Quera College

آموزش مسئله‌محور هوش مصنوعی و یادگیری ماشین

با حل چالش‌های واقعی

ثبت نام

فعال‌ترین موسسه آموزشی تاکنون:
دانشگاه صنعتی شریف با ۱۸۴ ثبت‌نام از مجموع ۱۱۵۱ ثبت‌نام

سرفصل دوره

مقدمه ( ٪۶۰ تا میزان مورد انتظار )
مروری بر مفاهیم پایتون
اهداف این فصل درس‌نامه
معرفی پایتون درس‌نامه
چرا پایتون درس‌نامه
آماده سازی محیط درس‌نامه
داده ساختارها و عملگرهای اصلی درس‌نامه
ورودی و خروجی استاندارد درس‌نامه
قالب عوض کردن تمرین
متغیرها و دستورات کنترلی درس‌نامه
دستورات مختلف شاه تمرین
حلقه‌ها درس‌نامه
رشته درس‌نامه
فشرده‌سازی ساده تمرین
کلیدسازی تمرین
به دنبال پالیندروم تمرین
کار با فایل درس‌نامه
لیست درس‌نامه
تاپل درس‌نامه
BMI ورزشکاران ۲ تمرین
دیکشنری درس‌نامه
مهمانان تولد تمرین
تعداد روبوسی تمرین
سِت درس‌نامه
تابع درس‌نامه
رمزگذاری دو وجهی تمرین
کلیات استثناگردانی درس‌نامه
کد تک خطی تمرین
توابع مرتبه بالا درس‌نامه
ثبت نام گروهی تمرین
ماژول‌ها درس‌نامه
ریاضی‌دان خسته تمرین
مثالی در شی‌گرایی درس‌نامه
اعداد مختلط تمرین
جدا شده با کاما تمرین
مدیریت کتابخانه‌ها با استفاده از pip درس‌نامه
کتابخانه‌های یادگیری ماشین
اهداف این فصل درس‌نامه
آماده‌سازی محیط درس‌نامه
Numpy درس‌نامه
محاسبات ماتریسی تمرین
استاد مهربان تمرین
داده چیست درس‌نامه
Pandas درس‌نامه
بررسی آلودگی هوای آمریکا تمرین
عوامل فیلم تمرین
کتابخانه‌ی matplotlib درس‌نامه
پایتون در داده‌کاوی و آمار و احتمال
اهداف این فصل درس‌نامه
متغیر تصادفی و مفهوم احتمال درس‌نامه
توزیع تجمعی تمرین
توصیف تابع‌های توزیع احتمال درس‌نامه
توزیع‌های گسسته تمرین
مدل‌سازی تعداد بازدیدها تمرین
توزیع‌های پیوسته تمرین
آمار درس‌نامه
تخمین نقطه‌ای درس‌نامه
روش بیشترین درست‌نمایی درس‌نامه
تخمین بهتر تمرین
اریبی و واریانس تخمین درس‌نامه
فروش بستنی و حمله‌ی کوسه‌ها درس‌نامه
ضریب پیرسون درس‌نامه
تحلیل اکتشافی داده
تصویرسازی داده برای کشف حقایق درس‌نامه
آمار لالیگا تمرین
نوبل و شکلات درس‌نامه
لیگ دو قطبی تمرین
ارتباط ویژگی‌ها تمرین
صدک‌ها تمرین
بررسی سانحه تمرین
چولگی : میانگین یا میانه درس‌نامه
نمودار ثروت تمرین
تست نرمال بودن درس‌نامه
مقدمه‌ای بر یادگیری ماشین
یادگیری چیست؟ درس‌نامه
یادگیری نظارت‌شده درس‌نامه
رگرسیون یا دسته‌بندی درس‌نامه
زیربرازش و بیش‌برازش درس‌نامه
یادگیری نظارت نشده درس‌نامه
خوشه‌بندی درس‌نامه
کاهش بُعد درس‌نامه
تمرین‌های دوره‌ای
توضیحات کلی درس‌نامه
توزیع ویژگی‌ها تمرین
نرمال بودن یک ویژگی تمرین
k میانگین و k مُد تمرین
نمودار t-SNE تمرین
تحلیل اکتشافی در داده پوشه تمرین
رگرسیون
رگرسیون درس‌نامه
رگرسیون خطی درس‌نامه
بررسی کیفیت مدل رگرسیون درس‌نامه
مربع R درس‌نامه
برازش و پیش‌بینی تمرین
جداسازی داده آموزش و آزمون درس‌نامه
اعتبارسنجی متقابل درس‌نامه
فراتر از خطی تمرین
دسته‌بندی
دسته‌بندی درس‌نامه
الگوریتم k همسایه ی نزدیک درس‌نامه
تشخیص نوع تومور تمرین
رگرسیون لجستیکی درس‌نامه
خرید اشتراک مجله تمرین
درخت‌های تصمیم‌گیری درس‌نامه
جنگل‌های تصادفی درس‌نامه
جنگل بازماندگان تمرین
متغیر تاثیرگذار تمرین
سنجش مدل درس‌نامه
نگاهی به آینده
مقدمه‌ای بر روش های ENSEMBLE درس‌نامه
مقدمه‌ای بر شبکه‌های عصبی درس‌نامه
تحلیل داده‌ی متنی درس‌نامه
مقدمه ای بر مهندسی داده درس‌نامه
تمرین‌های دوره‌ای ۲
برازنده مناسب تمرین
دسته‌بند مناسب تمرین
داده‌های فیفا تمرین
سنجه بهینه تمرین

