آموزش مقدمه ای بر داده های بزرگ، علم داده و هوش مصنوعی

Intro to Big Data, Data Science and Artificial Intelligence

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: فناوری و ابزارهای کلان داده برای رهبران غیر فنی. بینش متخصص صنعت در مورد اینترنت اشیا، هوش مصنوعی و یادگیری ماشین برای همه. نمونه هایی از کلان داده و علم داده در عمل (مراقبت های بهداشتی، لجستیک و حمل و نقل، تولید، و صنایع مدیریت املاک و مستغلات) تعریف کلان داده و منابع داده. چرا ما باید به داده ها و فناوری اطلاعات داشته باشیم؟ مقدمه ای بر علم داده و مجموعه مهارت لازم برای کار با پیشرفت های فناوری داده های بزرگ که راه حل های کلان داده (اتصال، ابر، منبع باز، Hadoop و NoSQL) معماری فناوری داده های بزرگ و محبوب ترین ابزارهای فناوری مورد استفاده برای هر لایه معماری را فعال می کند. مقدمه مبتدیان بر تجزیه و تحلیل داده ها , هوش مصنوعی و یادگیری ماشینی مروری ساده بر الگوریتم های یادگیری ماشین و شبکه های عصبی هر کسی می تواند از این دوره یاد بگیرد.

این دوره برای کسانی طراحی شده است که در پروژه های کلان داده تازه کار هستند و می خواهند درک بهتری از یادگیری ماشین و هوش مصنوعی در عمل داشته باشند. این یک دوره فنی نیست، شامل کدنویسی نمی شود، اما باعث می شود هنگام کار در تیم با دانشمندان داده و برنامه نویسان احساس اعتماد به نفس داشته باشید. این شما را با علم داده، اصطلاحات ML و AI آشنا می کند.

این دوره همچنین برای افرادی طراحی شده است که عموماً به فن آوری های مدرن و کاربردهای آنها علاقه مند هستند - ما مطالعات موردی را شامل تعمیر و نگهداری پیش بینی گاز نفت، استفاده از هوش مصنوعی در مراقبت های بهداشتی، استفاده از حسگر و سایر فناوری های دیجیتال در ساختمان ها و ساخت و سازها می کنیم. نقش یادگیری ماشین در حمل و نقل و تدارکات و بسیاری موارد دیگر.

درباره داده‌های بزرگ، اینترنت اشیا (IoT)، علم داده، فناوری‌های کلان داده، هوش مصنوعی (AI)، الگوریتم‌های یادگیری ماشین (ML)، شبکه‌های عصبی، و اینکه چرا این می‌تواند برای شما مرتبط باشد، آشنا خواهید شد، حتی اگر شما سابقه فناوری یا علم داده ندارید. لطفاً توجه داشته باشید که این آموزش فنی نیست و کدنویسی/توسعه یا آمار را آموزش نمی دهد، اما برای متخصصان فنی مناسب است. من با افتخار می گویم که این دوره توسط یک شرکت بزرگ نفتی در آسیا خریداری شده است تا مهندسان میدان خود را در مورد یادگیری ماشین به عنوان بخشی از استراتژی دیجیتالی کردن خود آموزش دهند.

این دوره شامل مصاحبه با کارشناسان صنعت است که تحولات کلان داده در صنایع املاک، حمل و نقل لجستیک و مراقبت های بهداشتی را پوشش می دهد. شما یاد خواهید گرفت که چگونه از یادگیری ماشین برای پیش بینی خرابی موتور استفاده می شود، چگونه از هوش مصنوعی در ضد پیری، درمان سرطان و تشخیص بالینی استفاده می شود، خواهید فهمید که از چه فناوری در مدیریت ساختمان های هوشمند و شهرهای هوشمند از جمله هادسون یاردز در نیویورک استفاده می شود. . ما سخنرانان مهمان فوق العاده ای داریم که در حوزه های خود متخصص هستند:

- WAEL ELRIFAI - معاون جهانی مهندسی راه حل - Big Data، IoT AI در Hitachi Vantara با بیش از 15 سال تجربه در زمینه یادگیری ماشین و اینترنت اشیا. وائل همچنین یکی از نویسندگان کتاب "آینده اینترنت اشیا" است.

