پی سی دانلود - data-science

این دوره برای افرادی طراحی شده است که مایلند مهارت‌های خود را به عنوان متخصص یادگیری ماشین ارتقا دهند، اما نمی‌دانند از کجا شروع کنند. برای دستیابی به این هدف، نیازی به آموزش رسمی در علم داده نیست. در طول این دوره، مَت هریسون به عنوان مدرس، شرکت‌کنندگان را با مفاهیم کلیدی یادگیری ترکیبی آشنا می‌کند. در این دوره، روش‌های مختلف یادگیری ترکیبی از جمله بگینگ (Bagging)، بوستینگ (Boosting) و استکینگ (Stacking) بررسی می‌شوند. شرکت‌کنندگان یاد می‌گیرند که چگونه این روش‌ها را با استفاده از کتابخانه‌های محبوب پایتون مانند سایکیت‌لرن (scikit-learn) و ایکس‌جی‌بوست (XGBoost) پیاده‌سازی کنند. در پایان این دوره، شرکت‌کنندگان به مهارت‌های لازم برای پیاده‌سازی و بهینه‌سازی مدل‌های ترکیبی در وظایف واقعی یادگیری ماشین مجهز خواهند شد. این دوره با گیت‌هاب کداسپیسز (GitHub Codespaces) یکپارچه شده است؛ یک محیط توسعه‌دهنده ابری فوری که تمام قابلیت‌های IDE مورد علاقه شما را بدون نیاز به هیچ گونه تنظیمات محلی فراهم می‌کند. با استفاده از گیت‌هاب کداسپیسز، می‌توان در هر زمان و از هر دستگاهی به صورت عملی تمرین کرد – و این در حالی است که از ابزاری استفاده می‌شود که به احتمال زیاد در محیط کار نیز با آن مواجه خواهید شد. برای شروع کار، مطالعه بخش "استفاده از گیت‌هاب کداسپیسز" همراه با این دوره توصیه می‌شود. این دوره به شرکت‌کنندگان کمک می‌کند تا درک عمیقی از یادگیری ترکیبی پیدا کرده و آن را در پروژه‌های خود به کار گیرند، که این امر به بهبود عملکرد مدل‌های یادگیری ماشین و افزایش دقت پیش‌بینی‌ها منجر می‌شود. تأکید این دوره بر جنبه‌های عملی پیاده‌سازی و استفاده از ابزارهای صنعتی است تا شرکت‌کنندگان بتوانند دانش خود را مستقیماً در سناریوهای واقعی به کار گیرند و به متخصصانی کارآمد در زمینه یادگیری ماشین تبدیل شوند.
در دوره آموزشی Applied Machine Learning: Ensemble Learning با پیاده‌سازی و بهینه‌سازی مدل‌های یادگیری ترکیبی آشنا خواهید شد.

این دوره برای افراد کاملاً مبتدی در پایتون طراحی شده است که به دنبال یادگیری بصری‌سازی داده‌ها به روشی آسان، جذاب و عملی هستند. شرکت‌کنندگان در این دوره، ابتدا با مبانی برنامه‌نویسی پایتون آشنا می‌شوند؛ بنابراین حتی اگر قبلاً هرگز یک خط کد هم ننوشته باشند، می‌توانند شروع به یادگیری کنند. پس از تسلط بر مبانی پایتون، به دنیای جذاب بصری‌سازی داده‌ها قدم می‌گذارند و اصول داستان‌گویی بصری با داده‌ها را درک خواهند کرد. بخش اصلی دوره به معرفی کتابخانه Plotly اختصاص دارد. شرکت‌کنندگان یاد می‌گیرند که چگونه با استفاده از این کتابخانه، نمودارهای تعاملی و خیره‌کننده‌ای را در پایتون ایجاد کنند. این آموزش شامل ساخت انواع مختلف نمودارها از جمله نمودارهای میله‌ای، خطی، پراکندگی، دایره‌ای، هیستوگرام، نقشه‌های حرارتی و بسیاری موارد دیگر است. در ادامه، شرکت‌کنندگان مهارت‌های لازم برای سفارشی‌سازی بصری‌سازی‌های خود را کسب می‌کنند. این بخش شامل یادگیری نحوه استایل‌دهی به نمودارها با استفاده از رنگ‌ها، تم‌ها، توضیحات و قابلیت‌های تعاملی است. هدف این دوره، ارائه یک مسیر کامل و عملی برای تبدیل شدن به یک متخصص در بصری‌سازی داده‌ها با پایتون و کتابخانه Plotly است.
در دوره آموزشی Learn Python for Data Analysis & Visualize Data with Plotly با برنامه‌نویسی پایتون و بصری‌سازی داده‌ها با کتابخانه Plotly آشنا خواهید شد.

