چرا این دوره؟

این دوره آموزشی، فراتر از یک مجموعه ویدئویی صرف، یک راهنمای کامل برای درک اصول بنیادین علم داده است. با توجه به ارائه بر روی فلش مموری ۳۲ گیگابایتی، دسترسی به محتوا بدون نیاز به اینترنت پایدار و یا دانلود فایل‌های حجیم، تضمین شده است. این رویکرد، تجربه یادگیری را برای شما روان‌تر و دسترس‌پذیرتر می‌سازد، خصوصاً برای عزیزانی که به دنبال یک منبع آموزشی مطمئن و قابل حمل هستند.

تمرکز این دوره بر روی ایجاد یک درک شهودی و کاربردی از مفاهیم است، به گونه‌ای که بتوانید آن‌ها را بلافاصله در پروژه‌های عملی خود به کار بندید. ما با زبانی ساده و مثال‌های ملموس، پیچیده‌ترین مباحث آماری و ریاضی را قابل فهم کرده‌ایم تا مسیری هموار برای تسلط شما بر این علوم فراهم شود.

چه چیزی خواهید آموخت؟

این دوره آموزشی، طیف گسترده‌ای از مباحث کلیدی در حوزه آمار و ریاضیات مورد نیاز برای علم داده را پوشش می‌دهد. شما با گذراندن این دوره، قادر خواهید بود:

• مفاهیم آماری بنیادی: از توزیع‌های آماری مختلف (مانند توزیع نرمال، پواسون، دوجمله‌ای) و ویژگی‌های آن‌ها تا معیارهای پراکندگی (مانند واریانس و انحراف معیار) و مرکزیت (مانند میانگین، میانه، مد)، درک کاملی کسب خواهید کرد.
• آمار استنباطی: با روش‌های نمونه‌گیری، تخمین فاصله‌ای (Confidence Intervals) و آزمون فرضیه (Hypothesis Testing) آشنا خواهید شد. این ابزارها برای نتیجه‌گیری در مورد کل جامعه آماری بر اساس داده‌های نمونه، حیاتی هستند. به عنوان مثال، یاد می‌گیرید چگونه با استفاده از آزمون t، تفاوت میانگین دو گروه را بسنجید.
• رگرسیون خطی و غیرخطی: یکی از پرکاربردترین ابزارهای تحلیل داده، رگرسیون است. شما با نحوه مدل‌سازی روابط خطی و غیرخطی بین متغیرها، تفسیر ضرایب رگرسیون و ارزیابی کیفیت مدل، آشنا خواهید شد. درک چگونگی پیش‌بینی فروش بر اساس هزینه‌های تبلیغاتی، نمونه‌ای از کاربرد رگرسیون است.
• مفاهیم احتمالات: اصول احتمال، قواعد جمع و ضرب احتمالات، احتمال شرطی و قضیه بیز، سنگ بنای بسیاری از الگوریتم‌های علم داده هستند. شما خواهید آموخت چگونه با عدم قطعیت‌ها برخورد کرده و پیش‌بینی‌های مبتنی بر احتمال انجام دهید.
• جبر خطی برای علم داده: مفاهیمی مانند بردارها، ماتریس‌ها، عملیات ماتریسی (ضرب، معکوس)، مقادیر ویژه و بردارهای ویژه، اساس بسیاری از الگوریتم‌های یادگیری ماشین مانند PCA (تحلیل مؤلفه‌های اصلی) و تجزیه مقادیر منفرد (SVD) را تشکیل می‌دهند. این دوره به شکلی واضح این مباحث را تبیین می‌کند.
• حساب دیفرانسیل و انتگرال: درک مشتقات و گرادیان‌ها برای بهینه‌سازی توابع در الگوریتم‌های یادگیری ماشین (مانند گرادیان کاهشی) ضروری است. همچنین، مفاهیم انتگرال در برخی حوزه‌های پیشرفته‌تر مانند تحلیل توزیع‌های پیوسته کاربرد دارد.
• آمار ناپارامتری: علاوه بر روش‌های پارامتری، با آزمون‌های ناپارامتری که فرض کمتری در مورد توزیع داده‌ها دارند، آشنا خواهید شد.
• مقدمه‌ای بر سری‌های زمانی: برای تحلیل داده‌هایی که با گذشت زمان تغییر می‌کنند (مانند قیمت سهام یا داده‌های آب و هوایی)، با مفاهیم اولیه سری‌های زمانی و روش‌های تحلیل آن‌ها آشنا می‌شوید.