طراحان دوره

فرآیند طولانی طراحی این دوره با مشورت و نیازسنجی بسیاری از متخصصان داده و یادگیری ماشین در شرکت‌های هوش مصنوعی، و با سرپرستی و کنترل کیفیت توسط دکتر محمد حسین رهبان انجام شده است.

دکتر محمد حسین رهبان
استاد مهندسی کامپیوتر دانشگاه شریف

دکتر محمد حسین رهبان یکی از استادیاران دانشکده مهندسی کامپیوتر دانشگاه شریف است. تحصیلات آکادمیک ایشان شامل دکترای هوش مصنوعی دانشگاه شریف، پسادکترا در دانشگاه بوستون آمریکا در زمینه یادگیری ماشین در ابعاد بزرگ و پسادکترا در انستیتوی Broad با همکاری MIT و Harvard می‌شود. زمینه اصلی تحقیقاتی ایشان شامل یادگیری ماشین تفسیرپذیر، یادگیری متغیرهای نهان، و زیست شناسی محاسباتی است.

آناهیتا بابایی
فارغ التحصیل کارشناسی و کارشناسی ارشد ریاضی دانشگاه صنعتی شریف

فارغ التحصیل کارشناسی و کارشناسی ارشد ریاضی دانشگاه صنعتی شریف، دستیار آموزشی آمار و تحلیل داده دانشگاه صنعتی شریف
Data Scientist در شرکت کافه بازار

سید محمد حسینی
کارشناسی مهندسی نرم‌افزار و دانشجوی ارشد هوش مصنوعی شریف

کارشناسی مهندسی نرم‌افزار و دانشجوی ارشد هوش مصنوعی شریف، عضو فنی در شرکت پژوهشی هوش مصنوعی شناخت‌پژوه

نیما افشار
دانشجوی علوم کامپیوتر دانشگاه امیرکبیر

مدرس برنامه نویسی و مبانی کار با داده

سینا رسولی
دانشجوی دکترای ریاضیات کاربردی دانشگاه صنعتی شریف

CTO در شرکت داده‌کاوی شمارا، مدرس کارگاه‌های پایتون در داده‌کاوی در دانشگاه صنعتی شریف

علی مصطفی
مدال طلای کشوری المپیاد فیزیک

کارشناسی مهندسی برق و دانشجوی ارشد سیستم‌های دیجیتال شریف، عضو فنی در نوآفرین نینیکس

شرکت‌های همکار
پوشه
سامانه ارسال پوش نوتیفیکیشن و آنالیتیکس موبایل و وب

طرح درس این دوره با مشورت دانشمندان داده‌کاوی شرکت پوشه آماده شده است. هم‌چنین تعدادی از چالش‌های واقعی یادگیری ماشین شرکت پوشه و داده‌های آن برای تمارین و پروژه‌ی این دوره در اختیار Quera College قرار گرفته است.

