چرا علم داده مطالعه کنیم؟
شرکت ها یک مشکل دارند: آنها روزانه مقادیر زیادی داده را جمع آوری و ذخیره می کنند. مشکل این است که آنها ابزار و توانایی لازم برای استخراج دانش و تصمیم گیری از آن داده ها را ندارند. اما این در حال تغییر است. چند سالی است که تقاضا برای دانشمندان داده به طور تصاعدی افزایش یافته است. به حدی که تعداد افراد دارای این مهارت ها برای پرکردن همه فرصت های شغلی کافی نیست. یک جستجوی اولیه در Glassdoor یا Indeed به شما نشان می دهد که چرا حقوق دانشمندان داده در سال های اخیر بسیار افزایش یافته است.
چرا این دوره؟
تقریباً هر دورهای که در آنجا وجود دارد یا خیلی تئوری یا خیلی عملی است. دورههای دانشگاهی معمولاً مهارتهای مورد نیاز برای مقابله با مشکلات علم داده را از ابتدا توسعه نمیدهند، و همچنین به شما یاد نمیدهند که چگونه از نرمافزار لازم به صورت روان استفاده کنید. از سوی دیگر، بسیاری از دورههای آنلاین و بوت کمپ به شما یاد میدهند که چگونه از این تکنیکها استفاده کنید، بدون اینکه درک عمیقی از آنها داشته باشید و به صورت سطحی نظریه را مرور کنید.
دوره ما بهترین های هر روش را ترکیب می کند. از یک طرف، ما به این خواهیم پرداخت که این روشها از کجا آمدهاند و چرا استفاده میشوند، و درک میکنیم که چرا این روشها کار میکنند. از سوی دیگر، ما این روش ها را از ابتدا با استفاده از محبوب ترین کتابخانه های علم داده و یادگیری ماشین در پایتون برنامه ریزی خواهیم کرد. تنها زمانی که دقیقاً نحوه عملکرد هر الگوریتم را فهمیدید، نحوه استفاده از آنها را با کتابخانه های پیشرفته پایتون یاد خواهیم گرفت.
محتوای دوره
مقدمه ای بر یادگیری ماشین و علم داده.
رگرسیون خطی ساده. ما یاد خواهیم گرفت که چگونه رابطه بین پدیده های مختلف را مطالعه کنیم.
رگرسیون خطی چندگانه. ما مدل هایی با بیش از یک متغیر ایجاد خواهیم کرد تا رفتار یک متغیر مورد علاقه را مطالعه کنیم.
رگرسیون کمند. نسخه پیشرفته رگرسیون خطی چندگانه با قابلیت فیلتر کردن مفیدترین متغیرها.
رگرسیون برآمدگی. یک نسخه پایدارتر از رگرسیون خطی چندگانه.
رگرسیون لجستیک. محبوب ترین الگوریتم طبقه بندی و تشخیص این به ما امکان می دهد تا رابطه بین متغیرهای مختلف و کلاس های شی خاص را مطالعه کنیم.
رگرسیون پواسون. الگوریتمی که به ما امکان میدهد ببینیم که چگونه چندین متغیر بر تعداد دفعات وقوع یک رویداد تأثیر میگذارند.
مفاهیم اصلی در علم داده (تناسب بیش از حد در مقابل عدم تناسب، اعتبارسنجی متقابل، آماده سازی متغیر و غیره).
سؤالی دارید؟ به یاد داشته باشید که ما 30 روز ضمانت بازگشت کامل وجه داریم. هیچ خطری برای شما وجود ندارد. به این ترتیب ما متقاعد شده ایم که شما این دوره را دوست خواهید داشت.
دوره های عملی و جامع هوش مصنوعی
نمایش نظرات