مقدمه ای بر رشته علوم داده
علوم داده دانشی میان رشته ای است که ریاضیات، آمار، علوم و مهندسی کامپیوتر در آن نقش تعیین کننده ای دارند. تمرکز علوم داده بر روش های علمی، الگوریتم ها و سیستم های گوناگون برای استخراج دانش از داده است. در حال حاضر علوم داده از فعال ترین زمینه هایی است که بطور مستقیم با فن آوری های نوین و پیشرفته ارتباط دارد و به همین سبب با سرعت شگرفی رو به تکامل و پیشرفت است. رشد و پیشرفت تکنولوژی و افزایش مستمر استفاده از اینترنت، امکان جمع آوری و ذخیره سازی حجم عظیمی از داده را فراهم کرده است. دورنمای بوجود آمدن شهرهای هوشمند و نصب روزافزون انواع حسگرهای الکترونیکی جهت جمع آوری اطلاعات از یک طرف و افزایش ظرفیت سرویس دهی به کاربران در شبکه های نسل پنجم شبکه تلفن همراه از طرف دیگر، حجم عظیمی از داده را در اختیار ما قرار خواهد داد. از طرف دیگر با افزایش قدرت محاسباتی پردازشگرها، امکان انجام تحلیل های پیچیده روی این داده ها بیش از پیش فراهم شده است. با استفاده از علوم داده نه تنها میتوان برداشت و تحلیلی درست از داده ها و رویدادها داشت بلکه این دانش امکان پیش بینی روند آینده را نیز در بسیاری زمینه ها فراهم ساخته است. پردازش و تحلیل داده های حجیم و تبدیل آنها به اطلاعات معنادار نه تنها باعث ایجاد فرصتهای بی سابقه ای خواهد شد بلكه عدم استفاده از این فرصت منجر به از دست دادن مزیت نسبی در بیشتر عرصه های صنعتی و تجارت خواهد شد.
طبق سند چشم انداز 1444 جمهوری اسلامی ایران توسعه دادن علوم بین رشته ای و مطالعات و پژوهش های چند رشته ای بدیع و مفید از الگوهای پیشرفت کشور محسوب می شود. بنابراین تربیت کردن متخصصینی که در رشته علوم داده بتوانند به ابعاد نظری و کاربردی آن تسلط عمیق داشته باشند در راستای اهداف سند چشم انداز ضروری به نظر می رسد
تعریف رشته علوم داده
دوره کارشناسی ارشد مهندسی کامپیوتر با گرایش علوم داده برنامه ای در مقطع کارشناسی ارشد است که با جذب دانش آموختگان زمینه های مختلف مهندسی کامپیوتر، مهندسی برق و ریاضیات و با تاکید بر جنبه های کاربردی و ابعاد نظری علوم داده امکان تربیت نیروهای متخصص در این زمینه را فراهم می آورد
اگر به صفحه مربوط به علم داده در ویکی پدیا مراجعه کنید، متوجه می شوید که علم داده را بصورت زیر تعریف کرده است:
علم داده دانشی میان رشته‌ای پیرامون استخراج دانش و آگاهی از مجموعه‌ای داده و اطلاعات است. علم داده از ترکیب مباحث مختلفی به وجود آمده و بر مبانی و روش‌های موجود در حوزه‌های مختلف علمی بنا شده‌است. تعدادی از این حوزه‌ها عبارتند از: ریاضیات، آمار، علوم کامپیوتر، مهندسی داده، بازشناخت الگو و… هدف این علم، استخراج مفهوم از داده و تولید محصولات داده محور است.
آقایان توماس دونپورت و دی جی پاتیل در سال ۲۰۱۲ در مقاله «علم داده: جذاب‌ترین شغل قرن بیست و یکم» متخصصین علم داده را این طور تعریف می‌کنند: کسانی که می‌دانند چگونه میتوان از انبوه اطلاعات بدون ساختار پاسخ سوال های کسب و کار را پیدا کرد.
استنتون در سال ۲۰۱۳ علم داده را این طور تعریف می‌کند: علم داده رشته در حال ظهوری است که به جمع‌آوری، آماده‌سازی، تحلیل، بصری سازی، مدیریت و نگهداشت اطلاعات در حجم بالا می‌پردازد.
