3.67 از 3 رأی

پیش ثبت نام

این دوره در حال پیش ثبت نام می باشد. لطفا در همین صفحه (بخش توضیحات دوره) پیش ثبت نام نمایید. متعاقبا با شما تماس گرفته خواهد شد. 

  • نوع دوره: آنلاین
  • 15 دوره
  • 14 ماه
  • مدت زمان: 350 ساعت
  • پیش نیازها: ندارد
  • پشتیبانی آنلاین
  • بارگذاری فیلم کلاس ها پس از اتمام هر جلسه
  • ارائه گواهینامه دو زبانه مورد تایید دانشگاه تهران

دوره جامع علم‌ داده

0 +
سال فعالیت در حوزه تخصصی
0
کلاس‌ها و وبینارهای برگزار شده
0
دوره 350 ساعته برگزار شده
0
دانش پذیر دوره های مختلف
0
نفر-ساعت‌خدمات‌آموزشی‌ارائه‌شده
0
تعداد اساتید دوره

زمان برگزاری :

روزهای برگزاری: جمعه ها ۸:۳۰ الی ۱۷:۳۰

شروع دوره : 7 دی ماه 1403

پیش ثبت نام :

سرفصل ها و بروشور دوره :

اهداف دوره :

متخصص علم‌داده براساس آخرین آمارهای رسمی جزو سه شغل برتر در سال 2022 هست. شغلی که علاوه بر جذابیت شغلی، دارای حقوق و مزایای بسیار بالاتری به نسبت سایر مشاغل بوده است. متخصص علم‌داده فردی است که مهارت‌های خود را در زمینه آمار و ساختن مدل‌های یادگیری ماشین بکار می‌برد تا پیش‌بینی‌ها را انجام دهد و به سؤالات کلیدی در کسب‌وکار پاسخ دهد. همچنین یک متخصص علم‌داده باید درست مانند یک تحلیلگر داده قادر به پاک‌سازی، تجزیه‌وتحلیل و تجسم داده‌ها باشد. بااین‌حال، یک متخصص داده، عمق و تخصص بیشتری در این مهارت‌ها دارد و همچنین قادر به آموزش و بهینه‌سازی مدل‌های یادگیری ماشین است. متخصص علم‌داده فردی است که می‌تواند با پرداختن به سؤالات نامحدود و دگرگون پذیر و استفاده از دانش خود در مورد آمار و الگوریتم‌های پیشرفته، ارزش زیادی را خلق کند.

در دوره جامع علم‌داده دانشگاه تهران یک سفری جذاب برای دانش‌پذیران صورت خواهد پذیرفت. دانش‌آموختگان در این دوره قادر خواهند بود تا با استفاده از ابزارها، تکنیک‌ها و تجربیات ارائه‌شده توسط اساتید دوره، داده‌ها را تحلیل و با استفاده از دیدگاه داده‌محوری که در طول دوره کسب می‌کنند، تصمیم‌گیری‌های کلان و استراتژی سازمان خود را بهبود بخشند. شرکت‌کنندگان در پایان دوره توانایی این را خواهند داشت تا علاوه بر تحلیل کسب‌وکار، به ‌پیش‌بینی وضعیت‌ با استفاده از فنون و روش‌های گفته‌شده بپردازند که این خود امری حیاتی و با ارزش است و می‌توانند زیرساخت‌های علم‌داده را در نظام کسب‌وکار خود پیاده‌سازی کنند. برخی از اهداف جامعترین و بلندمدت ترین دوره علم داده به شرح زیر است:

سرفصل های دوره :

دوره جامع علم‌داده در 16 سرفصل کاربردی طی ۳۵۰ ساعت منطبق با نیازمندی‌های بازار کار طراحی و برنامه‌ریزی ‌شده است. این دوره یک سفر منسجم و جامع جهت تبدیل‌شدن شما به یک متخصص علم‌داده خواهد بود. در این دوره با مفاهیم، تکنیک‌ها و ابزارهای مرجع و تخصصی روز علم‌داده توسط برجسته‌ترین اساتید در سرفصل‌های زیر تدریس خواهند شد.

  • مبانی آمار و جبرخطی
    • تحلیل داده با اکسل
    • مدیریت پایگاه داده با Microsoft SQL Server
    • هوش تجاری در Power BI
    • مبانی و مفاهیم علم‌داده
    • تحلیل آماری در زبان R
    • علم‌داده در پایتون
    • سری‌های زمانی در پایتون
    • سیستم‌های توصیه‌گر در پایتون
    • متن‌کاوی  و وب‌‎کاوی
    • یادگیری عمیق
    • تحلیل کلان داده
    • داستان‌سرایی داده با نرم‌افزار Tableau
    • مدیریت و حاکمیت داده
    • مدیریت فرآیند و فرآیندکاوی

خلاصه توضیحات دروس دوره جامع علم داده :

