✅اولین دورهٔ رویداد Data Days، رویداد علوم داده دانشگاه شریف، زمستان امسال توسط دانشکدهٔ مهندسی کامپیوتر دانشگاه صنعتی شریف برگزار می‌شود.

🔶مهمترین هدف از برگزاری این مسابقه گسترش آموزش و علاقه در این حوزه به همراه محک زدن سطح دانش علوم داده در جامعه علمی ایران است.

🔷این رویداد با همکاری جمعی از دانشجویان دانشکده مهندسی کامپیوتر و با پشتیبانی اساتید پیشگام در این حوزه طراحی شده‌است.

🔶اگر چه تنها شرط شرکت در مسابقه دانشجو بودن است مسائل این مسابقه به گونه ای است که شرکت کنندگان با هر سطحی از دانش از مبتدی تا متخصص بتوانند آورده‌ای از مسابقات داشته باشند.

🌐http://datadays.sharif.edu
🆔@DataDays_Sharif

🔷 با ناظرین علمی رویداد #DataDays آشنا شوید!

ادامه دارد...

🌐http://datadays.sharif.edu
🆔@DataDays_Sharif

🔴 در مسابقهٔ #DataDays چه مباحثی مورد سنجش قرار خواهند گرفت؟

🔵 رویکردهای نوین در علوم داده، نه مانند گذشته‌ فقط از مباحث آماری تشکیل شده‌اند و نه به تنهایی روی یادگیری ماشین متمرکز اند.
هویت هر داده، راهکار‌های خاصی را می‌طلبد که عموما ترکیبی از #آمار و #یادگیری_ماشین هستند.

به طور خاص دریافت شهود نسبت به ساختار داده‌های مورد بررسی از راه #تحلیل_اکتشافی_داده صورت می‌پذیرد و #یادگیری_ماشین و #یادگیری_عمیق راه‌حل‌هایی قدرتمند برای برخی مسائل هستند که با آمار قدیمی و تحلیل داده نمی‌توان به آنها دست یافت.

✅این اولین باری است که در مسابقه‌ای کشوری مباحثی مانند تحلیل اکتشافی داده، آمار، یادگیری ماشین و یادگیری عمیق در کنار هم دیده‌ می‌شوند.

تاکید تیم علمی رویداد #DataDays بر محک زدن هر چهار مهارت فوق است، مهارت‌هایی که در کنار هم یک متخصص علوم داده حرفه‌ای را ایجاد می‌کنند!

🌐http://datadays.sharif.edu
🆔@DataDays_Sharif

🔴 چرا اسم #DataDays را انتخاب کردیم؟

✅ شاید DataDays بیش از آن که یک مسابقه باشد، یک رویداد چند هفته‌ای علوم داده باشد. با این که بخش اصلی این رویداد مسابقهٔ چندمرحله‌ای آن است، اما با محتوایی که در کنار مسابقه منتشر خواهد شد، علاقه مندان در هر سطحی می‌توانند از رویداد DataDays، مستقل از مسابقهٔ آن، بهره ببرند.

🔷 علاوه بر این، بیان مسائل ناآشنا و نابدیهی روی داده‌های هیجان‌انگیز دیوار، چالش‌های جذابی برای همهٔ متخصصین این حوزه ایجاد می‌کند و امید است این رویداد بتواند اولین گام‌ها را برای گسترش نگاه نوین به علوم داده در سطح کشور بردارد.

🌐http://datadays.sharif.edu
🆔@DataDays_Sharif

🔴 تیم علمی #DataDays را چه کسانی تشکیل می‌دهند؟

🔷 هستهٔ علمی DataDays متشکل از اساتید پشتیبان (کمیتهٔ داوران فاز حضوری) و تعدادی از دانشجویان دانشگاه صنعتی شریف است. تیم علمی این رویداد به سه گروه افراز میشود که با هم در تعاملند:

1⃣ گروه تحلیل داده: متشکل از افراد خبره در زمینهٔ #تحلیل_داده و #آمار که مسئولیت فاز اول مسابقه و بخش تحلیل دادهٔ فاز حضوری را بر عهده دارند.
1⃣ گروه یادگیری ماشین و یادگیری عمیق: متشکل از متخصصین #یادگیری_ماشین و #یادگیری_عمیق که مسئولیت فاز دوم مسابقه و بخش یادگیری ماشین فاز حضوری را بر عهده دارند.
3⃣ گروه محتوا: فراهم کردن، گردآوری و تدوین محتوای لازم برای هر فاز از مسابقه را به کمک دو گروه دیگر بر عهده دارد.

🔶 علاوه بر این، لازم به ذکر است که گروه‌های فوق در طراحی و پیاده‌سازی سوال همکاری می‌کنند و سوالات مستقیم توسط تیم علمی مسابقات طراحی می‌شود.

🌐http://datadays.sharif.edu
🆔@DataDays_Sharif

🔴 رویداد #DataDays چه خلأی را پر می‌کند؟

✅🔷 با آن که تلاش‌هایی در زمینه‌ٔ معرفی و گسترش علوم داده در کشور رخ داده است، اما هم‌چنان خلأ اساسی در معرفی صحیح و جامع این زمینهٔ داغ احساس می‌شود.