- ED GODBER - استراتژیست مراقبت های بهداشتی با بیش از 20 سال تجربه در مراقبت های بهداشتی، داروسازی و استارت آپ های متخصص در هوش مصنوعی.

- YULIA PAK - مشاور استراتژی املاک و مستغلات با بیش از 12 سال تجربه در مشاوره املاک تجاری، در حال حاضر با مشتریانی کار می کند که از فناوری های IoT برای بهبود مدیریت سبد املاک خود استفاده می کنند.

امیدواریم از دوره لذت ببرید و در نظرات هر بخش به من اطلاع دهید که چگونه می توانم دوره را بهبود بخشم! لطفاً من را در رسانه های اجتماعی (محصولات فهرست شده) دنبال کنید - می توانید پیوندها را در صفحه نمایه من پیدا کنید - فقط قبل از بررسی روی نام من در پایین صفحه کلیک کنید. و لطفاً دوره های دیگر من در مورد تغییرات آب و هوا را بررسی کنید.


سرفصل ها و درس ها

نمای کلی دوره و مقدمه ای بر داده های بزرگ Course overview and Introduction to big data

  • معرفی دوره Course Introduction

  • سخنرانان مهمان Guest Speakers

  • قبل از اینکه تو شروع کنی BEFORE YOU START

  • چرا در مورد کلان داده ها یاد بگیریم؟ Why learn about big data?

  • تعریف کلان داده و منابع داده Big data definition and Sources of data

  • تعریف کلان داده Big Data Definition

  • منابع جدید داده New Sources of Data

داده های بزرگ در عمل - تدارکات و حمل و نقل Big Data in Practice - LOGISTICS & TRANSPORTATION

  • معرفی بخش Section introduction

  • لجستیک و حمل و نقل: تأثیر اجتماعی هوش مصنوعی و اینترنت اشیا Logistics & Transportation: Social Impact of Artificial Intelligence & IoT

  • لجستیک و حمل و نقل: تعمیر و نگهداری پیش بینی و تجویزی Logistics & Transportation: Predictive & Prescriptive Maintenance

  • لجستیک و حمل‌ونقل: پیش‌فرض کردن کالاها و موجودی درست به موقع Logistics & Transportation: Prepositioning of Goods and Just in Time inventory

  • تدارکات و حمل و نقل: بهینه سازی مسیر Logistics & Transportation: Route Optimisation

  • تدارکات و حمل و نقل: بهینه سازی انبار و انتخاب سفارش Logistics & Transportation: Warehouse Optimisation and order picking

  • لجستیک و حمل و نقل: آینده صنعت Logistics & Transportation: The Future of the industry

  • آزمون لجستیک و حمل و نقل Logistics and Transportation Quiz

  • اخبار نقشه های گوگل Google Maps News

کلان داده در عمل - نگهداری و تعمیرات پیش بینی شده در تولید Big Data in Practice - PREDICTIVE MAINTENANCE IN MANUFACTURING

  • تعمیر و نگهداری پیش‌بینی‌کننده در تولید - مطالعه موردی SIBUR Predictive Maintenance in Manufacturing - Case Study SIBUR

  • تعمیرات قابل پیش بینی Predictive maintenance

کلان داده در عمل: املاک و مستغلات و مدیریت املاک Big Data in Practice: REAL ESTATE & PROPERTY MANAGEMENT

  • املاک و مستغلات: مقدمه ای بر داده های بزرگ در املاک و مستغلات Real Estate: Introduction to big data in real estate

  • املاک و مستغلات: محرک های کسب و کار برای استفاده از داده های بزرگ Real Estate: Business Drivers for Using Big Data

  • مدیریت املاک و مستغلات: توانمندسازهای فناوری Real Estate & Property Management: Technological Enablers

  • املاک و مستغلات: مدیریت دارایی ساختمان و مدل سازی اطلاعات ساختمان Real Estate: Building Asset Management and Building Information Modelling

  • املاک و مستغلات: داده های بزرگ و اینترنت اشیاء در تعمیر و نگهداری و مدیریت ساختمان - نمونه هایی Real Estate: Big Data and IoT in Building Maintenance and Management - examples

  • املاک و مستغلات: ساختمان های هوشمند Real Estate: Smart Buildings

  • منابع اضافی برای سخنرانی در مورد ساختمان های هوشمند Additional Resources to Lecture on Smart Buildings

