محمد عالیشاهی ۲ دیدگاه

دوره کاربردی علم داده

✳️☑️برگزاری دوره کاربردی علم داده – Practical Data Science
✍️مدرس : محمد عالیشاهی

بیوگرافی مختصر از مدرس دوره :

رزومه تحصیلی  آقای دکتر محمد عالیشاهی :

  • مقطع دکترا : دکترا ی  هوش مصنوعی دانشگاه تهران

  • مقطع کارشناسی ارشد : مهندسی صنایع گرایش مدیریت سیستم دانشگاه صنعتی شریف تهران

  • مقطع کارشناسی : مهندسی کامپیوتر گرایش نرم افزار دانشگاه شهید بهشتی تهران

 ایشان تا کنون موفق به تالیف و ترجمه چهار کتاب در زمینه های تخصصی  هوش تجاری و انبار داده شده است. از مهمترین سمت های شغلی ایشان می توان به مدیر و مشاور ارشد پروژه های هوش تجاری و انبار داده در سطوح ملی(شرکتها،سازمانها و وزراتخانه های مهم ) نام برد .ایشان همچنین توانستند پروژه های متعدد و بزرگ را در بالاترین سطوح و در قالب پروژه های ملی با موفقیت پیاده سازی و اجرائی نمایند.

قابل ذکر است که این دوره برای اولین در سطح جهانی با این کیفیت و حجم مطالب علمی متنوع و گسترده ارائه می شود که حاصل سالها تجربه و تخصص بسیار در حوزه های علوم داده می باشد.

شرایط دوره:
✍️با ارائه مدرک معتبر در پایان دوره
✍️برای ثبت نام آنلاین به لینک زیر بروید: http://bimining.ir/72166-2

سرفصل های مهم دوره کاربردی علم داده ( Practical Data Science ):

۱– سرفصل های انبار داده و ETL با ابزار ODI 12C:
• تشریح کامل مفاهیم کلان انبار داده و ETL
• تشریح کامل معماری منطقی ، فیزیکی و TOPOLOGY ها و کاربرد هر بخش در ODI 12C
• نصب،پیکربندی و راه اندازی آخرین نسخه ODI 12C تحت پلتفرم لینوکس CENTOS 7.4
• پیاده سازی فرایند ETL بین منابع داده ای مختلف
• طراحی و پیاده سازی نگاشت داده،PROCEDURE ، پکیج ،تعریف متغیر و … جهت انتقال داده بین منابع داده ای مختلف
• نحوه تنظیمات SECURITY و سطح دسترسی و تنظیم ابزار ODI جهت بهبود کارائی انتقال داده
• نحوه پیاده سازی SCD و CDC جهت ثبت تغییرات داده های جدید
• تعریف و پیاده سازی AGENT جهت مدیریت و تنظیمات زمانبندی ETL JOB
• نحوه ایجاد و مدیریت سناریو ها و VERSIONING در آبجکت های مختلف و چگونگی استفاده آن
• طراحی و پیاده سازی نگاشت بین منابع داده ای مبدا و مقصد با استفاده از Knowledge Modules های مختلف

۲- سرفصل های هوش تجاری OBIEE 12C :
• تشریح کامل مفاهیم کلان هوش تجاری اوراکل
• نصب،پیکربندی و راه اندازی آخرین نسخه هوش تجاری اوراکل OBIEE 12C تحت پلتفرم لینوکس CENTOS 7.4
• نحوه بارگذاری و پیکربندی Tools BI Admin و اتصال به مخزن انبار داده Oracle 12c
• ساخت و پیاده سازی کیوب داده چند بعدی (Multi-Dimensional) در BI Admin Tools
• نحوه پیاده سازی Upload و Download فایل Repository در محیط ترمینال لینوکس
• پیاده سازی نقشه ایران در دیتابیس اوراکل و همچنین پیکربندی نقشه ایران با استفاده از ابزارهای Map Builder و Map Viewer
• نحوه کانفیگ و پیاده سازی و publish داشبوردها در محیط Oracle BI Mobile برای اپلیکیشن های iOS/Android
• طراحی پیاده سازی انواع Scorecard استراتژی های معروف مانند Cause And Effect ، MAP TREE و TREE

