دوره آموزش جامع برنامه نویسی پایتون

چرا در دوره آموزش داده کاوی با پایتون شرکت کنیم؟

با توجه به حجم عظیم داده هایی که این روزها ما را احاطه کرده است، کشف دانش با ارزش از داده ها یکی از مهم‌ترین دغدغه‌های هر کسب و کار می‌باشد. کسب و کارهای موفق در عصر دیجیتال آن‌هایی هستند که با کشف دانش با ارزش از حجم بسیار زیاد داده ها بتوانند به بینشی دست یابند که از آن برای تصمیم گیری های سازمانی بهره جویند. کشف دانش از داده ها و دستیابی به الگوهای پنهان میان داده ها مستلزم به کارگیری فرآیندها، تکنیک‌ها و ابزار داده کاوی است. از این رو، این روزها موضوعات مرتبط با داده کاوی و ابزار آن با اقبال بسیار خوبی در میان جامعه علمی و صنعتی کشور مواجه شده است.
از ابزارهای مطرح در داده کاوی می‌توان به نرم افزارهای رپیدماینر ، وکا و زبان‌های برنامه‌ نویسی همچون R و پایتون اشاره کرد. در این میان، زبان برنامه نویسی پایتون یک زبان چند منظوره است که طراحی آن با هدف سهولت در خواندن و نوشتن این زبان انجام گرفته است. زبان برنامه نویسی پایتون یکی از مهمترین، قوی ترین و پر کاربرد ترین زبان های برنامه نویسی حال حاضر است که نظر مخاطبین مختلفی را به خود جلب کرده است. یکی از مهمترین حوزه های کاربرد زبان برنامه نویسی پایتون در علوم داده و پردازش های آکادمیک یا حتی پیشرفته در این حوزه است.

برای شرکت در این دوره آموزشی نیازی نیست که با برنامه نویسی در محیط پایتون آشنا باشید در ابتدای این دوره آموزشی، syntax و اصول برنامه نویسی در پایتون و کتابخانه های عمومی و پرکاربرد آموزش داده خواهند شد. توصیه می شود شرکت کنندگان آشنایی کلی با اصول داده کاوی داشته باشند هر چند که در طول دوره در صورت نیاز دانشجویان این مفاهیم با جزئیات بیشتری تشریح خواهند شد. تئوری مطالب هر بخش در ابتدای هر درس گفته می شود و سپس در محیط پایتون به صورت عملی الگوریتم های مربوطه پیاده سازی خواهند شد. شرکت کنندگانی که در این دوره ثبت نام می کنند، در محیطی دوستانه و در کنار یکدیگر، به کمک مدرس دوره و با روش تعاملی تمامی پروژه ها و برنامه های نوشته شده در کلاس را "خودشان" پیاده سازی می کنند.

مخاطبان دوره

• برنامه نویسان و کاربران سیستم‌ها و راهکارهای داده کاوی و تحلیل داده
• توسعه دهندگان سامانه های هوش تجاری BI و Data Mining
• محققان، پژوهشگران و کارشناسان در حوزه‌ی داده کاوی و بیگ دیتا
• کارشناسان و علاقه مندان به داده کاوی که می خواهند پروژه دانشجویی یا پروژه سازمانی خود را به کمک راهکارهای هوش تجاری اوراکل اجرا و پیاده سازی کنند

اهداف دوره

آموزش نحوه پیاده سازی پروژه های داده کاوی و یادگیری ماشین در نرم افزار پایتون بصورت کاربردی

سرفصل دوره

• نصب آناکوندا
• انواع داده ها در پایتون
• متغییر و عملیات
• کنترل جریان (if…else,if…..elif…..else, while loop, for loop,...)
• توابع در پایتون
• کار با string ها
• کار با sets, tuples, dictionary, list , …
• Files
• Modules

• Ndarray و عملیات آرایه ها
• Indexing, Slicing, Iterating
• خواندن و نوشتن داده ها روی فایل

• Series
• Dataframes
• عملیات مختلف روی Dataframes
• نوشتن و خواندن داده با فرمت های CSV, Text, Excel, XML, Json

• معماری Matplotlib
• Pyplot
• ترسیم نمودارهای مختلف (Line chart, Pie chart, Scatter plot, …)
• اضافه کردن جزئیات بیشتر به نمودارها
• ترسیم چند نمودار باهمدیگر

• Classification
• Regression
• الگوریتم های نظارت شده
  • کار با دیتاست های نمونه
  • K-nearest Neighbors
  • Linear models
  • Naive Bayes Classifier
  • Decision Trees
  • Kernelized Support vector machines
  • Neural networks (Deep Learning)
  • Uncertainty Estimates

• کاهش ابعاد
• Principle Component Analysis (PCA)
• Non-negative Matrix Factorization (NMF)
• Clustering
• K_means clustering
• Agglomerative clustering
• DBSCAN clustering
• مقایسه انواع الگوریتم های خوشه بندی

• Cross-Validation
• Grid search
• Evaluation Metrics and scoring