تحلیــل آمــاری داده این امکان را می‌دهد تا تحلیلگر به طور علمی دادگان کسب‌وکار را بررسی کرده و به نتایج قابل اطمینان و معناداری دست یابد. تحلیلگر قادر خواهد بود تا با استفاده از تکنیک‌های آماری نظیر نمونه‌برداری، مدل‌سازی و فرضیه‌سازی به اطلاعاتی ارزشمندی برسد. هدف در طول دوره پیش‌رو آن است که با استفاده از روش‌های آماری به درک مناسبی از توصیف دادگان برسید و روابط بین دادگان مولفه‌های کسب‌وکار را بخوبی تحلیل و بررسی نمایید. به بیانی دیگر، این روش‌ها به شما کمک می‌کنند تا الگوها، روندها و ویژگی‌های مهم دادگان را شناسایی کرده و درک بهتری از مجموعه داده‌ها جهت توصیف بهتر آن‌ها به دست آورید. درکنار این‌ها، قادر خواهید بود با استفاده از مدل‌سازی آماری، مدل‌های برپایه علم آمار را بمنظور پیش‌بینی رویدادها و روندهای آینده ایجاد کرده و آن‌ها را ارزیابی کنید که این مدل‌ها می‌توانند در تصمیم‌گیری‌های استراتژیک و برنامه‌ریزی کمک شایانی کنند.

تحلیــل داده با اکسـل این امکان را می‌دهد تا کاربر بصورت عملیاتی بر روی دادگان با ابعاد پایین و کم‌حجم به تجزیه‌وتحلیل بپردازد. استفاده از اکسل جهت تحلیل داده‌ها مزایای متعددی نظیر: سهولت استفاده، تحلیل سریع، بررسی فیلترها، تشکیل جداول گروهی و پشتیبانی از محاسبات آماری و ریاضی را دارد. دانش‌پذیران در انتهای دوره قادر خواهند بود تا توابع مهم و کاربردی اکسل را بر روی مسائل مختلف پیاده‌سازی کرده، دادگان را توصیف و به تحلیل آماری دادگان و مدل‌سازی رگرسیونی بپردازند. هرچند اکسل بمنظور تحلیل دادگان کسب‌وکارهای کوچک بسیار کاربردی است، اما در مواردی که داده‌ها بسیار بزرگ و پیچیده باشند، ممکن است به محدودیت‌هایی با این ابزار محبوب و فراگیر برخورد کنید. در چنین مواردی، استفاده از ابزارهای مخصوص تحلیل داده نظیر زبان‌های برنامه‌نویسی می‌توان استفاده کرد که دانش‌پذیران در دوره‌‌های آتی خواهند آموخت.

مبانی و مفاهیم علم داده شامل بخش‌هایی نظیر: تعاریف اصلی علم داده، روش‌های داده‌کاوی، الگویابی و الگوریتم یادگیری ماشین است. داده‌کاوی و یادگیری ماشین مجموعه از تکنیک‌های محاسباتی است که به ماشین‌های کامپیوتری اجازه می‌دهد که از دل دادگان، الگوها و اطلاعاتی استخراج شود تا ماشین از این الگوها یاد بگیرد. درواقع این الگوریتم‌ها به ماشین‌ این امکان را می‌دهند تا بر اساس دادگان گذشته، آموزش ببینند. در این درس جذاب، دانش‌پذیران پس از سپری کردن درس آمار برای علم‌داده و ارتقا دانش آماری خود در راستای علم‌داده، مشغول به طراحی و تحلیل مدل‌های پیش‌بینی می‌شوند و قادر خواهند بود با استفاده از مدل‌سازی مبتنی بر یادگیری ماشین، به پیش‌بینی مولفه‌های کسب‌وکار بپردازند؛ مدل‌های پیش‌بینی را ارزیابی، پایش، بهینه‌سازی و بهبود دهند و همچنین با دانش آماری خود نتایج پیش‌بینی را تحلیل کنند. علاوه بر تسلط دانش‌پذیران در این درس به مفاهیم روش‌های داده‌کاوی و یادگیری ماشین، آن‌ها از این روش‌ها در قالب پروژه‌های مختلف و داخل ابزار شرکت IBM بصورت عملیاتی نیز استفاده خواهند کرد.

پایگاه داده مایکروسافـت نوعی سیستم مدیریت پایگاه‌ داده است که بمنظور ذخیره، مدیریت و استخراج اطلاعات استفاده می‌شود و از زبان استاندارد Structured Query Language جهت مدیریت و تعامل با دادگان بهره می‌برد. این زبان به شما امکان می‌دهد تا به صورت ساده و استاندارد با پایگاه داده‌ ارتباط برقرار کنید، داده‌ها را جستجو و استخراج کنید، داده‌ها را اضافه، ویرایش و حذف کنید و همچنین تغییرات را به پایگاه داده اعمال کنید. از دیگر قابلیت‌های این ابزار می‌توان به ایجاد روابط میان جداول جهت بهبود و سازمان‌دهی داده‌ها و قابلیت جستجو، فیلتر و مرتب‌سازی داده‌ها با استفاده از عملیات کوئری‌نویسی‌ اشاره کرد. شرکت‌کنندگان در طول دوره، بوسیله این نوع سیستم قادر خواهند بود تا عملیات مختلفی مانند ایجاد، خواندن، بروزرسانی و یکپارچه‌سازی را در پایگاه داده انجام دهند و از مدل‌های مختلف جهت ذخیره، مدیریت و بازیابی اطلاعات استفاده نمایند.

