جهاد دانشگاهی صنعتی شریف
مرکز آموزش‌های تخصصی کاربردی
ورود / ثبت نام
جهاد دانشگاهی صنعتی شریف
مرکز آموزش‌های تخصصی کاربردی

علوم داده و هوش مصنوعی

دوره داده کاوی با پایتون (Data Mining)

0 دانشجو
۵۲ ساعت
ثبت نام در دوره
مشاهده سرفصل‌ها

درباره این دوره

داده‌ کاوی (Data Mining) علم استخراج الگوها، اطلاعات و تحلیل از مجموعه داده‌های خامی است که در یک سازمان و یا یک جامعه یا هر مجموعه دیگری تولید شده است.

به مجموعه‌ای از روش‌های قابل اعمال بر پایگاه داده‌های بزرگ و پیچیده به منظور کشف الگوهای پنهان و جالب توجه نهفته در میان داده‌ها، داده‌کاوی گفته می‌شود.

روش‌های داده‌کاوی تقریبا همیشه به لحاظ محاسباتی پر هزینه هستند. علم میان‌رشته‌ای داده‌کاوی، پیرامون ابزارها، متدولوژی‌ها و تئوری‌هایی است که برای آشکارسازی الگوهای موجود در داده‌ها مورد استفاده قرار می‌گیرند و گامی اساسی در راستای کشف دانش محسوب می‌شود. دلایل گوناگونی پیرامون چرایی مبدل شدن داده‌کاوی به چنین حوزه مهمی از مطالعات وجود دارد. برخی از این موارد در ادامه بیان شده‌اند.


مزایای استفاده از داده‌کاوی:

  • بهبود دید مدیران و کمک به عرضه‌یابی درست
  • فراهم شدن امکان پیش بینی وقایع و درک بهتر آینده
  • افزایش کارایی سازمان
  • کمک به شناخت به موقع ترندها و فرصت ها
  • جلوگیری از تصمیم گیری‌های احساسی و کاهش ریسک تصمیمات
  • کاهش هزینه‌ها و جلوگیری از اتلاف منابع

سایر دوره‌های مرتبط شامل آموزش متن کاوی و دوره تحلیلگر داده هستند.

