پاک کردن
متخصص علم‌داده یا دانشمند علم‌داده براساس آخرین آمارهای رسمی جز سه شغل برتر در سال 2020 هست. شغلی که علاوه بر جذابیت شغلی دارای حقوق و مزایای بسیار بالاتری به نسبت سایر مشاغل بوده است

توجه: امکان پرداخت قسطی نیز میسر می‌باشد. برای اطلاع از این مورد ابتدا به بخش سوالات متداول پایین صفحه رجوع کنید، در صورت نیاز لطفا با id تلگرامی bperm_admin@ یا شماره تماس‌های 02182084160 و ۰۹۳۷۷۵۱۶۷۵۹ (از ساعت ۸ الی ۱۳ روز‌های شنبه تا چهارشنبه)  در ارتباط باشید.

+تاریخ برگزاری دوره : پنج‌شنبه‌ها، از ۳۰ اردیبهشت 1۴۰۰

  • این کد فقط به صورت آنلاین برگزار می‌گردد.

اهداف دوره

متخصص علم‌داده یا دانشمند علم‌داده براساس آخرین آمارهای رسمی جز سه شغل برتر در سال 2020 هست. شغلی که علاوه بر جذابیت شغلی دارای حقوق و مزایای بسیار بالاتری به نسبت سایر مشاغل بوده است. دانشمند علم‌داده متخصصی است که مهارت‌های خود را در زمینه آمار و ساختن مدل‌های یادگیری ماشین بکار می‌برد تا پیش‌بینی‌ها را انجام دهد و به سؤالات کلیدی در کسب‌وکار پاسخ دهد. یک متخصص علم‌داده همچنین باید درست مانند یک تحلیلگر داده قادر به پاک‌سازی، تجزیه‌وتحلیل و تجسم داده‌ها باشد. بااین‌حال، یک دانشمند داده، عمق و تخصص بیشتری در این مهارت‌ها دارد و همچنین قادر به آموزش و بهینه‌سازی مدل‌های یادگیری ماشین است. دانشمند علم‌داده فردی است که می‌تواند با پرداختن به سؤالات نامحدود و دگرگون پذیر و استفاده از دانش خود در مورد آمار و الگوریتم‌های پیشرفته، ارزش زیادی را خلق کند.

در دوره جامع علم‌داده دانشگاه تهران یک سفری جذاب برای دانش‌پذیران صورت خواهد پذیرفت. دانش‌آموختگان در این دوره قادر خواهند بود تا با استفاده از ابزارها، تکنیک‌ها و تجربیات ارائه‌شده توسط اساتید دوره، داده‌ها را تحلیل و با استفاده از دیدگاه داده‌محوری که در طول دوره کسب می‌کنند، تصمیم‌گیری‌های کلان و استراتژی سازمان خود را بهبود بخشند. شرکت‌کنندگان در پایان دوره توانایی این را خواهند داشت تا علاوه بر تحلیل کسب‌وکار، به ‌پیش‌بینی وضعیت‌ با استفاده از فنون و روش‌های گفته‌شده بپردازند که این خود امری حیاتی و با ارزش است و می‌توانند زیرساخت‌های علم‌داده را در نظام کسب‌وکار خود پیاده‌سازی کنند. برخی از اهداف دوره بلندمدت دانشمند حرفه‌ای داده به شرح زیر است:

  • ایجاد و توسعه مهارت‌های حوزه‌های علم‌داده، یادگیری ماشین، تحلیل‌داده و…
  • توانایی مدیریت پایگاه‌های داده
  • توانایی بهبود عملکرد و استقرار سیستم‌های هوش‌تجاری
  • توانایی استخراج دانش و بررسی رفتار الگوهای مختلف از داده‌ها
  • توانایی برخورد صحیح با داده‌ها به‌منظور توصیف و پیش‌بینی
  • تسلط در مهارت‌های پیرامون وب کاوی، متن‌کاوی و پردازش تصویر
  • توانایی اجرایی سازی فرآیندکاوی
  • توانایی مدیریت داده‌های عظیم

سرفصل های دوره

دوره جامع علم‌داده در ۱۵ درس کاربردی طی ۳۵۰ ساعت منطبق با نیازمندی‌های بازار کار طراحی و برنامه‌ریزی ‌شده است. این دوره یک سفر منسجم و جامع جهت تبدیل‌شدن شما به یک متخصص علم‌داده خواهد بود. در این دوره با مفاهیم، تکنیک‌ها و ابزارهای مرجع و تخصصی روز علم‌داده توسط برجسته‌ترین اساتید در سرفصل‌های زیر تدریس خواهند شد.