هوش تجــاری مایکروسافت یک ابزار قدرتمند جهت تحلیل داده‌ها و ایجاد گزارش‌های تجاری است و به کاربران اجازه می‌دهد که بدون نیاز به دانش فنی عمیق در زمینه‌های برنامه‌نویسی، گزارش‌ها و داشبوردهای تجاری خود را طراحی و تحلیل کنند. در این دوره، دانش‌پذیران می‌آموزند تا دادگان را از منابع مختلف داده‌ای نظیر: وب‌سایت‌ها، پایگاه‌های داده و اکسل جمع‌آوری و یکپارچه‌سازی کرده و به صورت بصری در قالب نمودارهای جذاب ارائه و به اشتراک بگذارند؛ چرا که این‌کار به فرد تحلیلگر کمک می‌کند تا اطلاعات و عملکرد بهتری از وضعیت کسب‌وکار را مورد بررسی قرار دهد. دانش‌پذیران در طول دوره بوسیله ابزار مایکروسافت قادر به ایجاد نمودارها و داشبوردهای تعاملی، تهیه جداول محاسباتی، نقشه‌ها، فیلترها و بررسی شاخص‌های کلیدی خواهند بود و به درک مطلوبی از این ابزار در قالب مثال‌های مختلف صنعتی خواهند رسید.

تحلیل آماری در زبان R به تحلیلگران و متخصصان این امکان را می‌دهد که دادگان کسب‌وکار را تجزیه و تحلیل کرده، الگوها و روندهای آماری را شناسایی کنند و نتایج تجزیه و تحلیل و محاسبات آماری را به شکل گرافیکی ارائه نمایند. این زبان به دلیل پشتیبانی گسترده از جامعه‌ای از برنامه‌نویسان به عنوان یک ابزار قدرتمند جهت تحلیل آماری و داده‌کاوی شناخته می‌شود و در تحقیقات علمی، پروژه‌های تجاری و صنعتی و در علوم مختلف از جمله علم اطلاعات، علوم اقتصادی، بیوانفورماتیک، علوم طبیعی و غیره مورد توجه قرار می‌گیرد. با استفاده از این زبان شرکت‌کنندگان می‌توانند انواع تحلیل‌های آماری مانند: تحلیل توزیع‌ مولفه‌های کسب‌وکار، فرضیه‌های آماری، رگرسیون، خوشه‌بندی و تحلیل‌های پیشرفته آماری را انجام دهند.

python  برای علم داده از جمله مهم‌ترین مهارت‌های متخصصان این حوزه است. استفاده از python برای علم داده به دلیل وجود بستر مناسب و چارچوب‌های قدرتمند، مزایای بسیاری دارد. از همین رو، این ابزار به عنوان یک زبان برنامه‌نویسی کامل و کارآمد، جهت تحلیل داده‌ها و انجام پروژه‌های علم‌داده، در دهه‌های اخیر بسیار مورد توجه قرار گرفته است. پس از آموختن روش‌های داده‌کاوی و الگوریتم‌های یادگیری ماشین در دوره‌های پیشین، دانش‌پذیران در این دوره به پیاده‌سازی این روش‌ها بصورت تخصصی و فنی و در قالب پروژه‌های مختلفی نظیر: نظام سلامت، بازاریابی و خودروسازی مشغول می‌شوند. شرکت‌کنندگان در انتهای این دوره مهم قادر خواهند بود بوسیله اصلی‌ترین ابزار متخصصان این حوزه، دادگان را از منظر آماری تحلیل کرده، الگوهای مهم را استخراج و مدل‌های پیش‌بینی بصورت فنی و عملیاتی خلق و با یکدیگر مقایسه و ارزیابی کنند.

ســری‌های زمانـی مجموعه‌ای از داده‌ها هستند که به ترتیب زمان ثبت شده‌اند. در یک سری زمانی، زمان معمولاً به عنوان محور افقی استفاده می‌شود و مقدار یک متغیر (مانند درآمد، دما، قیمت و غیره) در بازه‌های زمانی مختلف ثبت می‌شود. سری زمانی در مختصات زمانی پیوسته قرار دارد و به طور معمول اطلاعات در فواصل زمانی معین (مثلاً دقیقه‌ای، ساعتی، روزانه یا ماهانه) ذخیره می‌شوند. تحلیل سری زمانی به ما امکان می‌دهد تا الگوها، روندها و تغییرات موجود در داده‌ها را در طول زمان تشخیص داده و اطلاعات ارزشمندی را از آنها استخراج کنند. این تحلیل می‌تواند شامل مواردی مانند پیش‌بینی، تحلیل روندها، کشف تغییرات ناگهانی (تغییرات شاخص) و سایر موارد باشد. برخی مثال‌های مرسوم از سری‌های زمانی شامل: میزان فروش روزانه یک محصول، دما در یک منطقه در طول زمان، نرخ ارز، قیمت سهام و غیره می‌باشد که در طول دوره مورد تحلیل قرار خواهند گرفت.

