در این صفحه، دوره «آموزش مقدماتی علوم داده با پایتون دانشگاه شریف در بهار ۱۴۰۳» معرفی شده است. برای درخواستِ پذیرش در این دوره آموزشی، لطفا با وارد کردن آدرس ایمیل خود در انتهای همین صفحه اطلاعات مورد نیاز را تکمیل کنید.
معرفی دوره:
این رویداد آموزشی برای علاقه‌مندانی طراحی شده که می‌خواهند وارد بازار کار علوم داده شوند، اما پیش‌زمینه‌ای در شاخه‌های مختلف آن از برنامهنویسی گرفته تا آمار و یادگیری ماشین ندارند. محتوای این دورۀ آموزشی با رویکردی عملیاتی و کارگاهی طراحی شده تا شرکت‌کنندگان مفاهیم و روش‌هایی که یاد می‌گیرند را با حل مسئله و تمرین به کار بگیرند و در دنیای واقعی از آن استفاده کنند. ابزار اصلی در این دوره آموزشی، پایتون است که از ابتدا به طور کامل آموزش داده خواهد شد و در بسیاری از موضوعات مانند «ریاضیات علوم داده» و «داده‌کاوی و یادگیری ماشین» مورد استفاده قرار خواهد گرفت و یادگیری مفاهیم انتزاعی را آسان خواهد کرد. در این دوره علاوه بر انجام تمرین و دریافت بازخورد در هر یک از موضوعات، یک پروژه نیز در پایان هست که می‌توانید در آن توانایی خود را به صورت جدی‌تری محک بزنید. اگر دوست دارید وارد دنیای علوم داده شوید و برای چالش‌های آن آماده‌اید، این دوره آموزشی برای شماست.
مدرسان دوره:
- میرامید حاجی‌میرصادقی: عضو هیئت علمی دانشکده ریاضی دانشگاه صنعتی شریف، متخصص علوم داده و توسعه کسب‌وکارهای مبتنی بر تحلیل داده (مدیر علمی)
- علیرضا کدیور: کارشناسی ارشد آمار و تحقیق در عملیات از دانشگاه اسکس انگلستان، تحلیلگر داده، مدرس مدعو دانشگاه صنعتی شریف
- سعید مجیدی: دکترای علوم کامپیوتر از دانشگاه تافتز آمریکا، متخصص یادگیری ماشین و پردازش زبان‌های طبیعی
- مجید پورکاشانی: کارشناسی ارشد هوش مصنوعی از دانشگاه علم‌وصنعت، مهندس داده و توسعه‌دهنده نرم‌افزار
- حمیده حسین‌زاده: دکترای علوم ریاضی از دانشگاه الزهرا، متخصص علوم داده و پردازش داده‌های حجیم
- حسام محمدحسینی: مدیر ارشد مهندسی داده و پلتفرم مدیریت ارزش مشتری (CVM) در ایرانسل، سابقه مدیریت محصول در پلتفرم کلان‌داده دیجیکالا، کارشناسی ارشد مخابرات از دانشگاه تربیت مدرس
برنامه آموزشی:
۱. تفکر محاسباتی و برنامهنویسی با پایتون (۱۰ جلسه آنلاین)
+ مقدمه‌ای درباره کامپیوتر، تفکر محاسباتی و علوم داده
- نصب پایتون و مقدمه‌ای درباره برنامهنویسی
- مقدارها و عملگرهای پایه
- شرط و حلقۀ تکرار
- آشنایی با تحلیل و طراحی الگوریتم
- توابع پیش‌ساخته و جدید
- متغیرهای پیمایش‌پذیر
- مجموعه و دیکشنری
+ برنامهنویسی پیمانه‌ای و استفاده از کتابخانه
+ تولید اعداد تصادفی و شبیه‌سازی مونت‌کارلو
+ آشنایی با محاسبات برداری با کتابخانه NumPy
+ آشنایی اولیه با توابع مصورسازی داده در کتابخانه Matplotlib
۲. مبانی علوم داده، پردازش، مصورسازی (۱۰ جلسه آنلاین)
+ کاربردهایی از تحلیل داده در کسب‌وکار و تحقیقات
+ سازماندهی داده‌ها در قالب جدول
- آشنایی با ساختارهای طولی و عرضی در جداول
- ارائه چند نمونه کاربردی از ایده‌های تحلیل داده
+ ریاضیات علوم داده - مشتق‌گیری بهینه‌یابی در پایتون
- آشنایی با آمار و احتمال و ارائه نمونه‌های کاربردی در پژوهش و کسب‌وکار
- آشنایی با جبر خطی و استفاده از آن در علوم داده
+ پردازش و تبدیل داده در ساختارهای جدولی با Pandas
+ کارگاه تحلیل اکتشافی داده: تحلیل و مصورسازی داده‌های واقعی با کتابخانه‌های Pandas و Matplotlib۳. داده‌کاوی و یادگیری ماشین (۱۰ جلسه آنلاین)
+ مبانی و مفاهیم یادگیری ماشین
+ مدل‌های پیش‌بینی
- رگرسیون
- رگرسیون لجستیک
- درخت تصمیم
- نزدیک‌ترین k-همسایه
- بردار پشتیبان
- بیز ساده