    • مبانی آمار و جبرخطی
    • مدیریت پایگاه داده با Microsoft SQL Server
    • هوش تجاری در Power BI
    • مبانی و مفاهیم علم‌داده
    • تحلیل آماری در زبان R
    • علم‌داده در پایتون
    • سری‌های زمانی در پایتون
    • سیستم‌های توصیه‌گر در پایتون
    • متن‌کاوی در پایتون
    • وب‌‎کاوی
    • یادگیری عمیق
    • تحلیل کلان داده
    • داستان‌سرایی داده با نرم‌افزار Tableau
    • مدیریت و حاکمیت داده
    • مدیریت فرآیند و فرآیندکاوی
    • پروژه پایانی

مزایای دوره

  • مسیر آموزشی جامع منطبق با بازار کار بین‌المللی: یکی از مزیت‌های دوره جامع علم‌داده دانشگاه تهران ارائه یک مسیر یادگیری منسجم جهت فراگیری مفاهیم، تکنیک‌ها و ابزارهای تخصصی حوزه‌های مرتبط با علم‌داده است. این مسیر علاوه در بازار کار ایران برای موفقیت شما در بازار کار بین‌المللی نیز بسیار مفید خواهد بود.
  • بهره‌گیری از اساتید برجسته: در این دوره از تجربیات برجسته‌ترین اساتید کشور در دو بخش صنعتی و آکادمیک به‌صورت توأمان بهره خواهید برد.
  • اعطای مدرک معتبر از دانشگاه تهران: به دانش‌پذیرانی که موفق به گذراندن دروس و اتمام پروژه پایانی شوند مدرک معتبر و قابل ترجمه از دانشگاه تهران اعطا خواهد شد.
  • پروژه محوری: از اصلی‌ترین مزیت دوره دانشمند حرفه‌ای داده می‌توان به پروژه محور بودن آن اشاره کرد. برگزاری دوره به‌صورت پروژه محور و در قالب چندین مورد کاربردهای(Case) مختلف صنعتی پس از آموزش‌های مقدماتی شکل خواهد گرفت. شرکت‌کنندگان در طول دوره با پروژه‌هایی ملی و بین‌المللی و با داده‌های واقعی از حوزه‌های مختلف کسب‌وکار درگیر خواهند شد.
  • دیگر مزایای دوره:
  • ارائه گروه پرسش و پاسخ به‌منظور اشتراک‌گذاری تجربیات، دانش و افزایش تعامل دانش‌پذیران
  • ارائه جلسات پرسش و پاسخ، حل تمرین و رفع اشکال به‌منظور تقویت دانش‌پذیران
  • ارائه تمرین‌های پیوسته، تصحیح و پیگیری به‌منظور افزایش سطح دانش‌پذیران
  • ارزیابی پیوسته دانش‌پذیران
  • تحلیل امتحانات و ارزیابی‌ها توسط اساتید به‌منظور کشف نقاط قوت و ضعف هر یک از دانش‌پذیران
  • برگزاری پروژه پایانی علم‌داده به‌منظور ارزشیابی نهایی دانش‌پذیران
  • معرفی فرد برگزیده به تائید اساتید به واحد‌های مختلف صنعتی و سازمانی، پس از ارسال پروژه پایانی
  • پیاده‌سازی طرح (کورس تو کورس) در طول دوره جهت افزایش تعامل دانش‌پذیران برای نخستین بار
  • پیاده‌سازی طرح (کتاب‌خوانی علم‌داده) در طول دوره جهت افزایش تعامل دانش‌پذیران برای نخستین بار

گواهی دوره

اعطای مدرک معتبر از دانشگاه تهران: به دانش‌پذیرانی که موفق به گذراندن دروس و اتمام پروژه پایانی شوند مدرک معتبر، قابل ترجمه و دو زبانه از دانشگاه تهران اعطا خواهد شد.

