دورههای آموزش تجزیه و تحلیل داده به روش یادگیری ماشین
170 ساعت
مدرک ورودی: کارشناسی کلیه رشته ها
شایستگی
این دوره فنی و حرفهای به شما میآموزد که چگونه از درک مساله کسبوکار تا ارائه گزارش مدیریتی، تمام مراحل تحلیل داده را با ابزارهای R و Python بپوشید. مباحث شامل جمعآوری انواع داده (CSV, وب)، پاکسازی پیشرفته مقادیر گمشده و پرت، بصریسازی حرفهای نمودارها و کاهش ابعاد است. شما در این دوره تکنیکهای مدلسازی آماری مانند رگرسیون و سری زمانی را یاد میگیرید تا روندها را پیشبینی کنید. همچنین مفاهیم کلیدی یادگیری ماشین نظارتشده، بدون نظارت، تقویتی و شبکههای عصبی عمیق (MLP, RNN) به صورت عملی آموزش داده میشوند. در پایان دوره با ساخت داشبوردهای مدیریتی تعاملی و استفاده از پلتفرمهای وب برای نمایش نتایج تحلیل آشنا خواهید شد.
سرفصلهای دوره
- درک مساله کسبوکار، جمعآوری دادهها و انتخاب تکنیک مناسب
- شاخصهای کلیدی عملکرد (KPI) و هوشمندی کسبوکار
- تحلیل توصیفی، پیشگویانه و صنعت نسل 4.0
- انواع منابع داده: فایل CSV، دادههای باز وب، سنسورها
- پاکسازی و پیشپردازش دادهها با R و Python
- ترمیم مقادیر گمشده (Backward fill, Linear interpolation)
- شناسایی دادههای پرت (Z-score, Box plot, Isolation forest)
- تبدیل داده کیفی به کمی، کدگذاری N-1 و تغییر مقیاس
- بصریسازی دادهها، کاهش ابعاد و کنترل عدم تعادل
- نمودارها: هیستوگرام، باکس پلات، نقشه حرارتی (Heat maps)
- تحلیل عاملی، PCA و شناسایی وابستگی ویژگیها
- مدلسازی آماری برای پیشبینی روندها
- رگرسیون خطی و لجستیک؛ سری زمانی و مدل ARIMA
- آزمون مفروضات و حذف اجزای مزاحم در دادههای زمانبندی شده
- یادگیری ماشین: نظارتشده، بدون نظارت و تقویتی
- الگوریتمها (SVM, Decision Tree) و شبکه عصبی
- خوشهسازی k-means؛ تحلیل شبکه اجتماعی با NetworkX
- یادگیری عمیق برای دادههای پیچیده
- ساختار MLP، RNN و کتابخانههای TensorFlow/Keras
- تفسیر نتایج و ارائه گزارش مدیریتی تعاملی
- داشبورد مدیریت (CubesViewer, Seaborn) و برنامهنویسی وب با Flask/Django
پیشنیاز: ندارد
نوع کار و دانش: مشخص نشده
دورههای فعال این استاندارد
در حال حاضر دوره فعالی برای این استاندارد ثبت نشده است.