کلاس آنلاین علم داده ۲

زمان برگزاری: در حال برگزاری (شنبه‌ها و يکشنبه‌ها ساعت ۱۹ تا ۲۲) هزینه کلاس: ۷ میلیون تومان    ۵ میلیون و ۶۰۰ هزار تومان    ۲۰٪ تخفیف تا ۲۵ آذر

مدت: ۱۲۰ ساعت
از طریق برنامه‌ی ادوبی کانکت بر روی کامپیوتر شخصی، لپ تاپ، موبایل و تبلت می‌توانید در کلاس زنده شرکت کنید.
ویدیوی این کلاس ضبط می‌شود و روی یک سیستم و تحت سیستم عامل ویندوز به تعداد دفعات نامتناهی قابل پخش است.

توضیحات



هدف دوره:

▪️

شناخت عملی کاربردهای اساسی علم داده

▪️

آشنایی با مفاهیم سطح ۲ رشته علم داده

▪️

انتخاب معماری شبکه، پیاده‌سازی و اجرای پروژه‌های کاربردی

▪️

ایجاد یک پایپ‌لاین end-to-end برای انجام پروژه‌های واقعی


نحوه برگزاری دوره:

▪️

۲۰ ساعت ویدیوی پیش‌ نیاز

▪️

۵۰ ساعت کلاس نظری

▪️

۳۰ ساعت ورک‌شاپ برنامه‌نویسی

▪️

۱۰ ساعت ورک‌شاپ شرکت در رقابت‌های کگل

▪️

۱۰ ساعت پرزنتیشن پروژه دانشجوهای کلاس

▪️

انجام تمرینات دوره‌ای بصورت تیم‌ورک

سرفصل‌های ویدیوی پیش مطالعه:

آمار و احتمال:
▪️ آزمون فرض
▪️ p-value و t-value
▪️ زنجیره مارکوف (Markov Chain)
▪️ توابع کرنل

پایتون:
▪️ پردازش متن (Text mining)
▪️ پردازش تصویر (image processing)
▪️ پردازش صوت (speech processing)

سرفصل‌های کلاس درس:

یادگیری ماشین:
▪️ پیش پردازش داده (Preprocessing)
▪️ بیش برازش (Overfitting) مباحث پیشرفته
انواع روش‌های یادگیری نظارت شده:
▪️ مدل بیز ساده (Naive Bayes Classification)
▪️ ماشین بردار پشتیبان (Support Vector Machine)
▪️ روش درخت تصمیم و رندم فارست (Decision Trees and Random Forests)
▪️ روش k نزدیک‌ترین همسایه (K Nearest Neighbor)
یادگیری بدون نظارت:
▪️ کاهش غیرخطی ابعاد (Manifold Learning)
▪️ روش کلاسترینگ K-means
▪️ تشخیص آنومالی (Anomaly Detection)
دسته‌بندی مسایل واقعی:
▪️ دسته‌بندی (Classification)
▪️ رگرسیون (Regression)
▪️ بخش‌بندی (Segmentation)
▪️ شناسایی موجودیت (Object Detection)
▪️ مکان‌یابی (Localization)
▪️ ایجاد تصاویر مصنوعی (Generation)
▪️ انواع شبکه عصبی (Neural Netwroks)
▪️ شبکه‌های عصبی کانولوشنی پیشرفته
▪️ شبکه‌های بازگشتی (RNNs)
▪️ شبکه‌های بازگشتی مدرن (GRU - LSTM)
▪️ شبکه‌های بازگشتی دو سویه (Bidirectional)
▪️ معماری انکودر دیکودر (Encoder-Decoder Architecture)
▪️ مکانیزم توجه (Attention Mechanisms)
▪️ ترنسفورمرز (Transformers)
▪️ الگوریتم‌های بهینه‌سازی (Optimization Algorithms)
▪️ بینایی ماشین (Computer Vision)
▪️ سیستم‌های پیشنهاددهنده (Recommender Systems)
▪️ شبکه‌های مولد خصمانه (GANs)
▪️ شبکه‌های سیامی (Ciamis Networks)
▪️ شبکه‌های بخش‌بندی و شناسایی (YOLO – RCNN)


سرفصل‌های ورک‌شاپ برنامه‌نویسی:

مقدمات اساسی پایتون:
▪️ آشنایی با کتابخانه Pandas
▪️ آشنایی با کتابخانه Sci-Fi
▪️ آشنایی با داده ست‌های مشهور ۲
انواع پیش پردازش داده ۲‌:
▪️ داده‌ متنی
▪️ داده صوتی
▪️ داده تصویر
▪️ داده تصاویر سه‌بعدی پزشکی
پروژه‌های عملی:
▪️ حداقل ۲۰ پروژه کاربردی برای کار با انواع شبکه‌های عصبی


سرفصل‌های پایتون:

▪️ معرفی پلتفرم Keras
▪️ معرفی پلتفرم Pytorch
▪️ معرفی پکیج tqdm
▪️ معرفی پکیج pickle


سرفصل‌های عمومی:

▪️ دستورات Git
▪️ معرفی Ubuntu


ثبت‌نام اقساط

در صورتی که قصد ثبت‌نام این دوره به صورت اقساط را دارید، می‌توانید به تیم پشتیبانی کافه‌تدریس در قسمت چت سمت راست و پایین سایت پیام ارسال کنید.

پیش مطالعه اول - پردازش متن (مقدمات)