مدت دوره
+۱۶۰ساعت آموزش و پروژه
طول دوره
۵ ماه
همراه با
منتورینگ و پشتیبانی

معرفی بوت کمپ تحلیل داده (data analysis) دانشکار

در طول بوت‌کمپ آموزشی تحلیل داده (data analysis)، با کمک اساتید متخصص و باتجربه، هر دانشی که پیش‌نیاز ورود به دنیای دیتا آنالیز است، از جمله: پایتون، آمار، دیتابیس از پایه به شما آموزش داده می‌شود و در ادامه با فرآیندهای جمع‌آوری داده‌، پردازش، ذخیره‌سازی و تجزیه و تحلیل آن‌ها با کمک ابزار‌های مختلف آشنا می‌شوید.

آموزش‌ در این بوت‌کمپ همراه با حل تمرین و همکاری تیمی برای یادگیری مهارت‌های بازار کار خواهد بود و علاوه بر آموزش‌های تخصصی، کلاس‌های انتقال تجربه، آموزش رزومه‌‌نویسی و جلسات آمادگی مصاحبه شغلی، آموزش کار با لینکدین و امکان دسترسی به مباحث مشابه در سایر بوت‌کمپ‌ها را هم خواهیم داشت. در پایان دوره، افرادی که دوره‌ی آموزشی همراه با استخدام را انتخاب کرده‌اند، اگر دوره را با موفقیت به پایان برسانند، از طرف مجموعه‌ی دانشکار به شرکت‌های معتبر معرفی خواهند شد و ما در فرآیند کاریابی و استخدام کمکشان خواهیم کرد. همچنین نفرات برتر در صورت داشتن شرایط لازم، از طرف ما در دوره فریلنسری و کسب درآمد دلاری بورسیه و برای دریافت پروژه‌های دلاری آماده می‌شوند.

تحلیل داده بر اساس آمار:

حقوق یک Data Analyst در رده‌های مختلف سازمانی در سال 1402 چقدر است؟

0دلار
Junior Data analyst خارج از ایران
0میلیون تومان
Data analyst team lead
0میلیون تومان
senior data analyst
0میلیون تومان
Junior Data analyst

در جستجوی استعداد

سازمان‌هایی که سرمایه انسانی خود را از بین دانش‌پذیران آکادمی استخدام می‌کنند

سرفصل های دوره

1

2

3

4

5

6

7

8

9

10

11

12

13

14

Data Analysis With Python

( ساعت)
سروش قادری
سروش قادری
Data Scientist در اسنپ اکسپرس
در این بخش، با فرایند‌های جمع‌آوری و آماده‌سازی دیتا آشنا خواهید شد.
  • Python Language Basics, IPython, and Jupyter Notebooks