دریسکول در سال ۲۰۱۴ علم داده را این‌طور تعریف می‌کند: علوم داده مهندسی عمران داده‌هاست. متخصص علم داده دانشی کاربردی از داده‌ها و ابزارها دارد به علاوه درک تئوریکی دارد که مشخص می‌کند چه چیزی از نظر علمی ممکن است
هدف رشته علوم داده چیست؟
هدف برنامه کارشناسی ارشد مهندسی کامپیوتر گرایش علوم داده ایجاد بستر آموزشی مناسب برای تربیت دانش آموختگانی است که به ابعاد کاربردی و نظری علوم داده تسلط داشته باشند. فارغ التحصیلان رشته علم داده در زمینه تجزیه و تحلیل داده می توانند در صنعت نرم افزار کشور موثر باشند، همچنین این دوره توانایی نوآوری و تولید علم در این زمینه تخصصی را به فارغ التحصیلان می دهد. همچنین هدف رشته علوم داده پرورش مهندسانی است که توانایی تحلیل داده های حجیم موجود در کشور را دارا باشند. در ایران منابع وسیع و گوناگونی از داده نظیر دادههای جوی، ترافیکی، شبکه های اجتماعی و اینترنتی وجود دارند که اگر با اتکا به محصولات خارجی مورد ارزیابی قرار بگیرند، محرمانگی آنها و حفظ حریم شهروندان ایرانی ممکن است مورد تهدید قرار گیرد. همچنین وجود دانش بومی و توانایی مهندسی تولید نرما فزارهای پالایش، تحلیل و ارایه داده های بزرگ منجر به تولید دانش و ابزارهای نوینی خواهد شد که ناظر بر نیازهای بومی کشور در زمینه هایی مانند سلامت، تجارت، محیط زیست، بانکداری، مدیریت شهری و حمل و نقل باشد. تحلیل دادههای آماری فرصتهای شغلی در سطح جهانی و همچنین تحلیل آمارهای بومی بازار کاری مهندسی کامپیوتر در ایران، ما را به این نتیجه می رساند که در ده سال آینده ایران به حدود یکصد هزار مهندس کامپیوتر آشنا به علوم داده نیاز خواهد داشت و این امر نیازی فوری به بازآموزی و ایجاد زمینه ی تحقیقات بومی در زمینه علوم داده ایجاد خواهد کرد. مقاصد کاری پیش بینی شده برای فارغ التحصیلان شرکتهای نرم افزاری که به تولید ابزارهای تحلیل داده مشغول هستند، شرکتهای صنایع مالی و تجارت الکترونیک، شرکتهای دانش بنیان فناوری زیستی، شرکتهای فناوری حمل و نقل و شرکتهای استفاده کننده از سیستمهای نهفته کامپیوتری و یا کارآفرینی در شرکتهای دانش بنیان نرم افزاری با محوریت علوم داده خواهند بود
اهمیت و ضرورت ایجاد رشته علوم داده
نیاز به پردازش و تحلیل داده از الزامات عصر حاضر است. امروزه در ایران داده هایی با منشا گوناگون نظیر داده های هواشناسی، داده های زیستی، داده های ترافیکی، داده های مالی با حجم بالا وجود دارند و معمولا تحلیل آنها به خاطر ابعاد بالا و ساختارهای گوناگون ساده نیست. پردازش داده بر مبنای روش های نظری و با استفاده درست از ابزارهای تحلیلی داده صورت می گیرد. پیشبرد این حوزه نیاز به آموزش و پژوهش در دو بعد نظری و کاربردی آن است. تربیت نیروی انسانی متخصص در این موضوع نیاز به برنامه های آموزشی و پژوهشی منسجمی دارد.
فارغ التحصیلان ارشد علوم داده چه مهارت هایی کسب می کنند
دانش آموحتگان برنامه کارشناسی ارشد مهندسی کامپیوتر گرایش علوم داده می توانند به فعالیت در گروه های تحقیقاتی مرتبط با موضوع علوم داده در مراکز تحقیقاتی بپردازند، همچنین فعالیت کردن در صنایع مرتبط با مه داده برای آنها امکان پذیر است. دانش آموختگان علاقمند به پژوهش در این زمینه امکان ادامه تحصیل در مقطع دکتری در هر یک از رشته های مهندسی کامپیوتر دارند.
