مدرسه تخصصی هوش مصنوعی، علم داده و یادگیری ماشین
در دنیای امروز، علم داده و هوش مصنوعی به محرک‌های اصلی تحول دیجیتال تبدیل شده‌اند. در حالی که داده‌ها به منبعی بی‌پایان از فرصت‌های تجاری و فناوری تبدیل شده‌اند، استفاده درست و هوشمندانه از این منابع می‌تواند به انقلاب در فرآیندهای کسب‌وکار، بهبود تصمیم‌گیری‌ها و ایجاد راهکارهای نوآورانه برای صنایع مختلف منجر شود. اما برای دستیابی به این دستاوردها، نیاز به نیروی انسانی متخصص و آموزش‌دیده داریم که بتواند با تحلیل داده‌ها، مدل‌های پیچیده را طراحی کرده و آینده را پیش‌بینی کند.
با توجه به اهمیت روزافزون این علوم، آکادمی فناوران بیرکار با همکاری دانشگاه آزاد اسلامی واحد سنندج با هدف پرورش استعدادهای برتر در زمینه‌های هوش مصنوعی، علم داده و یادگیری ماشین، تصمیم به راه‌اندازی مدرسه تخصصی هوش مصنوعی در سنندج گرفته است. این مدرسه قصد دارد تا به تربیت نیروی کار متخصص در این حوزه بپردازد و فرصت‌های شغلی جدیدی را برای دانشجویان، فارغ‌التحصیلان دانشگاهی، مدیران سازمان‌ها، و فعالان صنعت فراهم کند.
اساتید دوره:
1- دکتر علیرضا عبداله پوری (دانشیار دانشگاه کردستان)
2- دکتر عادل فاطمی (دانشیار دانشگاه آزاد اسلامی)
3- دکتر عبدالباقی قادرزاده (استادیار دانشگاه آزاد اسلامی)
4- دکتر ام کلثوم شهریاری (استادیار دانشگاه آزاد اسلامی)
5- دکتر سهیل تهرانی پور (مدیر عامل شرکت ساعیان ارتباط و مدرس آکادمی همراه اول)
6- دکتر انور بهرام پور (استادیار دانشگاه آزاد اسلامی)
منتورهای دوره:
1- مهندس شهلا حواس
2- مهندس امید سیف پناهی
3- مهندس آرین فقیرالهی
4- مهندس شیوا قادری
شهریه دوره: 4,200,000
مهلت ثبت نام با تخفیف 20 درصد(3,360,000 تومان): 10 بهمن 1403
سر فصل ها:
-
1 مقدمه و آشنایی با زبان برنامه‌نویسی پایتون(دکتر انور بهرام پور)
- 1-1- جلسه 1: آشنایی با پایتون و نصب محیط‌های کاری
- 2-1- جلسه 2: مباحث پایه‌ای (متغیرها، انواع داده ای عملگرها، ساختارهای کنترلی و توابع)
- 3-1- جلسه 3: ساختارهای داده‌ای (لیست، دیکشنری، تاپل و مجموعه‌ها)
- 4-1- جلسه 4: کتابخانه‌های پایتون برای علم داده
-
2 جمع‌آوری داده و پردازش داده‌ها(دکتر ام کلثوم شهریاری و دکتر انور بهرام پور)
- 1-2- جلسه 5: جمع‌آوری داده از منابع مختلف
- 2-2- جلسه 6: پردازش داده‌ها(پاک‌سازی داده‌ها، داده های گم شده و تغییر فرمت داده ها)
- 3-2- جلسه 7: اکتشاف داده‌ها و آشنایی با تحلیل آماری مقدماتی
- 4-2- جلسه 8: بصری‌سازی داده‌ها
-
3 آمار و احتمالات کاربردی (دکتر عادل فاطمی)
- 1-3- جلسه 9: مبانی آمار و احتمالات
- 2-3- جلسه 10: قوانین احتمال و آمار استنباطی
- 3-3- جلسه 11: متغیرهای تصادفی و تحلیل همبستگی
- 4-3- جلسه 12: تحلیل و تفسیر نتایج آماری
-
4 پایگاه داده ها و مدیریت داده‌ها(دکتر عبدالباقی قادرزاده)
- 1-4- جلسه 13: مبانی پایگاه داده ها
- 2-4- جلسه 14: دستورات SQL برای مدیریت داده‌ها
- 3-4- جلسه 15: ذخیره و بازیابی داده‌ها از فایل‌ها
- 4-4- جلسه 16: دیتابیس‌های NoSQL
-
5 مقدمه‌ای بر یادگیری ماشین(دکتر علیرضا عبداله پوری و دکتر ام کلثوم شهریاری)
- 1-5- جلسه 17: مبانی یادگیری ماشین
- 2-5- جلسه 18: یادگیری نظارت‌شده: رگرسیون
- 3-5- جلسه 19: یادگیری نظارت‌شده: الگوریتم‌های دسته‌بندی
- 5-5- جلسه 20: ارزیابی مدل‌های یادگیری ماشین
-
6 یادگیری ماشین پیشرفته(دکتر علیرضا عبداله پوری و دکتر ام کلثوم شهریاری)
- 1-6- جلسه 21: یادگیری بدون نظارت: خوشه‌بندی
- 2-6- جلسه 22: تحلیل مولفه‌های اصلی (PCA)
- 3-6- جلسه 23: شبکه‌های عصبی و مبانی یادگیری عمیق
- 4-6- جلسه 24: تنظیم و بهینه‌سازی مدل‌های یادگیری ماشین
-
7 پردازش زبان طبیعی (NLP) (دکتر سهیل تهرانی پور)
- 1-7- جلسه 25: مقدمه‌ای بر پردازش زبان طبیعی
- 2-7- جلسه 26: مدل‌سازی زبان
- 3-7- جلسه 27: دسته‌بندی و تحلیل احساسات
- 4-7- جلسه 28: ترجمه ماشینی و پردازش زبان‌های مختلف
-
8 تحلیل شبکه‌های اجتماعی (دکتر علیرضا عبداله پوری)
- 1-8- جلسه 29: مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
- 2-8- جلسه 30: تجزیه و تحلیل گراف‌ه
- 3-8- جلسه 31: تحلیل تعاملات در شبکه‌های اجتماعی
- 4-8- جلسه 32: مدل‌های پیشرفته در تحلیل شبکه‌های اجتماعی
-
9 پروژه‌های نهایی و کاربردهای عملی(جمعی از اساتید)
- 1-9- جلسه 33: انتخاب و تعریف پروژه نهایی
- 2-9- جلسه 34: توسعه پروژه‌های یادگیری ماشین
- 3-9- جلسه 35: پردازش داده‌های پروژه و بهبود مدل‌ها
- 4-9- جلسه 36: ارائه پروژه‌ها و جمع‌بندی دوره
درباره
مهارتها
جمعی از مهارتها
