فیلم مسترکلاس علم داده یا Data Science برای متخصصین علوم زمین – مقدماتی و متوسطه

1,292 بازدید

اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.

آموزش رایگان نرم افزار ENVI

در ENVI حرفه ای شو 🦾

0 تا 100 مفاهیم سنجش از دور

کاملا رایگان شروع کن 🧩

آموزش رایگان ArcGIS pro

واقعاااااا رایگاااااانه 🤗

آموزش گوگل ارث انجین

شدیدا توصیه شده 🌏

دانلود لندیوز 10 متری ایران و …

به کمک گوگل ارث انجین 🚀

کتاب موتور پردازش مجازی

اولین کتاب آموزش گوگل ارث انجین 📗

طبقه بندی تصاویر ماهواره ای

آشنایی با انواع روش ها 😲

پیش پردازش تصاویر ماهواره ای

هندسی – رادیومتریکی – اتمسفری 🀄

دانلود داده های آلتیمتری

ترازسنجی برای دریاچه ها 🧿

پوشش اراضی 10 متری

تولید شده توسط ESRI 🧐

نمایش سه بعدی در ArcGIS

مدل رقومی ارتفاع 🗻

مطالب پربازدید

علم داده یا Data Science برای متخصصین علوم زمین
در سال های اخیر، علم داده یا Data Science به عنوان یکی از حوزه های مهم و نوظهور در جهان فناوری، بسیاری از پژوهشگران را به خود جذب کرده است. با پیشرفت تکنولوژی، سرعت تولید داده، حجم و تنوع این داده‌ها در دنیای امروز افزایش یافته است. از این رو نیاز به تصمیم‌گیری‌های سریع و موثر در سطح سازمانی، به…

در سال های اخیر، علم داده یا Data Science به عنوان یکی از حوزه های مهم و نوظهور در جهان فناوری، بسیاری از پژوهشگران را به خود جذب کرده است. با پیشرفت تکنولوژی، سرعت تولید داده، حجم و تنوع این داده‌ها در دنیای امروز افزایش یافته است. از این رو نیاز به تصمیم‌گیری‌های سریع و موثر در سطح سازمانی، به عنوان یک چالش بزرگ مطرح شده است.

علاوه بر این، پیشرفت تکنولوژی‌های مرتبط با علم داده، مانند شبکه‌های عصبی، یادگیری ماشین و هوش مصنوعی، امکان استفاده از داده‌ها را برای بهبود تصمیم‌گیری‌ها و ارتقای عملکرد سازمان‌ها فراهم کرده است. بنابراین، علم داده با ترکیبی از تکنیک های مختلف آماری، ریاضیاتی، کامپیوتری و هوش مصنوعی، اطلاعات گردآوری شده را تحلیل و بررسی می کند و با توجه به محدودیت منابع و فرصت‌های کم در سازمان‌ها، علم داده می‌تواند با بهره‌برداری از این داده‌های بزرگ به تصمیم‌گیری‌های بهتر و موثرتر کمک کند.

علم داده به عنوان یکی از رشته های هیجان انگیز کمک می نماید تا با استفاده از ابزارها و تکنیک های مختلف از داده‌ها و اطلاعات موجود، دانش جدید و مفیدی استخراج کرد. به عبارتی علم داده، فرآیند استخراج اطلاعات قابل استفاده از داده های موجود است. زبان برنامه نویسی R به دلیل داشتن ویژگی‌های منحصر به فرد و قابلیت‌های بسیار پیشرفته برای تجزیه و تحلیل داده‌ها، به عنوان یکی از پرکاربردترین زبان‌های برنامه‌نویسی در حوزه Data Science شناخته شده است. در این آموزش، کار با نرم افزار و زبان برنامه نویسی R به همراه چگونگی تحلیل داده ها در حوزه علم داده در سطح مقدماتی و متوسط آموزش داده شده است.

