آموزش گواهینامه حرفه‌ای علم داده (دیتا ساینس) ۲۰۲۴ - آخرین آپدیت

سرفصل ها و درس ها

Python Programming Basics For Data Science

• دانلود و تنظیم پایتون و PyCharm IDE Downloading and Setting up Python and PyCharm IDE

• پایتون برای مبتدیان مطلق: تنظیم محیط: Anaconda Python For Absolute Beginners : Setting up the Environment : Anaconda

• پایتون برای مبتدیان: متغیرها: قسمت 1 Python For Beginners : Variables : Part 1

• پایتون برای مبتدیان: متغیرها: قسمت 2 Python For Beginners : Variables : Part 2

• پایتون برای مبتدیان: متغیرها: قسمت 3 Python For Beginners : Variables : Part 3

• پایتون برای مبتدیان – لیست‌ها Python For Beginners - Lists

• پایتون برای مبتدیان – لیست‌ها قسمت 2 Python For Beginners - Lists Part 2

• پایتون برای مبتدیان – لیست‌ها قسمت 3 Python For Beginners - Lists Part 3

• پایتون - شرط‌ها - if، if-else و elif قسمت 1 Python - Conditions - if, if-else and elif Part 1

• پایتون - شرط‌ها - if، if-else و elif قسمت 2 Python - Conditions - if, if-else and elif Part 2

• پایتون - عملگرهای رابطه‌ای عملگرهای بولی Python - Relational Operators Boolean operators

• پایتون برای مبتدیان - حلقه‌ها #تکرار Python For beginners - Loops #Iteration

• آموزش برنامه‌نویسی پایتون: حلقه‌ها قسمت 1 #برنامه حدس زدن عدد Python Programming Tutorial : Loops part 1 #Guess the number program

• آموزش برنامه‌نویسی پایتون: حلقه‌ها قسمت 2 #دریافت یک عدد تصادفی Python Programming Tutorial : Loops part 2 #Getting a random number

• آموزش برنامه‌نویسی پایتون: حلقه‌ها قسمت 1 #برنامه حدس زدن عدد #اصلاح‌شده Python Programming Tutorial : Loops part 1 #Guess the number program #Modified

• برنامه پایتون برای یافتن میانگین کلاس Python program to Find the Class Average

• پایتون: توابع: نمایش Python : Functions : Demonstration

• ارسال با ارجاع در مقابل مقدار Pass by reference vs value

• تابع پایتون - آرگومان‌ها (الزامی، کلیدواژه، پیش‌فرض) Python Function - Arguements (Required, Keyword, Default)

• پایتون: حلقه‌های For #تکرار #تکرار Python: For Loops #Iteration # Repetition

• مدیریت فایل در پایتون - قسمت 1 Python File Handling - Part 1

• مقدمه‌ای بر طراحی نرم‌افزار - حل مسئله Introduction to Software Design - Problem Solving

• طراحی نرم‌افزار - فلوچارت‌ها - توالی Software Design - Flowcharts - Sequence

• طراحی نرم‌افزار - تکرار Software Design - Repetition

• پرسش و پاسخ‌های فلوچارت #حل مسئله Flowcharts Questions and Answers # Problem Solving

• اضافه کردن دو عدد Add two numbers

• الگوریتم مرتب‌سازی انتخابی Selection Sort Algorithm

• الگوریتم مرتب‌سازی حبابی Bubble Sort Algorithm

• آموزش عملی پایتون 1 Python hands-On Tutorial 1

• آموزش عملی پایتون - آموزش 2 - توابع داخلی Python hands-On - Tutorial 2 - Built-In Functions

• آموزش 3 - شرط‌های if Tutorial 3 - if conditions

• آموزش 4 - حلقه‌های while Tutorial 4 - while loops

• محتوای رایگان یوتیوب ما Our Youtube Free content

مقدمه‌ای بر یادگیری ماشین Introduction to Machine Learning

• انگیزه‌های یادگیری ماشین Motivations for Machine Learning

• چرا یادگیری ماشین Why Machine Learning

تنظیم محیط برای یادگیری ماشین Setting up the Environment for Machine Learning

• دانلود و تنظیم Anaconda برای یادگیری ماشین Downloading and Setting up Anaconda for Machine Learning

• مقدمه‌ای بر Google Colabs Introduction to Google Colabs

یادگیری نظارت‌شده Supervised Learning

• رگرسیون خطی تک‌متغیره قسمت 1 Univariate Linear regression Part 1

• رگرسیون خطی تک‌متغیره قسمت 2 Univariate Linear regression Part 2

• رگرسیون خطی چندمتغیره Multivariate Linear Regression

• رگرسیون لجستیک Logistic regression

• طبقه‌بندی‌کننده نایو بیز Naive Bayes Classifier

• درخت‌ها Trees

• SVM SVM

• ماشین‌های بردار پشتیبان - تمرین عملی با Google Colabs Support Vector Machines - Hands - On with Google Colabs

