دوره آموزشی تسلط بر داده ها: کاوش و توصیف داده ها
5 ساعت 11 دقیقهمبتدی2026-03-17
مدرسین

Barton Poulson
Professor, Designer, Data Analytics Expert
جزئیات دوره
فکر میکنی تحلیل داده فقط کارِ متخصصهای دیتاساینس و اونایی هست که با کوههای عظیم دادهها سر و کله میزنن؟ اصلاً اینطور نیست! اگه توی هر صنعتی هستی و وظیفه داری تصمیم بگیری، داشتن یه درک پایه از تحلیل دادههای کاربردی (Applied Data Analysis) میتونه بازی رو برات عوض کنه. توی این دوره، Barton Poulson میخواد بهت یاد بده چطور «سواد داده» یا همون Data Fluency رو به دست بیاری؛ یعنی دقیقاً بلد باشی چطور با دادهها کار کنی، از دلشون معنایی دربیاری و بر اساس اون، قدم بعدی رو با اطمینان برداری.
نکته هیجانانگیز اینجاست که این دوره اصلاً روی یاد گرفتن یه نرمافزار خاص قفل نمیشه؛ تمرکز اصلی روی روشها و فرآیندهای کلیه. Barton بهت یاد میده چطور با استفاده از نمودارها، دادهها رو کشف کنی و با کمک آمار، اونها رو توصیف کنی تا به اهدافت برسی. از مراحل آمادهسازی و تغییر شکل دادهها گرفته تا بصریسازی و استفاده از متدهای آماری، همهچیز رو پوشش میده. تازه، بحثهای عمیقی مثل احتمال (Probability) و استنباط (Inference) رو هم بررسی میکنه و حتی وارد دنیای جذاب اخلاق داده (Data Ethics) و هوش مصنوعی توضیحپذیر (Explainable AI) میشه تا بتونی با نگاهی جامع و اصولی، تصمیمات هوشمندانهتری بگیری.
اهداف یادگیری
یادگیری مراحل آمادهسازی دادهها برای انجام تحلیلهای دقیق.
توانایی تطبیق و تغییر شکل دادهها برای استخراج بهترِ بینشها و الگوهای پنهان.
استفاده از قدرت دادهها برای حل چالشهای واقعی و اتخاذ تصمیمات هوشمندانه.
مهارت در انتقال مفاهیم دادهای به دیگران با استفاده از بصریسازی (Visualization) و نمودارهای جذاب.
درک عمیق مفاهیم پایه مثل احتمال و استنباط آماری.
نکته هیجانانگیز اینجاست که این دوره اصلاً روی یاد گرفتن یه نرمافزار خاص قفل نمیشه؛ تمرکز اصلی روی روشها و فرآیندهای کلیه. Barton بهت یاد میده چطور با استفاده از نمودارها، دادهها رو کشف کنی و با کمک آمار، اونها رو توصیف کنی تا به اهدافت برسی. از مراحل آمادهسازی و تغییر شکل دادهها گرفته تا بصریسازی و استفاده از متدهای آماری، همهچیز رو پوشش میده. تازه، بحثهای عمیقی مثل احتمال (Probability) و استنباط (Inference) رو هم بررسی میکنه و حتی وارد دنیای جذاب اخلاق داده (Data Ethics) و هوش مصنوعی توضیحپذیر (Explainable AI) میشه تا بتونی با نگاهی جامع و اصولی، تصمیمات هوشمندانهتری بگیری.
اهداف یادگیری
یادگیری مراحل آمادهسازی دادهها برای انجام تحلیلهای دقیق.
توانایی تطبیق و تغییر شکل دادهها برای استخراج بهترِ بینشها و الگوهای پنهان.
استفاده از قدرت دادهها برای حل چالشهای واقعی و اتخاذ تصمیمات هوشمندانه.
مهارت در انتقال مفاهیم دادهای به دیگران با استفاده از بصریسازی (Visualization) و نمودارهای جذاب.
درک عمیق مفاهیم پایه مثل احتمال و استنباط آماری.