اساتید دوره

عضو هیات علمی دانشکده مهندسی صنایع دانشگاه تهران

رئیس مرکز مطالعات مهندسی فرآیند و مدیریت منابع دانشگاه تهران

علی بزرگی امیری

دانشیار دانشکده مدیریت دانشگاه تهران

 

معاون پژوهشی دانشکده مدیریت دانشگاه تهران

سعید روحانی

کارشناسی ارشد مدیریت فناوری اطلاعات و MBA دانشگاه تهران

عضو کمیسیون اینترنت اشیا و عظیم داده‌ها سازمان نصر

مشاور پروژه تدوین نظام تحلیل داده بانک ملت

مشاور علم‌داده و کلان داده شرکت‌های مهندسی صنایع یاس ارغوانی، دیتاک و…

محمدرضا محتاط

کارشناسی ارشد مهندسی صنایع دانشگاه تهران

سابقه بیش از ۶ سال فعالیت در پروژه های مشاوره مدیریت علم داده در بیش از ۲۰ سازمان داخلی نظیر: گروه خودروسازی سایپا

مدرس بیش از ۲۰۰ دوره علم داده در دانشگاه هایی نظیر: صنعتی شریف، تهران و امیرکبیر و سخنران بیش از ۲۰ همایش نظیر: کنگره بین المللی کلان داده اروپا-آسیا در سال ۲۰۱۹

امیررضا تجلی

مدیر پروژه‌های طراحی و پیاده‌سازی هوش‌تجاری و داشبوردهای مدیریتی سازمان‌هایی نظیر: همراه اول، کارپینو، شهرداری کرج

مدرس بیش از 500 ساعت دوره‌های هوش‌تجاری در شرکت‌هایی نظیر: ایرانسل، مبین نت، مخابرات، سازمان استاندارد، بانک سامان، بانک آینده، بیمه ما

 

علی سعیدی

مشاور بانک اطلاعاتی هواپیمایی ماهان

مشاور نگهداری بانک اطلاعاتی SQL Server هلدینگ فاخر (تیپاکس، نخستین پست خصوصی ایران)

مدیر بانک‌های اطلاعاتی SQL Server دانشگاه علوم پزشکی

 

حمیدرضا صادقیان

عضو هیئت علمی دانشگاه تهران

 

رئیس مرکز پژوهشی علوم و مدیریت داده دانشگاه تهران

 

 

علی کمندی

دانش آموخته رتبه یک کارشناسی ارشد مهندسی صنایع دانشگاه تهران

دارای گواهینامه ثبت اختراع و عضو بنیاد ملی نخبگان

دارای سابقه فعالیت در تحلیل و هوشمندسازی کسب و کار در سازمان راه آهن جمهوری اسلامی و شهرداری تهران

مدرس حرفه ای هوش تجاری در دانشکده صنایع دانشگاه تهران

علیرضا حکیمی اصل

دانشجوی دکتری مدیریت کسب‌وکار دانشگاه تهران

 

سابقه بیش از 10 سال فعالیت در تحلیل رفتار مشتری، کمپانی سامسونگ

مدیر شرکت GSS Tech یکی از بزرگ‌ترین شرکت‌های خدمات بانکی کشور

محسن مهدی نیا

کارشناسی ارشد فناوری اطلاعات – تجارت الکترونیک

 

پژوهشگر برتر سال ۱۳۹۶ – پژوهشگاه توسعه فناوری‌های پیشرفته خواجه‌نصیرالدین طوسی

عضو کمیته علمی در اولین کارگاه ملی رایانش ابری کشور – دانشگاه امیرکبیر

وحید امیری

کارشناسی ارشد علوم کامپیوتر دانشگاه خوارزمی

 

بیش از ده سال سابقه مشاوره، تدریس و فعالیت علم داده

در سازمان‌هایی نظیر: اداره کل ثبت اسناد، بانک ملت، بانک انصار، پژوهشکده بیمه

محسن یزدی نژاد

کارشناسی ارشد مهندسی کامپیوتر، مدیر فنی شرکت شناسا

 