سؤالات متداول

محتوای دوره در چه قالبی ارائه می‌شود؟

محتوای دوره به صورت درس‌نامه‌هایی همراه با حل مسائل به زبان پایتون است. پس از هر درس‌نامه، نوبت به تمرین و حل مسئله می‌رسد. تعدادی مسئلهٔ مطرح می‌شود که شما کد آن‌ها را نوشته و ارسال می‌کنید. سامانه داوری خودکار Quera در مدت کوتاهی کد شما را تصحیح می‌کند و نمره می‌دهد. در صورتی که نمرهٔ کامل نگرفتید نگران نباشید! می‌توانید کد خود را تغییر دهید و دوباره ارسال کنید. توجه کنید که درس‌نامه‌ها به صورت متن‌های تعاملی هستند و فیلم نیستند.

آیا محتوای دوره به صورت یکجا در اختیارمان قرار می‌گیرد؟

خیر. برای آزاد شدن محتوای هر مبحث، پیش‌نیازی از مباحث قبلی تعیین شده که باید در آن‌ها میزان مشخصی از سؤالات را حل کرده باشید.

پشتیبانی آنلاین برای شرکت‌کنندگان وجود دارد؟

بله،‌ با استفاده از سیستم پرسش‌ و پاسخ آنلاین Quera می‌توانید با طراحان دوره در ارتباط باشید و از آنان کمک بخواهید. هم‌چنین امکان پرسش و پاسخ با دیگر شرکت‌کنندگان Quera College نیز در زیر هر بخش وجود دارد.

آیا تنها با زبان‌ پایتون می‌توان دوره را گذراند؟

بله، به دلیل کاربرد بیشتر پایتون در صنعت و هم‌چنین کتاب‌خانه‌های مهم آن، این دوره به زبان پایتون منتشر شده.

تا چه زمانی برای به پایان رساندن دوره فرصت داریم؟

پس از خرید دوره شما می‌توانید فصل‌های ابتدایی آن را بدون هیچ محدودیت زمانی پیش بروید تا با فضای Quera College آشنا شوید.

پس از رسیدن به یک فصل به خصوص، با تایید از شما زمان دوره برای شما شروع می‌شود. در صورت تمایل می‌توانید این تایید را تا زمانی که فرصت مناسبی دیدید انجام ندهید و دوره را هنگامی که فرصت داشتید ادامه دهید. جهت حفظ پیوستگی دوره توصیه می‌شود که در حداکثر سه ماه دوره را به اتمام برسانید؛ از این رو گواهی دوره به افرادی داده می‌شود که حداکثر سه ماه پس از تایید شروع زمان دوره آن را گذرانده باشند.

مهلت ثبت نام در این دوره تا چه زمانی است؟

ثبت‌نام در Quera College محدودیت زمانی خاصی ندارد و فعلا برای ثبت‌نام تاریخ اتمامی در نظر نگرفته‌ایم.

دوره از چه زمانی آغاز می‌شود؟

از لحظهٔ ثبت‌نام می‌توانید شروع به گذراندن دوره کنید.

Quera College دوره‌های دیگری هم برگزار خواهد کرد؟

بله البته. هم‌اکنون چهار دوره‌ی مبانی برنامه‌نویسی و تفکر الگوریتمی، تفکر الگوریتمی پیشرفته و ساختمان‌داده‌ها، پایتون پیشرفته و یادگیری ماشین برای شما حاضر شده است. در ماه‌های آینده با نیازسنجی از جامعهٔ برنامه‌نویسان Quera، دوره‌های جدیدی منتشر می‌شود.

بزن بریم!

در صورت وجود هرگونه سؤال یا ابهام با college@quera.ir تماس بگیرید.

ثبت نام