مهارت ها
Data Science FoundationsData ScienceOne-Off
سرفصل ها
مقدمه
- با دادههایتان تصمیمات بهتری بگیرید
با دادهها فکر کنید
- معنای روان بودن دادهها
- تسلط بر دادهها برای همه است
- تسلط بر دادهها در عمل
- صریح کردن تفکر شهودی
- فکر کردن به علتها
- چگونه تسلط بر دادهها را توسعه دهیم
- تصمیم گیری مبتنی بر داده
- بازگشت سرمایه و قانون 80 20 برای روان بودن دادهها
- قرار دادن دادهها در چارچوب مشخص
- سواد داده در عصر هوش مصنوعی مولد و هوش مصنوعی عاملگرا
آمادهسازی دادهها
- اخلاق دادهها
- از دادههای داخلی استفاده کنید
- از دادههای باز استفاده کنید
- جمعآوری دادههای جدید
- از دادههای شخص ثالث استفاده کنید
- ارزیابی کیفیت دادهها
- ارزیابی تعمیمپذیری دادهها
- ارزیابی معنای دادهها
- ابهامات موجود در دادهها را ارزیابی کنید
دادهها را تطبیق دهید
- مرتبسازی دادهها
- فیلتر کردن دادهها
- ترکیب و تقسیم دستهها
- متن کد
- محاسبه مجموع و میانگین
- محاسبه نرخها
- محاسبه نسبتها
- تنظیم نسبتها در عمل
- آمادهسازی دادهها با کمک هوش مصنوعی
کاوش دادهها
- اولویت بصری - اهمیت شروع با تصاویر
- نمودارهای میلهای
- نمودارهای میلهای گروهبندیشده
- نمودارهای دایرهای
- نمودارهای نقطهای
- نمودارهای جعبهای
- هیستوگرامها
- نمودارهای خطی
- خطوط جرقهای
- نمودارهای پراکندگی
- نقشههای داده
توصیف دادهها
- توصیفات عددی
- معیارهای مرکز را شرح دهید.
- تغییرپذیری را با دامنه و IQR شرح دهید.
- تغییرپذیری را با واریانس و انحراف معیار توصیف کنید.
- تغییر مقیاس دادهها با استفاده از نمرات z
- نمرات z را تفسیر کنید
- تفاوتهای گروهی را با اندازههای اثر شرح دهید.
- ارتباط با همبستگیها را شرح دهید.
- اندازه اثر برای همبستگی و رگرسیون
- بررسی جداول
- کاوش و مدلسازی دادهها با کمک هوش مصنوعی
- پیشبینی نمرات با رگرسیون
احتمال و استنتاج
- احتمال شرطی
- مقادیر مورد انتظار
- تنوع نمونهبرداری
- استنتاج به عنوان توصیف کننده جمعیت ها
- هوش مصنوعی به عنوان منبع اضافی تنوع تحلیلی
- احتمال پایه
ادامهی تلاش برای یادگیری روان بودن دادهها
- مراحل بعدی و منابع اضافی
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی کلانداده در عصر هوش مصنوعی
- دوره آموزشی مبانی علوم تصمیمگیری
- دوره آموزشی آیا نتیجه داد؟ ارزیابی برنامه در علم داده
- دوره آموزشی ارزیابی برنامه برای علم داده
- دوره آموزشی پاکسازی دادهها برای علم داده مؤثر: واردکردن دادهها، تشخیص ناهنجاری، پرکردن مقادیر گمشده و مهندسی ویژگیها
- دوره آموزشی یادگیری جامع اسکالا برای علوم داده
- دوره آموزشی گزارشنویسی دادهکاوی با Quarto برای پایتون
مسیرهای مرتبط
- مسیر آموزشی تبدیل به یک دانشمند داده شوید
- مسیر آموزشی تبدیل شدن به یک تحلیلگر داده
- مسیر آموزشی توسعه دادن مهارت تجزیه و تحلیل داده های خود
- مسیر آموزشی ایجاد مهارت های ضروری در داده ها
- مسیر آموزشی تبدیل شدن به یک متخصص هوش تجاری
- مسیر آموزشی مقدمهای بر مهارتهای پایه برای کار با داده: استراتژی و برنامهریزی دادهها