مدرس حرفه ای علم داده دانشگاه تهران

سابقه بیش از سه سال فعالیت در حوزه بینایی ماشین و یادگیری عمیق

علیرضا اخوان

سؤالات متداول

پیش‌نیازهای دوره

دوره پیش‌نیاز مشخصی ندارد اما افرادی که در مبانی و مفاهیم ریاضیات، جبر خطی، آمار و احتمالات تسلط بیشتری دارند، شروع راحت‌تری را نسبت به دیگران تجربه خواهند کرد و در طول دوره نیز با چالش‌های کمتری روبرو خواهند شد. هرچند که اساتید در طی این مسیر نیز مفاهیم مقدماتی و اولیه و هر آنچه که نیازمند شما باشد را پوشش خواهند داد. همچنین افرادی که پیشتر دانش برنامه‌نویسی را در خود تقویت کرده‌اند، در این دوره با چالش‌های کمتری روبرو خواهند بود.

مخاطبین دوره

  • کلیه متخصصین، تحلیلگران، مهندسان و مشاوران که قصد رشد و توسعه کسب‌وکاری مبتنی بر داده را خواهند داشت
  • کلیه مدیران و کارشناسان فنی واحدهای سازمانی (نظیر: واحدهای برنامه‌ریزی، فناوری، هوشمند سازی، سیستم‌ها و …)
  • کلیه علاقه‌مندان که می‌خواهند بدانند چگونه می‌توان از انبوه اطلاعات بدون ساختار، پاسخ سؤال‌های کسب‌وکار را پیدا کرد
  • کلیه علاقه‌مندان به تحلیل‌های پیشرفته داده‌های کسب‌وکار و هوشمند سازی کسب‌وکار که قصد ارتقا خود را دارند
  • کلیه علاقه‌مندان به یادگیری علم‌داده که قصد حرفه‌ای گری در این حوزه را دارند
  • کلیه علاقه‌مندان به پیش‌بینی وضعیت آینده کسب‌وکار
  • کلیه علاقه‌مندان به تحلیل کلان داده‌ها
  • کلیه دانشجویان، پژوهشگران و فعالان حوزه علم‌داده
  • و کلیه افرادی که قصد ایجاد تحولی داده‍محور را در زندگی و یا کسب‌وکار خود دارند

دوره برای چه کسانی مناسب نیست!

  • دوره حرفه‌ای علم‌داده به درد افرادی با ویژگی‌های زیر نمی‌خورد:
    • افرادی که از کدزنی رنج می‌برند
    • افرادی که بشدت درگیر هستند و زمان کافی برای یادگیری ندارند
    • افرادی که علاقه خاصی به علم‌داده ندارند
    • افرادی که نمی‌خواهند از علم‌داده، درآمدزایی کنند
    • افرادی که از مقابله با داده‌های بزرگ در هراس‌اند
    • افرادی که پیشرفت شغلی و افزایش سطح دانش برنامه‌نویسی در راستای علم‌داده برایشان هیچ اهمیتی ندارد

مدت‌زمان دوره

دوره جامع علم‌ داده در مدت زمان ۱۲ ماه و (۵۰) + ۳۰۰ ساعت برگزار خواهد شد

روزهای برگزاری دوره

این کد فقط به صورت آنلاین برگزار می‌گردد. روز‌های پنج‌شنبه از ساعت ۸:۳۰ الی ۱۷:۳۰. همچنین ممکن است برخی از دروس نیز چهارشنبه‌ عصر برگزار شود.

