فلش‌کارت‌های آموزشی از صفر تا متخصص: علم داده برای تحلیلگران و تصمیم‌گیران

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره از صفر تا متخصص: علم داده برای تحلیلگران و تصمیم‌گیران

موضوع کلی: علم داده

موضوع میانی: مبانی و ابزارهای علم داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علم داده و کاربردهای آن
• 2. چرخه حیات یک پروژه علم داده
• 3. آشنایی با انواع داده‌ها و ساختار آن‌ها
• 4. جمع‌آوری داده‌ها: روش‌ها و منابع
• 5. پاکسازی و پیش‌پردازش داده‌ها: مدیریت داده‌های گم‌شده
• 6. تبدیل داده‌ها: نرمال‌سازی و استانداردسازی
• 7. کاوش در داده‌ها: آمار توصیفی و بصری‌سازی
• 8. مقدمه‌ای بر احتمالات و آمار استنباطی
• 9. آشنایی با توزیع‌های آماری مهم
• 10. آزمون فرض و استدلال آماری
• 11. مقدمه‌ای بر زبان برنامه‌نویسی پایتون برای علم داده
• 12. کار با کتابخانه‌های اصلی پایتون: NumPy
• 13. کار با کتابخانه‌های اصلی پایتون: Pandas
• 14. کار با کتابخانه‌های اصلی پایتون: Matplotlib
• 15. کار با کتابخانه‌های اصلی پایتون: Seaborn
• 16. یادگیری ماشین: مقدمه‌ای و انواع الگوریتم‌ها
• 17. رگرسیون خطی و چندگانه
• 18. رگرسیون لجستیک
• 19. درخت‌های تصمیم‌گیری
• 20. جنگل تصادفی (Random Forest)
• 21. ماشین‌های بردار پشتیبان (SVM)
• 22. خوشه‌بندی K-Means
• 23. ارزیابی مدل‌های یادگیری ماشین
• 24. انتخاب ویژگی و کاهش ابعاد
• 25. اعتبارسنجی متقابل (Cross-Validation)
• 26. مقدمه‌ای بر یادگیری عمیق و شبکه‌های عصبی
• 27. شبکه‌های عصبی مصنوعی (ANN)
• 28. کاربرد یادگیری عمیق در تشخیص تصویر
• 29. کاربرد یادگیری عمیق در پردازش زبان طبیعی (NLP)
• 30. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 31. تحلیل احساسات با استفاده از NLP
• 32. مدل‌سازی موضوعی (Topic Modeling)
• 33. بصری‌سازی پیشرفته داده‌ها با Power BI
• 34. بصری‌سازی پیشرفته داده‌ها با Tableau
• 35. کار با پایگاه داده‌های رابطه‌ای (SQL)
• 36. کار با پایگاه داده‌های NoSQL (MongoDB)
• 37. مقدمه‌ای بر داده‌کاوی
• 38. کاربرد علم داده در بازاریابی
• 39. کاربرد علم داده در امور مالی
• 40. کاربرد علم داده در بهداشت و درمان
• 41. مقدمه‌ای بر Big Data و Hadoop
• 42. مقدمه‌ای بر Spark و پردازش داده‌های بزرگ
• 43. استقرار مدل‌های یادگیری ماشین
• 44. اخلاق در علم داده و حفظ حریم خصوصی