مباحث علوم داده آنقدر گسترده است که کسی نمی‌تواند صرفا با تسلط بر یک ابزار به تمام آنها تسلط یابد. طوری که امروز شاهد هستیم تاپیک های خاص و ویژه ای برای بعضی حوزه ها تعریف شده اند که حتی ابزارهای اختصاصی خود را دارند و هر روز در حال توسعه هستند. طبیعتا آشنایی با این حوزه های خاص و فریمورک های آن لازمه پیشرفت یک دانشمند داده در مسیر حرفه ای خود می باشند.
کد دوره: SP-1801
- مدت دوره: 28 ساعت
- مخاطب دوره: دانشجویان، پژوهشگران و متخصصان علاقه منده به حوزه داده
- دوره های پیش نیاز: داده کاوی در Python . مبانی یادگیری ماشین
- مدرسین دوره: سید فوآد ابوترابی
دستاورد دوره
شرکت کنندگان در این دوره می توانند مهارت های موردنیاز جهت حل مسائل ویژه علوم داده در حوزه های یادگیری عمیق، متن کاوی، تحلیل احساس، پردازش زبان طبیعی و تحلیل شبکه های اجتماعی را کسب کرده و گستره ی توانایی های خود را در حوزه علوم داده افزایش دهند.
محتوای دوره
بخش اول: متن کاوی و تحلیل احساس
- مفاهیم پردازش متن
- مدل های طبقه بندی اسناد
- تحلیل احساسات Sentiment Analysis
- پردازش زبان طبیعی NLP
بخش دوم: تحلیل شبکه های اجتماعی
- مقدمه ای بر تحلیل شبکه های اجتماعی و مدلهای گرافی
- روش های تحلیل گراف
- انتشار اطلاعات در شبکه های اجتماعی
- آشنایی با ابزار Gephi
بخش سوم: یادگیری عمیق Deep Learning
- مبانی شبکه های عصبی عمیق
- ساخت شبکه های عصبی عمیق
- بهبود شبکه های عمیق
- بهینه سازی شبکه
- تقویت هایپرپارمترها
- شبکه های عصبی کانولوشنال
- شبکه های عصبی بازگشتی
- شبکه های RNN عمیق و انواع آن
- معرفی LSTM و کاربرد آن در تحلیل داده های Sequential
- کاربرد RNN در پردازش زبان طبیعی و تحلیل احساس
برای مشاهده برنامه زمانی این دوره در تقویم آموزشی دایکه کلیک کنید.