۳- سرفصل های داده کاوی با ابزار R و ODM :
• نصب وپیکربندی و راه اندازی ماژول ها و پکیج های داده کاوی ODM
• نحوه استفاده از خروجی های داده کاوی از ابزار ODM در کیوب داده و داشبوردها
• نصب و راه اندازی پکیج های تحلیلی داده کاوی ORE در ابزار R و پیکربندی آن با پلتفرم OBIEE 12C
• طراحی و پیاده سازی روش های داده کاوی طبقه بندی،خوشه بندی،تشخیص نقاط پرت و … با استفاده از ابزار R و ORE
• نحوه اسکریپت نویسی روش های داده کاوی ابزار های ODM و Rدر محیط اوراکل و OBIEE 12C

  • پیاده سازی تکنیک های داده کاوی با استفاده از یادگیری ماشین  در محیط ODM

۴- سرفصل های مهم Big Data و کیوب کلان داده:
• تشریح مفاهیم و معماری بیگ دیتا و کاربرد سرویس های بیگ دیتا
• نصب و پیاده سازی کلاستر Hadoop بصورت Multi-node در پلتفرم لینوکس Centos7.4
• نصب ، پیاده سازی و پیکربندی اکوسیستم های بیگ دیتا مانند HDFS،SPARK،HBASE ،HIVE و …
• نحوه ETL دیتا از دیتابیس اوراکل به Hive و HBASE با استفاده از ابزار Sqoop و ODI 12C بصورت Map Reduce
• ساخت کیوب کلان داده با استفاده Apache Hive و Apache Spark SQL در ابزار BI SERVER
• پیاده سازی داشبوردهای هوش تجاری کلان با استفاده از کیوب کلان داده داده و با روش Map Reduce

• اجرا و نمایش  داشبوردهای هوش تجاری OBIEE 12C  مبتنی بر  Apache Hive و Apache Spark

نکته : پرداخت شهریه بصورت تقسیط هم دریافت می شود. تمامی ابزارها و پلتفرم های مطرح شده در این دوره تحت سیستم عامل لینوکس CentOS 7.4 ارائه خواهد شد. نیازی به لپ تاب نمی باشد موسسه شرایط سخت افزاری و نرم افزاری مورد نیاز را فراهم خواهد کرد.
هزینه کل دوره :۴,۸۰۰,۰۰۰ تومان با قابلیت تقسیط در ۴ قسط(هزینه هر بخش از این دوره ۱,۲۰۰,۰۰۰ تومان )
مدت دوره: ۱۲۰ ساعت- روزهای پنجشنبه ۶ ساعت و جمعه ۶ ساعت
محل برگزاری دوره: تهران- تقاطع مطهری و سنائی-موسسه آموزشی رایان کالج

محمد عالیشاهی بدون دیدگاه

انجام پروژه های آنتولوژی و هستی شناسی با ابزار protege

پروژه های مربوط به آنتولوژی OWL و OWL2 و RDF با ابزارهای مختلف بخصوص PROTEGE انجام می گردد . کاملا تضمینی و صددرصد و با کیفیت و دقت بالا توسط برجسته ترین اساتید دکترای هوش مصنوعی از دانشگاه تهران با مدیریت آقای دکتر محمد عالیشاهی انجام می گردد.

در ضمن به دلیل اینکه تیم فنی از نفرات نخبه کشور می باشند سرعت و دقت انجام پروژه بسیار بالا می باشد و در کمترین زمان ممکن انجام می گردد.

شماره تماس :۰۹۱۲۸۰۲۷۱۸۷

محمد عالیشاهی بدون دیدگاه

رویداد بزرگ علم داده در آکادمی ایرانسل برگزار شد

جناب آقای دکتر محمد عالیشاهی به عنوان اولین سخنران کلیدی رویداد علم داده در ایران  و در آکادمی ایرانسل سخنرانی کردند . این سخنرانی  به صورت آنلاین توسط تلویزیون اینترنتی لنز ایرانسل پخش شد.

این رویداد به دلیل حضور متخصصین علم داده و هوش مصنوعی ایرانی در سراسر دنیا و ایران یکی از بزرگترین رویداد علم داده در کشور می باشد.

 

 

 

 

 

 

لینک سخنرانی رویداد علم داده در آکادمی شرکت ایرانسل :

https://lahzenegar.com/Irancell/DataScience

محمد عالیشاهی ۲ دیدگاه

چاپ کتاب در زمینه بیگ دیتا توسط آقای محمد عالیشاهی

 

 

 

 

 

 

 

 

چاپ کتابی دیگر  در زمینه اکوسیستم های بیگ دیتا با عنوان “یکپارچه سازی کلان داده ها با استفاده از پلتفرم ODI 12C”

این کتاب اخیرا توسط استاد ارزشمند جناب آقای محمد عالیشاهی ترجمه شده است و نحوه پیاده سازی پیکربندی و اتصال به اکوسیستم های Hadoop و Hive و OOZIE و… با ابزار ODI 12C  بصورت گام به گام و کامل تشریح شده است .

