم، کدنویسی
جلسهی سیزدهم:
- رگرسیون چندگانه
- ضریب تعیین و کاربردش
- پیادهسازی رگرسیون خطی چندگانه در پایتون
- ضریب تعیین تعدیل شده و آزمون اف
- مفروضات رگرسیون
جلسهی چهاردهم:
- رگرسیون چندگانه و دادههای مجازی
- پیشبینی با استفاده از مدل رگرسیون چندگانه
- رگرسیون چندگانه و مدل پیشبینی خانه
جلسهی پانزدهم:
- ورود به دنیای سای کیت لرن
- رگرسیون خطی ساده با سای کیت لرن
- رگرسیون خطی چندگانه با سای کیت لرن
- پیشبینی رگرسیون چندگانه با دادههای استاندارد
جلسهی شانزدهم:
جلسهی هفدهم:
- پروژهی پیشبینی یا برآورد قیمت ماشینهای دستدوم (بررسی مفروضات رگرسیون)
- پروژهی پیشبینی قیمت ماشین (افزودن متغیرهای مجازی (Dummy))
جلسهی هجدهم:
- پروژهی پیشبینی قیمت ماشین (معرفی مدل رگرسیون)
- پروژهی پیشبینی قیمت ماشین (آزمودن مدل رگرسیون)
- مشاهدهی یک مدل پیادهشده روی یک سایت ایرانی
جلسهی نوزدهم:
جلسهی بیستم:
جلسهی بیست و یکم:
- مثالی از رگرسیون لجستیک با سای کیت لرن (scikit-learn)
- ورود به دنیای خوشهبندی
- پروژهی علم داده – یافتن مدلی برای قبولی دانشآموزان
جلسهی بیست و دوم:
جلسهی بیست و سوم:
- نکاتی در خصوص خوشهبندی و استانداردسازی ویژگیها
- یافتن بهینهترین تعداد از خوشهها با استفاده از WCSS
- جداسازی بازار (Market Segmentation) و خوشهبندی در محیط ژوپیتر
- پروژهی علم داده – بکارگیری خوشهبندی در طبقهبندی کشورها و دیتاست گیاه زنبق (iris dataset)
- اسلایدهای هفته بیست و سوم
جلسهی بیست و چهارم:
- خوشهبندی سلسه مراتبی و نمودار درختی
- مثالی از خوشهبندی سلسله مراتبی و نمودار درختی در محیط ژوپیتر
- اسلایدهای هفتهی بیست و چهارم
جلسهی بیست و پنجم:
جلسهی بیست و ششم:
- اجزای یادگیری ماشین
- یک مثال ملموس از کارکرد نرخ یادگیری (در محیط اکسل)
- ساختن یک الگوریتم یادگیری ماشین از صفر با نامپای
- اسلایدهای هفتهی بیست و ششم
جلسهی بیست و هفتم:
- نکتهی تکمیلی در خصوص ساختن الگوریتم با نامپای
- نکاتی در خصوص تنسورفلو و طریقهی نصب آن
- نوشتن یک الگوریتم یادگیری ماشین با استفاده از تنسورفلو
- اسلایدهای هفتهی بیست و هفتم
جلسهی بیست و هشتم:
جلسهی بیست و نهم:
جلسهی سیام:
- مقداردهی اولیه به وزنها (Initialization)
- اسلایدهای بخش اول از جلسهی سیام
- گرادیان کاهشی تصادفی و تکانه (SGD and momentum)
- اسلایدهای بخش دوم از جلسهی سیام
- نکاتی تکمیلی در خصوص نرخ یادگیری
- اسلایدهای بخش سوم از جلسهی سیام
- آشنایی با سه بهینهساز بسیار مهم در یادگیری ماشین
- اسلایدهای بخش چهارم از جلسهی سیام
جلسهی سی و یکم:
جلسهی سی و دوم:
- نکاتی در خصوص دیتاست MNIST
- پروژهی استخراج اعداد از دیتاست MNIST با استفاده از تنسورفلو
- اسلایدهای جلسهی سی و دوم
جلسهی سی و سوم (آخرین جلسهی دوره):
- پروژهی پیشبینی خرید مجدد مشتریان از یک پلتفرم فروش کتاب صوتی (آشنایی با دادهها)
- پروژهی پیشبینی خرید مجدد مشتریان از یک پلتفرم فروش کتاب صوتی (کدهای پروژه در تنسورفلو)
- اسلایدهای جلسهی سی و سوم
دوره ریاضی برای علم داده و هوش مصنوعی:
- یک دوره آموزشی 14 ساعتی از ریاضی و آمار مورد نیاز برای علم داده و هوش مصنوعی
🛑 فایلی که دانلود میکنید، یک فایل PDF است که لینک تمامی ویدیوها در یوتیوب را بشما نشان میدهد. بشما قول میدهیم که با دنبال نمودن این کورس، بخش عظیمی از ابهامات شما در این وادی مرتفع خواهد شد.
دوره اسکیوال برای تحلیل داده و مهندسی داده:
دوره جامع تحلیل داده با آر:
پروژهی جامع دیتاساینس پیاده شده در ایران:
گیتهاب علم داده:
❤ آموزشهای این دوره صد در صد رایگان میباشند. اما در صورت تمایل میتوانید از تیم ما بصورت مالی پشتیبانی نمائید. جهت اهدای مبالغ مد نظر خود اینجا را کلیک نمائید. بدانید که همراهی شما بزرگترین افتخار برای ماست
دانشگاه گنبدکاووس
با ما همراه باشید تا شما را با دنیای علم داده آشنا کنيم
گروه علم داده