You are not allowed to perform this action

علم داده

رشته: مهندسی و علم کامپیوتر گرایش: علم داده
مقطع: تحصیلات تکمیلی آخرین تصویب: ۱۴۰۳/۱۰/۱۶

مشخصات کلی، تعریف و اهداف

این گرایش با هدف آشنایی دانشجویان با مفاهیم، ابزارها و تکنیک‌های علم داده و مهندسی داده طراحی شده است. دانشجویان از طریق ترکیبی از دروس نظری و پروژه های عملی، پایه‌ای قوی در جمع آوری داده ها، تمیز کردن، تجزیه و تحلیل و نمایش، و همچنین روش های آماری و یادگیری ماشینی مورد استفاده در علم داده ایجاد خواهند کرد. دانش‌آموختگان این دوره توانایی کار بر روی مسائل پیچیده داده، استخراج بینش و دانش از داده‌ها و تصمیم‌گیری آگاهانه با استفاده از روش‌های داده‌محور را خواهند داشت. در نتیجه به مهارت و دانش لازم برای موفقیت در مشاغل مرتبط با داده‌ها، از جمله تحلیلگر داده، مهندس داده و دانشمند داده مجهز خواهند شد.

جدول دروس

جدول ۱. دروس جبرانی

عنوان درس واحد Course Title
طراحی الگوریتم‌ها ۳ Design of Algorithms
طراحی پایگاه داده‌ها ۳ Database Design
آمار و احتمال مهندسی ۳ Engineering Probability and Statistics
جبر خطی ۳ Linear Algebra
برنامه‌سازی پیشرفته ۳ Advanced Programming

جدول ۲. دروس اصلی

عنوان درس واحد Course Title
اصول و تکنیک‌ها در علم داده ۳ Principles and Techniques in Data Science
یادگیری ماشین ۳ Machine Learning
تحلیل آماری داده ۳ Statistical Data Analysis
مصورسازی داده ۳ Data Visualization
پردازش کلان‌داده ۳ Big Data Processing
روش‌های بهینه‌سازی ۳ Optimization Methods
یادگیری عمیق ۳ Deep Learning
مبانی نظری علم داده ۳ Theoretical Foundations of Data Science

* اخذ حداقل ۴ درس از جدول فوق برای دانشجویان این گرایش الزامی است.

جدول ۳. دروس اختیاری

عنوان درس واحد Course Title
تحلیل سری‌های زمانی ۳ Time Series Analysis
امنیت و حریم خصوصی داده ۳ Data Security and Privacy
پردازش زبان‌های طبیعی ۳ Natural Language Processing
مبانی یادگیری آماری ۳ Foundations of Statistical Learning
یادگیری تقویتی عمیق ۳ Deep Reinforcement Learning
یادگیری ماشین مقیاس‌پذیر ۳ Scalable Machine Learning
سامانه‌های تحلیل تعاملی داده ۳ Interactive Data Analysis Systems
اصول برنامه‌سازی مقیاس‌پذیر ۳ Principles of Scalable Programming
معماری سیستم‌های کلان‌داده ۳ Architecture of Big-Data Systems
تحلیل شبکه‌های پیچیده ۳ Complex Networks Analysis
تحلیل داده‌های زیستی ۳ Biological Data Analysis
تحلیل داده‌های چند‌رسانه‌ای ۳ Multi-Media Data Analysis
تحلیل داده‌های مکانی ۳ Spatial Data Analysis
قرآن‌کاوی رایانشی ۳ Computational Quran Mining
تحلیل داده‌های سلامت ۳ Health Data Analysis
تحلیل داده‌های مالی ۳ Financial Data Analysis
تحلیل داده‌های کسب‌وکار ۳ Business Data Analysis
آمار در ابعاد بالا ۳ High-Dimensional Statistics
سیستم‌های توصیه‌گر ۳ Recommender Systems
نظریه اطلاعات و کدینگ ۳ Coding and Information Theory
مدل‌های گرافی احتمالی ۳ Probabilistic Graphical Models
سیستم‌های پشتیبانی تصمیم‌گیری ۳ Decision Support Systems
الگوریتم‌های داده‌های حجیم ۳ Massive Data Algorithms
رایانش ابری ۳ Cloud Computing
موتور جستجو و وب‌کاوی ۳ Search Engines and Web Mining
مباحث ویژه در علم داده ۱ ۳ Special Topics in Data Science 1
مباحث ویژه در علم داده ۲ ۳ Special Topics in Data Science 2
دو درس از گرایش‌ها یا رشته‌های دیگر با نظر استاد راهنما