آموزش آماده‌سازی ۶۰ روزه برای مصاحبه دیتاساینس: راهنمای جامع موفقیت - آخرین آپدیت

دانلود 60 Days of Data Science Interview Prep:Let's Help U Crack It

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: مصاحبه‌های دیتاساینس خود را در ۶۰ روز پشت سر بگذارید و شغل دانشمند داده با حقوق‌های رویایی کسب کنید. در هر کجا و در هر شرایطی، موفقیت شما تضمین شده است! تسلط بر مهارت‌های دقیق مورد نیاز برای مصاحبه‌های دیتاساینس: از SQL تا پایتون، آمار تا یادگیری ماشین، بینایی ماشین تا پردازش زبان طبیعی (NLP). پیروزی در مصاحبه‌های فنی: یاد بگیرید چگونه سخت‌ترین چالش‌های کدنویسی، الگوریتم‌ها و مسائل داده‌محور را حل کنید. اعتماد به نفس با نمونه‌های واقعی و تکالیف عملی: دیگر حدس نزنید؛ با تکالیفی تمرین کنید که دقیقاً بر اساس وظایف واقعی در محیط کار طراحی شده‌اند. تمایز با یادگیری پیشرفته ML، NLP و بینایی ماشین: از مباحث پایه فراتر رفته و تکنیک‌های پیشرفته‌ای را بیاموزید که شما را به یک کاندیدای برجسته تبدیل می‌کند. تقویت مهارت‌های رفتاری و حل مسئله: یاد بگیرید چگونه به راحتی با سوالات دشوار رفتاری در مصاحبه‌ها برخورد کنید. کسب نکات داخلی برای قبولی در شرکت‌های برتر تکنولوژی: متوجه شوید مصاحبه‌کنندگان واقعاً به دنبال چه هستند و پاسخ‌های خود را برای تاثیرگذاری حداکثری طراحی کنید. یاد بگیرید چگونه سخت‌ترین مصاحبه‌های غول‌های تکنولوژی مانند گوگل، آمازون، مایکروسافت، OpenAI و غیره را مدیریت کنید. پیش‌نیازها: این برنامه برای آماده‌سازی کاندیداها جهت قبولی در مصاحبه‌های دیتاساینس است. فرض بر این است که شرکت‌کنندگان درک اولیه‌ای از مفاهیم اصلی دیتاساینس مانند یادگیری ماشین، آمار، بصری‌سازی داده‌ها، NLP و بینایی ماشین دارند. در غیر این صورت، پیشنهاد می‌شود ابتدا در بوت‌کمپ Top Data Scientist ثبت‌نام کرده و هر دو دوره را به صورت همزمان بگذرانید.

برنامه آماده‌سازی جدید

-- -- -- --- --- -- --- -- --- -- ---

آیا آماده‌اید در سال ۲۰۲۵ شغلی با درآمد بالا در یکی از شرکت‌های برتر تکنولوژی کسب کنید؟ برنامه جامع ۶۰ روزه ما طراحی شده تا به شما کمک کند سخت‌ترین مصاحبه‌های دیتاساینس را پشت سر گذاشته و نقش رویایی خود را به دست آورید.


یک گام جلوتر از رقبا باشید

این برنامه توسط متخصص صنعت، نانسی تیکاروا (سابقاً در گوگل و اوبر)، که با برترین شرکت‌های تکنولوژی همکاری داشته و هزاران مصاحبه دیتاساینس را مدیریت کرده است، هدایت می‌شود.

این برنامه شما را آماده می‌کند تا:

  • بر سخت‌ترین سوالات مصاحبه و مورد-مطالعات (Case Studies) دیتاساینس مسلط شوید.

  • درک عمیقی از مفاهیم پایه دیتاساینس از جمله یادگیری ماشین، آمار، بصری‌سازی داده‌ها، NLP و بینایی ماشین پیدا کنید.

  • مهارت‌های کدنویسی خود را در زبان‌های پایتون و SQL ارتقا دهید.

  • یاد بگیرید چگونه ایده‌های فنی پیچیده را به طور موثر به افراد غیرفنی منتقل کنید.