+ خوشه‌بندی، یادگیری جمعی و کاهش ابعاد داده
+ آشنایی با مبانی شبکه‌های عصبی و یادگیری عمیق۴. پروژه پایانی و رویداد حضوری-آنلاین (۲ جلسه آنلاین)
+ دیدار، گفتگو و سخنرانی
+ پرداختن به پروژه پایانی و گروه‌بندی‌ها
+ برنامه‌ریزی برای تحویل و ارائه بازخورد
۵. ارائه کارنامه و گواهی پایان دوره دانشگاه
---------------------------
اطلاعات دوره:
- سطح: مقدماتی و متوسط
- طول دوره آموزشی: ۴۸ ساعت
- شیوه برگزاری: ۳۲ جلسه آنلاین شامل ۲ جلسه حضوری-آنلاین در دانشگاه
- نوع ارزشیابی: ارزیابی تمرین‌ها و پروژه پایانی
- زمان برگزاری کلاس‌ها: شنبه و سه‌شنبه از ساعت ۱۸:۰۰ تا ۲۱:۱۵
- زمان شروع: ۱۸ اردیبهشت ۱۴۰۳
- زمان پایان کلاس‌ها:
۳۰ تیر ۱۴۰۳
- مهلت ارسال پروژه پایانی: هفته آخر تیر ۱۴۰۳
- زمان ارائه کارنامه و گواهینامه دانشگاه: تیر و مرداد ۱۴۰۳
شهریه- شهریه: ۸.۷۵۰.۰۰۰ تومان
- (با امکان برخورداری از پرداخت قسطی برای ثبت‌نام‌های زودهنگام)
تخفیف‌ها
- ثبت نام زودهنگام (تا ۹ اردیبهشت ۱۴۰۳): ۵%
- ثبت نام گروهی برای ثبت نام حداقل سه نفر: ۵%
(برای استفاده از تخفیف گروهی با پشتیبان دوره تماس بگیرید)
علوم داده یک حوزه بین رشته‌ایست و برای یادگیری موثر آن لازم است موضوعات آن را از زوایای مختلف مورد بررسی قرار دهیم. رویداد «آموزش مقدماتی علوم داده با پایتون» با به کار گرفتن حوزه‌های مختلف مانند علوم کامپیوتر و توسعه نرم‌افزار تا ریاضیات کاربردی، آمار و تحلیل کسب و کار در یک برنامه میان‌رشته‌ای، زمینه لازم برای فراگیری کاربردی و موثر علوم داده را فراهم کرده و علاقه‌مندان را به شرکت در آن دعوت می‌کند.
---------------------------------------
* این دوره آموزشی در بهار ۱۴۰۲ با مدیریت و همکاری آقای دکتر محمدامین فضلی در دانشگاه صنعتی شریف برگزار شده است.
نظر شرکت‌کنندگان قبلی دوره:
🟢 نظر شرکت‌کنندگان قبلی دوره pyds چه بوده است؟
- ۹۳% از پاسخ‌دهندگان پرسشنامۀ پایانی رضایت کلی خود از دوره را «زیاد» و «بسیار زیاد» ابراز کرده‌اند.
- ۸۲% کیفیت محتوای ارائه شده در کلاس‌ها را از نظر علمی و کاربردی «خوب» و «بسیار خوب» ابراز کرده‌اند.
- ۸۳% توانایی مدرسین در انتقال مطلب را «خوب» و «بسیار خوب» ابراز کرده‌اند.
- ۸۲% از کسانی که رسیده‌اند روی پروژه پایانی دوره کار کنند تاثیر آن را «زیاد» و «بسیار زیاد» توصیف کرده‌اند.
- ۸۶% انسجام و پیوستگی محتوای دوره را «خوب» و «بسیار خوب» توصیف کرده‌اند.
- ۹۰% تاثیر فایل‌ها و لینک‌هایی که قبل یا بعد از هر جلسه در قالب اسلاید، فایل کد، درسنامه‌های روی سایت و تمرین‌ها ارسال می‌شده را در یادگیری خود «زیاد» و «بسیار زیاد» توصیف کرده‌اند.
- ۹۶% تاثیر بازخورد تمرین‌ها روی وبسایت را در یادگیری خود «زیاد» و «بسیار زیاد» توصیف کرده‌اند.
- ۹۵% پاسخگویی به سوالات خارج از ساعت کلاس از طریق ایمیل، در گروه تلگرام و در بخش پرسش و پاسخ وبسایت را «خوب» و «بسیار خوب» توصیف کرده‌اند.
گزارش کامل نتایج نظرسنجی: pyds1402_oponion.pdf
🤞 می‌خواهیم امسال با مشارکت شما این رویداد آموزشی را بهتر از سال گذشته برگزار کنیم!
---------------------------------------
برای درخواست پذیرش در دوره آدرس ایمیل خود را در انتهای صفحه وارد کنید و اطلاعات مورد نیاز را در ادامه تکمیل کنید. این اطلاعات به ما کمک می‌کند تا دوره آموزشی را با کیفیت بالاتری برگزار کنیم. لینک ثبت نام پس از بررسی اطلاعات، برای پذیرفته‌شدگان ارسال خواهد شد.
در این مرحله تنها درخواست پذیرش شما ارسال می‌شود و نیازی به پرداخت وجه وجود ندارد.
پشتیبانی:
09331079014
021-88349244
صفحه اختصاصی رویداد در وبسایت آموزش‌های تخصصی دانشگاه صنعتی شریف:
pedu.sharif.edu