سیستم‌های توصیــه‌گر به کمک الگوریتم‌های مختلف، به کاربران پیشنهادهای مورد علاقه‌شان را ارائه می‌دهد. هدف اصلی این سیستم‌ها، کمک به کاربران در کشف و دسترسی به محتوا یا محصولاتی است که به آن‌ها علاقه دارند و بر اساس سلیقه‌ها، تاریخچه فعالیت‌ها یا ویژگی‌های دیگر به آنها پیشنهاد می‌دهند مانند: پیشنهاد محتوا در وب‌سایت‌ها، موسیقی و فیلم و خرید و فروش آنلاین. سیستم‌های توصیه‌گر معمولاً در دو دسته اصلی: توصیه‌گرهای مبتنی بر محتوا و توصیه‌گرهای مبتنی بر تاریخچه قرار می‌گیرند. توصیه‌گرهای مبتنی بر محتوا، بر اساس ویژگی‌ها و مشخصات محتوای مورد نظر مثلاً متن، تصاویر، ویدئوها و غیره ارائه می‌شوند. به عبارت دیگر، سیستم توصیه‌گر مبتنی بر محتوا به تحلیل ویژگی‌ها و مشخصات محتوا می‌پردازد و سپس به کاربران موارد مشابه با آنچه که قبلاً پسندیده‌اند را پیشنهاد می‌دهد. توصیه‌گرهای مبتنی بر تاریخچه، بر اساس تاریخچه تعامل کاربران با سیستم و تشابه‌هایی که بین کاربران یا محتواها وجود دارد، ارائه می‌شود. این سیستم‌ها به طور مشترک با داده‌های تاریخچه فعالیت کاربران کار می‌کنند و تلاش می‌کنند تا بر اساس الگوها و تجربیات گذشته پیشنهادهای مناسبی را ایجاد کنند.

متن‌کاوی و وب‌کاوی یک فرآیند محاسباتی است که به تحلیل و استخراج اطلاعات مفهومی، الگوها، و ارتباطات مخفی در داده‌های متنی می‌پردازد. این داده‌های متنی ممکن است شامل مقالات، نوشته‌ها، ایمیل‌ها، نظرات کاربران، پیام‌های متنی در رسانه‌های اجتماعی، گزارش‌ها و مستندات مختلف باشند. به بیانی دیگر متن‌کاوی از تکنیک‌ها و الگوریتم‌های متنوعی جهت تحلیل داده‌های متنی استفاده می‌کند تا اطلاعات مخفی و قابلیت تخمین در متون را ارتقا دهد. با تحلیل داده‌های متنی، می‌توان الگوها، روندها و تغییرات مخفی در متون را شناسایی کرد؛ این اطلاعات می‌تواند درک بهتر از تحولات و رویدادهای مختلف فراهم کند. دانش‌پذیران در طول این دوره جذاب  قادر خواهند بود با استفاده از روش‌های وب‌کاوی، دادگان را از شبکه‌های اجتماعی و وبسایت‌ها جمع‌آوری و احساسات مختلف موجود در نوشته‌ها یا نظرات شبکه‌های اجتماعی را تحلیل کنند؛ و می‌توانند با استفاده از تکنیک‌های متن‌کاوی، اطلاعات مخفی و ارزشمندی را از داده‌های متنی استخراج کرده و درک از نظر عمومی و عکس‌العمل به محصولات یا خدمات را مورد بررسی قرار دهند.

یادگـــیری عمیق  زیرمجموعه‌ای از علم یادگیری ماشین است که بر مفهوم ساختارهای نورونی برپایه شبکه‌های عصبی مصنوعی تمرکز دارد. یادگیری عمیق متشکل از تکنیک‌ها و مدل‌های مبتنی بر شبکه‌های عصبی عمیق است که جهت انجام وظایف پیچیده، تشخیص الگو، تفسیر داده‌ها و پیش‌بینی مورد استفاده قرار می‌گیرد. در یادگیری عمیق، از معماری‌های مختلف شبکه‌های عصبی مانند: شبکه‌های عصبی پیچشی جهت تشخیص الگو در تصاویر و شبکه‌های عصبی بازگشتی جهت مدل‌سازی داده‌های متنی استفاده می‌شود. این معماری‌ها با کمک لایه‌های عصبی عمیق و تعداد زیادی پارامتر، مدل‌های پیچیده‌تری را می‌سازند که می‌توانند ویژگی‌های مهم و بهتری را از داده‌ها استخراج کنند. یادگیری عمیق در حال حاضر در موارد متعددی مانند: تشخیص تصاویر و اشیاء، ترجمه ماشینی، تشخیص گفتار، تحلیل متن، پردازش زبان طبیعی، پردازش تصاویر پزشکی، خودروهای خودران و بسیاری حوزه‌های دیگر کاربرد دارد.

