دوره آموزشی Claude Code برای تحلیل داده: ساخت گردش‌کارهای تکرارپذیر و قابل‌اعتماد

هوش مصنوعی می‌تواند سرعت تحلیل داده را به شکل چشمگیری افزایش دهد، اما سرعت زمانی ارزشمند است که بتوان به نتایج به‌دست‌آمده اعتماد کرد. در این دوره، بارا سالکینی (Baraa Salkini)، مهندس داده، به شما نشان می‌دهد چگونه با استفاده از Claude Code یک Workflow تکرارپذیر برای تحلیل داده ایجاد کنید که در کنار قابلیت‌های هوش مصنوعی، کنترل‌ها و فرایندهای اعتبارسنجی موردنیاز برای حفظ کیفیت تحلیل را نیز در اختیار شما قرار دهد. در طول دوره، یک پروژه واقعی را از داده‌های خام تا مرحله پروفایل‌سازی، پاک‌سازی، مدل‌سازی، تحلیل و خودکارسازی دنبال می‌کنید. یاد می‌گیرید چگونه Context پروژه و قوانین تحلیل را در اختیار Claude Code قرار دهید، معیارهای کسب‌وکار و قواعد کیفیت (Quality Rules) را تعریف کنید، Skillهای قابل استفاده مجدد بسازید و مراحل اعتبارسنجی را به Workflow اضافه کنید تا از صحت و یکپارچگی نتایج اطمینان بیشتری داشته باشید. سپس از Workflow ساخته‌شده برای ایجاد داشبوردها، اسلایدهای ارائه و دارایی‌های Power BI استفاده می‌کنید و در نهایت Skillهای قابل استفاده مجدد را در قالب یک Pipeline خودکار تحلیل داده ترکیب می‌کنید؛ Pipelineای که می‌توان آن را با ورود داده‌ها و پرسش‌های جدید، دوباره اجرا کرد.

اهداف یادگیری
راه‌اندازی Claude Code با استفاده از Context پروژه و قوانین مشخص برای تحلیل داده
ایجاد Workflowهای قابل استفاده مجدد برای پروفایل‌سازی، پاک‌سازی و مدل‌سازی داده‌ها
تعریف معیارهای کسب‌وکار (Business Metrics) و قواعد کیفیت برای کنترل فرایند تحلیل
طراحی مراحل اعتبارسنجی (Validation) برای بررسی نتایج تولیدشده توسط هوش مصنوعی
ارزیابی کیفیت، صحت و یکپارچگی نتایج تحلیل داده با استفاده از کنترل‌های مشخص
ساخت Skillهای قابل استفاده مجدد برای ساده‌سازی و استانداردسازی وظایف تحلیل داده
تولید داشبوردهای تحلیلی و ارائه‌های حرفه‌ای از داده‌های تحلیل‌شده
ایجاد و استفاده از دارایی‌های Power BI در فرایند تحلیل و ارائه داده
ترکیب Skillهای مختلف برای ساخت یک Pipeline یکپارچه و خودکار تحلیل داده
اجرای مجدد Pipeline تحلیل داده با استفاده از داده‌ها و پرسش‌های جدید به‌صورت تکرارپذیر