آموزش دوره جامع مبانی علم داده ISACA (ITCA) - آخرین آپدیت

سرفصل ها و درس ها

بررسی مفاهیم بنیادی علم داده Explore Data Science Foundational Concepts

• مرور کلی مفاهیم بنیادی علم داده Explore Data Science Foundational Concepts Overview

• علم داده چیست؟ What is Data Science?

• داده چیست؟ What is Data?

• بررسی ابعاد داده با Google Colab Explore Dimensionality with Google's Colab

• اتصال‌پذیری (Connectivity) چیست؟ What is Connectivity?

• چالش CHALLENGE

بررسی یادگیری ماشین و انواع داده‌های مرتبط Explore Machine Learning and Related Data Types

• انواع داده‌های پایه Basic Data Types

• بررسی انواع داده‌ها با Colab Explore Data Types with Colab

• متاداده (Metadata) چیست؟ What is Metadata?

• انواع داده‌های یادگیری ماشین Machine Learning Data Types

• کدگذاری متن و استاندارد ISO چیست؟ What is Text Encoding and ISO?

• چالش CHALLENGE

مقایسه آمار و تحلیل برای داده‌های حجیم Compare Statistics and Analytics for Big Data

• آمار در مقابل تحلیل (Analytics) Statistics Vs. Analytics

• اولویت مسئله در مقابل اولویت تکنیک Problem First Vs Techniques First

• داده‌های حجیم (Big Data) چیست؟ What is Big Data?

• مدل DIKW چیست؟ What is DIKW?

• به‌کارگیری داده‌ها در کسب‌وکار Applying Data to Business

• چالش CHALLENGE

بررسی ساختارهای داده اصلی در علم داده Explore Core Data Structures for Data Science

• بررسی ساختارهای داده بنیادی برای علم داده Explore Foundational Data Structures for Data Science

• تعریف ساختارهای داده ذاتی و تعریف شده توسط کاربر Define Inherent and Use Defined Data Structures

• پیاده‌سازی ساختارهای داده ذاتی و تعریف شده توسط کاربر Implement Inherent and User Define Data Structures

• بررسی Threadها: اجزای یک فرآیند Explore Threads: a Process Component

• مقایسه اجرای Threadهای همزمان و ناهمزمان Compare Executions of Synchronous and Asynchronous Threads

• چالش CHALLENGE

بررسی ساختارهای داده خطی و غیرخطی Investigate Linear and Non-Linear Data Structures

• ساختارهای داده خطی Linear Data Structures

• پشته‌ها، صف‌ها، LIFO و FIFO Stacks, Queues, LIFO, and FIFO

• درخت‌های باینری و جداول هش/مپ‌ها Binary Trees and Hash Tables/Maps

• ساختارهای داده ایندکس و اشاره‌گر Index and Pointers Data Structures

• چالش CHALLENGE

توصیف و خلاصه‌سازی تحلیل آماری داده‌ها Describe and Summarize Statistical Data Analysis

• تحلیل آماری Statistical Analysis

• جامعه و نمونه‌برداری Populations and Sampling

• جامعه و نمونه‌برداری: مثال کد Colab Populations & Sampling: Colab Code Example

• نمونه‌برداری احتمالی Probability Sampling

• نمونه‌برداری غیر احتمالی Non-Probability Sampling

• چالش CHALLENGE

توصیف سیستم‌های مدیریت داده در علم داده Describe Data Management Systems in Data Science

• سیستم‌های مدیریت پایگاه داده (DBMS) چیست؟ What Are Database Management Systems (DMS)?

• پایگاه‌های داده عملیاتی و داده‌های حجیم Operational Databases and Big Data

• بررسی قبل و بعد از نرمال‌سازی داده‌ها Explore Before and After Data Normalization

• پایگاه‌های داده خودگردان و سیستم‌های مدیریت پایگاه داده Autonomous Databases and Database Management Systems

• مثال کد پایتون برای عملیات پایگاه داده رابطه‌ای Python Code Example of Relational Database Operations

• چالش 🎉 CHALLENGE 🎉

بررسی دریاچه‌های داده، انبارهای داده و ذخیره‌سازی Explore Data Lakes, Data Warehouses, and Storage

• دریاچه داده (Data Lake) چیست؟ What is a Data Lake?

• مثال پایتون و Colab برای دریاچه داده Data Lake Python and Colab Example

• انبار داده (Data Warehouse) چیست؟ What is a Data Warehouse?

