دسترسی سریع:

مسیر:

صفحه اصلی

🔔 با توجه به بهبود نسبی اینترنت، آماده‌سازی دوره‌ها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دوره‌ها ممکن است با کمی تأخیر انجام شود. مدت اشتراک‌های تهیه‌شده محفوظ است.

لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در کانال تلگرام عضو شوید.

آموزش تحلیل داده و هوش مصنوعی برای مبتدیان - آخرین آپدیت

دانلود Data Analytics and Artificial Intelligence for Beginners

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره:

مباحث کلیدی این دوره

در این دوره، شما با مفاهیم اساسی تحلیل داده (Data Analytics)، هوش مصنوعی (AI)، هوش تجاری (Business Intelligence)، کلان داده (Big Data)، یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) آشنا خواهید شد.

مروری بر تاریخچه تحلیل داده‌ها، از آمارهای قرون وسطایی تا تکنیک‌های پیشرفته توسعه‌یافته توسط شرکت‌هایی مانند گوگل و مایکروسافت، ارائه می‌شود.

به بررسی مخازن داده (Data Stores) که به صورت تصاعدی در حال رشد هستند و چالش‌های مدیریت و آماده‌سازی «کلان داده» می‌پردازیم.

درک کاملی از داده کاوی (Data Mining) – شامل چیست، رویکردهای مختلف آن، و پیشگامان این حوزه – به دست خواهید آورد.

مباحث هوش تجاری (Business Intelligence) در دو بخش بررسی می‌شود که شامل اصول طراحی داشبوردهای کارآمد و نحوه ارائه داده‌ها است.

تفاوت‌های کلیدی بین چهار نوع تحلیل داده – تشخیصی (Diagnostic)، توصیفی (Descriptive)، پیش‌بینی‌کننده (Predictive) و تجویزی (Prescriptive) – مورد بررسی قرار می‌گیرد.

مروری بر فرآیندها و مدل‌های خاص تحلیل داده ارائه خواهد شد.

اولین نگاه به هوش مصنوعی، تکامل آن، عملکردها و آنچه می‌تواند امروز برای کسب‌وکارها انجام دهد.

کاوش در یادگیری ماشین (Machine Learning) – اینکه چگونه سیستم‌ها می‌توانند از داده‌ها بیاموزند، الگوها را شناسایی کنند و با حداقل دخالت انسانی تصمیم بگیرند.

بررسی فناوری‌های یادگیری عمیق (Deep Learning)، شامل انواع شبکه‌های عصبی.

مروری بر مهم‌ترین تکنیک‌های مدل‌سازی داده در یادگیری ماشین.

ارزیابی عملی و واقع‌بینانه از وضعیت فعلی و آینده حوزه تحلیل داده و هوش مصنوعی، شامل پتانسیل‌های بی‌نظیر و چالش‌های احتمالی.

معرفی منابع برای مطالعه بیشتر در این موضوعات.

پیش‌نیازها

هیچ دانش قبلی لازم نیست. این دوره برای افراد مبتدی مناسب است.

**این دوره شامل فایل‌های تمرینی قابل دانلود برای کار عملی است**

درباره این دوره

حجم عظیم داده‌ها تنها به اندازه توانایی شما در جستجو، مرتب‌سازی، تحلیل و ارائه آن‌ها ارزش دارد. این دوره مقدماتی، یک دیدگاه گسترده از تئوری و عمل تحلیل داده (Data Analytics) و روش‌های متعددی که هوش مصنوعی (AI) در آن نقش ایفا می‌کند را به دانشجویان ارائه می‌دهد.

مدرس شما با مروری کوتاه بر تاریخچه تحلیل داده آغاز می‌کند و سپس به بحث در مورد انبارهای داده (Data Warehouses)، داده کاوی (Data Mining)، هوش تجاری (Business Intelligence)، یادگیری ماشین (Machine Learning) و سایر تکنیک‌های نوظهور هوش مصنوعی برای درک بهتر کلان داده (Big Data) می‌پردازد.

دانشجویان یاد خواهند گرفت که چگونه داده‌ها جمع‌آوری، پاکسازی، تحلیل و در داشبوردهای هوش تجاری (BI Dashboards) به گونه‌ای جذاب و متقاعدکننده ارائه می‌شوند. همانطور که شرلوک هولمز یک بار گفت: «اشتباه بزرگی است که پیش از داشتن داده، تئوری‌پردازی کنیم.»

