کاربرد نرم افزار python با رویکرد علم داده

اهداف دوره:

• آشنایی شرکت کنندگان با ابزار های پایتان و نحوه ی استفاده آن
• ارائه ابزار های مختلف پایتان و طریقه ی استفاده هر کدام با توجه به کاربرد
• معرفی ویژگی ها و قابلیت های منحصر به فرد پایتان در حوزه علم داده
• بررسی و پیاده سازی اجزای متفاوت آن با رویکرد علم داده به دانش آموختگان

مدت‌زمان دوره :

• 3 روز کامل – از ساعت 8:30 الی 17:00

روش ارزیابی اثربخشی دوره‌های آموزشی بر اساس مدل کرک پاتریک:

• امروز ثابت‌شده است كه توفيق يك كشور در زمینه‌های فرهنگي، اجتماعي، سياسي و اقتصادي درگرو برخورداري از يك نظام آموزشي منسجم و پويا است و تنها با داشتن چنين نظامي، مي تواند با تحولات و پیشرفت‌های اجتماعي و صنعتي همگام و در ميان كشورهاي موفق جهان از جايگاه شایسته‌ای برخوردار شود. هرگز نمی‌توان ادعا كرد كه آموزش به‌خودی‌خود سودمند است ، مگر از آموزش‌های ارائه‌شده ارزشيابي به عمل آيد. همان‌طور كه در بيشتر کتاب‌ها و مقالات آموزشي و مديريتي بیان‌شده است براي تعيين ارزش دوره‌های آموزشي مدل‌ها و الگوهاي متعددي وجود دارد ، كه از مهم‌ترین آن‌ها می‌توان به مدل ارزشيابي كرك پاتريك (KIRK PATRICK) اشاره كرد.
• كرك پاتريك ارزشيابي را به‌عنوان تعيين اثربخشي در يك برنامه آموزش تعريف كرده و فرايند ارزشيابي را به چهار سطح يا گام تقسيم می‌کند.
• در این راستا موسسه زیما سطح 1و 2 مدل مذکور را برای اثربخش بودن دوره‌های آموزشی در سازمان و شرکت‌ها برگزار خواهد نمود. (جدول 1)

توای دوره آموزشی:

معرفی کلی زبان برنامه نویسی و ابزار های آن

• آموزش برنامه نویسی، آشنایی و معرفی مبانی پایتان
• معرفی منو های مختلف، ابزار کاربردی و مهم پایتان
• منابع این بخش

بررسی توابع و دستور ها، متغیر ها، عملگر ها، شرط ها و حلقه ها، رشته ها و ساختمان داده

• نوشتن تابع در پایتان  و بررسی انواع توابع
• عملگر های منطقی، مقایسه ای، بیتی و شرطی و اولویت آن ها
• حلقه های تو در تو و ساختمان داده
• ساختار های شرطی If, Else
• حلقه های تکرار For, While
• ایجاد لیست های مختلف، جست و جو و حذف در لیست ها، بررسی اسلایس ها
• نحوه تعریف رشته و تجزیه و تحلیل متد های پایتان
• دیکشنری ها، ماتریس ها و متد ها در دیکشنری ها، معرفی نوع داده در دیکشنری ها
• ورودی اطلاعات از منابع مختلف همچون اکسل، متلب
• بررسی انواع خطاها در پایتان، فرمت بندی خروجی ها
• منابع این بخش

شی گرایی در پایتان

• برنامه نویسی شی گرا
• اشیا و کلاس ها در پایتان
• تعریف کلاس و ابر کلاس
• کلاس مادر و فرزند
• مفهوم وراثت و پدر در پایتان
• بررسی متد های مجیک و سوپر
• منابع این بخش

استفاده از کتابخانه ها و پکیج ها در پایتان

• بررسی پکیج Numpy
• بررسی پکیج Matplotlib
• بررسی پکیج Pandas
• بررسی پکیج Pylab
• بررسی پکیج Scipy
• منابع این بخش

بصری سازی داده و رسم  انواع  نمودار های دو بعدی و سه بعدی و ماژول های گرافیکی

• نحوه ایجاد یک ماژول
• انواع ماژول، استفاده از تابع در ماژول، جست و جو در یک ماژول
• رسم نمودار های 2 بعدی، هیستوگرام، پله ای ، میله ای، خطی، ناحیه ای، نمودار پای چارت، نمودار پراکندگی، نمودار های حبابی، نمودار جعبه ای و شناور، نمودار ویالونی، نمودار نقشه جهان
• رسم نمودار های 3 بعدی
• ترسیم نمودار ها بصورت مجزا و کنار هم
• منابع این بخش

داده کاوی  و ماشین لرنینگ در پایتان

• پردازش داده ها، داده های خالی، داده های تکراری، داده های پرت، نرمال کردن داده ها
• آشنایی با آرایه ها و ماتریس ها، ساختار های مهم در علم داده، طبقه بندی الگوریتم های علم داده
• پیاده سازی روش های یادگیری و اعتبار سنجی آنها
• روش های یادگیری نظارت شده: بررسی پروژه و دیتاست معروف Iris،،طبقه بندی با استفاده از KNN، درخت تصمیم
• انواع رگرسیون (خطی، چند متغیره و لجستیک) و بهینه سازی
• روش های یادگیری نظارت نشده: خوشه بندی با استفاده از Kmeans، بررسی مفاهیم Clustering در پایتان، بررسی Apriori در پایتان
• یادگیری عمیق توسط Tensor Flow – تکمیلی (در صورت علاقه مندی شرکت کنندگان و وضعیت کلاس)

منابع این بخش

مدل چهار سطحی ارزیابی آموزش کرک پاتریک