در دوره پیش رو مباحث فرآیند داده کاوی در دو بخش 1- شناخت و آماده سازی داده ها 2- مدلسازی و ارزیابی مورد بحث قرار می گیرند. در هر بخش موضوعات مختلفی مطرح خواهد شد که در دیاگرام زیر قابل مشاهده است:
- آکادمی
- مسیر شغلی یکساله / ۶ ماهه
- دانشمند دادهDATA SCIENTIST
330 ساعت . 150 جلسه - مهندس هوش مصنوعیML/AI ENGINEER
۴۴۰ ساعت . ۱۱۰ جلسه - گام۱: تحلیلگر داده محورData Driven Analyst
- گام۲: تکنسین دیتاساینس
- گام۴: متخصص هوش مصنوعی
- گام۵: مهندس MLOps
- گام۶: مهندس هوش م. مولدGen AI Engineer
- ثبت نام دانشجوییدوره جامع علم داده
غیرحضوری/آنلاین - ثبت نام زودهنگامدوره جامع علم داده
غیرحضوری/آنلاین
- دانشمند دادهDATA SCIENTIST
- دورههای آزاد ۳ ماهه
- شیرجه در علم داده
- آمار برای علم داده (Python)
- آمار برای علم داده (IBM SPSS)
- داده کاوی و یادگیری ماشین کاربردی (Python)
- داده کاوی و حل مساله (IBM SPSS)
- برنامه نویسی در پایتون
- منابع داده در پایتون
- کاربری لینوکس و داکر
- تحلیل کلان داده
- یادگیری عمیق کاربردی
- مهارت های نرم افزاری
- ریاضیات برای هوش مصنوعی
- توسعه یادگیری ماشین (پیشرفته)
- توسعه یادگیری عمیق (پیشرفته)
- توسعه و عملیات MLOps
- چرخه عمر نرم افزار (SDLC)
- AWS / GCP
- هوش مصنوعی مولد Gen-AI
- ارتقا پورتفو یک ماهه
- بوت کمپ یک روزه
- مسیر شغلی یکساله / ۶ ماهه
- نشریه
- پلتفرم دایکر
- شرایط و قوانین
