دوره‌ای که پیش رو دارید، قرار نیست یه بار دیگه بره سراغ آموزش تئوری یادگیری ماشین و الگوریتم‌ها. اینجا خبری از تکرار مکررات نیست. تمرکز اصلی روی یه مهارت حیاتیه: اینکه چطور با داده، مسئله‌های واقعی رو حل کنیم.
خیلی از ما بلدیم کد بزنیم، مدل بسازیم، ولی وقتی یه مسئله واقعی...
هنر حل مسئله با داده 🎯
دوره‌ای که پیش رو دارید، قرار نیست یه بار دیگه بره سراغ آموزش تئوری یادگیری ماشین و الگوریتم‌ها. اینجا خبری از تکرار مکررات نیست. تمرکز اصلی روی یه مهارت حیاتیه: اینکه چطور با داده، مسئله‌های واقعی رو حل کنیم.
خیلی از ما بلدیم کد بزنیم، مدل بسازیم، ولی وقتی یه مسئله واقعی از دنیای کسبوکار میاد رو میز، گیر می‌کنیم. این دوره دقیقاً برای همون لحظه‌ها طراحی شده.
این دوره به چه سوالاتی جواب می‌ده؟ 🤔
چرا این دوره؟ چون به جای آموزش الگوریتم‌محور، ذهنیت حل مسئله رو به شما یاد می‌ده.
چه چیزی یاد می‌گیرم؟ از تعریف درست مسئله تا روایت‌گری با داده (Data Storytelling).
چطور به کارم میاد؟ توی مصاحبه‌های شغلی، پروژه‌های دانشگاهی و مسائل واقعی شرکت‌ها، تفاوت یه Data Scientist خوب و معمولی همینه.
مشخصات کلی دوره 📌
ویژگی
توضیح
عنوان
هنر حل مسئله با داده
مدرس
تیم Data Scientist مجموعه Particle B
مدت زمان
حدود ۱۲ ساعت ویدیو + ۲۷ ساعت تمرین و پروژه
سطح
متوسط تا پیشرفته
پیش‌نیاز
آشنایی مقدماتی با یادگیری ماشین، آمار و برنامه‌نویسی
پروژه پایانی
تحلیل داده‌های بازارهای مالی
نکته: این دوره الان با تخفیف ویژه ارائه میشه، پس اگه قصد جدی برای ورود به حوزه دیتا داری، فرصت مناسبیه.
درباره این دوره بیشتر بدونیم
توی آموزش علم داده، قراره ببینیم چطور میشه با استفاده از علوم داده (Data Science) مسئله‌ها رو حل کرد. ولی این دوره، آموزش جامع مبانی یادگیری ماشین، آمار، جبر خطی یا برنامه‌نویسی نیست. هدف اینه که تجربه‌های واقعی حل مسائل داده‌محور به اشتراک گذاشته بشه و مسیر این مهارت مهم برای علاقه‌مندان روشن‌تر بشه.
سعی کردیم از بیان نکات تکراری که توی همه منابع پیدا میشه پرهیز کنیم و به جاش با مطالب علمی به‌روز، مثال‌ها و چالش‌های واقعی، هنر حل مسئله با داده رو آموزش بدیم. به‌طور خلاصه، توی این مسیر با تمرکز روی یه مسئله واقعی، این مراحل رو طی می‌کنیم:
تعریف و مدل‌سازی مسئله
آماده‌سازی و پیش‌پردازش داده‌ها
انتخاب تکنیک مناسب
تحلیل و بهبود نتایج مدل
مصورسازی نتایج و نتیجه‌گیری بر اساس داده
هدف از یادگیری این دوره چیه؟
یادگیری ماشین و تحلیل داده امروزه به‌طور گسترده توی بازارهای مالی استفاده میشه. طوری که این موضوع منجر به شکل‌گیری حوزه جدیدی به اسم فین‌تک (FinTech) شده. یکی از مهم‌ترین چالش‌ها توی این حوزه، تعریف درست مسئله و مدیریت انتظاراته.
مثلاً پیش‌بینی قیمت توی مارکت با الگوریتم‌های یادگیری ماشین، ساده‌ترین نگاه به مسئله‌ست و انتظار حل کاملش واقع‌بینانه نیست. پس نحوه تعریف مسئله و استفاده درست از ابزارهای مدل‌سازی و تحلیل داده، نقطه عطف صنعت فین‌تک محسوب میشه.