چه در حال بررسی تحلیل داده به عنوان یک مسیر شغلی باشید و چه بخواهید اصطلاحاتی را که با فراوانی فزاینده‌ای در محافل حرفه‌ای خود با آن‌ها روبرو می‌شوید بهتر درک کنید، این دوره پایه و اساس مورد نیاز شما را فراهم خواهد کرد.

این برنامه شامل ۳ ساعت آموزش و یک ارزیابی مبتنی بر تمرین است که به دانشجویان کمک می‌کند سناریوهای واقعی تحلیل داده را شبیه‌سازی کنند؛ این سناریوها برای موفقیت در محیط کار پیچیده امروزی حیاتی هستند.

شما چه خواهید آموخت؟

مروری کوتاه بر تاریخچه تحلیل داده، از آمارهای قرون وسطایی تا تکنیک‌های پیشرفته توسعه یافته توسط شرکت‌هایی مانند گوگل و مایکروسافت.
بررسی مخازن داده (Data Stores) که به صورت تصاعدی در حال رشد هستند و چالش‌های مدیریت کلان داده.
درک عمیق از داده کاوی (Data Mining) – شامل چیست، رویکردهای مختلف آن، و پیشگامان این حوزه.
مبحث دو بخشی هوش تجاری (Business Intelligence)، شامل اصول طراحی داشبوردهای کارآمد و ارائه داده‌ها.
تفاوت‌های کلیدی بین چهار نوع تحلیل داده: تشخیصی (Diagnostic)، توصیفی (Descriptive)، پیش‌بینی‌کننده (Predictive) و تجویزی (Prescriptive)، و نحوه ارتباط و توسعه آن‌ها بر یکدیگر، و همچنین کاربردشان در صنایع مختلف.
مروری بر فرآیندها و مدل‌های خاص تحلیل داده.
نگاهی اولیه به هوش مصنوعی (AI)، تکامل آن، عملکردها و کاربردهای آن برای کسب‌وکارها در دنیای امروز.
کاوش در یادگیری ماشین (Machine Learning) – اینکه چگونه سیستم‌ها می‌توانند از داده‌ها بیاموزند، الگوها را شناسایی کنند و با حداقل دخالت انسانی تصمیم بگیرند.
بررسی فناوری‌های یادگیری عمیق (Deep Learning)، شامل انواع شبکه‌های عصبی.
مروری بر مهم‌ترین تکنیک‌های مدل‌سازی داده در یادگیری ماشین.
ارزیابی عملی و واقع‌بینانه از وضعیت فعلی و آینده حوزه تحلیل داده و هوش مصنوعی، شامل پتانسیل‌های بی‌نظیر و چالش‌های احتمالی.
معرفی منابع برای مطالعه بیشتر در این موضوعات.

این دوره شامل موارد زیر است:

۳ ساعت آموزش ویدیویی
۲۰ جلسه ویدیویی مجزا
فایل‌های دوره و تمرین برای همگام شدن
گواهینامه تکمیل دوره

سرفصل ها و درس ها

آغاز تحلیل داده Analytics Beginnings

مقدمه Introduction
حتماً ببینید: اطلاعات ضروری برای یک تجربه آموزشی موفق WATCH ME: Essential Information for a Successful Training Experience
دانلود کنید: فایل‌های مدرس دوره DOWNLOAD ME: Course Instructor Files
دانلود کنید: فایل‌های تمرین دوره DOWNLOAD ME: Course Exercise Files
تاریخچه تحلیل داده History of Analytics
مقدمه‌ای بر داده و بیگ دیتا Introduction to Data and Big Data
داده‌کاوی - بخش ۱ Data Mining - Part 1
داده‌کاوی - بخش ۲ Data Mining - Part 2
هوش تجاری - بخش ۱ Business Intelligence - Part 1
هوش تجاری - بخش ۲ Business Intelligence - Part 2
۴ نوع تحلیل 4 Types of Analytics
انواع روش‌های تحلیل Types of Analytics Methods
آزمون بخش Section Quiz