با هدف استعدادیابی و آموزش برنامه نویسی به کودکان و نوجوانان ایرانی در رشته های برنامه نویسی، بازی سازی، انیمیشن سازی بر بستر زبان برنامه نویسی اسکرچ
Scratch بهترین نرم افزار برنامه نویسی آموزشی با هدف تقویت تفکر محاسباتی(منطقی) برای کودکان است.
با استفاده از Scratch می توانید پروژه های تعاملی ، داستان های دیجیتالی تعاملی، بازی ها و انیمیشن های دیجیتال بسازید،از آن لذت ببرید، واز تخیل خود بهره بگیرید و انها را زنده کنید و سازنده فناوری باشید.
این سیستم (اسکرچ) از یک روش اسان و سرگرم کننده برای اموزش استفاده می کند و محیط کار جذاب و تعاملی و قابل درک اراعه کرده است
اسکرچ یک زبان برنامه نویسی به صورت گرافیکی و بصری است که در آن برخلاف برنامه نویسی‌های دیگر هیچ گونه دستوری تایپ نمی‌شود و تمامی دستورات آن به شکل گرافیکی و تصویری انجام می‌شود و در نهایت منجر به ساخت برنامه می‌شود.
کودکانی که به برنامه نویسی و منطق برنامه نویسی تسلط پیدا میکنند مسائل را بهتر میتوانند حل کنند و همچنین مهارت های استدلال و تحلیلی عمیق تری را برای خود ایجاد می کنند.
کودکان می توانند با استفاده از معماها ،، بازی های کدنویسی و چالش ها، مهارت هایی مانند حل مسئله ، صبر ، خلاقیت و پشتکار خود را پرورش (رشد) دهند.
مهارت هایی که در این زبان برنامه نویسی آموخته می شوند قابل استفاده در زبان های پایه ای برنامه نویسی همچون: جاوا و پایتون و… می باشد، در واقع می توان آشنایی با مفاهیم و کاربردهای زبان Scartch را پیش نیاز یادگیری همه زبان های برنامه نویسی دیگر دانست.
اسکرچ برای رده سنی 8 تا 16 سال بسیار مفید است.
با پیشرفت روز افزون تکنولوژی در زندگی روزمره، تسلط بر برنامه نویسی کامپیوتر نه تنهای برای بزرگسالان، بلکه برای کودکان و نوجوانان نیز یک ضرورت است و برای اینده انها یک مزیت بزرگ است. در حقیقت، برنامه نویسی برای کودکان و نوجوانان به موضوعی ارزش آفرین و به نوعی آینده نگری تبدیل شده است.
با توجه به اینکه کودکان در معرض تکنولوژی قرار دارند بهتر است بجای اینکه تنها یک کاربر باشند در این فضا یک تولیید کننده باشند و هدفمند تر از تکنولوژی استفاده کنند و انها تشویق به کسب مهارت شوند.
با رشد روز افزون الکترونیک ابزارهای دیجیتال نیاز است کودکان از سنین پایین شروع به یادگیری برنامه نویسی کنند.
یادگیری اسکرچ موجب داشتن ذهنی خلاق پایداری و یادگیری نحوه برطرف کردن مشکلات کارگروهی و… در فرد می شود.
مهارت های اصلی برنامه نویسی یا علوم کامپیوتر و درک اساسی را برای افزایش توانایی های برنامه نویسی خود ایجاد کنند .
راهی برای ارتباط انها با دنیای تکنولوژی است.
کودکان را با ایجاد منطق و تفکر خلاق آشنا می کند.
سرگرم کننده است
تقویت توجه به جزییات
انعطاف پذیری را اموزش می دهد
مهارت حل مسعله را اموزش می دهد
مهارت های استدلال منطقی را اموزش می دهد
باعث رشد خلاقیت و مقاومت در برابر چالش ها می شود
علم داده (Data Science) شامل مجموعه‌ای از اصول، تعریف مسئله، الگوریتم‌ها و فرآیندها است که هدف آن استخراج الگوهای غیرواضح و مفید از مجموعه داده‌ها است. امروز علم داده در حال تحول حوزه‌های علمی و کاربردی مختلف از پزشکی، روان شناسی، علوم اجتماعی، کسب‌وکار و مدیریت، علوم پایه، فنی و مهندسی و … است.