• مثال پایتون و Colab برای انبار داده Data Warehouse Python and Colab Example

• پلتفرم‌های مدیریت داده چیست؟ What Are Data Management Platforms?

• چالش 🎉 CHALLENGE 🎉

توضیح حاکمیت، مدیریت و انطباق داده‌ها Explain Data Governance, Management and Compliance

• حاکمیت داده (Data Governance) چیست؟ What is Data Governance?

• بررسی مفاهیم حاکمیت داده Explore Data Governance Concepts

• مرور انطباق قانونی و مقرراتی Review Legal and Regulatory Compliance

• ادامه مباحث انطباق قانونی و مقرراتی Legal and Regulatory Compliance Continued

• PI و PII دقیقاً چیست؟ What is PI and PII Exactly?

• تعریف PI و PII PI and PII Defined

• چالش 🎉 CHALLENGE 🎉

• تبریک! Congrats!

بررسی اخلاق و نقش‌ها در علم داده Explore Ethics and Roles in Data Science

• کد اخلاقی و رفتار در داده‌های حجیم Big Data Code of Conduct & Ethics

• برترین منابع صنعتی Top Industry Resources

• انجمن علم داده: کد رفتاری Data Science Association: Code of Conduct

• چالش 🎉 CHALLENGE 🎉

بررسی دسترسی و حفاظت از داده‌ها در علم داده Explore Data Access and Protection in Data Science

• مرور حاکمیت داده با ISACA COBIT Data Governance Overview with ISACA COBIT

• دسترسی و حفاظت از داده‌ها Data Access & Protection

• مدیریت PII با دستورالعمل‌های ISO Navigating PII with ISO Guidelines

• اصول حریم خصوصی Privacy Principles

• ادامه اصول حریم خصوصی Privacy Principles: Continued

• سیستم‌های تعاملی Cooperated Systems

• چالش Challenge

بررسی چارچوب‌های داده‌کاوی و تحلیل Explore Data Mining and Analysis Frameworks

• کشف داده (Data Discovery) چیست؟ What is Data Discovery?

• مدل CRISP DM The CRISP-DM Model

• مدل ASUM DM The ASUM-DM Model

• شش ویژگی نیازمندی‌ها The 6 Requirement Characteristics

• 🎉 چالش 🎉 CHALLENGE

شناسایی روش‌های جمع‌آوری و طبقه‌بندی داده‌ها Discover Data Collection & Classification Methods

• فرضیه چیست؟ What is a Hypothesis?

• جمع‌آوری داده‌های کمی Collecting Quantitative Data

• جمع‌آوری داده‌های کیفی Collecting Qualitative Data

• پاکسازی و پیش‌پردازش داده‌ها Data Cleaning and Preprocessing

• انتخاب الگوریتم Selecting an Algorithm

• 🎉 چالش 🎉 CHALLENGE

بررسی پردازش داده‌ها برای علم داده Explore Data Processing for Data Science

• پردازش داده‌ها Data Processing

• انجام تحلیل اکتشافی داده‌ها (EDA) Performing Exploratory Data Analysis (EDA)

• دسته‌بندی‌های EDA EDA Categories

• تحلیل چند متغیره Multivariate Analysis

• کاهش ابعاد (Dimensionality Reduction) Dimensionality Reduction

• مرور کلی پلتفرم‌ها Platforms Overview

• چالش: EDA 🎉 CHALLENGE: EDA 🎉

بررسی یادگیری ماشین برای علم داده Explore Machine Learning for Data Science

• مقدمه Introduction

• ابزارهای تحلیل برنامه‌های نرم‌افزاری Software Application Analysis Tools

• تحلیل کسب‌وکار (Business Analytics) Business Analytics

• یادگیری ماشین: یادگیری نظارت شده Machine Learning: Supervised Learning

• سایر انواع یادگیری ماشین Other Types of Machine Learning

• اندازه‌گیری عملکرد مدل Measuring Model Performance

• چالش CHALLENGE

ارائه بینش‌های علم داده به ذینفعان Communicate Data Science Insights to Stakeholders

• مقدمه Introduction

• ارائه بینش‌های علم داده به ذینفعان Communicate Data Science Insights to Stakeholders

• تکنیک‌های ارائه Presentation Techniques

• ابزارهای گزارش‌دهی Reporting Tools

• چالش CHALLENGE

• راه‌حل Solution