سوالات واقعی، پاسخ‌های واقعی، نتایج واقعی

برنامه ما شامل موارد زیر است:

  • ۶۰ روز یادگیری ساختاریافته با تمرینات روزانه و مورد-مطالعات

  • انواع سوالات سطح بالا پوشش‌دهنده مفاهیم کلیدی و استراتژی‌های مصاحبه

  • بیش از ۲۰۰ سوال تمرینی، شامل سوالات واقعی شرکت‌های برتر تکنولوژی:

    • سوالات مصاحبه

      • ۷ سوال

    • سوالات رفتاری

      • ۲۲ سوال

    • تمرینات کدنویسی

      • ۱۱۰ سوال

    • تکالیف عملی (Take-Home)

      • ۱۵ سوال

    • مورد-مطالعات (Use Cases)

      • ۳۴ مورد-مطالعه

      • ۵۰ سوال بیان مسئله

    • کوییزها

      • ۱۵ کوییز

        • در مجموع ۲۰۰ سوال کوییز

  • بازخورد و کوچینگ شخصی‌سازی شده توسط متخصصان صنعت

  • دسترسی به جامعه متخصصان دیتاساینس برای شبکه‌سازی و پشتیبانی


  • این فرصت را از دست ندهید

    همین امروز جایگاه خود را در این برنامه اختصاصی رزرو کنید و اولین قدم را به سوی یک مسیر شغلی درخشان در دیتاساینس بردارید.

    همین حالا ثبت‌نام کنید و برای پیروزی در مصاحبه‌های دیتاساینس آماده شوید!


    سرفصل ها و درس ها

    روز ۱: مقدمه DAY 1 : Introduction

    • محتوا و ساختار آماده‌سازی مصاحبه Interview Prep Content & Structure

    • مرور کلی Overview

    هفته ۱ و ۲: غربالگری اولیه و مهارت‌های رفتاری Week 1-2: Initial Screening & Behavioral Skills

    • برنامه زمانی شما برای هفته ۱ و ۲ Your schedule for Week 1-2

    غربالگری اولیه (۱۵ تا ۳۰ دقیقه) INITIAL SCREENING (15-30 mins)

    • درک سطوح مختلف جایگاه‌های دانشمند داده Understanding the various LEVELS of the Data Scientist Positions

    • مرحله غربالگری اولیه برای جایگاه دانشمند داده I (مبتدی) در گوگل INITIAL SCREENING phase for a Data Scientist I (BEGINNER) Position @ Google

    • مرحله غربالگری اولیه برای جایگاه دانشمند داده II (متوسط) در گوگل INITIAL SCREENING phase for a Data Scientist II (INTERMEDIATE) Position @ Google

    • مرحله غربالگری اولیه برای جایگاه دانشمند داده III (با تجربه) در گوگل INITIAL SCREENING phase for a Data Scientist III (EXPERIENCED) Position @ Google

    • مرحله غربالگری اولیه برای جایگاه دانشمند داده (تغییر مسیر شغلی) در گوگل INITIAL SCREENING phase for Data Scientist (CAREER TRANSITION) Position @ Google

    روزهای ۲ تا ۵: ارزیابی رفتاری و مهارت‌های نرم برای جایگاه دانشمند داده DAYS 2-5 : Behavioral & Soft Skills Assessment for Data Scientist Position

    • همکاری و کار تیمی (۳ سوال) Collaboration and Teamwork (3 Questions)

    • خلاقیت و نوآوری (۳ سوال) Creativity and Innovation (3 Questions)

    • انعطاف‌پذیری و سازگاری (۳ سوال) Adaptability and Flexibility (3 Questions)

    • تصمیم‌گیری و حل مسئله (۳ سوال) Decision-Making and Problem-Solving (3 Questions)

    • ارتباطات و داستان‌سرایی (۳ سوال) Communication and Storytelling (3 Questions)

    • رهبری و ابتکار عمل (۳ سوال) Leadership and Initiative (3 Questions)

    • یادگیری مستمر و توسعه حرفه‌ای (۲ سوال) Continuous Learning and Professional Development (2 Questions)

    مرحله فنی TECHNICAL STAGE

    • به مرحله فنی فرآیند مصاحبه دیتاساینس خوش آمدید Welcome to the technical stage of your Data Scientist interview process.

    هفته ۲ و ۳: زبان SQL (روزهای ۶ تا ۱۳) WEEK 2-3: SQL (DAYS 6-13)

    • مرور کلی Overview

    سوالات مصاحبه فنی SQL SQL TECHNICAL INTERVIEW QUESTIONS

    • مرور کلی Overview

    روز ۶: سوالات مصاحبه SQL سطح مبتدی: سطح ۱ DAY 6 : SQL BEGINNER INTERVIEW QUESTIONS : LEVEL 1