موفق باشید.

محمد عالیشاهی بدون دیدگاه

چاپ جدید ترین کتاب در زمینه بیگ دیتا

✅ یکپارچه سازی کلان داده ها با استفاده از پلتفرم ODI 12C

🔵مترجم: محمد عالیشاهی

🔵نحوه اتصال و پیکربندی اکوسیستم های بیگ دیتا مانند Hadoop و Spark و Oziee و Hive و casandra و …

🔵 پیاده سازی انواع نگاشت ها و Knowledge Module های بیگ دیتا

🔵 پیاده سازی Oziee Work Flow جهت مدیریت اجرای جابهای بیگ دیتا

🔵 پیاده سازی فریم ورک و موتور پردازشی Spark SQL و Tez و Map Reduce

🔵 نحوه پیاده سازی Py Spark و پایتون در Code Editor ابزار ODI 12C

🔵 نحوه یکپارچه سازی و بارگذاری داده های نیمه ساخت یافته و غیر ساخت یافته در پلتفرم Hadoop و Hbase و …

🔵 بارگذاری داده ها از RDBMS در Hive و Hadoop و Hbase و … با استفاده از Sqoop

محمد عالیشاهی بدون دیدگاه

چاپ کتاب فارسی “نحوه پیاده سازی انبار داده مبتنی بر پلتفرم ODI 12C مقدماتی” توسط جناب آقای محمد عالیشاهی

جدیدترین اثر آقای محمد عالیشاهی
کتاب فارسی پیاده سازی انبار داده مبتنی بر ODI 12C
نصب و راه اندازی ODI 12C در پلتفرم ویندوز و لینوکس
نحوه پیاده سازی نگاشت،پکیج،USER Function، انواع متغیرها،پیاده سازی وب سرویس و … با مثالهای فراوان بصورت اشکال و نمودارها گام به گام
با مطالعه این کتاب و کتاب سطح پیشرفته نیاز به هیچ کلاس نخواهید داشت
محمد عالیشاهی بدون دیدگاه

نمونه داشبورد پیاده سازی شده با استفاده از زبان پایتون

import matplotlib.pyplot as plt

labels= [‘Mortgage’, ‘Utilities’, ‘Food’, ‘Gas’]

colors=[‘blue’, ‘yellow’, ‘green’, ‘orange’]

sizes= [1500, 600, 500, 300]

plt.pie(sizes,labels=labels, colors=colors, startangle=90, autopct=’%1.1f%%’)

plt.axis(‘equal’)

plt.show()

محمد عالیشاهی بدون دیدگاه

نمونه داشبوردهای پیاده سازی شده با استفاده از زبان پایتون

import matplotlib.pyplot as plt

months= [x for x in range(1,13)]

mortgage= [700, 700, 700,
۸۰۰, ۸۰۰, ۸۰۰,
۸۵۰, ۸۵۰, ۸۵۰,
۸۵۰, ۸۵۰, ۸۵۰]

utilities= [500, 300, 380,
۲۰۰, ۶۰۰, ۵۵۰,
۳۱۰, ۶۲۰, ۲۹۰,
۳۲۰, ۴۴۰, ۴۰۰]

repairs= [100, 120, 100,
۱۵۰, ۸۵۰, ۸۰,
۱۲۰, ۲۲۰, ۲۴۰,
۵۰, ۶۰, ۱۵۰]

plt.plot([],[], color=’blue’, label=’mortgage’)
plt.plot([],[], color=’orange’, label=’utilities’)
plt.plot([],[], color=’brown’, label=’repairs’)

plt.stackplot(months, mortgage, utilities, repairs, colors=[‘blue’, ‘orange’, ‘brown’])

plt.legend()

plt.title(‘Household Expenses’)
plt.xlabel(‘Months of the year’)
plt.ylabel(‘Cost’)

plt.show()

محمد عالیشاهی بدون دیدگاه

نمونه داشبوردهای پیاده سازی شده با زبان پایتون

پیاده سازی نمودار میله ای با استفاده از زبان پایتون :

import matplotlib.pyplot as plt
x= [1,2,3]
y= [20,40,60]
x2=[4,5,6]
plt.bar(x,y, label=”Morning Group”)
plt.bar(x2,y, label=”Evening Group”)
plt.title(‘Bar Graph 1 of Customer Data’)
plt.xlabel(‘Amount of People’)
plt.ylabel(‘Money Spent’)
plt.legend()
plt.show()