واحد های ارشد علوم داده
دانشجویان در رشته علوم داده باید 32 واحد بگذراند که واحدها به طریق زیر است: 24 واحد درسی، 2 واحد سمینار، 6 واحد پایان نامه.
دانشجویان ارشد علوم داده باید 24 واحد درسی را از جداول درس های دروس جبرانی، اجباری و اختیاری انتخاب کنند (این جداول در فایل پی دی اف پیوست شده در اختیارتان قرار گذاشته شده)
توجه: درس های ارشد علوم داده موجود در جداول درس های دروس جبرانی، اجباری و اختیاری می‌توانند با توجه به نظر استادان صاحب نظر در هر دانشگاه تا مقدار معینی که به دانشگاه مربوطه اجازه داده می‌شود تغییر کنند. نحوه اخذ واحدهای درسی در دوره کارشناسی ارشد علوم داده باید طبق جدول‌های درس‌های ارائه شده برای گرایش ارشد علم داده از جداول درس های دروس جبرانی، اجباری و اختیاری (که این جداول در پی دی اف آورده شده است) و همچنین مطابق بند‌های زیر باشد:
1) در دوره کارشناسی ارشد علوم داده در صورت تایید استاد راهنما و دانشکده، دانشجو می‌تواند حداکثر یک درس خود را از سایر گرایش‌های مهندسی کامپیوتر یا سایر رشته ها اخذ نماید.
2) در دوره های کارشناسی ارشد آموزش محور علوم داده، دانشجو موظف است درس سمینار را بگذراند و معادل تعداد واحد پایان نامه (6 واحد)، درس از گرایش علم داده اخذ نماید.
3) با توجه به تحولات سریع علم و فناوری در رشته علوم داده درس‌هایی تحت عنوان مباحث ویژه در گرایش علم داده تعیین شده است که سرفصل‌های ویژه و جدید با تصویب محتوی در دانشکده مهندسی کامپیوتر تحت این عنوان پیش بینی شده به صورت موقت قابل ارائه است که بتواند با تحولات علمی همگام گردد.
دروس ارشد رشته علوم داده
| دروس ارشد علوم داده | ||||
|---|---|---|---|---|
| ردیف | عنوان | تعداد واحد | نوع واحد | ساعات تدریس |
| لیست دروس اجباری ارشد علوم داده | ||||
| 1 | طراحی الگوریتم | 3 | نظری | 48 |
| 2 | آمار و احتمال مهندسی | 3 | نظری | 48 |
| 3 | سیگنال و سیستم ها | 3 | نظری | 48 |
| 4 | پایگاه داده | 3 | نظری | 48 |
| 5 | برنامه سازی پیشرفته | 3 | نظری | 48 |
| دروس اجباری ارشد علوم داده | ||||
| 1 | ریاضیات علوم داده | 3 | نظری | 48 |
| 2 | تحلیل داده کاربردی | 3 | نظری | 48 |
| 3 | الگوریتم های پیشرفته | 3 | نظری | 48 |
| 4 | یادگیری ماشین | 3 | نظری | 48 |
| گذراندن تمامی دروس اجباری برای دانشجویان علوم داده الزامی است | ||||
| دروس اختیاری ارشد علوم داده | ||||
| 1 | شبکه های عصبی | 3 | نظری | 48 |
| 2 | یادگیری ژرف | 3 | نظری | 48 |
| 3 | مدل های گرافی احتمالاتی | 3 | نظری | 48 |
| 4 | یادگیری آماری | 3 | نظری | 48 |
| 5 | داده کاوی پیشرفته | 3 | نظری | 48 |
| 6 | گراف کاوی | 3 | نظری | 48 |
| 7 | سیستم های توزیع شده | 3 | نظری | 48 |
| 8 | پایگاه داده پیشرفته | 3 | نظری | 48 |
| 9 | محاسبات ابری | 3 | نظری | 48 |
| 10 | تحلیل مه داده | 3 | نظری | 48 |
| 11 | بهینه سازی در علوم داده | 3 | نظری | 48 |
| 12 | سری های زمانی | 3 | نظری | 48 |
| 13 | احتمال در ابعاد بالا برای علوم داده | 3 | نظری | 48 |
| 14 | سنجش فشرده | 3 | نظری | 48 |
| 15 | استنتاج علی | 3 | نظری | 48 |
| 16 | دیداری سازی داده ها | 3 | نظری | 48 |