• درخت‌های تصمیم‌گیری - تمرین عملی با Google Collabs Decision Trees - Hands - On with Google Collabs

• جنگل تصادفی - تمرین عملی با Google Collabs Random Forest - Hands - On with Google Collabs

یادگیری نظارت‌نشده Unsupervised Learning

• خوشه‌بندی در یادگیری ماشین چیست What is clustering in Machine Learning

• خوشه‌بندی K-Means K - Means Clustering

• [تمرین عملی] خوشه‌بندی K-Means با پیاده‌سازی گام‌به‌گام پایتون [hands-on] K - Means clustering with python step by step implementation

• خوشه‌بندی K-Means - بررسی کد با تئوری و عملی K-Means clustering - Code walkthrough with Theory & Practical

شبکه‌های عصبی مصنوعی Artificial Neural Networks

• مقدمه‌ای بر شبکه‌های عصبی مصنوعی Introduction to Artificial Neural Networks

پیش‌پردازش داده Data Pre-processing

• پیش‌پردازش داده - مقیاس‌بندی با نمایش در پایتون Data Pre-processing - Scaling with a demonstration in python

• پیش‌پردازش داده - نرمال‌سازی، باینری‌سازی، استانداردسازی در پایتون Data Pre-processing - Normalization , Binarization , Standardization in Python

• تکنیک‌های انتخاب ویژگی: انتخاب تک‌متغیره Feature Selection Techniques : Univariate Selection

پروژه‌های دنیای واقعی [تمرین عملی] Real world projects [Hands-on]

• SVM - تمرین عملی SVM-Hands On

• درخت‌ها تمرین عملی.... Trees Hands On....

• جنگل تصادفی - تمرین عملی با Google Collabs Random Forest - Hands - On with Google Collabs

تحلیل الگوریتم برای دانشمندان داده Algorithm Analysis For Data Scientists

• الگوریتم‌ها: مقدمه‌ای بر الگوریتم‌ها Algorithms : Introduction to Algorithms

• ورود به دنیای الگوریتم‌ها Entering the World of Algorithms

• الگوریتم‌ها، فلوچارت‌ها و شبه‌کدها Algorithms , Flowcharts & Pseudocodes

• الگوریتم‌ها: اتصال پویا Algorithms : Dynamic Connectivity

• الگوریتم‌ها: اتصال پویا قسمت 2 Algorithms : Dynamic Connectivity part 2

• الگوریتم‌ها: Quick-Find [رویکرد مشتاقانه] Algorithms : Quick-Find [Eager Approach]

• الگوریتم‌ها: Quick-Find Demo [مثال از دانشگاه پرینستون] Algorithms : Quick-Find Demo [Example from Princeton Uni]

• الگوریتم‌ها: QuickFind - قسمت 1 Algorithms : QuickFind - Part 1

• الگوریتم‌ها: QuickFind - قسمت 2 Algorithms : QuickFind - Part 2

• تحلیل الگوریتم - قسمت 1 Algorithm Analysis - Part 1

• تحلیل الگوریتم - قسمت 2 [تحلیل نظری و نمادگذاری Big O] Algorithm Analysis - Part 2 [Theoretical Analysis & Big O Notation ]

• تحلیل الگوریتم - قسمت 3 Big O Arithmetic Algorithm Analysis - Part 3 Big O Arithmetic

• مسئله و راه حل جمع 3 Sum of 3 problem and solution

• الگوریتم مرتب‌سازی انتخابی Selection Sort Algorithm

• درس/آموزش نمادگذاری Big O، Big Omega و Big Theta - قسمت 1 Big O, Big Omega, and Big Theta Notation Lecture / Tutorial - Part 1

• درس/آموزش نمادگذاری Big O، Big Omega و Big Theta - قسمت 2 Big O, Big Omega, and Big Theta Notation Lecture / Tutorial - Part 2

• درس/آموزش نمادگذاری Big O، Big Omega و Big Theta - قسمت 3 Big O, Big Omega, and Big Theta Notation Lecture / Tutorial - Part 3

• درس/آموزش نمادگذاری Big O، Big Omega و Big Theta - قسمت 4 Big O, Big Omega, and Big Theta Notation Lecture / Tutorial - Part 4

• درس/آموزش نمادگذاری Big O، Big Omega و Big Theta - قسمت 5 Big O, Big Omega, and Big Theta Notation Lecture / Tutorial - Part 5

مقدمه‌ای بر یادگیری عمیق MIT - سخنرانی مهمان - آنلاین MIT Introduction to Deep Learning - Guest Lecture - Online