یکی از منابع مهم مورد استفاده در این آموزش، کتاب زیر می باشد که نویسنده آن در این حوزه بسیار معروف است.


ویژگی های این دوره

  • قیمت: 1 میلیون و 200 هزار تومان
  • مدرس: سید جلیل علوی
  • تخصص: اکولوژی آماری
  • موضوع: آموزش تحلیل داده ها و ترسیم نمودارها در نرم افزار R
  • نرم افزار: نرم افزار و زبان برنامه نویسی R
  • مخاطب: تمام حوزه های علمی
  • مدت زمان آموزش: بیش از 20 ساعت
  • فرمت: ویدئوهای آموزشی
  • شامل کدهای آموزش
  • پیش نیاز: آشنایی مقدماتی با زبان برنامه نویسی R

چطور تهیه کنم؟

برای تهیه فیلم های ضبط شده این مسترکلاس بر روی دکمه زیر کلیک کنید.


بخشی از فیلم این دوره


معرفی مدرس

  • سید جلیل علوی
  • دانشیار و عضو هیات علمی دانشگاه تربیت مدرس
  • سابقه تدریس نرم افزار و زبان برنامه نویسی R بیش از یک دهه

عناوین آموزشی

  • مقدمه و معرفی زبان برنامه نویسی R
  • محاسن و محدودیت های R
  • دانلود و نصب R
  • IDE ها و Text Editor ها
  • آموزش RStudio
  • نحوه کد نویسی در RStudio و اجرای فرامین و دستورات
  • بسته ها و چگونگی نصب آن ها از مخازن CRAN، GitHub و غیره
  • به روز رسانی و مدریت بسته ها
  • انواع داده ها (کمی، رشته ای، منطقی، فاکتور) و ساختار آن ها در R (بردار، ماتریس، داده چارچوب دار، tibble و …)
  • ساخت داده در R و وارد سازی داده ها (Reading / Importing) به R از منابع مختلف
  • ویرایش داده ها در R به صورت تعاملی
  • نوشتن داده ها (Writing / Exporting) به فرمت های مختلف
  • کار با داده های تاریخ و زمان در R
  • آشنایی با توابع ریاضی در زبان R
  • آشنایی با انواع عملگرهای محاسباتی، شرطی و منطقی در R
  • آموزش بسته فوق العاده dplyr برای مدیریت داده ها (دسترسی به متغیرها، subsetting، مرتب نمودن، تغییر نام متغیرها، ترکیب و ادغام داده ها، ساخت داده جدید، مقادیر مفقود و …)
  • تابع نویسی در R
  • آشنایی با عملگر pipe
  • دستور if-else در R
  • آموزش بسته ارزشمند ggplot2 برای ساخت و ترسیم نمودار
  • مدل سازی مقدماتی
  • گزارش نویسی با R Markdown و Quarto
  • Web Scraping با R


معرفی نرم افزار

زبان R ریشه در زبان S دارد که به منظور تحلیل داده‌ها و مدل سازی پیشرفته توسعه یافته است. در دهه 1990، پروژه تحقیقاتی R  توسط دو آماردان به نام های Ross Ihaka و Robert Gentleman در گروه آمار دانشگاه Auckland کشور نیوزلند ‏کلید خورد. با توجه به اینکه اسم هر دو نفر با R شروع می شود، این نرم افزار به نام R نامگذاری گردید.

R همانند بسیاری از زبان های محاسباتی، یک زبان کامپیوتری است که این امکان را برای کاربر فراهم می نماید تا الگوریتم ها را برنامه‌نویسی کرده و از ابزارهایی که توسط دیگران برنامه‌نویسی شده است، استفاده کند. با نرم افزار و زبان برنامه نویسی R، هر کاری که تصور کنید را می توان انجام داد. با R می توانید توابع بنویسید، محاسبات را انجام دهید، از بیشتر تکنیک های آماری موجود استفاده کنید، نمودارهای ساده یا پیچیده ای ترسیم نمایید و حتی توابع کتابخانه ای خود را بنویسید.

