معرفی دوره

دوره ۱۰۰ روز کدنویسی: بوت‌کمپ پروژه‌های واقعی علوم داده، یک مسیر فشرده و عملی است که طی آن با ترکیب تئوری و تمرین پروژه‌محور، مهارت‌های برنامه‌نویسی پایتون، پاک‌سازی داده، مدل‌سازی پیش‌بینی، تحلیل اکتشافی و پیاده‌سازی الگوریتم‌های یادگیری ماشین را به صورت کاربردی خواهید آموخت. هدف اصلی این بوت‌کمپ، آماده‌سازی شما برای ورود به بازار کار در حوزه علم داده و حل مسائل واقعی سازمان‌هاست.

آنچه خواهید آموخت

• برنامه‌نویسی پایتون از مقدماتی تا پیشرفته شامل لیست‌ها، دیکشنری‌ها و توابع.
• کتابخانه‌های pandas و NumPy برای پاک‌سازی، دستکاری و آماده‌سازی داده‌ها.
• تحلیل اکتشافی داده (Exploratory Data Analysis) و تصویری‌سازی با Matplotlib و Seaborn.
• اصول آمار و احتمال در زمینهٔ علم داده و آزمون فرضیات.
• مدل‌سازی و یادگیری ماشین با استفاده از Scikit-learn (رگرسیون، طبقه‌بندی، خوشه‌بندی).
• مفاهیم یادگیری عمیق با TensorFlow و Keras.
• استقرار مدل در محیط‌های واقعی و معرفی ابزارهایی نظیر Flask و Docker.
• کار با پایگاه‌های داده SQL و NoSQL برای ذخیره و واکشی داده‌ها.

مزایا و فواید شرکت در دوره

• ارائه ۳۵ پروژه عملی با داده‌های واقعی از صنایع مختلف مانند مالی، سلامت و خرده‌فروشی.
• دسترسی به سورس‌کد کامل و جزوه‌های آموزشی اختصاصی.
• پشتیبانی مستمر مربیان از طریق انجمن آنلاین و جلسات سؤال و جواب هفتگی.
• گواهینامه پایان دوره معتبر برای افزودن به رزومه و پروفایل لینکدین.
• آمادگی برای مصاحبه شغلی و تمرین حل تست‌های الگوریتمی و SQL.

پیش‌نیازها

برای شرکت در این بوت‌کمپ نیاز است:

• آشنایی اولیه با مفاهیم پایه برنامه‌نویسی (هر زبان معیار است، اما پایتون ارجحیت دارد).
• نصب پایتون (نسخه ۳.۷ به بالا) و ویرایشگر کد (VSCode، PyCharm یا Jupyter Notebook).
• دانش مقدماتی آمار و احتمال (می‌توانید فایل‌های معرفی شده در جلسه صفر را مطالعه کنید).
• کامپیوتر شخصی با حداقل ۸ گیگابایت رم و ۴ هسته پردازنده.

ساختار دوره و بخش‌ها

این دوره به پنج بخش کلی تقسیم می‌شود:

• بخش اول: مبانی و مقدمات (روزهای ۱ تا ۱۵) – نصب و راه‌اندازی محیط، مفاهیم پایه پایتون و آزمایش با داده‌های ساده.
• بخش دوم: پاک‌سازی و تحلیل اکتشافی (روزهای ۱۶ تا ۳۵) – کار بر روی مجموعه‌داده‌های واقعی، شناسایی داده‌های گمشده و داده‌های پرت.
• بخش سوم: مدل‌سازی پیش‌بینی (روزهای ۳۶ تا ۶۰) – رگرسیون خطی و لجستیک، ارزیابی مدل با متریک‌های کاربردی.
• بخش چهارم: یادگیری ماشین پیشرفته (روزهای ۶۱ تا ۸۰) – درخت تصمیم، جنگل تصادفی، SVM و خوشه‌بندی K-Means.
• بخش پنجم: یادگیری عمیق و استقرار (روزهای ۸۱ تا ۱۰۰) – شبکه عصبی پایه، CNN برای کامپیوتر ویژن، پیاده‌سازی API با Flask و استقرار با Docker.

مثال‌های عملی

در طول بوت‌کمپ، چند پروژه شاخص خواهید داشت:

• تحلیل رضایت مشتری: پیش‌بینی احتمال ترک مشتریان یک سرویس اشتراکی با داده‌های رفتار کاربر.
• تشخیص تقلب مالی: ساخت مدل طبقه‌بندی برای شناسایی تراکنش‌های مشکوک در کارت‌های بانکی.
• پیش‌بینی قیمت مسکن: توسعه یک رگرسیون چندمتغیره روی داده‌های منطقه‌ای و ویژگی‌های ملک.
• تشخیص اشیاء: مدل CNN برای شناسایی اشیاء در تصاویر با استفاده از TensorFlow.

نحوه دسترسی و دانلود

برای دانلود محتوا و دسترسی به فایل‌های صوتی، ویدئویی و کدها کافیست روی لینک زیر کلیک کرده و در فرم ثبت‌نام نام و ایمیل خود را وارد کنید. فایل‌های دوره بلافاصله پس از ثبت‌نام برای شما ارسال خواهد شد.

دانلود دوره ۱۰۰ روز کدنویسی: بوت‌کمپ علوم داده

نتیجه‌گیری

اگر به دنبال یک مسیر آموزشی کامل و پروژه‌محور در حوزه علم داده هستید و می‌خواهید مهارت‌های خود را با حل مسائل واقعی تقویت کنید، این بوت‌کمپ ۱۰۰ روزه بهترین انتخاب است. از نصب پایتون تا استقرار نهایی مدل، همه مراحل در قالب تمرین‌های عملی و با پشتیبانی مربیان حرفه‌ای در اختیارتان قرار می‌گیرد. همین امروز شروع کنید و به جمع متخصصان داده بپیوندید!