سرفصل‌های دوره
PDF دانلود
  • طراحی مسائل و مجموعه داده‌هایی جهت شناخت داده، علم داده و کاربردهای آن در صنایع بیمه، بانک، بورس، طراحی نرم افزار با استفاده از علم داده، دیجیتال مارکتینگ هوشمند با داده کاوی، سیستم پیشنهاد دهنده وب سایت، متن کاوی در وب سایت و کاربردهای آن، تصویرکاوی و سیستم پیشنهاد موسیقی.
  • بررسی ویژگی‌های زبان پایتون و پاسخ به این سوال که چرا از پایتون استفاده میکنیم؟ بررسی امکانات و زیرساخت‌های زبان پایتون به همراه جزئیات پیاده سازی برخی از قسمت ها با زبان C
  • آشنایی عمومی با کتابخانه‌های موجود در زبان پایتون جهت انجام عملیات داده کاوی (Scikit Learn،Tensorflow ،Py Torch، Numpy، Pandas، Matplotlib و …)
  • آشنایی کلی با حوزه کلان داده (Big Data)، هوش نرم و چهارچوب‌های مورد استفاده آن به همراه کاربرد ارتباط با علم داده
  • آشنایی با ورژن‌های مختلف پایتون و نصب پایتون در لینوکس یا ویندوز همراه با نصب پکیج آناکوندا و آشنایی با پکیج‌های مهم
  • نصب و ایجاد محیط اولیه در Code Visual Studio و ایجاد یک برنامه پایتون
  • نصب و ایجاد محیط اولیه در Jupyter و ساخت یک دفترچه پایتون
  • داده و درک مفهوم ویژگی (Feature)، بعد (Dimension) و ماتریس (Matrix) و درک مفهوم تنسور (Tensor) و کاربرد آن در داده کاوی
  • آشنایی و کار با کتابخانه ی Numpy و Scipy برای انجام عملیات آماری
  • آنالیز مولفه اصلی (PCA) و TSNE و کاربرد آن در نمایش داده‌ها و کاهش ابعاد
  • بارگذاری داده‌ها و تعامل با داده‌ها با استفاده از کتابخانه‌ی Pandas
  • آشنایی با نمودارهای مختلف (Pie، Histogram، Bar، Line، Flow و…) وکاربرد هریک از آن‌ها
  • نحوه‌ی نمایش هیستوگرام و کاربرد آن با کتابخانه‌ی Matplotlib
  • نمایش داده‌ها به صورت تعاملی در کتابخانه‌ی Boken
  • آشنایی با نمونه داده‌های طبقه بندی و کاربردهای آن
  • بررسی مجموعه داده‌های iris (تشخیص گل‌های زنبق از روی ویژگی‌ها)، MNIST (تشخیص تصاویر دست نوشته)، Boston Housing (قیمت گذاری هوشمند خانه) به عنوان نمونه‌های ساده و کاربردی
  • معرفی روش‌ها و مراجع جمع آوری داده‌ها و استفاده از آن
    • مثال پیش‌بینی هوشمند هزینه و تخمین ارزش کالا
    • مثال پیش‌بینی وضعیت هوا و هواشناسی
    • مثال کنترل ترافیک هوشمند با استفاده از داده‌های شهری
    • مثال تحلیل احساسات و استقبال/عدم استقبال کاربران از محصول یک فروشگاه با استفاده از کامنت‌های کاربران
    • مثال پیش‌بینی و توصیه محصول مورد نیاز کاربر در فروشگاه اینترنتی
    • مثال پیش‌بینی خرید کاربر با توجه به رفتار او در فروشگاه اینترنتی
    • مثال تشخیص هوشمند حملات هکرها به سرور
    • مثال پیش‌بینی هوشمند جرائم شهری و پیشگیری از وقوع جرم
    • مثال پیش‌بینی مصرف سوخت اتومبیل
  • آشنایی و پیاده سازی طبقه بندی با الگوریتم نزدیکترین همسایه (KNN) در پایتون
  • آشنایی و پیاده سازی طبقه بندی با الگوریتم ماشین بردار پشتیبان (SVM) و آشنایی با انواع مختلف پیاده سازی و پارامترهای آن در پایتون
  • بررسی درخت‌های تصمیم (Decision Trees) و پیاده سازی آن‌ها در حل مسائل طبقه بندی در پایتون
  • آشنایی و پیاده سازی طبقه بندی با الگوریتم‌های ترکیبی (RandomForest ،AdaBoost و…) در پایتون
  • آشنایی با الگوریتم‌های XGBoost و CatBoost و کتابخانه‌های XGBoost و CatBoost
  • آشنایی با معیارهای مختلف ارزیابی کیفیت طبقه بندی
    • Accuracy
    • Precision
    • Recall
    • F1
    • ROI AUC
  • آشنایی با نمونه داده‌های خوشه بندی و حل مسائل کاربردی آن
  • کاربرد و آشنایی با روش‌های عملی خوشه بندی:
    • مثال گروه بندی مشتریان(وب سایت و فروشگاه) با روش RFM وRFM مبتنی بر زمان
    • مثال گروه بندی تصاویر دست نوشته
    • مثال گروه بندی هوشمند مطالب وب سایت بدون استفاده از ناظر
    • مثال گروه بندی حملات هکرها به یک سرور
  • آشنایی و پیاده سازی خوشه بندی با الگوریتم KMeans
  • بررسی و پیاده سازی خوشه بندی با DBSCAN
  • آشنایی با پیاده سازی DBSCAN سلسله مراتبی و کتابخانه‌ HDBSCAN
  • آشنایی و پیاده سازی خوشه بندی با الگوریتم MeanShift
  • آشنایی و پیاده سازی خوشه بندی با الگوریتم سلسله مراتبی(Hierarchical Clustering)
  • آشنایی و پیاده سازی خوشه بندی با الگوریتم خوشه بندی طیفی(Spectral Clustering)
  • آشنایی با روش‌های ارزیابی کیفیت خوشه‌ها
    • Silhouette ، کالینسکلی و …
  • الگوریتم های OverSampling ،SMOTE ، UnderSampling و…