R یک زبان برنامه‌نویسی و همچنین نرم افزاری رایگان برای محاسبات آماری و گرافیکی است که یک جامعه پژوهشی بین المللی بزرگ و فعال از آن حمایت می کند. R یک محیط کامل برای متخصصان داده است.

R پرکاربردترین زبان برای آمار و علوم داده است و در سال 2021 توسط مؤسسه مهندسان برق و الکترونیک IEEE آمریکا (Institute of Electrical and Electronics Engineers) در رتبه ششم محبوب ترین زبان علوم داده رتبه بندی شده است.

زبان R هر نوع داده، دستکاری داده‌ها، مدل آماری و نمودار را شامل می شود که متخصصین داده های مدرن می‌تواند به آن نیاز داشته باشند.


کاربرد

علم داده یا Data Science دارای کاربردهای متنوع و گسترده ای در زمینه های مختلف است. به طور کلی در تمامی رشته‌ها و حوزه هایی که از علم داده برای بهره برداری از علم داده استفاده می کنند از رشته‌های علوم پایه گرفته تا رشته‌های مختلف پزشکی، فنی و غیره می‌توان از قابلیت های منحصربه‌فرد این علم استفاده نمود. برخی از این کاربردها عبارتند از در صنعت مراقبت های پزشکی، پزشکان از علم داده برای تشخیص بیماری ها، پیش بینی خطرات، توصیه درمان ها و بهبود کیفیت خدمات به بیماران استفاده می کنند.

شرکت های خرده فروشی از علم داده برای بهبود تجربه مشتری و همچنین حفظ مشتریان خود استفاده می کنند؛ برای مثال، وبسایت آمازون براساس علایق مشتریان به آنان اجناس مختلف را توصیه می کند. علم داده به طور گستردهای در بانک ها و مؤسسات مالی برای کشف کلاه برداری و همچنین مشاوره مالی شخصی استفاده می شود. در بازاریابی، علم داده به شرکت ها کمک می کند تا بازار هدف خود را شناسایی کنند، رفتار و نظرات مشتریان را بررسی کنند، اثربخشی کمپین های تبلیغاتی را اندازه گیری کنند و استراتژی های بازاریابی داده محور را پیاده سازند.

در مدیریت پروژه، علم داده به مدیران پروژه کمک می کند تا منابع و زمان را بهینه سازند، روند پروژه را نظارت و کنترل کنند، خطرات و چالش ها را پیش بینی و مدیریت کنند و نتایج پروژه را ارزیابی کنند. در بیمه، علم داده به شرکت های بیمه کمک می کند تا نرخ حق بیمه را با توجه به عوامل خطر مختلف تعیین کنند، تقلب در درخواست های خسارت را شناسایی و جلوگیری کنند، بازار هدف خود را شخصی سازی کنند و خدمات جدید و ابتکاری را ارائه دهند.


مخاطبان

مخاطبان حوزه علم داده یا Data Science، کسانی هستند که به استخراج دانش و بینش از داده‌ها، استفاده از داده ها و اطلاعات برای حل مسائل، کشف الگوها، پیش بینی رویدادها، تصمیم گیری های تجاری و ساخت محصولات داده محور علاقمند هستند. این مخاطبان می توانند از زمینه های مختلف علمی و کاری باشند که به دنبال راه‌حل‌های داده محور برای حل مسائل و بهبود عملکرد سازمان‌ها هستند که برخی از آنها عبارتند از دانشجویان و فارغ التحصیلان رشته های فنی مهندسی، مدیریت و علوم پایه که می خواهند به حوزه علم داده وارد شوند یا در آن پیشرفت کنند.

