تحلیل داده
Data Analytics
| مقطع: تحصیلات تکمیلی | گرایش: علم داده |
| نوع درس: نظری | تعداد واحد: ۳ |
| پیش‌نیاز: – | هم‌نیاز: – |
هدف کلی
هر روز حجم داده‌ای که در دسترس ما قرار دارد افزایش پیدا می‌کند. این اتفاق هم یک تهدید ایجاد می‌کند هم یک فرصت. فرصت جدید این است که داده‌های جدید به ما کمک می‌کند که درک بهتری نسبت به محیط خود داشته باشیم و تصمیمات بهتری بگیریم. تهدید جدید این است که پیدا کردن شهود درست روز به روز سخت‌تر می‌شود. هدف این درس این است که به دانشجویان کمک کند تا بتوانند شهود بهتری نسبت به محیط خود پیدا کنند. در پایان این درس دانشجویان می‌توانند: با جدید‌ترین ابزارهای تحلیل داده و تکنیک‌های تحلیل داده آشنا شوند و این توانایی را برای تحلیل داده و انتقال و انتشار نتایج استفاده کنند. این درس به دانشجویان کمک می‌کند که بتوانند مهارت‌های ریاضی و یادگیری ماشین خود را در مسائل واقعی به کار بگیرند. این درس دانشجوها را آماده می‌کند تا بتوانند ابزارهای جدید یادگیری ماشین و تحلیل داده را برای استنباط الگوهای داده استفاده کنند و بتوانند راجع به آینده داده پیش‌گویی کنند.
سرفصل‌ها
- فرآیند تحلیل داده
- پیدا کردن شهود جدید روی داده
- مصورسازی و انتقال شهود
- استنباط آماری
- تحلیل پیش‌بینی
- یادگیری ماشین
- یادگیری عمیق
- یادگیری ماشین با نظارت پایین
- امنیت و حریم خصوصی داده
ارزیابی پیشنهادی
- تمرین‌ها و پروژه: ۳۰ درصد نمره
- آزمون‌های میان‌ترم و پایانی: ۵۰ درصد نمره
- فعالیت کلاسی: ۲۰ درصد نمره
منابع پیشنهادی
- S. Berinato. Good Charts. The HBR Guide to Making Smarter, More Persuasive Data Visualizations. Harvard Business Review Press, 2016.
- C. N. Knaflic. Storytelling with Data. John Wiley & Sons, 2015.
- R. Rafael and A. Irizarry. Introduction to Data Science, Data Analysis and Prediction Algorithms. CRC Press, 2019.