تحلیــل کلان داده با تجزیه و تحلیل داده‌های حجیم و پیچیده‌ای که با ابزارهای معمول قابل مدیریت نیستند، به استخراج الگوها، اطلاعات و ارتباطات مخفی شرکت‌ها و سازمان‌ها می‌پردازد. تحلیل کلان داده این امکان را به کاربر می‌دهد که تعداد زیادی از داده‌ها را در زمان کوتاهی بررسی کرده و به اطلاعات جدید دست یابد. این دادگان از حجم بالا، پیچیدگی گسترده، ارزش اطلاعاتی قابل توجه برخورداراند و با سرعت بالایی در سازمان تولید می‌شوند. در نهایت، تحلیل کلان داده با تبدیل داده‌های بزرگ و پیچیده به اطلاعات قابل فهم و ارزشمند، به شرکت‌ها این امکان را می‌دهد تا از دانش بهتری برای تصمیم‌گیری‌های استراتژیک، بهبود فرآیندها و ارتباط با مشتریان و همکاران خود بهره‌برداری کنند. در طول دوره خواهید آموخت که تحلیل کلان داده با استفاده از قدرت محاسباتی بالا و تکنیک‌های پیشرفته، امکان استخراج اطلاعات ارزشمند و ارتباطات مخفی از داده‌های حجیم را دارد و این امر به سازمان‌ها در فهم بهتر از علت‌ها، روندها و الگوهای مختلف کمک بسزایی می‌کند.

داستــان‌سرایی داده به معنای ترکیب داده‌ها و اطلاعات به شکل داستانی جذاب و قابل فهم است که به مخاطبان کمک می‌کند از داده‌ها درک بهتری داشته باشند و در نتیجه تصمیم‌گیری‌های دقیق‌تری انجام دهند. به بیانی دیگر داستان سرایی داده، یک روش ارتباطی است که در آن داده‌ها و اطلاعات به شکل داستان‌های قصه‌ای جذاب و قابل فهم تبدیل می‌شوند. هدف اصلی این روش، ارائه داده‌ها به مخاطبان به نحوی که آن‌ها درک خوبی از دادگان داشته باشند، است. در داستان‌سرایی، داده‌ها به شکل رخدادهای مختلف در داستان‌ها یا روایت‌ها ارائه می‌شود و این امر با ترکیب مصورسازی دادگان و با روایتی آماری، به یک داستان جذاب ختم خواهد شد. در این دوره خواهید آموخت که چطور با ترکیب قوه‌ی روایت‌پذیری داستان و دقت داده‌ها، مخاطبان را به سوی فهم بهتر داده‌ها سوق دهید و در نهایت به تصمیم‌گیری‌های بهتر و ارتباطات مؤثرتر کمک سازمانی کنید.

حاکــمیت داده مجموعه‌ای از فرآیندها، سیاست‌ها، استانداردها و تدابیری است که به منظور مدیریت بهینه داده‌ها در یک سازمان یا سیستم به کار می‌رود. درواقع حاکمیت دادگان، یک چارچوب استراتژیک است که در آن سیاست‌ها و فرآیندهای استفاده از داده‌ها تعیین می‌شود. هدف اصلی حاکمیت داده، تضمین کیفیت، موثری، امنیت و توازن میان داده‌ها در سراسر سازمان است تا بهبود عملکرد کلی و تصمیم‌گیری‌های بهتر از داده‌ها حاصل شود. به بیانی دیگر مدیریت و حاکمیت داده یک سلسله مراتب و فرآیند مدیریتی است که به موجب آن داده‌ها به درستی، مرتب و قابل اطمینان مدیریت می‌شوند. حاکمیت داده دارای مزایای متعددی برای سازمان‌ها دارد که این مزایا شامل: توسعه فرهنگ داده‌محور، استفاده بهینه از منابع و کاهش هزینه‌ها، کاهش خطاها و هدررفت منابع، افزایش انعطاف‌پذیری و پاسخگویی به تغییرات، دسترسی به داده‌های دقیق و معتبر و بهبود عملکرد سازمانی می‌باشد؛ بطور کلی حاکمیت داده به سازمان‌ها کمک می‌کند تا در تصمیم‌گیری‌ها و برنامه‌ریزی‌های خود به داده‌های دقیق و قابل اعتماد دسترسی داشته باشند.

