استاندارد شايستگي تحلیل داده با پايتون(با رويکرد علم داده)

اطلاعات پایه

کدهای آموزش شغلی ملی

کد کامل	1 1 0 0 0 0 0 3 5 0 4 1 2 5 2
شناسه صلاحیت	1
شناسه شغل	011
شناسه گروه	2521405300000
سطح مهارت	4

تعاریف

خلاصه استاندارد صلاحیت

تحلیل داده با پايتون(با رويکرد علم داده)

اين استاندارد شامل دانش، مهارت و نگرش لازم جهت انجام کار «تحلیل ديتاهای ساختاريافته و بدون ساختار از پايگاه داده های سازمانها و شرکتها »در محیطها و شرايط گوناگون به طور موثر و کارا بر اساس استانداردهای محیط کار و مراحل کاری زير ميباشد.

حداقل تحصیلات	کارشناسي
توانایی‌های جسمی و ذهنی
ساعات آموزش کل	60 ساعت
ساعات نظری	0 ساعت
ساعات عملی	0 ساعت
درصد کتبی	%
درصد عملی	%
درصد اخلاق حرفه‌ای	%

صلاحیت‌های مربی:

موقعیت شغلی و دشواری

دسته‌بندی شغل
نیاز به استعلام وزارت	خیر

وظایف

1 - نصب ابزارهای مورد نیاز علم داده

ساعات کل	0 ساعت
ساعات نظری	0 ساعت
ساعات عملی	0 ساعت

دانش:

• مباني علم داده
• مسیرهای رسیدن به علم داده
• مفاهیم هوش مصنوعي مرتبط با علم داده
• علم داده
• نوت بوک ژوپیتر(Jupiter Notebook)
• فايل ها و Package ها وکتابخانه های پايتون

مهارت‌ها:

• نصب نرم افزار Anaconda
• کار با محیط نرم افزار Notebook Jupiter
• بکارگیری دستوراتpip جهت نصب پکیج های مورد نیاز
• راه اندازی محیط آناکاندا و کد نويسي

2 - روش شناسي علمداده

ساعات کل	0 ساعت
ساعات نظری	0 ساعت
ساعات عملی	0 ساعت

دانش:

• مدل کسب و کار و شناسايي کردن مسئله
• شناسايي شاخص های کلیدی(KPIs) کسب و کار و الزامات جمع آوری داده
• روش طرح فرضیه و مدلسازی
• نحوه ارزشیابي مدل و ارائه نتايج در غالب نمودارها و داده داستان(Data Story Telling)

مهارت‌ها:

• گردآوری، تجزيه و تحلیل کردن داده های محیط کسب و کار
• تعیین کردن متغیرها و ويژگي های مهم و تاثیرگذار بر متغیر وابسته ی مسئله
• پیدا کردن مدل مناسب، شکل دهي فرضیه و راهکارهای حل مسئله برای مدلسازی

3 - برنامه نويسيپايتون برای علم داده و هوش مصنوعي

ساعات کل	0 ساعت
ساعات نظری	0 ساعت
ساعات عملی	0 ساعت

دانش:

• زبان برنامه نويسي پايتون
• عبارات و انواع متغیرها
• انواع عملگرهای منطقي و مقايسه ای
• انواع داده در پايتون
• ساختار داده در پايتون
• نوع های داده لیست، تاپل، ديکشنری، مجموعه
• نحوه برنامه نويسي پايتون
• شرط ها ،حلقه ها ،توابع ،شي و کلاس
• نحوه خواندن و نوشتن فايل
• کتابخانه های مهم علم داده در پايتون (numpy, pandas,sklearn, scipy,…)

مهارت‌ها:

• کدنويسي با زبان برنامه نويسي پايتون و استفاده کردن از انواع داده
• کار با کتابخانه های مهم علم داده در پايتون (numpy, pandas,sklearn, scipy,…)
• پیاده سازی مدل ها در غالب برنامه های کاربردی

4 - تحلیل داده با پايتون

ساعات کل	0 ساعت
ساعات نظری	0 ساعت
ساعات عملی	0 ساعت

دانش:

• فهم داده، ورود و صدور داده در پايتون، تفکیك داده، مواجهه با داده از دست رفته
• نحوه شکل دهي، نرمال کردن داده، تبديل داده های طبقه بندی به داده های کمي، تحلیل توصیفي داده، همبستگي، P_value وتحلیل واريانس
• مدلهای دسته بندی، رگرسیون، مصورسازی، ارزيابي مدل و مدلسازی
• شرايط کارايي مدل(accuracy,recall,presicion,f-measure)
• نحوهمعرفي overfitting, underfitting