ساختار دوره و سرفصل‌های کلیدی

این دوره به صورت ماژولار طراحی شده است تا یادگیری را تسهیل کند. سرفصل‌های اصلی دوره شامل موارد زیر است:

• بخش ۱: مبانی آمار توصیفی

  • معرفی داده‌ها و انواع آن‌ها
  • مقیاس‌های اندازه‌گیری
  • نمودارهای توصیفی (هیستوگرام، نمودار جعبه‌ای، نمودار پراکندگی)
  • محاسبه و تفسیر معیارهای مرکزی و پراکندگی

• بخش ۲: مقدمه‌ای بر احتمال

  • مفاهیم پایه احتمال
  • قوانین احتمال
  • احتمال شرطی و استقلال
  • قضیه بیز و کاربردهای آن

• بخش ۳: توزیع‌های آماری

  • توزیع‌های گسسته (دوجمله‌ای، پواسون)
  • توزیع‌های پیوسته (نرمال، نمایی)
  • قضیه حد مرکزی و اهمیت آن

• بخش ۴: آمار استنباطی

  • روش‌های نمونه‌گیری
  • تخمین فاصله‌ای
  • آزمون فرضیه (انواع آزمون‌ها، p-value)
  • آزمون t، آزمون Z، آزمون کای‌دو

• بخش ۵: رگرسیون

  • رگرسیون خطی ساده و چندگانه
  • تفسیر مدل و ضرایب
  • ارزیابی مدل رگرسیون
  • مقدمه‌ای بر رگرسیون لجستیک

• بخش ۶: جبر خطی کاربردی

  • بردارها و ماتریس‌ها
  • عملیات ماتریسی
  • سیستم‌های معادلات خطی
  • مقدمه‌ای بر مقادیر ویژه و بردارهای ویژه

• بخش ۷: حساب دیفرانسیل و انتگرال پایه

  • مفهوم مشتق و کاربردها
  • گرادیان و بهینه‌سازی
  • مفهوم انتگرال

• بخش ۸: آمار ناپارامتری و سری‌های زمانی

  • آزمون‌های ناپارامتری (مان-ویتنی، کروسکال-والیس)
  • مقدمه‌ای بر تحلیل سری‌های زمانی
  • شناسایی روند و فصلیت

پیش‌نیازها

این دوره برای طیف وسیعی از علاقه‌مندان به علم داده طراحی شده است. با این حال، داشتن دانش پایه‌ای در حد ریاضیات دوره متوسطه (شامل مفاهیم جبری و حل معادلات) به درک بهتر مطالب کمک شایانی خواهد کرد. برای علاقه‌مندانی که تجربه‌ای در برنامه‌نویسی ندارند، این دوره بدون نیاز به دانش برنامه‌نویسی خاصی قابل استفاده است، اما آشنایی اولیه با مفاهیم کامپیوتر مفید خواهد بود.

مخاطبان این دوره

اگر شما جزو یکی از گروه‌های زیر هستید، این دوره به شدت برای شما مفید خواهد بود:

• علاقه‌مندان به ورود به حوزه علم داده، هوش مصنوعی و یادگیری ماشین
• دانشجویان رشته‌های علوم کامپیوتر، آمار، ریاضی، مهندسی، اقتصاد و مدیریت
• تحلیلگران داده که به دنبال تعمیق دانش آماری و ریاضی خود هستند
• کارشناسان کسب‌وکار که می‌خواهند با استفاده از داده‌ها، تصمیمات بهتری اتخاذ کنند
• هر فردی که کنجکاو است چگونه از دل داده‌ها، الگوها و بینش‌های ارزشمند کشف شود.

مزایای کلیدی

• دسترسی آسان و همیشگی: محتوای دوره روی فلش مموری ۳۲ گیگابایتی، امکان یادگیری در هر زمان و مکانی را فراهم می‌آورد.
• جامعیت مطالب: پوشش کامل مباحث آماری و ریاضی مورد نیاز برای علم داده.
• رویکرد کاربردی: تمرکز بر درک شهودی و پیاده‌سازی مفاهیم در مسائل واقعی.
• مثال‌های عملی: درک بهتر مفاهیم از طریق مثال‌های متنوع و ملموس.
• آموزش با کیفیت: ارائه مطالب توسط مدرسان مجرب با زبانی شیوا.