کلاس آنلاین علم داده ۲ - کد دوم

کلاس آنلاین یادگیری علم داده ۲ کافه‌تدریس به شما کمک می‌کند بر مفاهیم دیتا ساینس و ماشین لرنینگ تسلط کامل پیدا کنید. شکل برگزاری این کلاس آنلاین به‌صورت ورک‌شاپ است. بنابراین این کلاس با کار روی پروژه‌های واقعی شما را برای ورود به بازار کار علم داده و یادگیری ماشین آماده می‌کند.

✔️ نحوه برگزاری کلاس آنلاین یادگیری علم داده ۲

نحوه‌ برگزاری کلاس آنلاین یادگیری علم داده ۲ و بخش‌های مختلف آن از این قرار است:

➕ ۲۰ ساعت ویدیوی پیش‌‌نیاز
➕ ۵۰ ساعت کلاس نظری
➕ ۳۰ ساعت ورک‌شاپ برنامه‌نویسی
➕ ۱۰ ساعت ورک‌شاپ شرکت در رقابت‌های کگل
➕ ۱۰ ساعت پرزنتیشن پروژه دانشجوهای کلاس
➕ انجام‌دادن تمرینات دوره‌ای به‌صورت تیم‌ورک

✔️ سرفصل‌های ویدیوی پیش‌مطالعه

ویدیوهای پیش‌مطالعه کلاس آنلاین علم داده ۲ دو بخش آمار و احتمال و زبان برنامه‌نویسی پایتون برای علم داده را دربرمی‌گیرد. جزئیات هر یک از این سرفصل‌ها از این قرار است:

پردازش انواع داده

◻️ پردازش متن  (Text mining)
◻️ پردازش تصویر  (Image processing)
◻️ پردازش صوت  (Speech processing)
◻️ پردازش تصاویر پزشکی (Medical Imaging)
◻️ ورودی بر مقدمات یادگیری ماشین و یادگیری عمیق
◻️ مهندسی ویژگی (Feature Engineering)

زبان برنامه‌نویسی پایتون

◻️ کتابخانه پایتورچ (PyTorch)
◻️ کتابخانه تنسورفلو (TensorFlow)
◻️ کتابخانه کراس (Kras)

ریاضی، آمار و احتمال

◻️ شبیه‌سازی مونتی‌کارلو (Monte carlo)
◻️ p-value و t-value
◻️ زنجیره مارکوف  (Markov Chain)
◻️ توابع کرنل
◻️ مقدار ویژه، بردار ویژه و تجزیه منفرد ماتریس (Eigen Value/Vector | Singular Value Decomposition)

✔️ سرفصل‌های کلاس درس یادگیری علم داده ۲

سرفصل‌های تدریس علم داده ۲ از این قرار است:

یادگیری ماشین

• پیش‌پردازش داده  (Preprocessing)
• بیش‌برازش (Overfitting) مباحث پیشرفته
• مهندسی ویژگی (Feature Engineering)

انواع روش‌های یادگیری نظارت‌شده

• مدل بیز ساده  (Naive Bayes Classification)
• ماشین بردار پشتیبان  (Support Vector Machine)
• روش درخت تصمیم و رندم فارست  (Decision Trees and Random Forests)
• روش k نزدیک‌ترین همسایه  (K Nearest Neighbor)

یادگیری بدون نظارت

• کاهش غیرخطی ابعاد  (Manifold Learning)
• روش کلاسترینگ  K-means
• تشخیص آنومالی  (Anomaly Detection)

یادگیری عمیق

• کلاس‌بندی  (Classification)
• رگرسیون  (Regression)
• کلاسترینگ (Clustering)
• بخش‌بندی  (Segmentation)
• شناسایی موجودیت  (Object Detection)
• مکان‌یابی (Localization)
• مدل‌های هوشمند مولد (Generative AI)
• انواع شبکه عصبی (Neural Networks)
• شبکه‌های عصبی کانولوشنی پیشرفته
• شبکه‌های بازگشتی (RNNs)
• شبکه‌های بازگشتی با حافظه طولانی (GRU - LSTM)
• شبکه‌های بازگشتی دوسویه  (Bidirectional)
• معماری انکودر دیکودر  (Encoder-Decoder Architecture)
• معماری اتوانکودر (Auto Encoder Architecture)
• مکانیزم توجه  (Attention Mechanisms)
• ترنسفورمرز  (Transformers)
• بینایی ماشین  (Computer Vision)
• مدل‌های زبانی بزرگ (LLMs)
• سیستم‌های پیشنهاددهنده  (Recommender Systems)
• شبکه‌های مولد خصمانه  (GANs)
• شبکه‌های سیامی  (siamese Networks)
• شبکه‌های بخش‌بندی و شناسایی  (YOLO – RCNN)
• الگوریتم‌های بهینه‌سازی  (Optimization Algorithms)

پردازش داده غیرساختار یافته

• پردازش زبان طبیعی (NLP) 
• تعبیه کلمات (Word Embedding)
• انواع مدل‌های زبانی (tf/idf | Word2vec | Glove | FastText | BERT | GPT | ELMo) 
• پردازش صوت خودکار (Automated Speech Recognition)
• پردازش تصویر (Image Processing)
 

✔️ سرفصل‌های ورک‌شاپ برنامه‌نویسی

سرفص‌های ورک‌شاپ برنامه‌نویسی کلاس آنلاین یادگیری علم داده ۲ کافه‌تدریس از این قرار است:

مقدمات اساسی پایتون

• آشنایی با کتابخانه  Pandas (سه جلسه)
• آشنایی با کتابخانه  Sci-Fi
• آشنایی با داده‌ست‌های مشهور ۲

انواع پیش‌پردازش داده ۲‌

• داده‌ متنی
• داده صوتی
• داده تصویر
• داده تصاویر سه‌بعدی پزشکی
پروژه‌های عملی
• دست‌کم ۲۰ پروژه کاربردی برای کار با انواع شبکه‌های عصبی

سرفصل‌های پایتون برای علم داده 

• معرفی پلتفرم  Keras
• معرفی پلتفرم  Pytorch
• معرفی پکیج  tqdm
• معرفی پکیج  pickle

سرفصل‌های عمومی

• دستورهای  Git
• معرفی  Ubuntu
• پایگاه داده با MySQL (از مقدماتی تا پیشرفته)
• پای اسپارک (PySpark) ابزار کار با بیگ‌دیتا

✔️ هدف دوره یادگیری علم داده ۲

کلاس آنلاین یادگیری علم داده ۲ کافه‌تدریس این هدف‌ها را دنبال می‌کند:
◻️ شناخت عملی کاربردهای اساسی علم داده
◻️ آشنایی با مفاهیم سطح ۲ رشته علم داده
◻️ انتخاب معماری شبکه، پیاده‌سازی و اجرای پروژه‌های کاربردی
◻️ ایجاد یک پایپ‌لاین end-to-end برای انجام‌دادن پروژه‌های واقعی

✔️ ویدئو پیش مطالعه اول کلاس آنلاین علم داده ۲