این دوره یکی از عملی‌ترین و جامع‌ترین دوره‌های آموزشی است که تاکنون برای پردازش زبان طبیعی (NLP) با استفاده از کتابخانه NLTK در پایتون طراحی شده است. چه دانشجو باشید، چه توسعه‌دهنده و چه پژوهشگر، این دوره گام به گام شما را از مبانی مطلق NLP راهنمایی می‌کند تا پروژه‌های کوچک خود را بسازید. این پروژه‌ها شامل یک مولد متن به سبک شکسپیر، یک تحلیلگر رزومه، و یک بازنویس جمله مبتنی بر مترادف هستند – تمام این‌ها تنها با استفاده از پایتون و NLTK انجام می‌شوند. شما تنها به یادگیری نظریه اکتفا نخواهید کرد، بلکه آن را به کار خواهید گرفت. هر بخش شامل بررسی دقیق کد، آزمون‌هایی برای سنجش درک شما، و پروژه‌های کوچکی است که می‌توانید با افتخار در نمونه کارهای خود به نمایش بگذارید. این دوره صرفاً بر NLTK تمرکز دارد و مدل‌های شبکه عصبی مدرن یا کتابخانه‌های ترانسفورمر مانند spaCy، BERT یا HuggingFace را پوشش نمی‌دهد. هدف این است که ابتدا با ساخت برنامه‌های کاربردی واقعی با ابزارهای ساده و قابل توضیح، بر مبانی مسلط شوید.
در دوره آموزشی Master NLP with NLTK in Python با مبانی و کاربردهای پردازش زبان طبیعی (NLP) با استفاده از کتابخانه NLTK در پایتون آشنا خواهید شد و پروژه‌های عملی متنوعی را در این زمینه می‌سازید.

این دوره آموزشی جامع، شرکت‌کنندگان را از مبانی پایتون و آمار به مفاهیم پیشرفته یادگیری ماشین و یادگیری عمیق هدایت می‌کند. این دوره با پوشش کتابخانه‌های کلیدی مانند NumPy و Pandas، تجزیه و تحلیل داده‌ها و تجسم را آموزش می‌دهد. سپس به بررسی الگوریتم‌های یادگیری نظارت شده و بدون نظارت، شبکه‌های عصبی، CNNها و RNNها می‌پردازد. شرکت‌کنندگان همچنین با پردازش زبان طبیعی و تکنیک‌های استقرار مدل آشنا خواهند شد و از طریق پروژه‌های عملی، تجربه عملی کسب خواهند کرد. هدف این دوره تربیت متخصصان آماده برای صنعت در زمینه علم داده و هوش مصنوعی است. علاوه بر این، این دوره بر استقرار مدل و مهندسی MLOps تمرکز دارد و به شرکت‌کنندگان مهارت‌های عملی برای استقرار مدل‌های یادگیری ماشین در محیط‌های تولید و مدیریت چرخه عمر آن‌ها را آموزش می‌دهد. از طریق پروژه‌های عملی در دنیای واقعی، شرکت‌کنندگان دانش و مهارت‌های خود را برای حل مشکلات پیچیده داده محور به کار می‌گیرند و یک نمونه کار قوی برای نشان دادن توانایی‌های خود ایجاد می‌کنند.
در دوره آموزشی Mastering Data Science & AI with Python & Real-World Project با مفاهیم و تکنیک های علم داده و هوش مصنوعی آشنا خواهید شد.