    • پرس‌وجوی SELECT SELECT Query

    • فیلتر کردن ردیف‌ها Filtering Rows

    • مرتب‌سازی نتایج Sorting Results

    • توابع تجمیعی (Aggregation) Aggregation Functions

    • استفاده از JOINها Using JOINs

    • فیلتر کردن با توابع تجمیعی Filtering with Aggregates

    • توابع تاریخ Date Functions

    • استفاده از نام‌های مستعار (Aliases) Using Aliases

    • زیرپرس‌وجوها (Subqueries) Subqueries

    • دستورات Case Case Statements

    کوییز SQL: مبتدی سطح ۱ (۲۰ سوال) SQL QUIZ : Beginner: Level 1 ( 20 Question )

    • کوییز SQL سطح مبتدی SQL Beginner Level Quiz

    روز ۷: سوالات مصاحبه SQL سطح مبتدی: سطح ۲ Day 7 : SQL BEGINNER INTERVIEW QUESTIONS : LEVEL 2

    • مدیریت مقادیر NULL Handling NULLs

    • توابع رشته‌ای String Functions

    • توابع ریاضی Mathematical Functions

    • اتصال‌ها و تجمیع‌ها Joins and Aggregates

    • تفاوت Inner Join و Outer Join Inner vs Outer Joins

    • زیرپرس‌وجو در SELECT Subquery in SELECT

    • توابع پنجره‌ای (Window Functions) Window Functions

    • عبارات جدولی مشترک (CTEs) Common Table Expressions (CTEs)

    • زیرپرس‌وجوهای پیشرفته Advanced Subqueries

    • جداول محوری (Pivot Tables) Pivot Tables

    کوییز SQL: مبتدی سطح ۲ (۲۰ سوال) SQL QUIZ : Beginner : Level 2 (20 Questions)

    • کوییز SQL سطح متوسط SQL Intermediate Quiz

    روزهای ۸ و ۹: سوالات مصاحبه SQL سطح متوسط: سطح ۱ Day 8-9 : SQL INTERMEDIATE INTERVIEW QUESTIONS : LEVEL 1

    • اتصال به خود (Self Join) Self-Join

    • تجمیع‌های تو در تو Nested Aggregates

    • اتصال‌های پیچیده Complex Joins

    • پرس‌وجوهای بازگشتی Recursive Queries

    • محوری کردن داده‌ها (Pivoting) Pivoting Data

    • تجمیع‌های پیشرفته Advanced Aggregations

    • اتصال چندین جدول Multi-Table Joins

    • زیرپرس‌وجوهای پیشرفته Advanced Subqueries

    • مدیریت تراکنش‌ها Transaction Management

    • نماهای SQL (Views) SQL Views

    کوییز SQL: متوسط سطح ۱ SQL QUIZ : Intermediate : Level 1

    • کوییز SQL سطح متوسط SQL Intermediate Quiz

    روز ۱۰: سوالات مصاحبه SQL سطح متوسط: سطح ۲ DAY 10 : SQL INTERMEDIATE INTERVIEW QUESTIONS : LEVEL 2

    • تجمیع بازگشتی Recursive Aggregation

    • اندکس‌گذاری پیشرفته Advanced Indexing

    • مدیریت داده‌های JSON Handling JSON Data

    • پاک‌سازی داده‌ها Data Cleaning

    • اتصال‌های (JOIN) پیشرفته Advanced JOINs

    روزهای ۱۱ و ۱۲: سوالات مصاحبه SQL سطح پیشرفته DAY 11-12 : SQL ADVANCED INTERVIEW QUESTIONS

    • انبار داده (Data Warehousing) Data Warehousing

    • مدل‌سازی داده‌ها Data Modeling

    • پردازش داده‌های بلادرنگ Real-Time Data Processing

    • یکپارچگی پیشرفته داده‌ها Advanced Data Integrity

    کوییز: SQL سطح پیشرفته (۲۰ سوال) QUIZ : SQL ADVANCED LEVEL (20 Questions)

    • کوییز SQL سطح پیشرفته SQL Advanced Level Quiz

    هفته ۴ و ۵: مفاهیم اصلی پایتون و ساختارهای داده (روزهای ۱۴ تا ۲۴) Week 4-5: Python Core Concepts and Data Structures (Days 14-24)

    • مرور کلی Overview

    سوالات مصاحبه فنی پایتون PYTHON TECHNICAL INTERVIEW QUESTIONS

    • مرور کلی Overview

    روزهای ۱۴ تا ۱۶: دروس یادآوری DAYS 14-16 : REFRESHER LESSONS

    • دستکاری رشته‌ها String Manipulation

    • لیست‌های جامع (List Comprehensions) List Comprehensions

    • ورودی و خروجی فایل (File I/O) File I/O (Input/Output)