آیا در پایان این دوره من متخصص علم‌داده خواهم شد؟

  • علم‌داده، یادگیری ماشین، یادگیری عمیق و دیگر سرفصل‌های مشابه همگی عناوینی هستند که هرکدام، خود شامل یک مقطع تحصیلی دکتری در دانشگاه‌های خارج از کشور می‌باشد. در این دوره سعی شده تا با استفاده تلفیقی از اساتیدی مجرب چه در عرصه صنعت و چه در دنیای آکادمیک، بهترین پکیج جهت حرفه‌ای گری در علم‌داده به علاقه‌مندان اعطا شود تا مخاطبین در کمترین زمان ممکن، مجموعه‌ای از مهارت‌های مختلف پیرامون علم‌داده را فراگیرند و در کسب‌وکار خود بیشترین استفاده را نمایند. بدیهی است که در انتهای دوره، با فراگیری دانش علم‌داده‌ها و با استفاده از مهارت‌های اخذشده، نیازمند آن خواهید بود تا درگیر پروژه‌های مختلف علم‌داده و در صنایع متفاوت شوید و دیدگاه داده-محور خود را مستحکم نمایید. در انتهای این دوره شما به یک متخصص علم‌داده بدون سابقه کار (نه دانشمند ارشد داده، و نه مدیر علم‌داده) خواهید شد. موفقیت در این حوزه، نیازمند تلاش، کوشش و پشتکار بسیار فراوان و تجربه‌ای بالا به‌واسطه اخذ پروژه‌های علم‌داده مختلف است. در پایان دوره، یک مسیر بلندمدتی پیش روی شما قرار خواهد گرفت که شما را در صنعت علم‌داده با استفاده از ابزارها و روش‌هایی که آموخته‌اید، پخته‌تر خواهد کرد.

خروجی این دوره دقیقاً چه مواردی خواهد بود؟

  • تسلط بر مفاهیم، مبانی و اصول هوش‌تجاری، داده‌کاوی، یادگیری ماشینی، علم‌داده و کلان داده‌ها
  • تسلط بر ابزارهای مختلف علم‌داده و طریقه‌ی استفاده هرکدام با توجه به کاربرد
  • فراگیری دانش‌پذیران در خصوص اخذ و نحوه‌ی انجام پروژه‌های صنعتی و سازمانی
  • فراگیری دانش‌پذیران در خصوص مدیریت پروژه‌های علم‌داده و هوش‌تجاری
  • افزایش دانش کیفی و کمی جهت تحلیل داده‌ها به‌صورت اجرایی
  • افزایش دانش پیرامون پایگاه داده‌ها
  • مدیریت داده‌های بزرگ

آیا زبان‌هایی مانند R و Python کاملاً پوشش داده خواهند شد؟

  • از این دو زبان برنامه‌نویسی مطرح جهت به‌کارگیری مفاهیم تخصصی علم‌داده در دوره بهره‌مند می‌شوید و کلیه نیازهای شما در مسیر تبدیل به یک دانشمند داده پوشش داده خواهد شد. شایان‌ذکر است که جهت فعالیت‌های اضافه بر سازمان و برای عده‌ای خاص، منابع آموزشی درخور و پیشرفته نیز معرفی خواهند شد.

آیا با یادگیری علم‌داده می‌توان بروی موقعیت‌های شغلی بین‌المللی نیز حساب باز کرد؟

  • بله! در صورت رشد و پیشرفت چشمگیری در حوزه علم‌داده می‌توانید در فرصت‌های شغلی خارج از کشور نیز خودی نشان دهید. موقعیت‌های شغلی پیرامون علم‌داده چه داخل کشور و چه خارج، یکی از پرتقاضاترین نیازهای سازمان‌ها در عصر حاضر است.

گواهی دوره

  • به دانش‌پذیرانی که دروس و پروژه پایانی را با موفقیت به اتمام برسانند مدرک معتبر، قابل ترجمه و دو زبانه دانشگاه تهران اعطا خواهد شد.

آیا در انتهای دوره، ارسال پروژه پایانی الزامی است؟

  • بله! کلیه شرکت‌کنندگان می‌بایستی پروژه پایانی علم‌داده خود را تحویل دهند.

آیا امکان قسط‌بندی دوره وجود دارد؟

  • بله! امکان پرداخت شهریه در ۴ قسط مجزا فراهم است.
  • برای استفاده از شرایط اقساط، به منظور ثبت اسم شما در لیست داوطلبین دوره، پس از پرداخت قسط اول از طریق سایت، می‌بایست چک‌ها حداکثر تا یک هفته قبل از شروع کلاس‌ها به مسئول مربوطه تحویل گردد. در غیر این صورت دانشگاه هیچ مسئولیتی درقبال ثبت نام شما ندارد.

