بوتکمپ استخدامی
دیتا ساینس و ماشین لرنینگ
شروع بوت کمپ از ۱۰ خرداد ۱۴۰۴
دوره علم داده (Data Science): آموزش پروژه‌محور و مسیر ورود به بازار کار
در بوتکمپ دیتا ساینس دانشکار، با کمک اساتید حرفه‌ای و آموزش پروژه‌محور، با تمام اصول و ابزارهای مورد‌نیاز دیتا ساینس آشنا خواهید شد. مبانی برنامه‌نویسی، آمار، پایتون و موارد کاربردی دیگه، همگی با زبان ساده و تمرینات کاربردی از پایه به شما آموزش داده می‌شود.
بعد از آموزش مبانی، وارد دنیای پردازش داده‌ها خواهیم شد و با ابزارهای تحلیل و هوش مصنوعی به حل مسائل واقعی می‌پردازیم.
علاوه‌بر دانش تخصصی، این دوره شامل جلسات انتقال تجربه، آموزش رزومه‌نویسی و ساخت پروفایل لینکدین حرفه‌ای هم هست، تا شما آماده‌ی ورود به بازار کار شوید.
اگر در ارزیابی‌های طول دوره، تأیید آکادمی را کسب کنید، وارد فرایند کاریابی خواهید شد.
کمک به استخدام در شرکت‌های منتخب
شما با استفاده از آموزش‌های بوتکمپ و انجام تمرین و پروژه به سطحی می‌رسید که به عنوان برنامه‌نویس جونیور در شرکت‌ها مشغول به کار بشید. به شما نحوه ارسال رزومه، مصاحبه شغلی و ارتباط با شرکت‌ها رو آموزش میدیم تا خودتون هم رزومه بفرستید. برای افرادی که با حضور فعالانه، دوره را با موفقیت به آخر می‌رسونن، فرایند کاریابی شامل ارزیابی رزومه، شبیه‌سازی مصاحبه شغلی و معرفی‌شون به شرکت‌های منتخب براشون انجام میشه.
سرفصل های دوره دیتا ساینس
Soft Skills
۵ساعت
● شخصیت شناسی (ابزارهای معتبر شخصیت شناسی تست NEO، سنجش رغبت شغلی با تست HOLLAND) و تحلیل آن
● کارتیمی (پنج دشمن کار تیمی، بازیکن تیمی ایده آل)
● پرورش مهارت یادگیری (مدیریت زمان، مدیریت توجه، برنامه ریزی، سطوح یادگیری)
Basics of programming
۱ساعت
● Computer structure
● Types of memory
● Phases of running the program on the computer
● Types of programming languages
● Compilers and interpreters
● Preliminary basics of operating systems and their role in software implementation and hardware management
● Algorithm and flowchart
Python
۲۲ساعت
● Introduction & Setup
● Variables and DataTypes
● Strings
Lists
● Dictionary
● Loops
● Conditions
● Functions
● Modules and Packages
● Object Oriented Programming
● Error handling
● Files
● Regular expressions
● Advanced topics
● Data Structures
● Algorithm
● Concurrency
Git
۸ساعت
● Introduction
● Browsing History
● Branching
● Rewriting History
● Collaboration
● Git in Real Project
Database
۵ساعت
● Types of databases
● Data types and storage classes
● Retrieve data from database
● Column alias
● Ordering data
● Unique result
● Filter data
● Limit number of results
● Search
● Ranges
● Aggregate functions
● Entity relationship diagrams
● Keys
● Subqueries
● Joins
● Sets
● Grouping data
● Normalizing
● Relating
● Create statement
● Drop statement
● Table constraints
● Column constraints
● Altering tables
● Inserting Data
● Deleting Data
● Updating data
● Views
● Common table expression
● Soft deletions
● Triggers
● Indexes
● Transactions
● Stored procedure
● SQL injection attacks
● Using database in python
● Redis
Statistics with Python
۵ساعت
● Distributions
● Hypothesis Tests
● Descriptive Statistics
Data analysis With Python
۲۵ساعت
● 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
Machine Learning
۱۸ساعت
● What Is Machine Learning?
● Introducing Scikit Learn
● Hyperparameters and Model Validation
● Feature Engineering
● In Depth: Naive Bayes Classification
● In Depth: Linear Regression
● In Depth: Support Vector Machines
● In Depth: Decision Trees and Random Forests
● In Depth: Principal Component Analysis
● In Depth: Manifold Learning
● In Depth: k Means Clustering
● In Depth: Gaussian Mixture Models
● Introduction to Probability
● Introduction to Statistics
● Mathematics
● Linear Algebra
Advanced Machine Learning
۶ساعت
Anomaly Detection
● Isolation Forest
● Local Outlier Factor
Feature Selection
● Univariate Feature Selection
● Recursive Feature Selection
● Sequential Feature Selection
کاربردها و استفاده از ابزار هوش مصنوعی در حوزه دیتا
پرامپت نویسی با ابزار‌ها
تولید متن و تحلیل کردن
Interview Preparation
۶ساعت
● SQL interview preparation
● Data Science interview preparation
● Python interview preparation
Storytelling & Presentation
۴ساعت
یکی از مهارت‌های کاربردی در حوزه دیتا، نحوه گزارش دهی و ارائه نتایج آماری به دست آمده است.