در این دوره آموزشی، شرکت‌کنندگان با چگونگی بهره‌گیری از پلتفرم داتابریکس به منظور مدیریت و پردازش حجم وسیعی از داده‌ها برای ساخت و آموزش مدل‌های هوش مصنوعی آشنا می‌شوند. همچنین، نحوه ادغام مدل‌های زبانی بزرگ پیشرفته در این فرآیند آموزش داده می‌شود تا امکان توسعه برنامه‌های کاربردی هوشمند در زمینه‌های مختلف پردازش زبان طبیعی فراهم گردد. این دوره شامل مباحثی پیرامون طبقه‌بندی متون، خلاصه‌سازی اطلاعات، جستجوی معنایی در متون و ساخت سیستم‌های هوش مصنوعی مکالمه‌ای است. از طریق تمرینات عملی و پروژه‌های واقعی، دانش‌پذیران تجربه لازم برای طراحی و پیاده‌سازی سیستم‌های هوشمند مبتنی بر داده و زبان را کسب خواهند کرد و با اصول معماری سامانه‌های هوش مصنوعی یکپارچه و روش‌های بهینه‌سازی عملکرد مدل‌ها آشنا می‌شوند.
در دوره آموزشی Building AI Applications with Databricks and Gen AI با ساخت برنامه‌های هوش مصنوعی با استفاده از داتابریکس و مدل‌های زبانی بزرگ آشنا خواهید شد.

این دوره آموزشی به معرفی مفاهیم و تکنیک‌های کلیدی یادگیری ماشین می‌پردازد و نحوه پیاده‌سازی آن‌ها با استفاده از زبان برنامه‌نویسی R، مجموعه ابزارهای tidyverse و بسته mlr را آموزش می‌دهد. شرکت‌کنندگان در این دوره با روش‌های مختلف پیش‌پردازش داده‌ها، انتخاب ویژگی، ساخت و ارزیابی مدل‌های یادگیری ماشین برای مسائل طبقه‌بندی و رگرسیون آشنا خواهند شد. همچنین، نحوه استفاده از ابزارهای بصری‌سازی داده‌ها برای درک بهتر نتایج مدل‌ها و ارائه آن‌ها به مخاطبان غیرمتخصص مورد بررسی قرار می‌گیرد. این دوره برای افرادی که به دنبال کسب مهارت‌های عملی در زمینه یادگیری ماشین و استفاده از R برای تحلیل داده‌های پیچیده هستند، طراحی شده است. با گذراندن این دوره، شرکت‌کنندگان قادر خواهند بود تا با استفاده از ابزارهای قدرتمند R، مسائل واقعی دنیای کسب‌وکار را با رویکردهای یادگیری ماشین حل کنند.
در دوره آموزشی Machine Learning with R, the tidyverse, and mlr. Video Edition با مفاهیم و ابزارهای یادگیری ماشین در محیط R آشنا خواهید شد.

