در این دوره چه میآموزید؟
در این دوره شما استفادهی عملی از هوش مصنوعی و یادگیری ماشین را فرا میگیرید و کاربرد یادگیری ماشین برای تحلیل داده را با حل چالشهای متعدد میآموزید. در این چالشها به تحلیل دادههای واقعی مثل نتایج فوتبال، امتیازدهی به فیلمها، نتایج سانحهی کشتی تایتانیک و … پرداخته میشود. در انتهای دوره مسئلههای واقعی از شرکت پوشه که اختصاصاً در اختیار Quera College قرار گرفته را حل خواهید کرد.
این درس از دو بخش عمده تشکیل شده است:
-
تحلیل داده:
بهره بردن از کتابخانهها و امکانات زبان پایتون برای تحلیل داده و در ادامه آشنایی عمیق با مفاهیم آماری، پایهی تفکر دادهکاوی شما را شکل خواهد داد. به عنوان مثال در یکی از تمرینهای این بخش بر اساس دادههای فوتبال لالیگا، عملکرد باشگاههای فوتبال اسپانیا را با رسم نمودار از چند منظر ارزیابی خواهید کرد.
-
یادگیری ماشین:
در این بخش با الگوریتمهای مختلف یادگیری ماشین آشنا میشوید و از ابزارهایی که در بخش قبلی آموختهاید در ترکیب با این الگوریتمها، اطلاعات جالبی از دادههایی که در اختیارتان قرار میگیرد استخراج میکنید. به عنوان مثال، میآموزید که چهطور میتوان با کمک دادههای قیمت خانهها، قیمت یک خانه تازهساختهشده را پیشبینی کرد!
مهارتهایی که با گذراندن این دوره کسب میکنید:
-
تفکر آماری برای تحلیل داده
-
تحلیل اکتشافی و تصویرسازی داده
-
تجربهی استفاده از پایتون و کتابخانههای تخصصی آن برای کار با داده
-
یادگیری نظارت شده برای مدلسازی و پیشبینی آینده
-
یادگیری نظارت نشده برای خوشهبندی
در نهایت شما وارد مسیر رسیدن به شغلهایی مثل دانشمند داده (Data Scientist)، مهندس یادگیری ماشین (Machine Learning Engineer) و یا مهندس هوش مصنوعی (AI Engineer) میشوید. در ادامهی کار Quera College دورههایی تخصصی در این موارد آماده خواهد شد که گامهای بعدی این مسیر را نیز طی کنید.
چرا دادهکاوی و یادگیری ماشین؟
در دهههای اخیر با پیشرفت تکنولوژی و توانایی در تولید و ذخیره داده در زمینههای مختلف علوم از جمله ژنتیک، اقتصاد، اخترشناسی و... نیاز به چارچوبی برای تحلیل سیستماتیک و خودکار انبوهی از داده که در اختیار داریم خود را نمایان کرد، و عصری جدید شروع شد که آن را «دوران ابر داده» یا “Big Data Era” مینامند. امروزه چون داده، محور اصلی بیشتر کسبوکارها و حتی پروژههای تحقیقاتی است، تحلیل آن نیز بخش جداییناپذیری از فرآیند آنها شده است. این نیاز در کسبوکارهای داخل کشور نیز وجود دارد و متخصصان تحلیل داده و یادگیری ماشین میتوانند در حل چالشهای سازمانها نقشی کلیدی ایفا کنند. هدف از این درس و مجموعههای بعدی آن پاسخی به نیاز بازار کار به مختصصان علومداده و یادگیری ماشین است.
چرا دوره یادگیری ماشین کوئرا کالج؟
-
توازنی بین آموزش آکادمیک و نیاز صنعت:
با همکاری متخصصانی از شرکتها و همچنین اساتید دانشگاه، سعی شده تا مباحث این دوره با حفظ انسجام و دقت آکادمیک، مطابق با نیازهای صنعت طراحی شود و از دورههای معمول که تنها شامل مباحث نظری است فاصله بگیرد.
-
آشنایی با تفکر آماری و یادگیری ماشین برای حل مسائل دادهمحور:
تب داغ هوش مصنوعی باعث شده تا بیشتر دورههای آموزشی یادگیری ماشین، به شکل شتابزدهای سراغ معرفی الگوریتمهای پیشبینی در یادگیری ماشین بروند. در این دوره سعی شده با آموزشهای عملی مفاهیم و ابزارهای آماری، یادگیری این الگوریتمها با عمق بیشتری صورت پذیرد.
-
آشنایی با ابزارهای Python برای تحلیل، نمایش و مدل سازی داده:
پایتون به عنوان زبانی در دسترس و سطح بالا قابلیتهای فراوانی را برای تحلیلداده و مدلهای یادگیری در اختیار ما میگذارد.
-
قالب یادگیری آنلاین تعاملی Quera College:
امکانات فنی خاصی در قالب دورههای Quera College وجود دارد که از آنها میتوان به سیستم داوری و نمرهدهی خودکار، تمرین عملی و کد زدن کنار درسنامهها، کنسول تعاملی پایتون و سیستم امتیازدهی اشاره کرد. جزئیات این امکانات را میتوانید در این پست کوئرامگ مشاهده کنید.
-
دسترسی به مدرسان و طراحان دوره:
همچون تمام دورههای دیگر کوئراکالج، امکان پرسشوپاسخ با مدرسان و همچنین سایر شرکتکنندگان دوره برای شما فراهم خواهد بود.
-
گواهی کوئرا:
در صورتی که این دوره را با موفقیت به پایان برسانید، گواهی گذراندن آن را کسب میکنید که به صورت دیجیتالی در اختیار شما قرار میگیرد.
پیش نیازهای این دوره
آشنایی با زبان پایتون (تا پایان فصل کار با فایل دوره پایتون پیشرفته)، تفکر الگوریتمی و مبانی مقدماتی احتمال.