فرآینــــدکاوی  یا کاوش فرآیند مجموعه‌ای از تکنیک‌هایی است که به سازمان‌ها امکان می‌دهد فرآیندهای عملیاتی خود را بر اساس داده‌های رخداد مرتبط، استخراج و تجزیه و تحلیل کنند. هدف از فرآیندکاوی تبدیل داده‌های اخذ شده از فرآیندها به بینش و تصمیمات تجاری است که این خود باعث بهبود فرآیندهای سازمانی با رویکردی داده‌محور می‌شود. از مزایای عملیات فرآیندکاوی می‌توان به کاهش هزینه‌های سازمانی، بهبود رضایتمندی مشتری، فعال‌سازی اتوماسیون فرآیندی و تصمیم‌گیری مبتنی بر داده اشاره کرد. دانش‌پذیران در طول این دوره به وسیله نرم‌افزارهای حوزه فرآیندکاوی به بررسی و تحلیل پروژه‌های مختلف می‌پردازند.

مزایای دوره :

مسیر آموزشی جامع منطبق با بازار کار بین‌المللی: 

یکی از مزیت‌های دوره جامع علم‌داده دانشگاه تهران ارائه یک مسیر یادگیری منسجم جهت فراگیری مفاهیم، تکنیک‌ها و ابزارهای تخصصی حوزه‌های مرتبط با علم‌داده است. این مسیر علاوه در بازار کار ایران برای موفقیت شما در بازار کار بین‌المللی نیز بسیار مفید خواهد بود.

بهره‌گیری از اساتید برجسته: 

در این دوره از تجربیات برجسته‌ترین اساتید کشور در دو بخش صنعتی و آکادمیک به‌صورت توأمان بهره خواهید برد.

اعطای گواهینامه معتبر از دانشگاه تهران:

 به دانش‌پذیرانی که موفق به گذراندن دروس و پروژه های مربوطه دوره ها شوند، گواهینامه معتبر، دو زبانه از دانشگاه تهران اعطا خواهد شد.

پروژه محوری: 

از اصلی‌ترین مزیت دوره جامع حرفه‌ای علم داده می‌توان به پروژه محور بودن آن اشاره کرد. برگزاری دوره به‌صورت پروژه محور و در قالب چندین مورد کاربردهای (Case) مختلف صنعتی پس از آموزش‌های مقدماتی شکل خواهد گرفت. شرکت‌کنندگان در طول دوره با پروژه‌هایی ملی و بین‌المللی و با داده‌های واقعی از حوزه‌های مختلف کسب‌وکار درگیر خواهند شد.

دیگر مزایای دوره:

  • ارائه گروه پرسش و پاسخ به‌منظور اشتراک‌گذاری تجربیات، دانش و افزایش تعامل دانش‌پذیران
  • ارائه جلسات پرسش و پاسخ، حل تمرین و رفع اشکال به‌منظور تقویت دانش‌پذیران
  • ارائه تمرین‌های پیوسته، تصحیح و پیگیری به‌منظور افزایش سطح دانش‌پذیران
  • ارزیابی پیوسته دانش‌پذیران
  • تحلیل امتحانات و ارزیابی‌ها توسط اساتید به‌منظور کشف نقاط قوت و ضعف هر یک از دانش‌پذیران
  • معرفی فرد برگزیده به تائید اساتید به واحد‌های مختلف صنعتی و سازمانی، پس از ارسال پروژه پایانی
  • پیاده‌سازی طرح (کورس تو کورس) در طول دوره جهت افزایش تعامل دانش‌پذیران برای نخستین بار
  • پیاده‌سازی طرح (کتاب‌خوانی علم‌داده) در طول دوره جهت افزایش تعامل دانش‌پذیران برای نخستین بار

گواهی دوره :

سوالات متداول :

دوره پیش‌نیاز مشخصی ندارد اما افرادی که در مبانی و مفاهیم ریاضیات، جبر خطی، آمار و احتمالات تسلط بیشتری دارند، شروع راحت‌تری را نسبت به دیگران تجربه خواهند کرد و در طول دوره نیز با چالش‌های کمتری روبرو خواهند شد. هرچند که اساتید در طی این مسیر نیز مفاهیم مقدماتی و اولیه و هر آنچه که نیازمند شما باشد را پوشش خواهند داد. همچنین افرادی که پیشتر دانش برنامه‌نویسی را در خود تقویت کرده‌اند، در این دوره با چالش‌های کمتری روبرو خواهند بود.