Resume
۲ساعت
کارگاه رزومه نویسی برای دیتاساینتیست‌ها
Final Project
پروژه‌های واقعی که شما در این بوت کمپ به صورت عملی پیاده سازی خواهید کرد.
● دیتای مسابقات تنیس
● دیتای فروشگاهی
۲ساعت
کارگاه آموزش کار با Linkedin
Experience Transfer
۱ساعت
در این بخش با تجربیات و دانش حرفه‌ای افراد موفق در حوزه‌ی دیتا همراه خواهید شد.
Experience Transfer
۱ساعت
در این بخش با تجربیات و دانش حرفه‌ای افراد موفق در حوزه‌ی دیتا همراه خواهید شد.
Experience Transfer
۱ساعت
در این بخش با تجربیات و دانش حرفه‌ای افراد موفق در حوزه‌ی دیتا همراه خواهید شد.
Soft Skills
Basics of programming
Python
Git
Database
Statistics with Python
Data analysis With Python
Machine Learning
Advanced Machine Learning
کاربردها و استفاده از ابزار هوش مصنوعی در حوزه دیتا
Interview Preparation
Storytelling & Presentation
Resume
Final Project
Experience Transfer
Experience Transfer
Experience Transfer
Soft Skills
۵ساعت
● شخصیت شناسی (ابزارهای معتبر شخصیت شناسی تست NEO، سنجش رغبت شغلی با تست HOLLAND) و تحلیل آن
● کارتیمی (پنج دشمن کار تیمی، بازیکن تیمی ایده آل)
● پرورش مهارت یادگیری (مدیریت زمان، مدیریت توجه، برنامه ریزی، سطوح یادگیری)
مدرسان دوره دیتا ساینس
چرا این دوره؟
مزایای این دوره
.png&w=256&q=75)
از زبان دانش پذیران آکادمی
دانشپذیران دوره‌‌های قبل درباره‌ی دوره چه می‌گویند؟
سلام، روزتون بخیر
بوتکمپ دیتاساینس به دو دلیل برای من خیلی مفید بود:
۱- گستردگی مباحث به شکلیه که فقط در قالب چنین دوره‌ای ممکنه به همه‌ش پرداخته بشه.
۲- تجربه‌ی کار گروهی و یادگیری مهارت‌های نرم برای ورود به بازار کار ضروریه.
در کنار این دو نکته، آشنایی با اساتید، پشتیبان، منتور و سایر دانشپذیران تجربه‌ی منحصر به فردی بود.
امیر قبادی دارینی
مسیرآموزشی در دانشکار
ورود به بوتکمپ
یادگیری در بوتکمپ
پس از بوتکمپ
هزینه دوره و ثبت‌نام اولیه
بوتکمپ استخدامی
مهلت تخفیف زودهنگام تا ۱۶ اردیبهشت
سوالات شما پاسخ داده نشد؟
سوالات متداول
دیتا ساینس چیست و چه کاربردی دارد؟
علم داده (Data Science)، یک حوزه بین رشته‌‌ای است که آمار، ریاضیات، برنامه‌نویسی و مدل‌سازی را برای استخراج اطلاعات و الگوها از داده‌های ساختاریافته و بدون ساختار ترکیب می‌کند. این حوزه شامل فرآیندهایی مانند جمع‌آوری داده‌ها، تمیز کردن، آنالیز، تجسم و مدل‌سازی پیش‌بینی با استفاده از تکنیک‌هایی مانند یادگیری ماشین (Machine Learning) و هوش مصنوعی (Artificial Intelligence) است. علم داده به طور گسترده در صنایع مختلف از جمله مراقبت‌های بهداشتی، مالی، بازاریابی و فناوری، برای بهینه‌سازی در تصمیم‌گیری، ارتقای استراتژی‌های کسب‌وکار، شناسایی تقلب، بهبود تجربیات مشتری و خودکارسازی فرآیندها استفاده می‌شود. سازمان‌ها با استفاده از بیگ دیتاها می‌توانند اطلاعات ارزشمندی به دست آورند که این موضوع منجر به نوآوری، کارایی و مزیت رقابتی می‌شود.
