در دنیای امروزی پر از دادههای حجیم و پیچیده، علم داده به عنوان یکی از مفاهیم بسیار مهم و برجسته، نقش بسزایی در تحولات فناورانه و کسب و کارها داشته است. علم داده به تحلیل، استخراج اطلاعات مفید، و ایجاد الگوها و مدلهای پیشبینی براساس دادههای موجود میپردازد. از آنجا که دادهها به سرعت در حال رشد هستند و حجم آنها هر روزه بزرگتر میشود، علم داده به عنوان یکی از مهمترین دانشها در دنیای امروز شناخته میشود.
در این راستا، علم داده به شیوههای متنوعی به کار میرود. از روشهای ماشین لرنینگ و هوش مصنوعی تا روشهای تحلیل استاتیستیکی و داده کاوی، هرکدام نقشی مهم در تبدیل دادههای بیارزش به دانش مفید برای تصمیمگیریهای استراتژیک و کاربردهای مختلف ایفا میکنند.
با این حال، علم داده همچنان با چالشهایی همراه است. مسائلی مانند حفظ حریم خصوصی، کیفیت و صحت دادهها، و تحلیل دادههای نامنظم و بزرگ از جمله چالشهایی هستند که پژوهشگران و متخصصان در این زمینه به دنبال راهحلهای موثر برای آنها میباشند.
در این وبینار، به بررسی مبانی علم داده، کاربردها، روشها و تحولات اخیر در این حوزه خواهیم پرداخت. همچنین، مفاهیمی همچون هوش مصنوعی، تحلیل داده، و ماشین لرنینگ را بررسی و به تفصیل توضیح میدهیم. امیدواریم که این وبینار برای علاقهمندان به علم داده، منبعی مفید و آموزنده باشد.
سجاد حیدری
تیملید دیتا دکترساینا
دیتا ساینتیست سابق اسنپفود
محسن رضاجو
دانشجوی کارشناسی ارشد مهندسی مالی دانشگاه تربیت مدرس
دیتا ساینتیست شرکت رایان همافزا
تمام دانشجویان و دانشپژوهان
علاقهمندان به علم داده، آنالیز داده و دادهکاوی
پژوهشگران صنعت مالی و حوزه علم داده
علاقهمندان به هوش مصنوعی و یادگیری ماشین
علاقهمندان به کاربرد علم داده در بازارهای مالی
صاحبان کسب و کارها
استفاده از پلتفرم کاربردی Adobe Connect
امکان دسترسی و مشاهده آنلاین فیلمِ دوره تا 3 ماه بعد از اتمام دوره
پشتیبانی کامل برگزاری و محتوای آموزشی دوره از طریق تشکیل گروه در شبکههای اجتماعی
امکان مشارکت و طرح سوال توسط شرکتکنندگان در کلاسهای آنلاین بصورت صوت و متن
امکان پرسش و پاسخ و رفع اشکال پس از کلاس در گروه تشکیل شده در شبکههای اجتماعی
اعطای گواهینامه معتبر انجمن علمی دانشگاه تربیت مدرس
معرفی افراد مستعد دوره به نهاد های مالی و شرکت های مرتبط با حوزه علم داده
پروژه محور بودن دوره با هدف ورود به بازار کار
بخش ۱: مقدمات برای یادگیری ماشین – 20 ساعت
آشنایی با علم داده و یادگیری ماشین
آشنایی با انواع تیمهای داده در کسب و کارهای مختلف
آشنایی با پوزیشنهای مرتبط علوم داده
Data Scentist کیست؟
مقدمات Python
آشنایی با Library های مختلف پایتون برای علم داده
فرایند EDA چیست؟
موردکاوی EDA: محصول علیبابا، مشتریان اسنپ فود
آشنایی با متودهای مختلف حل مسائل یادگیری ماشینی
آشنایی با انواع یادگیری ماشین
یادگیری ماشین چه کمکی به بیزنس میکند؟
آشنایی با رابطه تیم دیتا و تیم محصول در مسائل یادگیری ماشین
همکاری تیم محصول و فنی و نقش تیم دیتا در آن
مدل های مختلف همکاری با تیم فنی (جلسات گرومینگ)
پروژه نهایی بخش: EDA مشتریان دیجی کالا
بخش ۲: یادگیری ماشین برای پیش بینی – ۱۰ ساعت
یادگیری ماشین نظارت شده به چه دردی میخورد؟
نحوه همکاری دیتا-طراحی محصول-مارکتینگ در یادگیری ماشین
یادگیری ماشین برای مسائل پیشبینی
حل مساله User Value Prediction با پایتون
پیش بینی تقاضای محصولات HelloFresh
پروژه نهایی بخش: مساله پیشبینی بیمه
بخش ۳: یادگیری ماشین برای بخشبندی مشتریان – ۵ ساعت
بخشبندی مشتریان چیست و به چه دردی میخورد؟
بخشبندی مشتریان مدل RFM در پایتون موردکاوی کاربران دکترساینا
بخش ۴: یادگیری ماشین با دادههای متنی – ۵ ساعت
آشنایی با انواع دادههای متنی در بیزنس
چه کارهایی میتوان با دادههای متنی برای ارائه به تیم محصول و دیزاین انجام داد؟
تحلیل احساسات با دادههای متنی
بخش 5:بخش مالی علم داده -20 ساعت
مثال های ماشین لرنینگ در صنعت مالی:
پیش بینی ریسک اعتباری مشتریان بانک
دسته بندی مشتریان کارگزاری های بورس
مفاهیم مالی:
نمودار تکنیکال و اندیکاتور ها
تشکیل سبد سرمایهگذاری
مدل های capm و مارکویتز
ابزار های مشتقه
کاربرد پایتون در بازار های مالی:
جمع آوری دیتای قیمتی
رسم نمودار قیمتی و اندیکاتور ها
مقدمات معاملات الگوریتمی
محاسبه بتای سهام ها
ریسک و بازده سبد سرمایه گذاری
شبیه سازی مونت کارلو برای قیمت گذاری اختیار معامله
گروه مالی اوج، حاصل سالها تجربه و دانش جمعی از دانشجویان و فارغالتحصیلان دانشگاه تربیت مدرس است.
تیم ما متشکل از افرادی مستعد، مجرب و با پیشینه علمی قوی است که برای ایجاد تحولی شگرف در صنعت مالی دور هم گردآمدهاند. ما به قدرت همکاری و قدرت ناشی از پیوند دیدگاههای مختلف اعتقاد داریم
تمامی حقوق مادی و معنوی این سایت متعلق به گروه مالی اوج است.
0
yes
قوانین ثبت دیدگاه