    • مدیریت استثناها (Exception Handling) Exception Handling

    • ایجاد کلاس و شیء Class and Object Creation

    کدنویسی مفاهیم اصلی پایتون: سطح مبتدی CODING - Python Core Concepts : BEGINNER LEVEL

    • سوال دستکاری رشته‌ها String Manipulation Question

    • توضیح کد Code explanation

    • سوال لیست‌های جامع List Comprehensions Question

    • سوال و توضیح کد Question & Code Explanation

    • سوال ورودی/خروجی فایل File I/O Question

    • توضیح کد Code Explanation

    • سوال مدیریت استثناها Exception Handling Question

    • سوال و توضیح کد Question & Code Explanation

    • سوال ایجاد کلاس و شیء Class and Object Creation Question

    • سوال و توضیح کد Question & Code Explanation

    کوییز: مفاهیم اصلی پایتون (۱۰ سوال) QUIZ : Python Core Concepts (10 Questions)

    • مفاهیم اصلی پایتون Python Core Concepts

    هفته ۶ و ۷: ساختارهای داده و الگوریتم‌های پیشرفته Week 6-7: Advanced Data Structures and Algorithms

    • مرور کلی Overview

    روزهای ۱۷ و ۱۸: دروس یادآوری DAYS 17-18 : REFRESHER LESSONS

    • ادغام دیکشنری‌ها Dictionary Merging

    • تخت کردن لیست‌ها (List Flattening) List Flattening

    • مرتب‌سازی با کلید سفارشی Sorting with Custom Key

    • عبارات منظم (Regular Expressions) Regular Expressions

    کدنویسی مفاهیم اصلی پایتون: سطح متوسط CODING - Python Core Concepts : INTERMEDIATE LEVEL

    • سوال ادغام دیکشنری‌ها Dictionary Merging Question

    • سوال و توضیح کد Question & Code Explanation

    • سوال تخت کردن لیست‌ها List Flattening Question

    • سوال و توضیح کد Question & Code Explanation

    • سوال مرتب‌سازی با کلید سفارشی Sorting with Custom Key Question

    • سوال و توضیح کد: مرتب‌سازی با کلید سفارشی Question & Code Explanation : Sorting with Custom Key Question

    • سوال لیست دیکشنری‌ها List of Dictionaries Question

    • سوال و توضیح: لیست دیکشنری‌ها Question & Explanation : List of Dictionaries Question:

    • سوال عبارات منظم Regular Expressions Question

    • سوال و توضیح: عبارات منظم Question & Explanation : Regular Expressions Question

    کوییز ۲: مفاهیم اصلی پایتون (۱۰ سوال) QUIZ 2 : Python Core Concepts (10 Questions)

    • مفاهیم اصلی پایتون Python Core concepts

    روز ۱۹: کدنویسی مفاهیم اصلی پایتون: سطح پیشرفته DAY 19 : CODING - Python Core Concepts : ADVANCED LEVEL

    • سوال تکرارکننده‌های سفارشی (Custom Iterators) Custom Iterators Question

    • سوال و توضیح: تکرارکننده‌های سفارشی Question & Explanation : Custom Iterators Question

    • کپی عمیق در مقابل کپی سطحی (Deep vs Shallow Copy) Deep Copy vs Shallow Copy

    • کپی عمیق در مقابل کپی سطحی Deep Copy vs Shallow Copy

    • دکوراتورهای پایتون Python Decorators

    روزهای ۲۰ و ۲۱: دروس یادآوری DAYS 20-21 : REFRESHER LESSONS

    • عملیات لیست در پایتون List Operations in Python

    • پیاده‌سازی پایه پشته (Stack) در پایتون Basic Stack Implementation in Python

    • پیاده‌سازی صف (Queue) در پایتون Queue Implementation in Python

    • جستجوی دودویی (Binary Search) در پایتون Binary Search in Python

    • لیست پیوندی (Linked List) در پایتون Linked List in Python

    کدنویسی ساختارهای داده و الگوریتم‌ها: سطح مبتدی CODING - Data Structures and Algorithms : BEGINNER LEVEL

    • سوال عملیات لیست List Operations Question

    • سوال و توضیح: عملیات لیست Question & Explanation : List Operations Question

    • سوال پیاده‌سازی پایه پشته Basic Stack Implementation Question

    • سوال و توضیح: پیاده‌سازی پایه پشته Question & Explanation : Basic Stack Implementation Question

    • سوال پیاده‌سازی صف Queue Implementation Question

    • سوال و توضیح: پیاده‌سازی صف Question & Explanation : Queue Implementation Question