این دوره آموزشی یک برنامه فشرده و عملی است که شرکت‌کنندگان را در طول 21 روز از طریق پیاده‌سازی 21 پروژه کلیدی در حوزه‌های مختلف علم داده، یادگیری ماشین و هوش مصنوعی راهنمایی می‌کند. هدف این دوره، توسعه مهارت‌های فنی شرکت‌کنندگان و ایجاد یک نمونه کار قوی و متنوع است که توانایی‌های آن‌ها را در حل مسائل واقعی با استفاده از تکنیک‌های پیشرفته نشان دهد. هر پروژه به گونه‌ای طراحی شده است که یک مفهوم یا تکنیک خاص را پوشش دهد و شرکت‌کنندگان را قادر سازد تا به تدریج دانش و تجربه خود را در زمینه‌هایی نظیر پیش‌بینی سری‌های زمانی، تحلیل مشتری، مدل‌سازی ریسک، تحلیل احساسات، سیستم‌های توصیه‌گر، پیش‌بینی فرسایش، مدل‌سازی قیمت‌گذاری، تشخیص تهدیدات سایبری، تشخیص تقلب، پیش‌بینی مصرف انرژی و ترافیک، تحلیل ارزش طول عمر مشتری، تحلیل بازار سهام، پردازش زبان طبیعی، تحلیل سبد بازار، پیش‌بینی خطر سلامت و روند بازار مسکن، ساخت سیستم‌های معاملات خودکار، پیش‌بینی تقاضا و ساخت عامل‌های هوش مصنوعی با استفاده از یادگیری تقویتی بپردازند. این رویکرد عملی تضمین می‌کند که شرکت‌کنندگان نه تنها مفاهیم نظری را درک می‌کنند، بلکه قادر به اعمال آن‌ها در پروژه‌های ملموس و قابل ارائه نیز خواهند بود.
در دوره آموزشی 21 data science portfolio projects in 21 days با کاربردهای متنوع و عملی علم داده و یادگیری ماشین آشنا خواهید شد.

این دوره آموزشی جامع، شرکت‌کنندگان را با مفاهیم اساسی و پیشرفته یادگیری ماشین آشنا می‌کند. در این دوره، شرکت‌کنندگان با فرآیند پیش‌پردازش داده‌ها، ساخت و ارزیابی انواع مدل‌های رگرسیونی و طبقه‌بندی، و همچنین تکنیک‌های پیشرفته‌ای مانند یادگیری جمعی و خوشه‌بندی آشنا می‌شوند. این دوره با تاکید بر کاربردهای عملی یادگیری ماشین، به شرکت‌کنندگان این امکان را می‌دهد تا با استفاده از زبان برنامه‌نویسی پایتون و کتابخانه‌های مربوطه، مهارت‌های لازم برای حل مسائل واقعی را کسب کنند و یک نمونه کار قوی برای ورود به بازار کار ایجاد نمایند. علاوه بر این، شرکت‌کنندگان تکنیک‌های پیشرفته‌ای مانند یادگیری جمعی، خوشه‌بندی و کاهش ابعاد را فرا خواهند گرفت. آن‌ها نحوه پیاده‌سازی یادگیری قوانین وابستگی برای کشف الگو در داده‌های خرده‌فروشی و تجارت الکترونیک را خواهند آموخت. در طول دوره، شرکت‌کنندگان توسعه و ارزیابی مدل‌ها را با استفاده از پایتون و کتابخانه‌های محبوب مانند Scikit-learn و Pandas تمرین خواهند کرد.
در دوره آموزشی Mastering Machine Learning: From Basics to Advanced با مفاهیم، تکنیک‌ها و کاربردهای یادگیری ماشین آشنا خواهید شد.