🔶یکی از این خلأها مغفول ماندن تحلیل اکتشافی داده و آمار است که با آن که یکی از مهم‌ترین گام‌ها در علوم داده است، در مسابقات مشابه معمولا مورد توجه قرار نمی‌گیرد. بنابراین بر آن شدیم تا گامی بزرگ در راستای آموزش و نشر این زمینه با نگاهی جدید به تمامی جوانب آن برداریم.

🌐http://datadays.sharif.edu
🆔@DataDays_Sharif

✅ در آخرین روز ثبت نام، رویداد #DataDays هزارتایی شد!

🔷 با مشارکت شما عزیزان، در اولین دورهٔ برگزاری رویداد Data Days، رویداد علوم داده دانشگاه شریف، تعداد ثبت نام کنندگان این رویداد به بیش از هزار نفر رسید.

🔶 تا کنون بیش از ۳۰۰ تیم در این رویداد ثبت نام کرده‌اند.

🔴 بشتابید و تیم‌های خود را تشکیل دهید! تنها تا ۲۰:۰۰ امشب فرصت باقیست.

🌐http://datadays.sharif.edu
🆔@DataDays_Sharif
@ssc_public

🔜 💎 #DataDays2020

💎 با توجه به اهمیت علوم داده در حال حاضر، دورهٔ دوم رویداد DataDays با هدف ایجاد علاقه و فراهم کردن بستر مناسب برای آموزش علوم داده به علاقه‌مندان در زمستان ۹۸ برگزار می‌شود.

▫️ منتظر خبرهای بیشتر باشید...

💠 @datadays_sharif

🔹 نحوهٔ برگزاری این دوره از رویداد DataDays به چه صورت است؟

▫️ رویداد این دوره متشکل از مرحلهٔ آموزشی و مرحلهٔ نهایی است. مرحلهٔ آموزشی خود سه گام دارد که زمان شروع گام اول و دوم آن در دی و گام سوم آن در بهمن‌ماه مقرر شده‌ است.

▫️ شرکت در مرحلهٔ آموزشی رویداد به صورت انفرادی بوده و در هر گام محتواهای آموزشی به همراه سوالاتی برای سنجش میزان یادگیری در اختیار شرکت‌کنندگان قرار می‌گیرد.

▫️ موعد آغاز مرحلهٔ نهایی اواسط اسفندماه خواهد بود. در این مرحله شرکت‌کنندگان تیم‌های خود را تشکیل داده و در تاریخ ۱۴ و ۱۵ اسفندماه به رقابت می‌پردازند.

💠 @datadays_sharif

🔹 مهارت‌های برنامه‌نویسی و پیش‌نیازهای علمی مورد نیاز برای شرکت در رویداد DataDays چیست؟

▫️ آشنایی اولیه با زبان برنامه‌نویسی پایتون و علاقه به یادگیری مباحث هوش مصنوعی برای شرکت‌کنندگان الزامیست.

▫️ شرکت‌کنندگان نیازی به آشنایی با الگوریتم‌های یادگیری ماشین و هوش مصنوعی ندارند و می‌توانند با دنبال کردن محتواهای آموزشی رویداد این مباحث را بیاموزند.

💠 @datadays_sharif

🔹 آموختنی‌های این دورهٔ DataDays

💎 گام اول
▫️ پیش‌نیازها (pre-requirements)
▫️ تمیز کردن داده (data cleaning)
▫️مصورسازی داده (data visualization)
▫️رگرسیون (regression)

💎 گام دوم
▫️ دسته‌بندی (classification)
▫️ خوشه‌بندی (clustering)
▫️ کاهش ابعاد داده (dimension reduction)
▫️ تست آماری (statistical tests)

💎 گام سوم
▫️ شبکهٔ عصبی (neural network)
▫️ یادگیری عمیق (deep learning)
▫️ یادگیری تقویتی (reinforcement learning)

💠 منتظر انتشار اولین محتوای آموزشی DataDays باشید.

💠 @datadays_sharif

🔹 محتوای گام نخست آموزشی DataDays منتشر شد.

◽️ برای دسترسی به محتواهای آموزشی، در وب‌سایت ثبت نام کنید.

◽ پس از ثبت نام، محتوا در پنل کاربری موجود خواهد بود.

◽️ ارزشیابی مربوط به این محتوا، به زودی منتشر خواهد شد.

◽️ توضیحات بیشتر به زودی در بلاگ قرار خواهد گرفت.

💠 @datadays_sharif
💠 @datadays_info

⚫ غم و اندوه خود را بابت سانحهٔ سقوط پرواز هواپیمایی اوکراین به مقصد کی‌یف ابراز می‌کنیم و درگذشت سرنشینان این پرواز، من‌جمله دانشجویان و فارغ‌التحصیلان را تسلیت عرض می‌نماییم.

◾ برای خانواده‌های جان‌باختگان آرزوی صبر داریم و امیدواریم ما را در غم خودشان سهیم بدانند.

@datadays_sharif