    • سوال جستجوی دودویی Binary Search Question

    • سوال و توضیح: جستجوی دودویی Question & Explanation : Binary Search Question

    • سوال لیست پیوندی Linked List Question

    • سوال و توضیح: لیست پیوندی Question & Explanation : Linked List Question

    کوییز: ساختارهای داده و الگوریتم‌های پایتون (۱۵ سوال) QUIZ : Python Data Structures & Algorithms (15 Questions)

    • ساختار داده و الگوریتم‌های پایتون Python Data Structures and Algorithms

    روزهای ۲۲ و ۲۳: دروس یادآوری DAYS 22-23 : REFRESHER LESSONS

    • مرج سورت (Merge Sort) Merge Sort

    • پیاده‌سازی Heap در پایتون Implementing a Heap in Python

    • نمایش گراف در پایتون Graph Representation in Python

    • جستجوی اول سطح (BFS) Breadth-First Search (BFS)

    • جستجوی اول عمق (DFS) Depth-First Search (DFS)

    کدنویسی ساختارهای داده و الگوریتم‌ها: سطح متوسط CODING -Data Structures and Algorithms : INTERMEDIATE LEVEL

    • سوال مرج سورت Merge Sort Question

    • سوال و توضیح: مرج سورت Question & Explanation : Merge Sort Question

    • سوال پیاده‌سازی Heap Implementing a Heap Question

    • سوال و توضیح: پیاده‌سازی Heap Question & Explanation : Implementing a Heap Question

    • سوال نمایش گراف Graph Representation Question

    • سوال و توضیح: نمایش گراف Question & Explanation : Graph Representation

    • سوال جستجوی اول سطح (BFS) Breadth-First Search (BFS) Question

    • سوال و توضیح: جستجوی اول سطح (BFS) Question & Explanation : Breadth-First Search (BFS)

    • سوال جستجوی اول عمق (DFS) Depth-First Search (DFS) Question

    • سوال و توضیح: جستجوی اول عمق (DFS) Question & Explanation : Depth-First Search (DFS)

    روز ۲۴: دروس یادآوری DAY 24 : REFRESHER LESSONS

    • کش LRU LRU Cache

    • درخت پیشوند (Trie) Trie (Prefix Tree)

    • درخت قطعه‌ای (Segment Tree) Segment Tree

    • درخت قرمز-سیاه (Red Black Tree) Red-Black Tree

    • آرایه پسوند (Suffix Array) Suffix Array

    کدنویسی ساختارهای داده و الگوریتم‌ها: سطح پیشرفته CODING - Data Structures and Algorithms : ADVANCED LEVEL

    • سوال کش LRU LRU Cache Question

    • سوال و توضیح: کش LRU Question & Explanation : LRU Cache

    • سوال درخت پیشوند (Trie) Trie (Prefix Tree) Question

    • سوال و توضیح: درخت پیشوند (Trie) Question & Explanation : Trie (Prefix Tree)

    • سوال درخت قطعه‌ای Segment Tree Question

    • سوال و توضیح: درخت قطعه‌ای Question & Explanation : Segment Tree

    • سوال درخت قرمز-سیاه Red-Black Tree Question

    • سوال و توضیح: درخت قرمز-سیاه Question & Explanation : Red-Black Tree

    • سوال آرایه پسوند Suffix Array Question

    • سوال و توضیح: آرایه پسوند Question & Explanation : Suffix Array

    روز ۲۵: سوالات مصاحبه آمار برای دیتاساینس (کدنویسی) DAY 25 : STATISTICS FOR DATA SCIENCE INTERVIEW QUESTIONS (CODING)

    • آمار توصیفی Descriptive Statistics

    • شبیه‌سازی توزیع نرمال Simulating a Normal Distribution

    • ضریب همبستگی پیرسون Pearson Correlation Coefficient

    • قضیه حد مرکزی Central Limit Theorem

    • آزمون فرض (Z-test) Hypothesis Testing (Z-test)

    • واریانس و انحراف معیار Variance & Standard Deviation

    • بازه‌های اطمینان Confidence Intervals

    • آزمون کای-اسکوئر (Chi Square) Chi-Square Test

    • نمونه‌برداری تصادفی Random Sampling

    • تشخیص داده‌های پرت (Outliers) Outliers Detection

    روز ۲۶: کدنویسی آمار سطح متوسط DAY 26 : CODING - STATS INTERMEDIATE LEVEL

    • رگرسیون خطی از صفر Linear Regression from Scratch

    • رگرسیون لجستیک Logistic Regression

    • اجرای ANOVA یک‌طرفه Perform One-Way ANOVA

    • آزمون کای-اسکوئر برای استقلال Chi-Square Test for Independence

    • محاسبه کوواریانس Calculate Covariance

    • محاسبه بازه اطمینان برای میانگین Calculate Confidence Intervals for Mean

    • اجرای Z-test Perform a Z-test

    • همبستگی رتبه‌ای اسپیرمن Spearman's Rank Correlation

    • تابع توزیع تجمعی (CDF) Cumulative Distribution Function (CDF)