«چگونگی استفاده از داده» مجموعه‌ای شامل ۳ دوره است که برای تجهیز فراگیران به مهارت‌های ضروری لازم برای شروع یک حرفه در زمینه تحلیل داده طراحی شده است. این تخصص بر توانایی شناسایی و پاسخ‌گویی به سؤالات حیاتی کسب‌وکار با استفاده از داده‌ها تأکید دارد، در حالی که یک پایه جامع در فرایندهای کلیدی تحلیل داده ارائه می‌دهد. در دوره اول، شرکت‌کنندگان با اصول تحلیل داده، علم داده و آنالیز داده آشنا می‌شوند. آن‌ها ابزارها و زبان‌های برنامه‌نویسی ضروری را از طریق مطالعات موردی واقعی فرا می‌گیرند. در ادامه، بر تکنیک‌های آماده‌سازی و ساماندهی داده با استفاده از SQL مسلط می‌شوند و تجربه عملی در ذخیره‌سازی، دسترسی و دست‌کاری داده‌ها با استفاده از پایگاه‌های داده رابطه‌ای به دست می‌آورند. با ورود به مرحله تحلیل اکتشافی داده (EDA) با پایتون، شرکت‌کنندگان مهارت‌هایی در بازرسی، پرس‌وجو، خلاصه‌سازی و بصری‌سازی داده‌ها کسب می‌کنند. علاوه بر این، آن‌ها یاد می‌گیرند که چگونه تکنیک‌های تحلیل پیش‌بینی‌کننده —مانند رگرسیون، درخت‌های تصمیم، جنگل‌های تصادفی و خوشه‌بندی— را برای حل چالش‌های پیچیده کسب‌وکار و انجام پیش‌بینی‌های مبتنی بر داده به کار ببرند. در نهایت، شرکت‌کنندگان در ایجاد بصری‌سازی‌های تأثیرگذار با Tableau و ارائه مؤثر بینش‌های داده به ذینفعان تخصص پیدا می‌کنند، که آن‌ها را قادر می‌سازد تا تصمیم‌گیری آگاهانه را در سناریوهای واقعی هدایت کنند. این تخصص شامل انواع تکالیف با نمره و تمرینی است، هم در قالب بررسی‌های یادگیری با تلاش‌های متعدد و هم در قالب تکالیف برنامه‌نویسی از طریق پلتفرم Codio. تکالیف تمرینی در این دوره برای نمره نهایی محاسبه نمی‌شوند. تمامی تکالیف دیگر به صورت خودکار نمره‌دهی می‌شوند و بازخورد فوری به فراگیران ارائه می‌دهند. لطفاً در صورت داشتن هرگونه سؤال در مورد تکالیف یا دستورالعمل‌ها، در انجمن‌های گفتگو واقع در هر ماژول شرکت کنید. مرورگر Google Chrome برای تکمیل تکالیف کدنویسی توصیه می‌شود.
در دوره آموزشی How to Use Data Specialization با تجزیه و تحلیل داده‌ها، ساخت مدل‌های پیش‌بینی‌کننده و ارائه بینش‌های کاربردی آشنا خواهید شد.

این دوره آموزشی، اولین دوره عمومی آموزش داده‌های هوش مصنوعی در جهان است. در این دوره فشرده، شرکت‌کنندگان تمام مهارت‌ها و دانش لازم برای موفقیت در حوزه آموزش داده‌های هوش مصنوعی را کسب خواهند کرد؛ حوزه‌ای نوظهور و با رشد سریع که آینده مدل‌های هوش مصنوعی و به طور کلی هوش مصنوعی را شکل می‌دهد. در ابتدا، دوره به طور مختصر به مفاهیم بنیادی هوش مصنوعی که برای درک این حوزه ضروری هستند، مانند یادگیری ماشین، می‌پردازد. سپس، شرکت‌کنندگان به تسلط بر ایجاد و ارزیابی داده‌های انسانی برای تکنیک‌های تنظیم دقیق مدل‌های هوش مصنوعی مانند تنظیم دقیق نظارت شده (Supervised fine-tuning) و یادگیری تقویتی از بازخورد انسانی (Reinforcement Learning from Human Feedback) می‌رسند. پس از تسلط بر این مفاهیم، دوره به بررسی استانداردهای کیفیت و ایمنی داده‌ها می‌پردازد که هدایت‌کننده آموزش پرکاربردترین مدل‌های هوش مصنوعی امروزی هستند؛ مدل‌هایی که به طور پنهانی توسط رهبران صنعت مانند OpenAI و Cohere استفاده می‌شوند. در نهایت، دوره با آموزش نحوه یافتن اولین شغل به عنوان مربی داده هوش مصنوعی/آموزگار هوش مصنوعی به پایان می‌رسد. با تکامل مدل‌های هوش مصنوعی، تقاضا برای مربیان داده ماهر افزایش می‌یابد و فرصت‌هایی برای استقلال مالی و رشد شغلی در سراسر جهان فراهم می‌آورد.
در دوره آموزشی The Complete AI Data Training Course 2025 با آموزش داده‌های هوش مصنوعی آشنا خواهید شد.