کارشناسی ارشد علوم داده

با استفاده از کارشناسی ارشد جهانی از دانشگاه جان مورز لیورپول سفر علم اطلاعات خود را آغاز کنید.

نکات برجسته کلیدی

• Bootcamp برنامه نویسی پایتون رایگان
• برنامه مهارتهای نرم افزاری ضروری شغلی
• WES به رسمیت شناخته شد
• بیش از 500 ساعت یادگیری
• 60+ مورد و پروژه
• مربیگری گروهی دو هفته ای با مربیان صنعت
• یک به یک با مربیان صنعت
• حل شبهه به موقع
• پشتیبانی همه روزه 9 صبح تا 9 بعد از ظهر IST برای سوالات در دسترس است
• IIIT بنگلور و وضعیت فارغ التحصیلان LJMU

مهارت های برتری که خواهید آموخت

آمار، تجزیه و تحلیل پیش بینی با استفاده از پایتون، یادگیری ماشین، تجسم داده ها، تجزیه و تحلیل داده های بزرگ و غیره.

مدرک کارشناسی ارشد از LJMU

با میراثی که به سال 1823 باز می گردد، دانشگاه جان مورز لیورپول، انگلستان، اکنون یکی از بزرگترین و معتبرترین دانشگاه های بریتانیا است. این دانشگاه در بین 100 دانشگاه برتر جوان جهان و 50 دانشگاه برتر در انگلستان از نظر رضایت دانشجو رتبه بندی شده است.

• تمام دوره ها را برای دستیابی به این مدرک کارشناسی ارشد تکمیل کنید. مدرک تحصیلی از LJMU، انگلستان، برای شروع کار خود در علم داده.
• برای تحقیق و نوشتن پایان نامه خود به کتابخانه دیجیتال کامل LJMU دسترسی پیدا کنید.
• مدرک کارشناسی ارشد را که توسط WES به رسمیت شناخته شده است، با 1/10 هزینه برنامه آفلاین دریافت کنید.

بهترین محتوای کلاس توسط رهبران برجسته دانشکده و صنعت در قالب فیلم ها، موارد و پروژه ها، تکالیف و جلسات زنده.

محتوای مقدماتی قبل از برنامه

• تجزیه و تحلیل داده ها در اکسل
• حل مسئله تجزیه و تحلیل

مجموعه ابزار داده

• مقدمه ای بر پایتون
• برنامه نویسی در پایتون
• پایتون برای علم داده
• تجسم داده ها در پایتون
• تجزیه و تحلیل داده های اکتشافی
• مطالعه موردی اعتبار EDA
• آمار استنباطی
• آزمایش فرضیه
• تجزیه و تحلیل داده ها با استفاده از SQL
• SQL پیشرفته و بهترین روش ها
• تخصیص SQL: فیلم های RSVP

فراگیری ماشین

• رگرسیون خطی
• تخصیص رگرسیون خطی
• رگرسیون لجستیک
• طبقه بندی با استفاده از درختان تصمیم
• یادگیری بدون نظارت: خوشه بندی
• مبانی NLP و متن کاوی
• حل مشکلات کسب و کار
• مطالعه موردی: امتیازدهی سرب

تخصص - یادگیری عمیق

• چمدان و جنگل تصادفی
• افزایش
• انتخاب مدل و تکنیک های عمومی ML
• تجزیه و تحلیل مؤلفه های اصلی
• رگرسیون پیشرفته
• Advanced ML case Stuy
• تجزیه و تحلیل سری زمانی
• مقدمه ای بر شبکه های عصبی و ANN
• تخصیص شبکه عصبی
• شبکه های عصبی کانولوشنال
• شبکه های عصبی کانولوشن - کاربردهای صنعت
• تشخیص شی و تقسیم بندی تصویر (اختیاری)
• شبکه های عصبی مکرر
• تشخیص ژست
• پروژه Capstone

تخصص - هوش تجاری / تجزیه و تحلیل داده ها

• تجسم با استفاده از Tableau
• اکسل پیشرفته
• تجسم با استفاده از PowerBI
• حل مسئله ساختاریافته با استفاده از چارچوب
• داستان سرایی داده
• مطالعه موردی Airbnb
• مدل سازی داده ها
• SQL پیشرفته و بهترین روش ها
• مقدمه ای بر داده های بزرگ و ابر
• تجزیه و تحلیل با استفاده از Spark
• مطالعه موردی داده های بزرگ
• ساختارهای داده - مجموعه ها، دیکشنری ها، پشته ها، صف ها
• جستجو و مرتب سازی
• تجزیه و تحلیل الگوریتم + بازگشت
• برنامه نویسی پیشرفته پایگاه داده با استفاده از پانداها
• پایتون و آزمایشگاه SQL
• پروژه Capstone

تخصص - مهندسی داده

• مدیریت داده ها و مدل سازی پایگاه داده رابطه ای
• مقدمه ای بر داده های بزرگ (اختیاری)
• مقدمه ای بر راه اندازی Cloud و AWS
• مقدمه ای بر برنامه نویسی Hadoop و MapReduce
• تکلیف (اختیاری)
• پایگاه های داده NoSQL و پایگاه های داده Apache HBase و NoSQL و MongoDB (اختیاری)
• ذخیره سازی داده ها (اختیاری)
• بلع داده ها با Apache Sqoop و Apache Flume
• نقشه کاهش تخصیص برنامه نویسی
• کندو و پرس و جو
• تکلیف (اختیاری)
• آمازون Redshift
• مقدمه ای بر آپاچی اسپارک
• پروژه: خط لوله داده ETL
• AWS Cloud Infrastructure (اختیاری)
• بهینه سازی Spark برای پردازش داده در مقیاس بزرگ
• Apache Flink (اختیاری)
• جریان داده در زمان واقعی با آپاچی کافکا
• پردازش بلادرنگ داده با استفاده از Spark Streaming
• تکلیف (اختیاری)
• ساخت خطوط لوله داده خودکار با جریان هوا
• تجزیه و تحلیل با استفاده از PySpark
• پروژه: پردازش داده ها در زمان واقعی
• پروژه Capstone

روش شناسی تحقیق

• مقدمه ای بر فرآیند تحقیق و پژوهش
• طرح پژوهش
• بررسی ادبیات
• مدیریت پروژه تحقیقاتی
• مهارت های گزارش نویسی و ارائه
• اخلاق علمی

پایان نامه کارشناسی ارشد

• بررسی الگوهای غذایی و اثر انگشت متابولیت مصرف کنندگان غذای آماده (سریع) با استفاده از روش های PCA و Clustering
• بررسی تشخیص بیماری های چشمی با استفاده از داده های تصویربرداری چشم پزشکی
• ساختار تصاویر پزشکی با هندسه اطلاعات
• استفاده از فید رسانه های اجتماعی برای قرار دادن توییت های مربوط به بلایای طبیعی روی نقشه
• جلوگیری از کلاهبرداری کارت اعتباری از طریق شناسایی الگو
• توسعه یک سیستم توصیه کننده برای یک غول رسانه ای
• مدل‌سازی ریسک برای فعالیت‌های مالی و بانکداری سرمایه‌گذاری

این برنامه برای چه کسانی است؟

هر تخصصی را می توان بدون در نظر گرفتن زمینه انتخاب کرد. این برنامه به مهندسان، متخصصان بازاریابی و فروش، تازه کارها، متخصصان داده، کارشناسان حوزه، نرم افزار و حرفه ای IT پاسخ می دهد.

حرفه خود را در

• تحلیلگر داده،
• دانشمند داده ،
• تحلیلگر محصول،
• مهندس یادگیری ماشین ،
• تحلیلگر کسب و کار