مهارت‌ها:

• تمیزکردن داده، استاندارد سازی و نرمال سازی داده ها ، بررسي کردن داده های از دست رفته و انجام دادن کلیه مراحل پیش پردازش داده برای مدلسازی
• تحلیل توصیفي داده ها
• مدلسازی و مصورسازی داده
• ارزيابي و کارايي مدل پیاده سازی شده

5 - مصورسازی داده با پايتون

ساعات کل	0 ساعت
ساعات نظری	0 ساعت
ساعات عملی	0 ساعت

دانش:

• روش معرفي داده
• کتابخانه های مصورسازی: Matplotlib,…) (seaborn,folium
• نمودارهایArea Plots ،Histograms ،Bar Charts،Pie Charts ،Box Plots، Scatter Plots، Word Clouds

مهارت‌ها:

• کار با کتابخانه های مصورسازی در پايتون(matplotlib, seaborn,…) ورسم انواع نمودارهای تحلیلي
• تحلیل و توصیف داده از روی نمودار
• استخراج دانش و نمايش داده ها در قالب نمودارها

6 - يادگیری ماشین با پايتون

ساعات کل	0 ساعت
ساعات نظری	0 ساعت
ساعات عملی	0 ساعت

دانش:

• انواع يادگیری(با نظارت ، بدون نظارت و نیمه نظارت شده supervised, unsupervised, semi-supervised learning)
• الگوريتم های يادگیری ماشین
• K-Nearest Neighbours ،Evaluation Metrics in Classification، Introduction to Decision Trees ،Building Decision Trees ،Intro to Logistic Regression ،Logistic regression vs Linear regression ، Logistic Regression Training ،Support Vector Machine ،Intro to Clustering ،Intro to k-Means ،More on k-Means،Intro to Hierarchical Clustering ،More on Hierarchical Clustering ،DBSCAN ،Content-based Recommender ،Systems ،Collaborative Filtering

مهارت‌ها:

• پیاده سازی الگوريتم های يادگیری ماشین
• بهینه سازی هايپر پارامترهای الگوريتم های يادگیری ماشین
• بکارگیری هر مدل متناسب با نوع داده

7 - پردازش تصوير مقدماتي

ساعات کل	0 ساعت
ساعات نظری	0 ساعت
ساعات عملی	0 ساعت

دانش:

• روش کتابخانه OpenCV، نوع داده تصوير، معرفي فضاهای رنگ
• روش عملیات روی تصاوير ، انواع اعمال فیلترها بر تصاوير، هیستوگرام تصاوير، استخراج خطوط و مرزها ،ايجاد کانتورها
• علائم راهنمائي با وب کم و پردازش ويدئو ،دسته بندی تصاوير اعداد دست نوشته و دسته بندی تصاوير
• روش تطبیق الگو
• تبديلات مورفولوژيك

مهارت‌ها:

• پردازش داده تصوير
• کار با انواع فیلترهای تصويری
• کار با کتابخانه opencv
• کار با الگوريتم های يادگیری ماشین وپیش پردازش داده های تصوير
• پیاده سازی يك شبکه عصبي نمونه برای دسته بندی تصاوير

نگرش:

• رعايت دقت و نظم در انجام کار
• رعايت اخلاق حرفه ای
• بکارگیری خلاقیت و کارآفريني

ایمنی و بهداشت:

• رعايت ارگونومي هنگام کار
• رعايت بهداشت فردی و عمومي در محیط کار

ملاحظات زیست‌محیطی:

• تفکیك صحیح زباله و قطعات مستهلك شده کامپیوتر

استاندارد تجهیزات

نکته: تجهیزات و ابزارهای مورد نیاز برای انجام این استاندارد شغلی در جدول زیر ارائه شده است.

نام	مشخصات فنی	تعداد
پرده نمايش يا بورد هوشمند	استاندارد
تخته وايت بورد	استاندارد
ديتاپروژکتور با متعلقات	استاندارد
رايانه با متعلقات	حداقل Corei5 - حداقل8 گیگا بايت رم- مانیتور LED
کپسول اطفاء حريق	CO2
صندلي مربي	چرخدار - چرمي
صندلي کارآموز	دسته دار
تجهیزات اتصال به اينترنت

استاندارد ابزار

نکته: ابزارهای مورد نیاز برای انجام این استاندارد شغلی در جدول زیر ارائه شده است.

نام	مشخصات فنی	تعداد
نرم افزار Anaconda	آخرين ورژن
سیستم عامل	ويندوز 8 به با

دوره‌های مرتبط

گالری

تصویری برای گالری ثبت نشده است.