در صورت استفاده از شرایط اقساط، مبالغ چک‌ها به چه صورت باید باشند؟

  •  در ابتدا متذکر شویم، هرگونه تخفیفی با هماهنگی مسئول ثبت نام (آقای احمدی) بر روی چک آخر (به جز تخفیف ثبت نام زود هنگام، که به صورت اتوماتیک از طریق سایت) اعمال می‌شود.
  • پرداختی‌ها در ۴ قسط (تا زمان تخفیف زود هنگام) به شرح ذیل می باشد:

قسط اول -> ۳.۵ (در صورت ثبت نام زود هنگام ۲.۱۵) از طریق درگاه سایت
قسط دوم ->  ۳.۵ از طریق چک
قسط سوم -> ۳.۵ از طریق چک
قسط چهارم -> ۳ از طریق چک

تاریخ و مشخصات پرداخت چک به چه صورت است؟

  • چک‌ها می‌بایست در وجه << مرکز آموزش‌های ضمن خدمت دانشگاه تهران >> باشد.
  • چک‌های دریافتی می‌توانند به نام ثبت‌نام کننده نباشد.
  • تاریخ چک‌ها به شرح زیر است:
    قسط اول -> درگاه سایت
    قسط دوم -> یک تیر ۱۴۰۰
    قسط سوم -> یک مهر ۱۴۰۰
    قسط چهارم -> یک دی ۱۴۰۰

دانش‌پذیران حداکثر تا یک هفته قبل از شروع کلاس‌ها در ساعت 9 الی 14 شنبه تا چهارشنبه‌ به نشانی زیر مراجعه حضوری یا پست نمایند. در غیر این صورت دانشگاه مسئولیتی درقبال ثبت‌نام ایشان ندارد و مبلغ برگشتی مطابق ضوابط اعمال می‌گردد.

نشانی: تهران، بلوار کشاورز، خیابان شانزدهم آذر، نرسیده به خیابان پورسینا، پارکینگ جلالیه، پلاک ۲۹، پست الکترونیکی: stc@ut.ac.ir،  تلفن: 95-61113594-021، کد پستی: ۱۴۱۷۴۶۶۱۹۱

آیا امکان ثبت‌نام به‌صورت مجزا و برای یکسری از دوره‌ها وجود دارد؟

  • بله! ولی اولویت دوره با افرادی است که کل دوره را ثبت‌نام کنند و در صورت وجود ظرفیت این اقدام صورت می‌پذیرد.

آیا امکان برگزاری دوره در محل سازمان (یا امکان تغییرات در کلیت دوره) وجود دارد؟

  • بله! سازمان متقاضی درخواست رسمی خود را از طریق ایمیل stc@ut.ac.ir و نیز utbperm@gmail.com با ذکر لینک های ارتباطی ارسال نماید. این امکان نیز فراهم است که سرفصل ها، محتوای دوره، مدرسان دوره، شیوه برگزاری، مدت دوره و هرگونه تغییرات دیگر متناسب با نیاز سازمان متقاضی و طی مذاکرات فیمابین دانشگاه تهران و کارفرما بروزرسانی گردد.

سؤالی دارم که در لیست بالا نیست، چطور می‌توانم بپرسم؟

  • از طریق آیدی تلگرامی @BPERM_admin  و یا شماره تلفن‌های 02182084160 و ۰۹۳۷۷۵۱۶۷۵۹ می‌توانید مطرح کنید.

آیا در دوره فوق تخفیفی شامل ما خواهد شد؟

بله! برای دوره جامع ۴ نوع تخفیف در نظر گرفته شده‌ است:

  1. تخفیف زود هنگام: ۱۰ درصد
  2. تخفیف دانشجویی: ۱۰ درصد
  3. تخفیف گروهی (از ۳ نفر به بالا): ۱۰ درصد
  4. تخفیف پرداخت کامل: ۱۰ درصد

توجه کنید: حداکثر دو تخفیف قابل استفاده است.

نظرات دوره علم داده

نظرات