  • املاک و مستغلات: شهرهای هوشمند (مثال - لس آنجلس و هادسون یاردز در نیویورک) Real Estate: Smart Cities (examples - Los Angeles and Hudson Yards in New York)

  • منابع اضافی در مورد شهرهای هوشمند Additional resources on Smart Cities

  • املاک و مستغلات: هزینه فناوری های هوشمند و یارانه های دولتی (مثال - نروژ) Real Estate: Smart Technologies Cost and Government Subsidies (example - Norway)

  • املاک و مستغلات: آینده مبتنی بر داده Real Estate: Data Driven Future

  • مدیریت املاک و مستغلات Real Estate and Property Management

  • کارایی عملیاتی و پایداری Operational Efficiencies and Sustainability

کلان داده در عمل: HEALTHCARE Big Data in Practice: HEALTHCARE

  • مراقبت های بهداشتی: چالش های داده ها در صنعت مراقبت های بهداشتی Healthcare: Data Challenges in Healthcare Industry

  • مراقبت های بهداشتی: تغییر نقش هوش مصنوعی و فناوری های اندازه گیری داده ها Healthcare: Transforming Role of AI and Data Measurement Technologies

  • مراقبت های بهداشتی: هوش مصنوعی در پیشگیری از بیماری ها Healthcare: Artificial Intelligence in Disease Prevention

  • بهداشت و درمان: هوش مصنوعی در ضد پیری Healthcare: Artificial Intelligence in Anti-Ageing

  • مراقبت های بهداشتی: هوش مصنوعی در تصمیم گیری بالینی و درمان سرطان Healthcare: AI in Clinical Decision Making and Cancer Treatment

  • مراقبت های بهداشتی: برخورد هوش مصنوعی و علم مراقبت های بهداشتی سنتی Healthcare: Clash of AI and Traditional Healthcare Science

  • مراقبت های بهداشتی: اظهارات پایانی - ارزش هوش مصنوعی برای مصرف کنندگان Healthcare: Final Remarks - Value of Artificial Intellegence to Consumers

  • داده های بزرگ در عمل: بسته بندی بخش BIG DATA IN PRACTICE: SECTION WRAP-UP

  • مراقبت های بهداشتی Healthcare

  • هوش مصنوعی در تحقیقات پزشکی AI in Medical Research

علم داده و مجموعه مهارت های مورد نیاز Data Science and Required Skillset

  • تعریف علم داده و مجموعه مهارت های مورد نیاز Data Science Definition and Required Skillset

  • سخنرانان مهمان اهمیت کار در تیم و درک اهداف تجاری Guest Speakers importance of working in teams & understanding business objective

  • مجموعه مهارت های علم داده: جمع بندی بخش Data Science Skillset: Section Wrap-Up

  • جزوات Handouts

  • مهارت های علم داده Data Science Skills

  • علم داده و مهارت های کسب و کار Data Science and Business Skills

مقدمه ای بر فناوری های کلان داده Introduction to Big Data Technologies

  • پیشرفت‌ها و توانمندسازی‌های کلیدی فناوری Key Technological Advances and Enablers

  • پذیرش گسترده رایانش ابری Wide Adoption of Cloud Computing

  • پیشرفت‌های فناوری مدیریت داده (مانند NoSQL، Hadoop) Data Management Technological Breakthroughs (e.g. NoSQL, Hadoop)

  • Open Source و Open API Open Source and Open APIs

  • فعال کننده های کلان داده Big Data Enablers

  • منابع و جزوات اضافی Additional Resources and Handouts

  • معماری فناوری داده های بزرگ (شامل نمونه هایی از فناوری های محبوب) Big Data Technology Architecture (including examples of popular technologies)

  • معماری فناوری داده های بزرگ Big data technology architecture

  • منابع و جزوات اضافی Additional Resources and Handouts

  • معماری فناوری Technology Architecture

مقدمه ای بر تحلیل داده ها، هوش مصنوعی و یادگیری ماشینی Introduction to data analysis, Artificial Intelligence and Machine Learning

  • چرا باید به داده ها و فناوری زرنگ و دانا باشیم Why to be data and tech savvy

  • تجزیه و تحلیل داده های بزرگ و تعاریف هوش مصنوعی Big Data Analytics and Artificial Intelligence Definitions