  • Built In Data Structures, Functions, and Files

  • NumPy Basics: Arrays and Vectorized Computation

  • Counting, Probability, and Probability Distributions

  • Sampling Distributions

  • Getting Started with Pandas

  • Descriptive Analytics

  • Importance of Data Analytics

  • Data Loading, Storage, and File Formats

  • Data Cleaning and Preparation

  • Data Wrangling: Join, Combine, and Reshape

  • Plotting and Visualization

  • Data Aggregation and Group Operation

  • Estimation and Hypothesis Testing

  • Time Series

مدرسان دوره

سپهر بازیار

Python

FastAPI BackEnd Developer در مرکز تحقیق و توسعه همراه اول

● FastAPI BackEnd Developer در شرکت GPSIR

BackEnd ● developer در کوونتا ای آی 

● دستیار آموزشی برنامه‌نویسی در دانشگاه خوارزمی 

سروش قادری

Machine Learning

Data Scientist در اسنپ اکسپرس

● Data Scientist در دانه

● Data analyst در راشاجویا

● مدرس Machine learning در شرکت دیتافلو

پیمان رضوی

Experience Transfer

Senior CRM Data Analyst در اسنپ

● Quantitative Developer در کریپتون

● Data Engineer در زیستا ژن آفرین

● کارشناسی ارشد MBA دانشگاه صنعتی شریف

علی اکبری

Experience Transfer

Contact Center Data Analyst در اسنپ فود

● Business Intelligence Analyst در مام 

● کارشناسی مهندسی صنایع دانشگاه خواجه نصیر الدین طوسی

بهرام جان نثار

Experience Transfer

Data Software Engineer در اوفود

● Data Engineer در اسنپ اکسپرس

● Data Engineer در دانه

● کارشناسی ارشد مهندسی کامپیوتر دانشگاه شهید بهشتی

سید عارف موسوی

Experience Transfer

Data Analys در دیجی کالا

● Product Data Analyst در دیوار

Sales Analyst در کافه بازار

مسعود وحیدی

Database

Data Scientist درامید پِی

●Software Programmer در کینتیک فابریکیشن استودیو 

●Software Programmer در دوسنا

فرهاد لطفی

Power BI

Senior Business Intelligence Developer در دیجی کالا

● Business Intelligence Developer در دیجی کالا

● Business Intelligence Developer در نیک آموز

آتوسا آهنگ

Linkedin

Senior Social Media Marketing Specialist در زرینو

● Co-Founder تی فلوئنسر

● LinkedIn Learning Instructor  در تپسل

● Senior Social Media Marketing Specialist در فلایتو

● Instructor of Social Media Marketing Course در کلاسور

محمدمهدی مجاهد

Git

Co-Founder & CTO دانشکار

● Software Developer در پیام‌رسان بانکی بله 

● Android Developer در النون

● کارشناسی ارشد کامپیوتر دانشگاه تربیت مدرس

نگار مختاری

Statistics with Python

Data analyst در ایرانسل

● Data Scientist در ایرانسل

● کارشناسی علوم کاربردی دانشگاه شهید بهشتی

علی رجبی

Soft Skills

Co-Founder & CEO دانشکار

● کارشناسی ارشد کارآفرینی
● کارشناسی مهندسی مکانیک

سپهر بازیار

Python

FastAPI BackEnd Developer در مرکز تحقیق و توسعه همراه اول

● FastAPI BackEnd Developer در شرکت GPSIR

BackEnd ● developer در کوونتا ای آی 

● دستیار آموزشی برنامه‌نویسی در دانشگاه خوارزمی 

سروش قادری

Machine Learning

Data Scientist در اسنپ اکسپرس

● Data Scientist در دانه

● Data analyst در راشاجویا

● مدرس Machine learning در شرکت دیتافلو

چرا این دوره؟

مزایای این دوره

تمرین و پروژه‌های کاربردی

منتورینگ و جلسات رفع اشکال

پشتیبان آموزشی در مسیر یادگیری

آموزش مهارت‌های نرم و کار تیمی

مشاوره رزومه نویسی و مصاحبه شغلی

کمک به استخدام نفرات برتر

از زبان دانش پذیران

دانش پذیران درباره دوره چه میگویند؟

بوتکمپ react.js برای من بسیار مفید و الهام بخش بود.در زمان کوتاهی موضوعات مختلفی به ما توسط اساتید با تجربه آموزش داده شد.

مهارت‌های ارتباطی با سایر افراد سازمان  یاد داده شد.جلسات شخصیت شناسی هم عالی بود.

پشتیبانی عالی  یکی از نقاط قوت دانشکار به حساب میاد.


سحر میرزایی دانش‌پذیر فعلی بوت کمپ React.js
سحر میرزایی دانش‌پذیر فعلی بوت کمپ React.js
امیرحسین صداقت طلب دانش‌پذیر فعلی بوت کمپ React.js
نرگس منافی دانش‌پذیر فعلی بوت کمپ React.js
امیرحسین همتی دانش پذیر فعلی بوت کمپ React.js
میلاد محمودی دانش‌پذیر فعلی بوت کمپPython/Django
مبینا عباسی دانش پذیر دوره دوم بوت کمپ React.js
مریم کهن دانش پذیر دوره دوم بوت کمپ React.js
فاطمه صاحبی دانش پذیر دوره دوم بوت کمپ React.js
ابوفاضل عباسی دانش پذیر دوره دوم بوت کمپ React.js
علیرضا عباسی دانش پذیر دوره دوم بوت کمپ React.js
فاطمه ابراهیمی آهنگرانی دانش‌پذیر فعلی دوره آفلاین React.js
رضا امیدی راد

جدول زمان‌بندی

از طریق لینک زیر می‌توانید زمان‌بندی برگزاری کلاس‌های دوره را مشاهده کنید.

Consult

نقشه راه ورود به بوت‌کمپ

نقشه راه ورود به بوت‌کمپ

هزینه بوت‌کمپ و ثبت‌نام اولیه

بوت‌کمپ آموزشی استخدامی

Data Analysis

ظرفیت باقیمانده: 12 نفر

سوالات متداول

photo

سوالات شما پاسخ داده نشد؟

برای دریافت مشاوره تخصصی رایگان روی درخواست مشاوره کلیک کنید.

در سریعترین زمان ممکن کارشناسان آکادمی با شما تماس می‌گیرند.