  • کلیه متخصصین، تحلیلگران، مهندسان و مشاوران که قصد رشد و توسعه کسب‌وکاری مبتنی بر داده را خواهند داشت
  • کلیه مدیران و کارشناسان فنی واحدهای سازمانی (نظیر: واحدهای برنامه‌ریزی، فناوری، هوشمند سازی، سیستم‌ها و …)
  • کلیه علاقه‌مندان که می‌خواهند بدانند چگونه می‌توان از انبوه اطلاعات بدون ساختار، پاسخ سؤال‌های کسب‌وکار را پیدا کرد
  • کلیه علاقه‌مندان به تحلیل‌های پیشرفته داده‌های کسب‌وکار و هوشمند سازی کسب‌وکار که قصد ارتقا خود را دارند
  • کلیه علاقه‌مندان به یادگیری علم‌داده که قصد حرفه‌ای گری در این حوزه را دارند
  • کلیه علاقه‌مندان به پیش‌بینی وضعیت آینده کسب‌وکار
  • کلیه علاقه‌مندان به تحلیل کلان داده‌ها
  • کلیه دانشجویان، پژوهشگران و فعالان حوزه علم‌داده
  • و کلیه افرادی که قصد ایجاد تحولی داده‍محور را در زندگی و یا کسب‌وکار خود دارند
  • دوره حرفه‌ای علم‌داده به درد افرادی با ویژگی‌های زیر نمی‌خورد:
    • افرادی که از کدزنی رنج می‌برند
    • افرادی که بشدت درگیر هستند و زمان کافی برای یادگیری ندارند
    • افرادی که علاقه خاصی به علم‌داده ندارند
    • افرادی که نمی‌خواهند از علم‌داده، درآمدزایی کنند
    • افرادی که از مقابله با داده‌های بزرگ در هراس‌اند
    • افرادی که پیشرفت شغلی و افزایش سطح دانش برنامه‌نویسی در راستای علم‌داده برایشان هیچ اهمیتی ندارد

دوره جامع علم‌ داده در مدت زمان 14 ماه و 350 ساعت برگزار خواهد شد.

این کد فقط به صورت آنلاین برگزار می‌گردد.

یک روز در هفته پنجشنبه یاجمعه

علم‌داده، یادگیری ماشین، یادگیری عمیق و دیگر سرفصل‌های مشابه همگی عناوینی هستند که هرکدام، خود شامل یک مقطع تحصیلی دکتری در دانشگاه‌های خارج از کشور می‌باشد. در این دوره سعی شده تا با استفاده تلفیقی از اساتیدی مجرب چه در عرصه صنعت و چه در دنیای آکادمیک، بهترین پکیج جهت حرفه‌ای گری در علم‌داده به علاقه‌مندان اعطا شود تا مخاطبین در کمترین زمان ممکن، مجموعه‌ای از مهارت‌های مختلف پیرامون علم‌داده را فراگیرند و در کسب‌وکار خود بیشترین استفاده را نمایند. بدیهی است که در انتهای دوره، با فراگیری دانش علم‌داده‌ها و با استفاده از مهارت‌های اخذشده، نیازمند آن خواهید بود تا درگیر پروژه‌های مختلف علم‌داده و در صنایع متفاوت شوید و دیدگاه داده-محور خود را مستحکم نمایید. در انتهای این دوره شما به یک متخصص علم‌داده بدون سابقه کار (نه دانشمند ارشد داده، و نه مدیر علم‌داده) خواهید شد. موفقیت در این حوزه، نیازمند تلاش، کوشش و پشتکار بسیار فراوان و تجربه‌ای بالا به‌واسطه اخذ پروژه‌های علم‌داده مختلف است. در پایان دوره، یک مسیر بلندمدتی پیش روی شما قرار خواهد گرفت که شما را در صنعت علم‌داده با استفاده از ابزارها و روش‌هایی که آموخته‌اید، پخته‌تر خواهد کرد.

  • تسلط بر مفاهیم، مبانی و اصول هوش‌تجاری، داده‌کاوی، یادگیری ماشینی، علم‌داده و کلان داده‌ها
  • تسلط بر ابزارهای مختلف علم‌داده و طریقه‌ی استفاده هرکدام با توجه به کاربرد
  • فراگیری دانش‌پذیران در خصوص اخذ و نحوه‌ی انجام پروژه‌های صنعتی و سازمانی
  • فراگیری دانش‌پذیران در خصوص مدیریت پروژه‌های علم‌داده و هوش‌تجاری
  • افزایش دانش کیفی و کمی جهت تحلیل داده‌ها به‌صورت اجرایی
  • افزایش دانش پیرامون پایگاه داده‌ها
  • مدیریت داده‌های بزرگ

از این دو زبان برنامه‌نویسی مطرح جهت به‌کارگیری مفاهیم تخصصی علم‌داده در دوره بهره‌مند می‌شوید و کلیه نیازهای شما در مسیر تبدیل به یک دانشمند داده پوشش داده خواهد شد. شایان‌ذکر است که جهت فعالیت‌های اضافه بر سازمان و برای عده‌ای خاص، منابع آموزشی درخور و پیشرفته نیز معرفی خواهند شد.

بله! در صورت رشد و پیشرفت چشمگیری در حوزه علم‌داده می‌توانید در فرصت‌های شغلی خارج از کشور نیز خودی نشان دهید. موقعیت‌های شغلی پیرامون علم‌داده چه داخل کشور و چه خارج، یکی از پرتقاضاترین نیازهای سازمان‌ها در عصر حاضر است.

