بدون پیش نیاز

آنلاین (لایو)

Intro to Forecasting & Predictive Analytics

مدرس: علی اشراق

در این دوره، مباحث مقدماتی مدل‌های آماری و روش‌های نوین ماشین لرنینگ به منظور پیش‌بینی مقادیر آتی یک سیستم، آموزش داده می‌شه. شما با انجام تمرین‌های مرتبط، مدل‌سازی و تحلیل داده‌های سری زمانی در حوزه بیزنس، اقتصاد، سلامت و مالی رو یاد می‌گیرید.

تاریخ شروع دوره:

نامشخص

روز و ساعت برگزاری دوره:

شنبه ساعت ۹ صبح تا ۱۲ ظهر

ساعت کلاس بر اساس تایم‌زون غرب آمریکا می‌باشد.

هزینه دوره

$750

طول دوره

12 هفته

تعداد جلسات

10 جلسه 3 ساعته

رویکرد آموزشی

پروژه محور

زبان تدریس

فارسی

شکل برگزاری دوره

لایو

درباره‌ی دوره

این دوره با برقراری تعادل بین مدل‌سازی و کاربردهای عملی تحلیل سری‌های زمانی، اون رو برای افراد مرتبط با حوزه‌های بیزنس، اقتصاد، سلامت، مالی، علوم اجتماعی کمّی و مهندسی قابل دسترس می‌سازد.

شما در ابتدای دوره، گروه‌بندی می‌شید و علاوه بر تمرین‌های هفتگی، بر روی یک پروژه‌ی پیش‌بینی با دیتای واقعی کار می‌کنید.

هر جلسه شامل سه بخش مدلسازی، شناخت ابزار و کاربردهای عملی می‌باشد. شما با استفاده از مباحث آموزش داده شده، کل پروسه‌ی تحلیل پیش‌بینی رو در یک پروژه واقعی پیاده می‌کنید و علاوه بر اینکه در طول دوره از مدرس کلاس فیدبک می‌گیرید، در پایان دوره هم پروژه‌تون رو ارائه می‌دید و فیدبک نهایی رو دریافت می‌کنید.

بعد از گذروندن این دوره و ارائه پروژه به صورت کامل، بهتون یک مدرک پایان دوره داده می‌شه.

شما در طول این دوره زبان برنامه‌نویسی Python رو به منظور اجرای مدل‌های پیش‌بینی یاد می‌گیرید و تمرین‌های هفتگی و پروژه‌تون رو با استفاده از این زبان انجام می‌دید.

مطالب آموزشی که قراره در این دوره یاد بگیرید

مباحث تکنیکال

مرور کلی مفاهیم پایه آمار و احتمالات برای مدل‌سازی سری‌های زمانی
آشنایی با محیط Jupyter برای برنامه‌نویسی در پایتون
ویژگی‌های سری‌های زمانی به همراه ترسیم نمودارها و تحلیل آنها
مدل‌های آماری مقدماتی برای پیش‌بینی
آشنایی با روش‌های پیش‌بینی به کمک شبکه‌های عصبی
بررسی کاربردهای عملی پیش‌بینی در زمینه‌های متفاوت مثل زنجیره تامین، سلامت عمومی، علوم مهندسی، Google Analytics و …

مهارت‌های نرم

شیوه برقراری ارتباط موثر و حرفه‌ای
تقویت مهارت کار تیمی
تمرین نحوه‌ی پرزنت کردن
مدیریت زمان و تعهد به تحویل پروژه در زمان مشخص

آنچه این دوره را متفاوت می‌سازد

آموزش لایو

همراه با پرسش و پاسخ و فیدبک مستمر و ایجاد فضای امن و مستقل برای فکر کردن

آموزش ساده و روان

برای درک بهتر مفاهیم و جلوگیری از سردرگمی در مسیر یادگیری

دسترسی به ویدئوهای دوره

برای مرور و یادگیری عمیق آموزش‌های کلاسی تا پایان دوره

پروژه محور

با یک پروژه بر روی دیتای واقعی در طول دوره همراه با حل تمرین‌ در کلاس

کار گروهی

با هدف آموزش چگونگی ارتباط موثر و تقویت مهارت‌های نرم بازار کار

کامیونیتی گسترده

تشکیل شده از افراد با انگیزه و
هم مسیر از سراسر دنیا

پیش‌نیازهای دوره

آنچه نیاز دارید

انگیزه درونی

مهمترین چیزی که نیاز دارید تلاش، پشتکار، انگیزه، اراده، زمان، همدلی و صبره. این دوره بیشتر به یادگیری شما جهت می‌ده و این خود شما هستید که با تلاش و پشتکار پیشرفت می‌کنید و موفق می‌شید.

روحیه کار تیمی

از اونجایی که شما در ابتدای دوره گروه‌بندی می‌شید و برای یادگیری عمیق‌تر مباحث، باید تمرينات هفتگی رو همراه با گروهتون انجام ‌بدید پس باید آماده مشارکت در کار تیمی، اشتراک‌گذاری ایده‌ها و احترام به دیدگاه‌های مختلف باشید.

زمان کافی

برای یادگیری بهتر مباحث آموزشی دوره و انجام تمرین‌ها، بهتره که حداقل 3 ساعت در هفته برای مطالعه شخصی وقت بذارید. در هر جلسه برای شما تمرینات هفتگی ارائه می‌شه که باید به صورت گروهی انجام بدید و تمرین‌های ارسال شده، توسط مدرس تصحیح شده و به شما فیدبک داده می‌شه. علاوه بر این شما با گروهتون روی یک پروژه با دیتای واقعی كار می‌کنید و مباحث آموزشى رو بر روى پروژه‌ پیاده می‌کنید بنابراین به جز حضور در كلاس‌ها و مطالعه شخصی، بهتره حداقل 2 ساعت جلسه گروهى داشته باشيد.