این دوره در ۳۱ جلسه برگزار می‌شود که هر جلسه ۳ ساعت و نیم است. جمعاً در این دوره بیش از صد ساعت محتوای آموزشی با تکیه بر حل مسئله از دنیای واقعی در حوزه‌های مختلف علم داده ارائه می‌گردد. برنامه هر جلسه به شرح زیر است:
جلسه اول: مقدمهای بر علم داده، نصب آناکوندا، کار اولیه با پایتون (اعداد، حروف، عملگرها)
جلسه دوم: ساختارهای داده، عبارات شرطی و حلقه‌ها در پایتون
جلسه سوم: ماژول‌ها و کتابخانه، توابع و کلاس در پایتون، مثال الگوریتم نیوتن-رافسون
جلسه چهارم: آشنایی با کتابخانه Numpy در پایتون، مروری بر مفاهیم جبرخطی و ماتریس‌ها
جلسه پنجم: آشنایی با کتابخانه Pandas در پایتون
جلسه ششم: آشنایی با کتابخانه Matplotlib در پایتون
جلسه هفتم: روش‌های آمار توصیفی و استنباطی برای شناخت داده- موردکاوی اول
جلسه هشتم: نحوه مواجهه با داده‌های گمشده و داده‌های پرت- موردکاوی دوم
جلسه نهم: مقدمهای بر یادگیری ماشین، آشنایی با الگوریتم kNN
جلسه دهم: پیاده‌سازی الگوریتم kNN در پایتون و آشنایی با مراحل مدل‌سازی در یادگیری ماشین – موردکاوی سوم
جلسه یازدهم: الگوریتم رگرسیون خطی
جلسه دوازدهم: پیاده‌سازی الگوریتم رگرسیون خطی در پایتون – موردکاوی چهارم
جلسه سیزدهم: رگرسیون گام به گام و رویکردهای قاعده‌سازی در رگرسیون خطی- موردکاوی پنجم
جلسه چهاردهم: آشنایی با الگوریتم درخت تصمیم و جنگل تصادفی در یادگیری ماشین- موردکاوی ششم
جلسه پانزدهم: آشنایی با رگرسیون لجستیک
جلسه شانزدهم: آشنایی با الگوریتم‌های kNN، درخت تصمیم، جنگل تصادفی و ماشین بردار پشتیبان برای حل مسائل دسته‌بندی
جلسه هفدهم: پیاده‌سازی الگوریتم‌های دسته‌بندی در پایتون – موردکاوی هفتم
جلسه هجدهم: آشنایی با الگوریتم‌های نظارت‌نشده؛ خوشه‌بندی و کاهش بعد
جلسه نوزدهم: پیاده‌سازی الگوریتم‌های نظارت‌نشده در پایتون- موردکاوی هشتم
جلسه بیستم: مقدمهای بر یادگیری عمیق- موردکاوی نهم
جلسه بیست‌ویکم: تحلیل سری‌های زمانی
جلسه بیست‌ودوم: پیاده‌سازی تحلیل سری‌های زمانی در پایتون- موردکاوی دهم
جلسه بیست‌وسوم: مقدمهای بر زبان برنامه‌نویسی R: ساختارهای داده، عبارات شرطی، حلقه‌ها، توابع و کتابخانه
جلسه بیست‌وچهارم: تحلیل‌های آماری در R- موردکاوی یازدهم
جلسه بیست‌وپنجم: پیاده‌سازی یادگیری ماشین در R بخش اول – موردکاوی پنجم در R
جلسه بیست‌وششم: پیاده‌سازی یادگیری ماشین در R بخش دوم – موردکاوی هفتم در R
جلسه بیست‌وهفتم: آشنایی با مفاهیم پایگاه داده و انبار داده
جلسه بیست‌وهشتم: راه‌اندازی پایگاه داده MySQL- موردکاوی دوازدهم، بخش اول
جلسه بیست‌ونهم: تمیزکردن و پردازش داده‌ها در SQL- موردکاوی دوازدهم، بخش دوم
جلسه سی‌ام: کوئری‌نویسی پیشرفته در SQL- موردکاوی دوازدهم، بخش سوم
جلسه سیویکم: مقدمهای بر پیاده‌سازی محصولات داده‌محور- موردکاوی سیزدهم
علاقمندان به حوزه علوم داده (Data Science)، یادگیری ماشین و داده‌کاوی، اعضای تیم داده و هوش تجاری شاغل در استارتاپ‌ها، سازمان‌ها و کسب و کارها، علاقه‌مندان به امور پژوهشی در حوزه علم داده و افرادی که به دنبال آموزش های کاربردی و ارتقاء مهارت های خود هستند، میتوانند در این دوره شرکت نمایند. با مراجعه به صفحه آشنایی با رشته‌های دانشگاهی مرتبط با علم داده در ایران به درک بیشتری در این حوزه می‌رسید.
متخصص علم‌داده براساس آخرین آمارهای رسمی جزو سه شغل برتر در سال 2022 هست. شغلی که علاوه بر جذابیت شغلی دارای حقوق و مزایای بسیار بالاتری به نسبت سایر مشاغل بوده است. متخصص علم‌داده فردی است که مهارت‌های خود را در زمینه آمار و ساختن مدل‌های یادگیری ماشین بکار می‌برد تا پیش‌بینی‌ها را انجام دهد و به سؤالات کلیدی در کسب‌وکار پاسخ دهد. همچنین یک متخصص علم‌داده باید درست مانند یک تحلیلگر داده قادر به پاک‌سازی، تجزیه‌وتحلیل و تجسم داده‌ها باشد. بااین‌حال، یک متخصص داده، عمق و تخصص بیشتری در این مهارت‌ها دارد و همچنین قادر به آموزش و بهینه‌سازی مدل‌های یادگیری ماشین است. متخصص علم‌داده فردی است که می‌تواند با پرداختن به سؤالات نامحدود و دگرگون پذیر و استفاده از دانش خود در مورد آمار و الگوریتم‌های پیشرفته، ارزش زیادی را خلق کند.
دوره جامع علم‌داده در ۱۵ سرفصل کاربردی طی ۳۵۰ ساعت منطبق با نیازمندی‌های بازار کار طراحی و برنامه‌ریزی شده است. این دوره یک سفر منسجم و جامع جهت تبدیل‌شدن شما به یک متخصص علم‌داده خواهد بود. در این دوره با مفاهیم، تکنیک‌ها و ابزارهای مرجع و تخصصی روز علم‌داده توسط برجسته‌ترین اساتید در سرفصل‌های زیر تدریس خواهند شد.
