h2
وب سایت چیستیو مجموعهایست از مباحث و مبانی پیشرفته علوم داده و نرم افزار در حوزههای زیر: علوم داده
h2
شبکههای عصبی عمیق توالی به توالی (Seq2Seq)
h2
کتاب یادگیری ماشین و یادگیری عمیق با زبانهای پایتون و R
h2
معیار کاپا (Kappa) برای ارزیابی طبقهبندیهای چندکلاسه
h2
معیار صحت (Precision)، پوشش (Recall) و معیار F
h2
ماتریس اغتشاش (Confusion Matrix) و معیار دقت (Accuracy)
h2
فاصلهی جنسون-شنون (Jenson-Shannon) برای مقایسهی توزیعهای آماری
h2
واگرایی کولبک-لیبلر (Kullback-Leibler Divergence) و کاربرد آن در فاصلهی آماری
h2
فاصلهی آماری (Statistical Distance) و کاربردهای آن
h2
توزیعهای آماری (Statistical Distributions)
h2
شبکه عصبی واحد بازگشتی دروازهدار (GRU)
h6
ترم ۱: دوره ریاضیات پایه و جبر خطی برای یادگیریماشین
h6
ترم ۲: دوره آمار مقدماتی و تحلیل اکتشافی داده
h6
ترم ۳: دوره مقدمات داده کاوی و یادگیری ماشین
h6
ترم ۴: دوره آشنایی با روشهای پیشپردازش دادهها
h6
ترم ۵: دوره الگوریتمهای طبقه بندی (Classification)
h6
ترم ۶: دوره الگوریتمهای خوشه بندی (Clustering)
h6
ترم ۷: دوره مقدمات شبکههای عصبی (Neural Networks)
h6
ترم ۹: دورهی یادگیری عمیق (Deep Learning)
h6
ترم ۱۰: دوره متنکاوی (TEXT MINING) و پردازش زبان طبیعی (NLP)
h6
ترم ۱۱: آشنایی با الگوریتمهای فراابتکاری (META HEURISTIC)
h6
ترم ۱۲: دوره توزیع احتمال (Probability Distributions) و کاربردها
h6
ترم۱: تکنیکها و ابزارهای کلان داده (Big Data)
h6
ترم ۲: آشنایی با سبک برنامه نویسی Map Reduce و مدل محاسبات توزیع شده
h6
ترم ۳: دوره آشنایی با انبار داده (Data Warehouse) و کاربردهای آن
h6
ترم ۴: آشنایی با پایگاه داده های NoSQL
h6
ترم ۵: دوره همروندی (Concurrency) و مدیریت ترمیم در پایگاه داده ها
h6
ترم ۶: دوره آموزش برنامه نویسی و مهندسی نرم افزار مبتنی بر اصل SOLID
h6
ترم ۷: دوره آشنایی با ضد الگوها (Anti Patterns) در برنامه نویسی
h6
ترم ۸: دوره سیستم های توزیع شده (Distributed Systems)
h6
ترم ۹: دوره توابع درهم ساز (Hash Functions)