توضیحات تکمیلی در مورد Data Analysis

دیتا آنالیز (data analysis) چیست؟

تحلیل داده یا دیتا آنالیز (data analysis) فرآیندی حیاتی است که شامل بازرسی، پاکسازی، تبدیل و مدل‌سازی داده‌ها با هدف کشف اطلاعات مفید، اطلاع‌رسانی نتیجه‌گیری و حمایت از تصمیم‌گیری می‌باشد. این نقش حیاتی در زمینه‌های مختلفی از جمله تجارت، تحقیقات، مالی، مراقبت‌های بهداشتی و غیره کاربرد دارد. به وسیله دیتا آنالیز (data analysis)، سازمان‌ها می‌توانند بینش‌های ارزشمندی به دست آورند، الگوها و روندها را شناسایی کنند و تصمیم‌های مبتنی بر داده‌ها را برای رسیدن به موفقیت بگیرند. تجزیه و تحلیل داده‌ها تمرین کار با داده‌ها برای جمع آوری اطلاعات مفید است که سپس می توان از آنها برای تصمیم‌گیری آگاهانه استفاده کرد. این موارد شامل استفاده سیستماتیک از تکنیک های آماری و/یا منطقی برای توصیف، نشان دادن، فشرده سازی و ارزیابی داده‌ها است. تحلیلگران داده، مجموعه داده‌های وسیعی را کالبدشکافی می کنند، الگوهای پنهان را کشف می کنند و اعداد را به اطلاعات کاربردی تبدیل می کنند.

اهمیت دیتا آنالیز (data analysis)

تجزیه و تحلیل داده‌ها در دنیای داده‌محور امروزی از اهمیت بالایی برخوردار است. دیتا آنالیز به سازمان ها اجازه می دهد تا معیارهای عملکرد را نظارت کنند، پیشرفت را پیگیری کنند و زمینه های بهبود را شناسایی کنند. با تجزیه و تحلیل داده‌ها، کسب و کارها می توانند فرآیند های خود را بهینه کنند، تجارب مشتری را بهینه‌سازی کنند و مزیت رقابتی به دست آورند. تجزیه و تحلیل داده‌ها همچنین به درک روندهای بازار، رفتار مصرف کننده و فعالیت های رقبا کمک می کند و کسب و کارها را قادر می سازد تصمیمات استراتژیک بگیرند.

تفاوت دیتا آنالیز و دیتا ساینس 

دیتا آنالیز (data analysis) و دیتا ساینس (data science) دو حوزه نزدیک به هم هستند، اما از نظر دامنه، روش‌شناسی و مجموعه مهارت‌ها تفاوت‌های مشخصی دارند. درک این تفاوت ها برای افرادی که به دنبال موقعیت شغلی در هر یک از این حوزه ها هستند یا برای مشاغلی که به دنبال استفاده از داده‌ها برای تصمیم گیری هستند، بسیار مهم است.

دیتا آنالیز (data analysis) در درجه اول بر بررسی و تفسیر داده‌ها برای کشف بینش های معنی دار متمرکز است که می تواند به تصمیم گیری کمک کند. این بررسی شامل فرآیند تمیز کردن، تبدیل و مدل‌سازی داده‌ها برای کشف روندها، الگوها و زنجیره‌ها است. تحلیلگران داده (دیتا آنالیست‌ها) اغلب از ابزارهای آماری و زبان های برنامه نویسی مانند R یا Python برای انجام تحلیل های خود استفاده می‌کنند. هدف اصلی تجزیه و تحلیل داده‌ها پاسخ به سؤالات خاص، شناسایی روندها و پیش‌بینی بر اساس داده‌های تاریخی است. معمولاً در زمینه هایی مانند امور مالی، بازاریابی و عملیات برای بهینه‌سازی فرآیندها، درک رفتار مشتری و هدایت استراتژی های تجاری از دیتا آنالیز (data analysis) استفاده می شود.

از سوی دیگر، علم داده یا دیتا ساینس (data science) طیف وسیع تری از فعالیت‌ها را در بر می‌گیرد که فراتر از تجزیه و تحلیل داده‌های سنتی است. این عناصر از یادگیری ماشین (machine learning)، هوش مصنوعی و داده‌های بزرگ (big data) استفاده می‌کند تا نه تنها داده‌های گذشته را تجزیه و تحلیل کند، بلکه مدل ها و الگوریتم‌های پیش بینی را برای بینش‌های آینده ایجاد کند. علاوه بر تجزیه و تحلیل آماری، دیتا ساینس شامل تکنیک‌های پیشرفته ای مانند یادگیری عمیق، پردازش زبان طبیعی و تشخیص تصویر است. دانشمندان داده در برنامه نویسی، تجسم داده‌ ها و مهندسی داده مهارت دارند و توانایی کار با مجموعه داده‌های بزرگ و پیچیده از منابع مختلف را دارند.

به طور خلاصه، در حالی که دیتا آنالیز بر استخراج بینش از داده‌ های تاریخی برای هدایت تصمیم گیری متمرکز است، دیتا ساینس رویکرد جامع‌تری را شامل می شود که از مدل سازی پیش‌بینی، یادگیری ماشین و توسعه برنامه های کاربردی داده محور تشکیل شده است. هر دو رشته نقش حیاتی در استفاده از قدرت داده‌ها ایفا می‌کنند و درک واریانس های آنها برای استفاده از پتانسیل کامل آنها ضروری است.

مشاهده بیشتر
توضیحات تکمیلی در مورد Data Analysis

دانشکار را در شبکه‌های اجتماعی دنبال کنید