• مقدمه‌ای بر یادگیری عمیق Introduction to Deep Learning

• شبکه‌های عصبی بازگشتی | MIT Recurrent Neural Networks | MIT

• شبکه‌های عصبی کانولوشنال Convolutional Neural Networks

• مدل‌سازی مولد عمیق | MIT Deep Generative Modeling | MIT

شبکه‌های مولد تخاصمی کانولوشنال عمیق (DCGAN) Deep Convolutional Generative Adversarial Networks (DCGAN)

• GANها چیست؟ شبکه‌های مولد تخاصمی (GANs) What are GANs ? Generative Adversarial Networks (GANs)

• وارد کردن TensorFlow و سایر کتابخانه‌ها Import TensorFlow and other libraries

• بارگیری و آماده‌سازی مجموعه داده Load and prepare the dataset

• ایجاد مدل‌ها - ژنراتور Create the models - The Generator

• ایجاد مدل‌ها - تمایزدهنده Create the models - The Discriminator

• تعریف تلفات و بهینه‌سازها Define the loss and optimizers

• تعریف حلقه آموزشی Define the training loop

• آموزش مدل - قسمت Train the model - Part

• ایجاد یک GIF Create a GIF

• تفاوت GAN در مقابل DCGAN GAN vs DCGAN difference

• دانلود کد منبع Download the Source code

• خروجی Output

• تنظیم محیط: Anaconda Setting up the Environment : Anaconda

• آموزش KERAS: توسعه یک شبکه عصبی مصنوعی در پایتون [گام به گام KERAS Tutorial : Developing an Artificial Neural Network in Python [Step by Step

شبکه‌های عصبی از ابتدا با کد پایتون و ریاضیات با جزئیات Neural Networks from Scratch with Python Code and Math in Detail

• شبکه‌های عصبی از ابتدا با کد پایتون و ریاضیات با جزئیات— I Neural Networks from Scratch with Python Code and Math in Detail— I

مقالات با کد Papers with Code

• یادگیری متقابل بدون سوگیری Debiased Contrastive Learning

• یادگیری خود-نظارت‌شده با پیش‌بینی آینده! نقطه برجسته ECCV ما را بررسی کنید Self-supervised learning by predicting the future! Check out our ECCV spotlight

• طبقه‌بندی اشعه ایکس COVID19 # کد عملی برای #Kaggle # COVID19 X-Ray classification # Practical code for #Kaggle #

برنامه‌نویسی جاوا برای دانشمندان داده Java Programming For Data Scientists

• ویژگی‌های اصلی جاوا Major Java Features

• JDK، JRE، JVM، پلتفرم و Classloader JDK,JRE ,JVM, Platform & Classloader

• ورود به دنیای برنامه‌نویسی شی‌گرا - کلاس‌ها و اشیاء Entering the Object oriented programming world - Classes & Objects

• کلاس‌ها و اشیاء Classes & Objects

• ایجاد اشیاء از کلاس‌ها Creating Objects from Classes

• سازنده‌ها Constructors

• متدها (پارامتر در مقابل آرگومان) Methods (parameter vs arguement)

• بارگذاری بیش از حد متد Method Overloading

• نمایش بارگذاری بیش از حد متد Method Overloading Demo

• انتزاع داده Data Abstraction

• کپسوله‌سازی Encapsulation

• وراثت Inheritance

• نمایش وراثت Inheritance Demo

• وراثت - نمایش instanceof Inheritance - instanceof Demo

• استاتیک Static

• کلاس‌های انتزاعی Abstract Classes

• کلاس‌های تودرتو - کلاس داخلی Nested Classes - Inner Class

• برنامه‌نویسی شی‌گرا - تمرین آزمایشگاهی 1 [با راه حل] Object Oriented Programming - Lab Exercise 1 [With Solution]

• برنامه‌نویسی شی‌گرا - تمرین آزمایشگاهی 2 Object Oriented Programming - Lab Exercise 2

• ایجاد تردها [گسترش کلاس Thread] Creating Threads [Extending the Thread Class]

• ایجاد تردها [با استفاده از رابط Runnable] Creating Threads [Using Runnable Interface]

• getName()، getId()، getPriority()، setPriority(3)، getState()، MIN_PRIORITY، NORM_PRI getName(),getId(),getPriority(),setPriority(3),getState(),MIN_PRIORITY, NORM_PRI

• مکث در اجرای یک ترد Pausing the execution of a thread

• همگام‌سازی قسمت 1 [همگام‌سازی متد] Synchronization Part 1 [Method Synchronization]

• همگام‌سازی قسمت 2 [بلوک همگام‌سازی شده] Synchronization Part 2 [Synchronized Block]

