سرفصل های دروس بوت کمپ متخصص علم داده مدرسه مهارت علم داده
پایتون برای علم داده (35 ساعت)
مقدمهای بر علم داده
مبانی زبان پایتون
کار با دادهها
بصریسازی دادهها
کاربرد آمار در علم داده (30 ساعت)
1 . مقدمه آمار برای علم داده
- نقش آمار در Data Science
- انواع دادهها
- جامعه و نمونه
- متغیرها و مقیاسهای اندازهگیری
- خطا و عدم قطعیت
2 . تحلیل اکتشافی دادهها (EDA)
- جدولهای فراوانی
- آمار توصیفی
- میانگین، میانه، نما
- واریانس و انحراف معیار
- چارکها و IQR
3 . مصورسازی و شناخت توزیع داده
- Histogram
- Density Plot
- Boxplot
- Violin Plot
- Scatter Plot
- تشخیص دادههای پرت
4 . احتمال برای تحلیل داده
- احتمال
- احتمال شرطی
- استقلال
- قضیه بیز
- متغیر تصادفی
- تابع احتمال(PMF،PDF،CDF)
5 . توزیعهای احتمالی
- برنولی
- دوجملهای (باینمیال)
- پواسون
- یکنواخت
- نمایی
- بتا
- نرمال و ...
- آمار بیزی ، توزیعهای پیشین و پسین
- کاربرد توزیعها در دادههای واقعی
6 . نمونهگیری و سوگیری
- روشهای نمونهگیری
- Sampling Bias
- حجم نمونه
- قانون اعداد بزرگ
7 . قضیه حد مرکزی (CLT)
- مفهوم CLT
- اهمیت در استنباط آماری
8 . برآورد و فاصله اطمینان
- Point Estimation
- Standard Error
- Confidence Interval
- Bootstrap
9 . آزمون فرض آماری
- فرض صفر و مقابل
- سطح معنیداری
- خطای نوع اول و دوم
- P-value
10 . آزمونهای آماری پرکاربرد
- One Sample t-test
- Independent t-test
- Paired t-test
- Chi-square Test
- ANOVA Test
11 . همبستگی و وابستگی
- Pearson Correlation
- Spearman Correlation
- همبستگی و علیت
- ماتریس همبستگی
- نمودارهای همبستگی(heatmap-scatter plot-hexbin plot)
12 . رگرسیون خطی
- مدل رگرسیون
- تفسیر ضرایب
- پیشبینی
- مفروضات رگرسیون
13 . ارزیابی مدلهای رگرسیونی
- R²
- Adjusted R²
- RMSE
14 . A/B Testing
- طراحی آزمایش
- انتخاب شاخص ارزیابی
- تحلیل نتایج
- تصمیمگیری مبتنی بر داده
یادگیری عمیق برای علم داده (40 ساعت)
مقدمه یادگیری عمیق
شبکههای عصبی مصنوعی (Artificial Neural Networks)
ابزارها و پیادهسازی عملی شبکههای عصبی
بهینهسازی مدلها
شبکههای عصبی کانولوشنی (Convolutional Neural Networks - CNNs)
شبکههای بازگشتی (Recurrent Neural Networks - RNNs)
یادگیری عمیق برای پردازش زبان طبیعی (NLP)
یادگیری عمیق برای دادههای زمانی (Time Series)
یادگیری انتقالی (Transfer Learning)
تولید مدلهای مولد (Generative Models)
کاربرد SQL Server در علم داده 25 ساعت
مقدمهای بر SQL Server و نقش آن در علم داده
مفاهیم پایه ای SQL
پرسوجوهای پیشرفته (Advanced Queries)
کار با چند جدول (Joins and Relationships)
ایجاد و مدیریت پایگاه دادهها
کار با دادههای پیچیده
توابع ذخیره شده و اسکریپتنویسی (Stored Procedures and Scripts)
ایندکسها و بهینهسازی (Indexing and Optimization)
تجزیه و تحلیل دادهها با SQL Server
SQL Server Integration Services (SSIS)
اتصال SQL Server به ابزارهای علم داده
امنیت و مدیریت دسترسیها
سرفصل Power BI برای علم داده (30 ساعت)
مقدمهای بر Power BI
نصب و راهاندازی
اتصال به منابع داده
مدلسازی دادهها
تمیز کردن و تغییر شکل دادهها (Data Transformation)
مفهومسازی دادهها
محاسبات پیشرفته با DAX
بهینهسازی عملکرد
اشتراکگذاری و انتشار گزارشها
کاربردهای پیشرفته
ادغام با ابزارهای دیگر
تجزیه و تحلیل دادهها
سر فصل کلانداده (Big Data) در علم داده (40 ساعت)
مقدمهای بر کلانداده
معماری کلانداده
فناوریها و ابزارهای کلانداده
Apache Hadoop
Apache Spark
ذخیرهسازی و مدیریت دادهها
پردازش دستهای (Batch Processing)
پردازش جریانی (Stream Processing)
تحلیل دادههای کلان
یادگیری ماشین و کلانداده
بصریسازی دادهها در کلانداده
مدیریت و امنیت دادهها
پردازش ابری (Cloud Computing)
پروژه عملی پایانی
یادگیری ماشین در عمل
تخمین مبلغ خسارت بیمه
پیشبینی کنسلی رزرو هتل
تشخیص تولید سم از ترکیب مواد در زیستشناسی
MLOPS در عمل
مقدمه MLOps
Data Versioning و Data Pipeline
Experiment Tracking و Model Registry
Docker
Model Deployment
CI/CD برای ML
Monitoring
یادگیری عمیق در عمل
تشخیص پوشاک با استفاده از شبکههای عصبی پیچشی
تشخیص بیماری ریوی با استفاده از تصاویر پزشکی در شبکههای عصبی پیچشی
ساخت یک ترجمهگر هوشمند انگلیسی به فارسی با معماری Seq۲Seq
پیشبینی خودکار دستهبندی اخبار فارسی
Power BI در عمل
تحلیل دادههای فروش فروشگاه زنجیرهای
مهندسی داده در عمل
سیستم مدیریت مکان رانندگان