به دانش‌پذیرانی که موفق به گذراندن دروس و پروژه های مربوطه دوره ها شوند، گواهینامه معتبر، دو زبانه از دانشگاه تهران اعطا خواهد شد.

به افرادی که پروژه پایانی را تصویب و اجرایی نمایند، گواهی مخصوص اعطا خواهد شد.

بله! امکان پرداخت شهریه به صورت اقساط نیز فراهم است.

برای کسب اطلاعات بیشتر با شماره تماس 09377516759 در ارتباط باشید.

برای استفاده از شرایط اقساط، به منظور ثبت اسم شما در لیست داوطلبین دوره، پس از پرداخت قسط اول ، می‌بایست چک‌ها حداکثر تا یک هفته قبل از شروع کلاس‌ها به مسئول مربوطه تحویل گردد. در غیر این صورت دانشگاه هیچ مسئولیتی درقبال ثبت نام شما ندارد.

بله امکان تغییر استاد بنا به شرایط غیرقابل پیش‌بینی برای مدرس، وجود خواهد داشت .

بله امکان شرکت وجود دارد. با این فرض که سامانه‌های آموزشی دانشگاه تهران برروی IP‌های ایران باز هستند. لذا تنها با خرید یک IP داخل کشور و اتصال به آن میتوانید به سرویس آموزش آنلاین (ادوبی کانکت) و سامانه آموزشی جهت استفاده از منابع آموزشی (موک) متصل بشوید.

بله ، سازمان متقاضی درخواست رسمی خود را از طزیق ایمیل info@tehrandata.org با ذکر لینک‌های ارتباطی ارسال نماید و یا از طریق شماره تماس 09377516759 درخواست خود را مطرح نماید .این امکان نیز فراهم است که سرفصل‌ها،محتوای دوره ،مدرسان دوره ، شیوه برگزاری ، مدت و هرگونه تغییرات دیگر متناسب با نیاز سازمان متقاضی و طی مذاکرات فنی ما بین دانشگاه تهران و کارفرما بروزرسانی گردد.

از طریق بخش تماس با ما در ارتباط باشید.

تصاویر دوره های قبل :

مشتریان تهران دیتا :

نظر دانشپذیران دوره های قبل :

نظرسنجی دوره های قبل :

اشتراک گذاری:
برچسب‌ها:

نظرات

54 دیدگاه برای دوره جامع علم‌ داده

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

  1. رضا

    سلام من 35 سالمه ،خیلی وقته از فضای دانشگاه هم دور بودم
    یه مقدار خود محور پایتون و دیتا ساینس کار کردم اما حل مسئله و پروژه برام سخته

    این دوره برای من مناسبه؟یا سن من کمی بالاست برای دوره

    • tehrandata

      سلام و عرض احترام
      باید خدمتتون عرض کنم که هیچ زمانی برای یادگیری دیر نیست.ما با افتخار بعد از برگزاری 29 دوره، دانشپذیر در بازه سنی 16 تا 57 ساله داریم که هر شخص دغدغه خاص خودش رو داره برای ورود به بازار کار.فقط و فقط برای شروع این مسیر، شما نیازمند علاقمندی و همراهی با دوره را دارید

  2. ایمان

    سلام و ادب
    چرا نظر دانشجویان قبلی که این دوره را خریدند و تهیه کردند هیچ جا نیست یا هم خیلی اندک هست نظرات؟؟

    • tehrandata

      سلام وقتتون بخیر
      نظرستجی دانشپذیران رو شما میتونید در کانال تهران دیتا مشاهده بفرمایید

  3. جواد

    سلام قبل از بنده هم دوستان پرسیدن میشه هزینه دوره بفرمایید چون وقت تماس گرفتن و یا پاسخ تماس رو به اون صورت نداریم.ممنون

    • tehrandata

      سلام وقتتون بخیر دوست عزیز
      ممنون از همراهی شما.شما میتونید در تلگرام مسئول ثبتنام دوره ها یک پیغام بذارید که امکان تماس یا پاسخ دهی رو ندارید تا ایشون در قالب چت یا ویس و داکیومنت تمام اطلاعات رو خدمت شما ارسال کنند.سپاسگزارم

  4. حمیده

    دوره به صورت آنلاین برگزار می‌شود یا حضوری؟

    • tehrandata

      سلام روزتون بخیر
      دوره های ما صرفا بصورت آنلاین برگزار میشه مگر اینکه دوره خاص و منحصر به فرد برای سازمانتون درخواست داشته باشید که امکان حضوری برگزار کردن هم هست

  5. امیر

    سلام، هزینه دوره چقدره؟

    • tehrandata

      سلام روزتون بخیر
      برای دریافت مشاوره و استعلام هزینه لطفا با کارشناس ثبتنام دوره ها در ارتباط باشید.
      09377516759
      wa.me/+989377516759
      t.me/tehrandata_admin

رزرو وقت مشاوره