یکی از مسائل موجود توی بازارهای مالی، تحلیل و تخمین نوسان مارکت (Volatility) هست که می‌تونه به‌عنوان تخمینی از میزان ثبات بازار استفاده بشه. توی این پروژه، اول با مفهوم Volatility و نحوه استفاده ازش آشنا می‌شیم و نوع مدل‌سازی و حل مسئله رو بررسی می‌کنیم. بعدش راهکارهای آماده‌سازی داده، ساخت مدل و نحوه استفاده از مدل رو یاد می‌گیریم. در انتها هم ابزارهای تصویرسازی (Visualization) برای تحلیل نتایج و بهبود مدل بررسی میشن.
این دوره مناسب چه کسانیه؟
جمع‌آوری داده و تحلیلشون به سازمان‌ها کمک می‌کنه تا درآمد و جایگاهشون رو بین رقبا ارتقا بدن. پس اگه با مفاهیم اولیه تحلیل داده و یادگیری ماشین آشنایی داری و قصد ورود به بازار کار این حوزه رو داری، این دوره برای توئه. همچنین اگه دوست داری مفاهیم علوم داده رو به‌صورت حرفه‌ای یاد بگیری و توی حل مسئله‌های واقعی به‌کار بگیری، این دوره کمک شایانی بهت می‌کنه.
بعد از این دوره چه مهارت‌هایی به دست میارید؟ ✨
آشنایی کامل با مفهوم Volatility و چگونگی استفاده ازش
بررسی نوع مدل‌سازی و حل مسئله
توانایی جمع‌آوری داده‌ها، تحلیل و آماده‌سازی اون‌ها
مدل‌سازی مسئله به شکل اصولی
حل مسئله با استفاده از مدل ساخته‌شده
انتخاب تکنیک مناسب با توجه به نوع مسئله
انتقال زیبا و درست نتایج تحلیل به مخاطبان
پیش‌نیازهای شرکت در دوره
برای انجام پروژه‌های علم داده، اول از هر چیز باید بتونی مشکلی که کسبوکار با اون روبه‌روست رو به‌خوبی درک کنی. آشنایی با چگونگی جمع‌آوری داده هم مهمه، چون با تحلیل داده‌های مناسب می‌تونی اطلاعات موردنیازت رو به دست بیاری.
از طرفی علوم داده نیاز به آشنایی با اصول یادگیری ماشین داره. در واقع باید بتونی الگوریتم‌ها رو خوب درک کنی و پیاده‌سازی‌شون کنی. سفر از یه مشکل واقعی توی کسبوکار به یه مسئله توی حوزه علوم داده کار آسونی نیست. پس باید دقیق بدونی توی هر مرحله از فرایند حل مسئله، می‌خوای چه کاری انجام بدی.
تسلط نسبی توی این حوزه‌ها لازمه:
یادگیری ماشین
مدل‌سازی ریاضی
آمار
برنامه‌نویسی کامپیوتر
پایگاه‌های داده
اگه فکر می‌کنی این علوم برات ناآشناست یا تسلط کافی نداری، بهتره اول سراغ آموزش‌های پایه‌ای مثل پایتون برای علم داده، آمار کاربردی، هوش مصنوعی با پایتون یا یادگیری ماشین بری.
ویژگی‌های متمایز این دوره نسبت به مشابه‌ها
این دوره مثل خیلی از دوره‌های مشابه، به آموزش صرف یادگیری ماشین و الگوریتم‌هاش نمی‌پردازه. بهت یاد می‌ده برای حل مسائل پیچیده چه ذهنیتی باید داشته باشی. توی این دوره می‌آموزی با توجه به موضوع موردنظرت، چطور داده‌های لازم رو آماده کنی، با چه تکنیکی و چطور تحلیلشون کنی و در نهایت چطور جواب مسئله رو نمایش بدی.
یه مزیت مهم این دوره برای شرکت‌کننده‌ها اینه که بعد از فارغ‌التحصیلی و انجام مصاحبه و طی شدن پروسه، می‌تونن وارد دوره کارآموزی Data Science مجموعه Particle B بشن. این امکان توسط همون مجموعه‌ای فراهم شده که ارائه‌دهنده دوره هنر حل مسئله با داده‌ست.
در انتهای دوره هم یه پروژه نهایی بهت داده میشه که آموخته‌هات رو محک بزنی. توی این پروژه باید داده‌های بازارهای مالی رو تحلیل کنی. مثلاً می