اعضای تیم داده و هوش تجاری شاغل در استارتاپ ها، سازمان ها و کسب و کارهای مختلف که نیاز به بهبود مهارت های خود در جمع آوری، پردازش، تحلیل و بصری سازی داده ها دارند. علاقمندان به حوزه های یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) که می خواهند با استفاده از الگوریتم های پیچیده و روش های نوین، داده ها را به مدل های پیش بینی تبدیل کنند. تحلیلگران، مدیران، تصمیم گیرندگان و ذی نفعان کسب و کار که می خواهند با استفاده از دیدگاه علم داده، استراتژی های خود را بهینه سازند و نتایج بهتری را از فعالیت خود بگیرند.

در این دوره آموزشی، سعی ما بر این بود تا با ساده ترین زبان، مطالب به گونه ای ارائه شود که حتی بدون داشتن پیش زمینه قبلی، به زبان بسیار قدرتمند R در حوزه علم داده به اندازه ای مسلط گردید تا بتوانید هر پروژه ای را در این زبان برنامه نویسی پیاده سازی نمایید.


چطور تهیه کنم؟

برای تهیه فیلم های ضبط شده این مسترکلاس بر روی دکمه زیر کلیک کنید.

نوشته های مرتبط :

10 دیدگاه. ارسال دیدگاه جدید

  • سلام امکانش هست که تو کلاس نباشیم فقط فایلارو بگیریم؟ و این هزینه با کد تخفیف 800 هست؟

    پاسخ
  • علیرضا بهشتی
    1402-03-03 5:46 ق.ظ

    دوره پیشترفته هم برگزار می کنید؟

    پاسخ
  • زهرا کاظم پور
    1402-03-07 10:14 ق.ظ

    سلام. وقت به خیر.
    منظور از آشنایی مقدماتی برای پیش نیاز در چه سطح است؟ من قبلا با این زبان کار نکردم ولی با زبان دیگر آشنایی دارم. آیا میتوانم ثبت نام کنم؟

    پاسخ
    • سیدجلیل علوی
      1402-03-07 11:18 ق.ظ

      به نام خدا
      با سلام
      ضمن سپاس از شما، من در این دوره سعی می کنم زبان برنامه نویسی R را کامل برای شما توضیح دهم. سپس وارد مباحث علم داده می شویم. اگر قبلا با این زبان کار نکرده باشید اصلا مشکلی ندارد و می توانید ثبت نام کنید. چون من این زبان را از پایه آموزش خواهم داد.
      با احترام
      علوی

      پاسخ
  • مهسا توحیدفر
    1402-03-17 2:56 ب.ظ

    سلام وقت بخیر .یک اموزش R دیگر از استاد علوی در این سایت منتشر شده، لازم هست قبل از این دوره آموزش قبلی را دیده باشیم یا اینککه این دوره صفر تا صد هست؟ لازم به توضیح هست که بنده با کدنویسی اولیه پایتون و ویژوال بیسیک اشنایی در سطح کورسهای دانشگاهی دارم.

    پاسخ
    • سید جلیل علوی
      1402-03-17 6:43 ب.ظ

      سلام.وقت به
      ضمن سپاس از شما.
      این دوره در چند سطح از مقدماتی تا پیشرفته برگزار خواهد شد. مطالب از صفر تا صد توضیح و آموزش داده خواهد شد. از این رو نیاز به هیچ پیش زمینه ای در خصوص برنامه نویسی با زبان R یا خرید محصول دیگر از بنده نمی باشد.
      با احترام
      علوی

      پاسخ
  • سلام و خسته نباشید. آیا در این دوره در ارتباط با دیپ لرنینگ و نحوه پیاده سازی آن در R صحبت خواهد شد؟ خیلی متشکرم

    پاسخ
  • سید جلیل علوی
    1402-04-25 4:18 ب.ظ

    سلام. وقت بخیر. ضمن سپاس. در این دوره در خصوص یادگیری عمیق آموزش داده نخواهد شد. احتمالاً در دوره پیشرفته علم داده این مورد آموزش داده شود

    پاسخ

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.

keyboard_arrow_up