| 17 | امنیت اطلاعات | 3 | نظری | 48 |
| 18 | سنتز نرم افزار | 3 | نظری | 48 |
| 19 | پردازش زبان طبیعی | 3 | نظری | 48 |
| 20 | بینایی کامپیوتر | 3 | نظری | 48 |
| 21 | مباحث ویژه 1 در علوم داده | 3 | نظری | 48 |
| 22 | مباحث ویژه 2 در علوم داده | 3 | نظری | 48 |
| 23 | مباحث ویژه 3 در علوم داده | 3 | نظری | 48 |
| گذراندن 4 درس از دروس اختیاری علوم و فناوری شبکه با صلاحدید استاد راهنما الزامی است | ||||
برای مشاهده توضیحات تکمیلی در مورد گرايش علوم دادهدر ارشد، پی دی اف زیر را که شامل موارد زیر است، دانلود کنید :
- تعداد واحدهايی که بايد در ارشـد علوم داده برداريد
- تعداد واحدهای اجباری گرایش علوم داده در ارشــد
- تعداد واحدهای اختياری گرایش علوم داده در ارشـد
- معرفي دروس اجباری و اختياری در ارشد علوم داده
〈〈 دانلود فایل جزئیات واحدهای گرایش ارشد علوم داده 〉〉
رشته علوم داده چیست؟
علم داده دانشی میان رشته‌ای پیرامون استخراج دانش و آگاهی از مجموعه‌ای داده و اطلاعات است. علم داده از ترکیب مباحث مختلفی به وجود آمده و بر مبانی و روش‌های موجود در حوزه‌های مختلف علمی بنا شده‌است. تعدادی از این حوزه‌ها عبارتند از: ریاضیات، آمار، علوم کامپیوتر، مهندسی داده، بازشناخت الگو و… هدف این علم، استخراج مفهوم از داده و تولید محصولات داده محور است. در حال حاضر علوم داده از فعال ترین زمینه هایی است که بطور مستقیم با فن آوری های نوین و پیشرفته ارتباط دارد و به همین سبب با سرعت شگرفی رو به تکامل و پیشرفت است. رشد و پیشرفت تکنولوژی و افزایش مستمر استفاده از اینترنت، امکان جمع آوری و ذخیره سازی حجم عظیمی از داده را فراهم کرده است. دورنمای بوجود آمدن شهرهای هوشمند و نصب روزافزون انواع حسگرهای الکترونیکی جهت جمع آوری اطلاعات از یک طرف و افزایش ظرفیت سرویس دهی به کاربران در شبکه های نسل پنجم شبکه تلفن همراه از طرف دیگر، حجم عظیمی از داده را در اختیار ما قرار خواهد داد. از طرف دیگر با افزایش قدرت محاسباتی پردازشگرها، امکان انجام تحلیل های پیچیده روی این داده ها بیش از پیش فراهم شده است. با استفاده از علوم داده نه تنها میتوان برداشت و تحلیلی درست از داده ها و رویدادها داشت بلکه این دانش امکان پیش بینی روند آینده را نیز در بسیاری زمینه ها فراهم ساخته است
در مقطع ارشد گرایش علوم داده چه دروسی باید مطالعه شود؟
در مقطع ارشد گرایش علوم داده دانشجو می تواند دروسی نظیر : ریاضیات علوم داده، تحلیل داده کاربردی، الگوریتم های پیشرفته، یادگیری ماشین، یادگیری ژرف، یادگیری آماری، محاسبات ابری و ... را بگذراند، برای مطالعه بیشتر در این خصوص پی دی اف ای در این صفحه قرار داده شده است که با دانلود آن می توانید تمامی دروس رشته علوم داده در مقطع ارشد را مشاهده کنید.
ضرایب دروس کنکور ارشد علوم داده چیست؟
در کنکور ارشد علوم و فناوری شبکه درس زبان و همین طور مجموعه دروس ریاضیات دارای ضریب 2، دروس نظریه زبان ها و ماشین ها و سیگنال و سیستم دارای ضریب 2، دروس ساختمان داده، طراحی الگوریتم و هوش مصنوعی دارای ضریب 4 و درس مدار منطقی، معماری کامپیوتر و الکترونیک دیجیتال دارای ضریب 3 است، و دروس شبکه های کامپیوتری، سیستم عامل و پایگاه داده دارای ضریب 3 است