آموزش کار با گوگل Colab و اجرای برنامه‌ها بر روی سرورهای Googlee

آموزش کار با وب سایت Kaggle و کسب تجربه و رزومه

  • PCA، UMAP،TSNE، KernelPCA

تصویرکاوی و استفاده از تکنیک‌های پردازش تصویر دیجیتال(HueMoments، Histogram و Haralick) در طبقه بندی و داده کاوی تصاویر

سوالات متداول
این دوره بصورت آنلاین در بستر ادوبی کانکت Adobe Connect برگزار میگردد.
پس از گذراندن دوره و در صورت کسب نمره قبولی در آزمون‌ها و پروژه‌ها به فراگیران گواهینامه ارائه می‌شود.
دوره هایی که هزینه آن ها بالای ۶ میلیون تومان است شرایط پرداخت اقساط دارند، برای اطلاع از نحوه پرداخت اقساط با کارشناس دپارتمان هماهنگی های لازم را انجام دهید.
برای شرکت در این دوره باید با برنامه نویسی پایتون آشنایی داشت.
جهت آشنایی با نحوه ترجمه مدارک جهاد دانشگاهی صنعتی شریف به این وبلاگ مراجعه کنید.
اساتید دوره
آقای دکتر کاویانی
دیدگاه‌ها
افزودن دیدگاه

دیدگاه خود را بنویسید
ایمیل شما منتشر نخواهد شد.

نمونه مدرک
مشاهده نمونه مدرک
مصاحبه با دانشجویان
مشخصات دوره

۸.۲۰۰.۰۰۰ تومان

تاریخ شروع

۱۴۰۴/۱۱/۰۲

روزهای برگزاری

پنجشنبه و جمعه

مدت زمان

۵۲ ساعت

نحوه برگزاری
آنلاین
امکان پرداخت اقساطی
پیش‌نیازها

برای شرکت در این دوره باید با برنامه نویسی پایتون آشنایی داشت.

ثبت نام
تماس
تلگرام
تماس مستقیم

۰۲۱−۶۷۶۴۱۹۹۹

پاسخگویی: شنبه تا پنج‌شنبه ۸:۰۰-۱۶:۰۰
دوره‌های مرتبط
Python
علوم داده و هوش مصنوعی

دوره آنلاین برنامه نویسی پایتون

شروع : ۱۴۰۴/۱۱/۲۹
روزهای برگزاری : شنبه و چهارشنبه
۴۰ ساعت
0 دانشجو

۵.۷۰۰.۰۰۰ تومان

مشاهده جزئیات
Data Scientist
علوم داده و هوش مصنوعی

دوره تربیت دانشمند داده و هوش مصنوعی

شروع : ۱۴۰۴/۱۲/۰۱
روزهای برگزاری : پنجشنبه و جمعه
۹۲ ساعت
0 دانشجو

۱۴.۸۰۰.۰۰۰ تومان

مشاهده جزئیات
Data Science
علوم داده و هوش مصنوعی

دوره جامع علم داده (Data Science)

شروع : ۱۴۰۴/۱۱/۰۲
روزهای برگزاری : پنجشنبه و جمعه
۱۴۴ ساعت
0 دانشجو

۱۹.۸۰۰.۰۰۰ تومان

مشاهده جزئیات
ثبت نام در دوره