    • توزیع پواسون Poisson Distribution

    هفته ۸ و ۹: یادگیری ماشین (Machine Learning) Week 8-9: Machine Learning

    • مرور کلی Overview

    جلسه مصاحبه فنی یادگیری ماشین MACHINE LEARNING TECHNICAL INTERVIEW SESSION

    • مرور کلی Overview

    روز ۲۸: سوالات مصاحبه کدنویسی: مفاهیم اصلی ML - ۱ DAY 28 : CODING INTERVIEW QUESTIONS : Core Machine Learning 1

    • مورد-مطالعه ۱ Use case 1

    • مورد-مطالعه ۲ Use case 2

    • مورد-مطالعه ۳ Use case 3

    • مورد-مطالعه ۴ Use case 4

    • مورد-مطالعه ۵ Use case 5

    روزهای ۲۹ و ۳۰: سوالات مصاحبه کدنویسی: مفاهیم اصلی ML - ۲ DAYS 29-30 : CODING INTERVIEW QUESTIONS : Core Machine Learning 2

    • مورد-مطالعه ۶ Use case 6

    • مورد-مطالعه ۷ Use case 7

    • مورد-مطالعه ۸ Use case 8

    • مورد-مطالعه ۹ Use case 9

    • مورد-مطالعه ۱۰ Use case 10

    • مورد-مطالعه ۱۱ Use case 11

    • مورد-مطالعه ۱۲ Use case 12

    • مورد-مطالعه ۱۳ Use case 13

    • مورد-مطالعه ۱۴ Use case 14

    کوییز ۱: مفاهیم اصلی یادگیری ماشین (۱۰ سوال) QUIZ 1 : Core Machine Learning (10 Questions)

    • کوییز مفاهیم اصلی یادگیری ماشین Quiz for Core Machine Learning

    روزهای ۳۱ و ۳۲: سوالات مصاحبه کدنویسی: مهندسی ویژگی - ۱ DAYS 31-32 : CODING INTERVIEW QUESTIONS : Feature Engineering 1

    • مورد-مطالعه ۱ Use case 1

    • مورد-مطالعه ۲ Use case 2

    • مورد-مطالعه ۳ Use case 3

    • مورد-مطالعه ۴ Use case 4

    • مورد-مطالعه ۵ Use case 5

    کوییز ۲: مفاهیم اصلی یادگیری ماشین (۱۰ سوال) QUIZ 2 : Core Machine Learning (10 Questions)

    • کوییز مفاهیم اصلی یادگیری ماشین Quiz for the Core Machine Learning concepts

    روزهای ۳۲ و ۳۳: سوالات مصاحبه کدنویسی: مهندسی ویژگی - ۲ DAYS 32-33 : CODING INTERVIEW QUESTIONS : Feature Engineering 2

    • مورد-مطالعه ۶ Use case 6

    • مورد-مطالعه ۷ Use case 7

    • مورد-مطالعه ۸ Use case 8

    • مورد-مطالعه ۹ Use case 9

    • مورد-مطالعه ۱۰ Use case 10

    روز ۳۴: کوییز ۳: مفاهیم اصلی یادگیری ماشین (۱۰ سوال) DAY 34 : QUIZ 3 : Core Machine Learning (10 Questions)

    • کوییز مفاهیم اصلی یادگیری ماشین Quiz for Core Machine Learning concepts

    کوییز ۴: مفاهیم اصلی یادگیری ماشین (۱۰ سوال) QUIZ 4 : Core Machine Learning (10 Questions)

    • کوییز مفاهیم اصلی ML Quiz for the Core ML concepts

    کوییز ۵: مفاهیم اصلی یادگیری ماشین (۱۰ سوال) QUIZ 5 : Core Machine Learning (10 Questions)

    • کوییز مفاهیم اصلی ML Quiz for Core ML concepts

    روزهای ۳۵ تا ۳۹: تکلیف عملی مورد-مطالعه ۱: یادگیری ماشین DAYS 35-39 : TAKE HOME USE-CASE ASSIGNMENT 1 : Machine Learning

    • تکلیف عملی برای جایگاه دانشمند داده در گوگل Take-Home Assignment for Data Scientist Position at Google

