برگزاری دوره جامع علم داده در بانک انصار

برگزاری دوره جامع 36۰ ساعته علم‌داده در بانک انصار

در سال‌های اخیر، رشد سریع داده‌ها و نقش آن‌ها در تصمیم‌گیری‌ هوشمند، سازمان‌ها را بر آن داشته است تا رویکردی داده‌محور در مدیریت، برنامه‌ریزی و توسعه کسب‌وکار خود اتخاذ کنند. علم‌داده به‌عنوان یکی از مهم‌ترین و آینده‌دارترین حوزه‌های فناوری، نقشی کلیدی در هوشمندسازی سازمان‌ها، بهبود فرآیندها، پیش‌بینی رفتار مشتریان و ارتقای بهره‌وری عملیاتی ایفا می‌کند.

در همین راستا و با هدف ارتقای سطح دانش تخصصی کارکنان و تربیت متخصصانی توانمند در تحلیل داده، مدل‌سازی پیش‌بینی، هوش تجاری و یادگیری ماشین، دوره جامع 360 ساعته علم‌داده از خرداد ۱۳۹۹ برگزار شد. این دوره با برنامه‌ریزی دقیق، نیازسنجی آموزشی و بهره‌گیری از اساتید برجسته کشور طراحی شده و طی ۴۵ هفته آموزشی به‌صورت کاملاً کاربردی اجرا گردید.

رویکرد اصلی این دوره، ترکیب آموزش مفاهیم بنیادی با پیاده‌سازی پروژه‌های عملی در ابزارهای پیشرفته تحلیل داده بوده است. از آموزش زبان‌های تخصصی مانند پایتون و R گرفته تا یادگیری ماشین، یادگیری عمیق، کلان‌داده، سیستم‌های هوش تجاری و ابزارهای داده‌کاوی، تمامی مباحث در قالب یک مسیر جامع و کاربردی ارائه شده‌اند تا فراگیران بتوانند در پایان دوره، توانایی اجرای پروژه‌های واقعی در محیط‌های سازمانی را به دست آورند.

سرفصل‌ها و دوره‌های آموزشی

1. یادگیری ماشین (۲۰ ساعت)

مروری بر الگوریتم‌های پایه و پیشرفته یادگیری ماشین، مدل‌سازی، ارزیابی و پیاده‌سازی پروژه‌های عملی.

2. مدیریت پایگاه داده با SQL Server (۱۶ ساعت)

• مبانی پایگاه داده
• طراحی و مدیریت پایگاه داده
• انبار داده و مفاهیم مرتبط
• دستورات کاربردی SQL
• امنیت پایگاه داده

3. دوره تخصصی علم‌داده در پایتون (۳۶ ساعت)

• مبانی برنامه‌نویسی پایتون
• ساختار داده و الگوریتم‌ها
• کتابخانه‌های Numpy، Pandas، Matplotlib
• کتابخانه Scikit-Learn
• کار با داده‌ها، مصورسازی و مدل‌سازی

4. تحلیل آماری در R (۱۶ ساعت)

• مفاهیم پایه آمار
• توزیع‌های احتمال و مدل‌های آماری
• نمونه‌گیری و استنباط آماریآزمون فرض
• رگرسیون خطی، لجستیک، چندمتغیره
• تحلیل واریانس، مدل‌های پوآسون

5. داده‌کاوی با RapidMiner (۲۰ ساعت)

6. هوش تجاری در Tableau (۲۸ ساعت)

• مفاهیم پایه هوش‌تجاری
• طراحی داشبوردهای تحلیلی
• اتصال به منابع داده
• پاک‌سازی و آماده‌سازی داده
• پیاده‌سازی انواع نمودارهای تحلیلی
• ساخت داشبوردهای کاربردی

7. متن‌کاوی و تحلیل شبکه اجتماعی (۲۴ ساعت)

متن کاوی:

• پردازش متن، عبارات منظم
• بردارسازی متن، TF-IDF
• طبقه‌بندی، خوشه‌بندی، مدل‌سازی موضوعی
• Word2Vec و تحلیل احساسات

تحلیل شبکه اجتماعی:

• مفاهیم تحلیل شبکه
• ساخت شبکه، پارامترهای تحلیل
• روش‌های حل مسئله و کاربردهای عملی

8. یادگیری عمیق (۲۴ ساعت)

• شبکه‌های عصبی پیشرفته
• MLP، CNN، RNN
• پیاده‌سازی پروژه‌های یادگیری عمیق
• آموزش مدل با TensorFlow

9. هوش تجاری با Power BI (۲۸ ساعت)

10. تحلیل کلان‌داده (۲۴ ساعت)

• مبانی Big Data
• مدل‌سازی سیستم‌های کلان‌داده
• پردازش با Spark
• یادگیری ماشین با Spark MLlib

11. تحلیل کلان‌داده در Hadoop & Spark (۲۴ ساعت)

12. داده‌کاوی با MATLAB (۱۸ ساعت)

13. داده‌کاوی با Weka (۲۰ ساعت)

14. داده‌کاوی با SPSS Modeler (۳۲ ساعت)

• مفاهیم داده‌کاوی و کاربردها
• متدولوژی CRISP-DM
• آماده‌سازی داده
• مدل‌های طبقه‌بندی، خوشه‌بندی و انجمنی
• مدل‌های سری زمانی (ARIMA)
• تحلیل RFM
• تحلیل داده در محیط SPSS Modeler

در ادامه تصاویری از جلسات مختلف را مشاهده می‌کنید: