آموزش و یادگیری

یادگیری علم داده در دوره جامع و آنلاین مایکروسافت

اگر قصد یادگیری علم داده را از پایه و به همراه مثالهای مناسب و ابزارهای یکپارچه و هماهنگ و بهره وری از محیط رایانش ابری برای اجرای مدلهای مختلف یادگیری ماشین و اعمال آنها روی هر نوع داده با هر اندازه ای را دارید، توصیه می کنم دوره جامع یادگیری علم داده شرکت مایکروسافت را که با همکاری سایت آموزش الکترونیک EDX ارائه شده است، از دست ندهید.

غیرفعال شدن این دوره

در حال حاضر (آبان ۹۹) برای استفاده از امکانات آموزشی مایکروسافت در حوزه مهندسی و علم داده به این آدرس مراجعه کنید. دوره زیر غیر فعال شده است.

مزایای مختلفی که می توان برای این دوره برشمرد از قرار زیر است :

  • رایگان بودن دوره
  • امکان کسب گواهینامه با پرداخت ۹۹ دلار به ازای هر درس
  • یادگیری همزمان زبان پایتون و R
  • استفاده از محصولات مختلف مایکروسافت مانند اکسل ، پاور بی آی و سامانه آژور
  • جامع بودن دوره و شامل شدن تمام آنچه را که باید در ابتدای کار حرفه ای در علم داده بدانید …
  • تکرار شدن دروس در هر فصل که می توان با برنامه ریزی مناسب در طی حداکثر یکسال به نتیجه رسید
  • انجام یک پروژه واقعی در انتهای دوره

البته در این دوره به آموزش پایگاه های داده نوین و NoSQL پرداخته نخواهد شد.

دوستانی که علاقه مند به دوره مهندسی داده و مباحث کلان داده به صورت عملی هستند، می توانند از دوره مبانی مهندسی داده نیک آموز استفاده کنند.

آموزش مهندسی داده [Data Engineering]

آموزش مهندسی داده [Data Engineering]

دوره آموزش مهندسی داده | ۶۶ ساعت آموزش، مهندسی داده به عنوان یک جایگاه شغلی نوظهور در حوزه پردازش داده، نقش مهمی را در سامانه‌های اطلاعاتی مقیاس‌پذیر روز دنیا ایفا می‌کند.

دوره آموزش مهندسی داده [Data Engineering]

این دوره که در حال حاضر از نه درس تشکیل شده است، شامل عناوین دروس زیر است :

 
 
 
 
 
 
 

امتیاز کاربران: ۴٫۲۵ ( ۱ رای)

مجتبی بنائی

دانشجوی دکترای نرم‌افزار دانشگاه تهران (yun.ir/smbanaie)، مدرس دانشگاه و فعال در حوزه توسعه نرم‌افزار و مهندسی داده که تمرکز کاری خود را در چند سال اخیر بر روی مطالعه و تحقیق در حوزه کلان‌داده و زیرساخت‌های پردازش داده و تولید محتوای تخصصی و کاربردی به زبان فارسی و انتشار آنها در سایت مهندسی داده گذاشته است. مدیریت پروژه‌های نرم‌افزاری و طراحی سامانه‌های مقیاس‌پذیر اطلاعاتی از دیگر فعالیتهای صورت گرفته ایشان در چند سال گذشته است.

۱۷ دیدگاه

  1. سلام می خواستم کلان داده یاد بگیرم اما واقعاا نمی دونم از کجا شروع کنم ممنون می شم کمکم کنید

    مهندسی داده :
    با سلام. اگر با زبان انگلیسی مشکلی ندارید از آموزش اکسل و پاور بی آی همین آموزش های مایکروسافت شروع کنید و بعد دوره بیگ دیتای مایکروسافت را در همین سایت ادامه بدهید.

  2. اینها کلا پولی هست یا به دلیل اینکه از ایزان وصل میشیم پولیه؟

    1. تا جاییکه در جریان هستم، فقط برای اخذ مدرک دوره باید هزینه پرداخت کنید اما برای گذراندن دوره و استفاده از فیلمها و تمرین ها و مطالب آموزشی نیازی به پرداخت هزینه نیست.

  3. سلام

    آیا در تهران جایی هست که دوره کامل این رشته رو داشته باشه؟

    من تجربه کامپیوتر ندارم و لازمه از صفر شروع کنم. از اونجا که این دوره مشکلی هست انلاین برام سخته و کلاس و معلم رو موثرتر می دونم.

    ممکنه راهنمایی بفرمایید؟

    تشکر فراوان

    1. با سلام
      اگر تجربه کار حرفه ای با کامپیوتر را ندارید، راه طولانی تری نسبت به بقیه در پیش دارید. بهتره از دوره های آموزش داده کاوی و هوش تجاری که با سرچ در اینترنت به راحتی می توانید آنها را بیابید، شروع کنید و بعد تصمیم بگیرید که با کدام ابزار و با چه رهیافتی بقیه مسیر را طی کنید.

  4. سلام وقت بخیر.

    برای اموزش دیتا ساینس ایا باید زبان انگلیسی قوی داشته باشیم؟ و اینکه پیش نیازش چیه برای اموزش؟ من رشتم مدیریت بازرگانی هست و زیاد اطلاعی ندارم .در این مورد

    1. سلام.
      مطمئنا زبان یکی از مولفه های مهم در یادگیری و تداوم کار در این حوزه است اما برای شروع می توانید از آموزش های فارسی و نرم افزارهای هوش تجاری مانند پاور بی آی استفاده کنید و در ادامه به سمت حرفه ای تر شدن و مفاهیم اصلی علم داده در منابع خارجی و داخلی بروید.
      موفق باشید .

  5. سلام،

    رشته من مدیریت بازرگانی هست، میخواستم بدونم بدون پیش زمینه در حوزه IT  و برنامه نویسی میشه وارد این حوزه بشم؟

    1. سلام .
      دوره جامع و کاملی هست و مفاهیم را از پایه آموزش می دهد. به نظر من آموزش را شروع کنید و هر زمان که احساس کردید مطالب کمی مبهم است در همان حوزه به سایر منابع و فیلم‌های آموزشی مراجعه کنید. اما مهم همان برداشتن گام ‌های اول و شروع کار است.
      تو پای به راه در نه و هیچ مپرس.
      خود راه بگویدت که چون باید رفت.

  6. با عرض سلام خدمت شما

    من رشتم مهندسی شیمی، زبانم خوبه، برنامه نویسی قبلا فقط متلب کار کردم که اونم الان یادم رفته، الان میخوام برای data science شروع کنم ، باید از کجا شروع کنم؟ چه پیش نیازهایی داشته باشم؟ و این دوره های آموزشی رو چطور ثبت نام کنیم؟

     

    ممنون از پاسخگویی خوبتون

    1. با توجه به اینکه پایتون زبان ساده ای است با این زبان و سایر دوره های مایکروسافت که نیاز به برنامه نویسی ندارد مانند کار با اکسل و پاور بی آی و اس کیو ال کار خود را شروع کنید .
      بعد از این مقدمات، واحد ۲ آموزش مایکروسافت (Unit2) و بعد هم یونیت ۳ را پیگیری کنید.
      بعد از این مراحل خودتان دستتان خواهد آمد که روی چه موضوعاتی علاقه مند هستید و روی آنها تمرکز کنید.
      تو پای به راه در نه و هیچ مپرس
      خود راه بگویدت که چون باید رفت

  7. سلام و خسته نباشید

    ممنون میشم کمک و راهنماییم بکنین

    من دانشجوی رشته هوش مصنوعی بودم متاسفانه به دلایل شخصی مجبور به رها کردن رشته مورد علاقه م شدم

    درحال حاضر میخوام برای ورود به کار تو  حوزه ی دیتاساینتیست بشم به تنهایی

    درحال حاضر مشغول به کارم و پی اچ پی کار میکنم دیتابیس مبتدی بلدم امار و احتمال و ماشین لرنینگم مبتدی بلدم

    برای شروع این کار من خیلی سرچ کردم سعی کردم کمک بگیرم اما خیلی چیز زیادی دستگیرم نشد

    ایا میتونم نهایی خودم رو برای بازار کار اماده کنم؟

    ایا مفاهیم امار احتمال مهندسی و جبر خطی کامل در محیط کار مورد نیازن؟

    من شروع کردم به یادگیری پایتون ساده

    و فکر میکنم باید دوره های کورس ارا برای ماشین لرنینگم بگذرونم

    زبان آر رو هم ظاهرا باید یاد بگیرم  و ابزار های ویژوالیزیشن درسته؟

    چطور و چه چیزهایی رو دقیق و پله پله بخونم که برا یمحیط کار واقعی اماده بشم؟

    در ضمن کاری در شرکتی به عنوان کاراموز با حقوق بهم پیشنهاد شده که روی دیتاشون کار کنم و شروع کنم تقریبا به تنهای اونجا یادبگیرم کار با داده هاشون رو و اطلاعاتت دادن بهشون بنظرتون با وجود شرایطم که علاقه مندم به این حوزه و دست تنهام تقریبا با اینترنت جلوی روم پذیرفتن این شغل مناسب میتونه باشه؟میتونم توی محل کار اموزش ببینم با داده هاشون کار کنم و پیشرفت کنم؟یا نه خیلی مسیر سختی دارم و بنظرتون چندین ماه تنها تمرین کنم بعد وارد درخواست های کار بشم؟ممنون میشم بهم کمک کنین و راهنمایی بدین

    چون واقعا در این زمینه کسی رو ندارم راهنمایی کنه

    1. سلام.
      گام اول در موفقیت، خواستن واقعی و تمایل درونی هست که کمکتون کنه انگیزه کافی در هنگام پیش آمدن مشکلات داشته باشید چون در این راه با توجه به اینکه ابتدای کار هستید، مشکلات زیادی خواهید داشت بخصوص در بخش منابع مفید فارسی و راهنمایانی که در دسترس باشند. قبلا در مورد رهنما کالج و دوره های رایگان اون توی این سایت نوشتیم و اگر تهران تشریف دارید از این دوره ها حتما استفاده کنید. بعد از اون دوره های آموزشی مایکروسافت که در بالا اومده، کیفیت خیلی خوبی داره و می تونید با اونها شروع کنید اما واقعا باید براشون وقت بذارید.
      در یک بازه شش ماهه به حداقلی از مهارت در این حوزه خواهید رسید.
      دوره های یادگیری ماشین سایت فرادرس را هم می توانید به عنوان مکمل بحث استفاده کنید.

  8. سلام من بیشتر دنبال این هستم که به صورت آنلاین پروژه بگیرم یعنی به صورت فری لنسری درحوزه  دیتاساینس  کار کنم با توجه به اینکه ارشد صنایع دارم ودرحوزه سیستم های اطلاعاتی به صورت کارمندی کار می کنم ولی می خواهم خودم به صورت پروژه ای در حوزه داده کار کنم آیا میشه ودر این صورت چه مسیری را باید طی کنم؟

    1. امکان فریلنسری توی این حوزه توی ایران بعید می دونم وجود داشته باشه اما اگر رزومه انگلیسی قوی ای داشته باشید، باید بتونید توی سایتهای مخصوص اینکار مانند experfy‌ پروژه های مناسب پیدا کنید.

  9. با سلام و سپاس

    عذر میخوام این دوره های آموزشی رایگان (برای ثبتنام بدون مدرک) دیتا ساینس مایکروسافت تا چه موقع روی سایت شون هست؟ چون ظاهرا ددلاین داره و بعد از یه مدتی آرشیو میشه… نمیدونم ممکنه هم کاملا برداشته بشن!؟

    1. متاسفانه اطلاعی در این مورد ندارم اما مهم‌تر از مدرک، تخصص و دانشی هست که به دست خواهید آورد و توی مصاحبه‌های تخصصی، چیزی که بیشتر از مدرک تخصصی مد نظر کارفرما هست، تسلط شما به مباحث تخصصی مربوطه است. با این وجود امیدوارم سایر دوستانی که در این دوره ها شرکت کرده اند و اطلاعاتی در این زمینه دارند آنرا با ما به اشتراک بگذارند.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

جای خالی در معادله زیر را با کی برد انگلیسی وارد کنید : * Time limit is exhausted. Please reload CAPTCHA.

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.

دکمه بازگشت به بالا