    تکلیف عملی مورد-مطالعه ۲: یادگیری ماشین TAKE HOME USE-CASE ASSIGNMENT 2 : Machine learning

    • تکلیف عملی یادگیری ماشین برای جایگاه دانشمند داده در گوگل Machine Learning Take Home Assignment for Data Scientist Position at Google

    تکلیف عملی مورد-مطالعه ۳: یادگیری ماشین TAKE HOME USE-CASE ASSIGNMENT 3 : Machine Learning

    • تکلیف عملی برای جایگاه دانشمند داده در اوبر Take Home Assignment For Data Scientist Position at Uber

    تکلیف عملی مورد-مطالعه ۴: یادگیری ماشین TAKE HOME USE-CASE ASSIGNMENT 4 : Machine Learning

    • تکلیف عملی برای جایگاه دانشمند داده در تویوتا Take Home Assignment for Data Scientist Position at Toyota

    تکلیف عملی مورد-مطالعه ۵: یادگیری ماشین TAKE HOME USE-CASE ASSIGNMENT 5 : Machine Learning

    • پروژه عملی برای جایگاه دانشمند داده در سامسونگ Take home project assignment for a Data Scientist Position at Samsung

    هفته ۱۰: پردازش زبان طبیعی (NLP) (روزهای ۴۰ تا ۴۷) Week 10: NATURAL LANGUAGE PROCESSING (Days 40-47)

    • مرور کلی Overview

    روزهای ۴۰ تا ۴۲: سوالات مصاحبه (۵۰ سوال): مفاهیم اصلی NLP DAYS 40-42 : INTERVIEW QUESTIONS (50 Questions) : Natural Language Processing

    • مجموعه بیان مسئله ۱ (۱۰ سوال): مفاهیم اصلی NLP Problem Statement Set 1 (10 Questions) : NLP Core Concepts

    • مجموعه بیان مسئله ۲ (۱۰ سوال): مفاهیم اصلی NLP Problem Statement Set 2 (10 Questions) : NLP Core Concepts

    • مجموعه بیان مسئله ۳ (۱۰ سوال): مفاهیم اصلی NLP Problem Statement Set 3 (10 Questions) : NLP Core Concepts

    • مجموعه بیان مسئله ۴ (۱۰ سوال): مفاهیم اصلی NLP Problem Statement Set 4 (10 Questions) : NLP Core Concepts

    • مجموعه بیان مسئله ۵ (۱۰ سوال): مفاهیم اصلی NLP Problem Statement Set 5 (10 Questions) : NLP Core Concepts

    کوییز ۱ (۱۰ سوال): پردازش زبان طبیعی QUIZ 1 (10 Questions) : Natural Language Processing

    • کوییز مصاحبه NLP Quiz for NLP Interview

    کوییز ۲ (۱۰ سوال): پردازش زبان طبیعی QUIZ 2 (10 Questions) : Natural Language Processing

    • کوییز مصاحبه NLP Quiz for NLP Interview

    روزهای ۴۳ تا ۴۷: تکلیف عملی مورد-مطالعه ۱: NLP DAYS 43-47 : TAKE HOME USE-CASE ASSIGNMENT 1 : Natural Language Processing

    • تکلیف عملی NLP برای جایگاه دانشمند داده در مایکروسافت Take Home NLP Assignment for a Data Scientist Position at Microsoft

    تکلیف عملی مورد-مطالعه ۲: NLP TAKE HOME USE-CASE ASSIGNMENT 2 : Natural Language Processing

    • تکلیف عملی NLP برای جایگاه دانشمند داده در مایکروسافت Take Home NLP Assignment for a Data Scientist Position at Microsoft

    تکلیف عملی مورد-مطالعه ۳: NLP TAKE HOME USE-CASE ASSIGNMENT 3 : Natural Language Processing

    • تکلیف عملی NLP برای جایگاه دانشمند داده در کوکاکولا Take Home NLP Assignment for a Data Scientist Position at Coca-Cola

    تکلیف عملی مورد-مطالعه ۴: NLP TAKE HOME USE-CASE ASSIGNMENT 4 : Natural Language Processing

    • تکلیف عملی NLP برای جایگاه دانشمند داده در اینفوسیس Take Home NLP Assignment for a Data Scientist Position at Infosys

    تکلیف عملی مورد-مطالعه ۵: NLP TAKE HOME USE-CASE ASSIGNMENT 5 : Natural Language Processing

    • تکلیف عملی NLP برای جایگاه دانشمند داده در آمازون Take Home NLP Assignment for a Data Scientist Position at Amazon