• بن‌بست - تردها Deadlock - Threads

• دانلود Eclipse Download Eclipse

• جریان‌های ورودی/خروجی [مقدمه] I/O Streams [Introduction]

• جریان‌های بایت Byte Streams

• نمایش جریان‌های بایت Byte Streams Demo

• نمایش جریان‌های کاراکتر Character Streams Demo

• ایجاد دایرکتوری‌ها Creating Directories

• فهرست کردن دایرکتوری‌ها Listing Directories

• سریال‌سازی شی جاوا - نوشتن یک شی در یک فایل Java Object Serialization - Write an object to a file

• سریال‌سازی شی جاوا - خواندن یک شی از فایل Java Object Serialization Serialization - Read an object from file

• سریال‌سازی شی جاوا - متغیر Transient Java Object Serialization - Transient variable

• جمع‌آوری زباله جاوا قسمت 1 Java Garbage Collection Part 1

• جمع‌آوری زباله جاوا قسمت 2 Java Garbage Collection Part 2

• مدیریت استثناء - مقدمه Exception Handling - Introduction

• مدیریت استثناء - نمایش خاتمه Exception Handling - Termination Demo

• TryCatchDemo TryCatchDemo

• نمایش Multiple CatchBlock Multiple CatchBlock Demo

• TryAndFinally Demo TryAndFinally Demo

• مقدمه‌ای بر Generics Introduction to Generics

• آرایه‌ها قسمت 1 Arrays Part 1

• آرایه‌ها قسمت 2 - درج جستجو حذف (آرایه نامرتب) Arrays Part 2 -Insert search delete (unordered array)

• نمایش ArrayList ArrayList Demonstration

• Vector [سخنرانی و نمایش] Vector [Lecture & Demo]

• یافتن فاکتوریل یک عدد با استفاده از بازگشت Find factorial of a number using recursion

• تقسیم رشته با استفاده از متد split() Splitting the string using the split() method

• یافتن GCD (بزرگترین مقسوم علیه مشترک) Find the GCD (Greatest Common Devisor)

• مثال معکوس کردن رشته با استفاده از بازگشت String reverse example using recursion

• جاوا 9 - ویژگی‌های جدید [سخنرانی مهمان] Java 9 - New Features [Guest Lecture]

• رابط‌های جاوا 9 - چه چیزی جدید است Java 9 Interfaces - What's New

منابع Resources

• نحوه پیاده‌سازی بهینه‌سازی بیزی از ابتدا در پایتون How to Implement Bayesian Optimization from Scratch in Python

• CME 323: الگوریتم‌ها و بهینه‌سازی توزیع‌شده، بهار 2020 CME 323: Distributed Algorithms and Optimization, Spring 2020

Kaggle - Covid 19- طبقه‌بندی (اشعه ایکس قفسه سینه.) - Covid-19 & پنومونی Kaggle - Covid 19- Classification (Chest X-ray.) - Covid-19 & Pneumonia

• نمایش - [بدون صدا] Demo - [without voice]

• نمایش با راهنمایی گام به گام [با صدا] Demonstration with Step by step Guidance [With voice]

• کد منبع Soucecode

نحوه توسعه یک CNN از ابتدا برای طبقه‌بندی عکس CIFAR-10 How to Develop a CNN From Scratch for CIFAR-10 Photo Classification

• نمایش Demo

• کد منبع و گزارش - مقاله Sourcecode and Report - Article

پیش‌بینی قیمت سهام با استفاده از مدل ARIMA Predicting Stock Prices Using an ARIMA Model

• منبع resource

• نمایش Demonstration

• کد منبع و گزارش - مقاله Sourcecode and Report - Article

چارچوب یادگیری عمیق برای تغییر کاربری دارو A Deep Learning Framework For Drug Repurposing

• چارچوب یادگیری عمیق برای تغییر کاربری دارو A Deep Learning Framework For Drug Repurposing

• مقاله تحقیقاتی: یک چارچوب یادگیری عمیق برای تغییر کاربری دارو Research Paper : A deep learning framework for drug repurposing

• کد منبع Source code

مقدمه‌ای بر یادگیری عمیق - پروفسور ماتیاس - گروه محاسبات بصری Introduction to Deep Learning - Prof. Matthias - Visual Computing Group

• مقدمه‌ای بر یادگیری عمیق Introduction to Deep Learning

داده‌کاوی و یادگیری ماشین با R Data mining & Machine Learning with R

• مثال خوشه‌بندی K-Means در R با مجموعه داده IRIS K-Means clustering example in R with IRIS data set

• نحوه انجام خوشه‌بندی K-Means در محاسبات آماری R How to Perform K-Means Clustering in R Statistical Computing

• ریاضیات پشت K means Maths Behind K means