علاقه‌مندی به ریاضی

در این دوره شما باید برای استفاده از مدل‌های ریاضی و آمار (مثلا مدل رگرسیون) آماده باشید و به ریاضی به چشم یک دوست نگاه کنید. اگه با ریاضی میانه خوبی ندارید و اصلاً نمی‌خواید وارد مباحث ریاضی بشید، احتمالا این دوره مناسب شما نیست.

آنچه نیاز ندارید

سابقه تحصیلی یا شغلی مرتبط با حوزه دیتا

برای ورود به این دوره نیازی به بک‌گراند تخصصی در زمینه کامپیوتر، ریاضی و آمار ندارید. تمرکز این دوره بر روی انتخاب و توسعه‌ی مدل مناسب، تخمین و تست پارامترهای مدل و پیش‌بینی مقادیر آینده برای تصمیم‌گیری بهتر مسائل دنیای واقعی می‌باشد.

دانش زبان برنامه‌نویسی Python

دانش قبلی از پایتون ضروری نیست.

مدرس دوره

علی اشراق

سلام. من، علی اشراق، استاد رشته Business Analytics در دانشگاه جانز هاپکینز هستم.
لیسانس و فوق لیسانس مهندسی صنایع از دانشگاه شریف و دکترای تحقیق در عملیات احتمالی از دانشگاه استرالیای جنوبی رو دارم.
بيش از ده سال در استرالیا و آمریکا، عضو هیئت علمی بودم و در کنار اون با صنایع مختلف به عنوان مشاور در زمینه‌های پیش‌بینی و بهینه‌سازی در ارتباط بودم.
خیلی خوشحالم که از طریق این دوره‌ها، فرصت آموزش به فارسی‌زبانان در سراسر دنیا رو دارم و امیدوارم به زودی در کلاس‌ها ببینمتون و در کنار هم رشد کنیم.

پروسه ثبت‌نام

1

پر کردن فرم ثبت نام

فرم ثبت نام شامل اطلاعات فردی رو پر می‌کنید.

با توجه به گروهی انجام شدن پروژه ها ما نیازمند شناخت بیشتری از شما هستیم.

دریافت اطلاعات تکمیلی

اطلاعات شما توسط تیم بررسی می‌شه و ظرف ۱۲ ساعت اطلاعات تکمیلی براتون ایمیل می‌شه.

پرداخت هزینه

لینک پرداخت در پنل کاربری برای شما فعال می‌شه و می‌تونید پرداختتون رو انجام بدید.

شروع یادگیری

اطلاعات لازم برای حضور در جلسه اول کلاس، ۲۴ ساعت قبل از شروع دوره در پنل کاربری شما قرار خواهد گرفت.

سوالات متداول

در هفته چند ساعت رو باید به این کلاس ها اختصاص بدیم؟

اگر بتونید هفته‌ای حداقل 5 ساعت برای مطالعه مطالب ارائه شده، کار گروهی بر روی تمرین های هفتگی و پروژه وقت بگذارید خیلی عالیه.

آیا امکانش هست ویدئوهای کلاس در اختیار ما قرار بگیره؟

بعد هر جلسه، ویدئو ضبط شده اون جلسه در اختیار شما قرار می‌گیره.

آیا پایان دوره به ما مدرکی داده میشه؟

بعد از اتمام دوره، در صورتی که دوره را با موفقیت پشت سر گذاشته باشید، مدرکی مبنی بر گواهینامه شرکت در کلاس در اختیارتون گذاشته می‌شه.

این کلاس برای چه کسانی مناسب است؟

– کسانی که هیچ بک‌گراند مرتبط و یا آشنایی با مفاهیم مدل‌های پیش‌بینی و Predictive Analytics ندارند اما مشتاق به یادگیری آنها هستند.
– کسانی که دانش مختصری از Predictive Analytics دارند و می‌خواهند به صورت کاربردی از این دانش استفاده کنند.
– کسانی که تمایل دارند مسیر شغلیشون رو به حوزه Forecasting تغییر بدهند؛ این دوره می‌تونه نقطه شروع بسیار خوبی براشون باشه.

این کلاس برای چه کسانی مناسب نیست؟

– این کلاس، کلاس برنامه‌نویسی نخواهد بود و اگه به دنبال برنامه‌نویسی در این حوزه هستید این کلاس مناسب شما نیست.
– اگه با ریاضی میانه خوبی ندارید و اصلاً نمی‌خواید وارد مباحث ریاضی بشید، احتمالا این دوره برای شما مناسب نیست.

با چه بک‌گراندی می‌توانید در این کلاس شرکت کنید؟

– برای ورود به این کلاس نیازی به بک گراند تخصصی ندارید.
– تمرکز این دوره بر روی انتخاب و توسعه‌ی مدل مناسب، تخمین و تست پارامترهای مدل و پیش‌بینی مقادیر آینده برای تصمیم‌گیری بهتر مسائل دنیای واقعی می‌باشد. اما همانطور كه قبلا هم گفتيم بايد براى استفاده از مدلهاى رياضى آماده باشيد و به آن‌ها به چشم يك دوست نگاه كنيد.