    هفته ۱۰: بینایی ماشین (Computer Vision) (روزهای ۴۸ تا ۶۰) Week 10: COMPUTER VISION (Days 48-60)

    • مرور کلی Overview

    سوالات مصاحبه (۵۰ سوال): بینایی ماشین INTERVIEW QUESTIONS (50 Questions) : Computer Vision

    • مجموعه بیان مسئله ۱ (۱۰ سوال): مفاهیم اصلی بینایی ماشین Problem Statement Set 1 (10 Questions) : Computer Vision Core Concepts

    • مجموعه بیان مسئله ۲ (۱۰ سوال): مفاهیم اصلی بینایی ماشین Problem Statement Set 2 (10 Questions) : Computer Vision Core Concepts

    • مجموعه بیان مسئله ۳ (۱۰ سوال): مفاهیم اصلی بینایی ماشین Problem Statement Set 3 (10 Questions) : Computer Vision Core Concepts

    • مجموعه بیان مسئله ۴ (۱۰ سوال): مفاهیم اصلی بینایی ماشین Problem Statement Set 4 (10 Questions) : Computer Vision Core Concepts

    • مجموعه بیان مسئله ۵ (۱۰ سوال): مفاهیم اصلی بینایی ماشین Problem Statement Set 5 (10 Questions) : Computer Vision Core Concepts

    سوالات مصاحبه کدنویسی (بخش ۱): بینایی ماشین CODING INTERVIEW QUESTIONS (Part 1) : Computer Vision

    • مورد-مطالعه ۱: ردیابی چندین شیء برای خودروهای خودران Use Case 1 : Multi-Object Tracking for Autonomous Vehicles

    • مورد-مطالعه ۲: بخش‌بندی تصویر برای تشخیص پزشکی Use Case 2 : Image Segmentation for Medical Diagnosis

    • مورد-مطالعه ۳: تشخیص چهره برای سیستم‌های امنیتی Use case 3 : Facial Recognition for Security Systems

    • مورد-مطالعه ۴: تولید تصویر برای افزایش داده‌ها (Data Augmentation) Use Case 4 : Image Generation for Data Augmentation

    • مورد-مطالعه ۵: افزایش رزولوشن تصویر برای سیستم‌های نظارتی Use case 5 : Image Super-Resolution for Surveillance Systems

    سوالات مصاحبه کدنویسی (بخش ۲): بینایی ماشین CODING INTERVIEW QUESTIONS (Part 2): Computer Vision

    • مورد-مطالعه ۶: ردیابی اشیاء برای رباتیک Use case 6 : Object Tracking for Robotics

    • مورد-مطالعه ۷: حذف نویز تصویر برای تصویربرداری پزشکی Use case 7 : Image Denoising for Medical Imaging

    • مورد-مطالعه ۸: تحلیل ویدیو برای تشخیص ناهنجاری Use case 8 : Video Analysis for Anomaly Detection

    • مورد-مطالعه ۹: بازسازی تصاویر آسیب‌دیده (Inpainting) Use case 9 : Image Inpainting for Damaged Photos

    • مورد-مطالعه ۱۰: شرح‌نویسی تصویر با استفاده از مکانیسم‌های توجه (Attention) Use case 10 : Image Captioning Using Attention Mechanisms

    کوییز ۱ (۱۰ سوال): بینایی ماشین QUIZ 1 (10 Questions) : Computer Vision

    • کوییز مصاحبه بینایی ماشین Interview Quiz for Computer Vision

    کوییز ۲ (۱۰ سوال): بینایی ماشین QUIZ 2 (10 Questions) : Computer Vision

    • کوییز مصاحبه بینایی ماشین Interview Quiz for Computer Vision

    مصاحبه پاس شد!! حالا چه کنیم؟ Interview Passed !! What Next?

    • بعد از اینکه کاندیدا تمام مراحل مصاحبه را پاس کرد، چه اتفاقی می‌افتد؟ What next after a candidate has passed all interview rounds?

    نمایش نظرات

    آموزش آماده‌سازی ۶۰ روزه برای مصاحبه دیتاساینس: راهنمای جامع موفقیت
    جزییات دوره
    30 mins
    79
    Udemy (یودمی) Udemy (یودمی)
    (آخرین آپدیت)
    393
    4.9 از 5
    ندارد
    دارد
    دارد
    جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

    Google Chrome Browser

    Internet Download Manager

    Pot Player

    Winrar

    Nancy Ticharwa (CEO Bethel Labs) Nancy Ticharwa (CEO Bethel Labs)

    دانشمند ارشد داده در بتل لبز | سابق گوگل | سابق اوبر