  • گردش کار یادگیری ماشین و آموزش یک مدل Machine Learning Workflow and Training a Model

  • دقت مدل و توانایی تعمیم Model Accuracy and Ability to Generalise

  • اجزای یادگیری ماشین: داده ها Machine Learning Components: DATA

  • اجزای یادگیری ماشین: ویژگی ها Machine Learning Components: FEATURES

  • اجزای یادگیری ماشین: الگوریتم ها Machine Learning Components: ALGORITHMS

  • منابع و جزوات اضافی Additional Resources and Handouts

  • مقدمه ای بر آزمون هوش مصنوعی Introduction to AI quiz

مروری ساده بر الگوریتم های یادگیری ماشین Simplified Overview of Machine Learning Algorithms

  • یادگیری ماشین کلاسیک: یادگیری تحت نظارت و بدون نظارت Classical Machine Learning: Supervised and Unsupervised Learning

  • یادگیری تحت نظارت: طبقه بندی SUPERVISED LEARNING: Classification

  • طبقه بندی: ساده بیز Classification: Naive Bayes

  • طبقه بندی: درختان تصمیم Classification: Decision Trees

  • طبقه بندی: ماشین های بردار پشتیبان (SVM) Classification: Support Vector Machines (SVM)

  • طبقه بندی: رگرسیون لجستیک Classification: Logistic Regression

  • طبقه بندی: K نزدیکترین همسایه Classification: K Nearest Neighbour

  • طبقه بندی: تشخیص ناهنجاری Classification: Anomaly Detection

  • یادگیری تحت نظارت: رگرسیون SUPERVISED LEARNING: Regression

  • یادگیری ماشین کلاسیک: یادگیری بدون نظارت Classical Machine Learning: Unsupervised Learning

  • یادگیری بدون نظارت: خوشه بندی UNSUPERVISED LEARNING: Clustering

  • خوشه بندی: K-Means Clustering: K-Means

  • خوشه بندی: Mean-Shift Clustering: Mean-Shift

  • خوشه بندی: DBSCAN Clustering: DBSCAN

  • خوشه بندی: تشخیص ناهنجاری Clustering: Anomaly Detection

  • یادگیری بدون نظارت: کاهش ابعاد UNSUPERVISED LEARNING: Dimensionality Reduction

  • یادگیری بدون نظارت: قانون انجمن UNSUPERVISED LEARNING: Association Rule

  • یادگیری ماشین کلاسیک - بخش جمع بندی CLASSICAL MACHINE LEARNING - Section Wrap Up

  • یادگیری تقویتی REINFORCEMENT LEARNING

  • گروه ها ENSEMBLES

  • آزمون یادگیری ماشین Machine Learning Quiz

مقدمه ای بر یادگیری عمیق و شبکه های عصبی Introduction to Deep Learning and Neural Networks

  • یادگیری عمیق و شبکه های عصبی DEEP LEARNING AND NEURAL NETWORKS

  • شبکه های عصبی: شبکه عصبی کانولوشنال NEURAL NETWORKS: Convolutional Neural Network

  • شبکه های عصبی: شبکه عصبی مکرر NEURAL NETWORKS: Recurrent Neural Network

  • شبکه های عصبی: شبکه متخاصم مولد (GAN) NEURAL NETWORKS: Generative Adversarial Network (GAN)

  • منابع اضافی Additional Resources

  • آزمون شبکه های عصبی Neural Networks Quiz

جمع بندی بخش های یادگیری ماشین Machine Learning Sections Wrap-up

  • موارد استفاده الگوریتم های یادگیری ماشین Machine Learning Algorithms Use Cases

  • انتخاب الگوریتم های هوش مصنوعی Choosing AI algorithms

  • منابع و جزوات اضافی Additional Resources and Handouts

  • پایان دوره Course Wrap up

  • بازخورد شما و منابع بیشتر Your feedback and more resources

نمایش نظرات

نظری ارسال نشده است.

آموزش مقدمه ای بر داده های بزرگ، علم داده و هوش مصنوعی
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3.5 hours
80
Udemy (یودمی) udemy-small
04 بهمن 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
1,513
4.5 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Julia Mariasova Julia Mariasova

مشاور مدیریت/تهیه کننده رسانه

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.