دوره آموزشی تحلیل داده با هوش مصنوعی مولد

هوش مصنوعی مولد (Generative AI) می‌تواند یک مجموعه‌داده را در چند ثانیه تحلیل کند، اما کیفیت این تحلیل به توانایی شما در طراحی Promptهای مناسب و بررسی صحت نتایج بستگی دارد. در این دوره عملی یاد می‌گیرید چگونه ابزارهایی مانند ChatGPT را برای تحلیل داده‌های واقعی به کار بگیرید و در عین حال، خطاها و نتایج نادرست تولیدشده توسط مدل را شناسایی و کنترل کنید.

در طول دوره با استفاده از نمونه‌هایی مانند داده‌های ریزش مشتری (Customer Churn) و سوابق علائم تجاری USPTO، نحوه تعامل با یک مدل زبانی بزرگ (LLM) برای بررسی و خلاصه‌سازی داده‌ها را یاد می‌گیرید. همچنین با روش تولید آمارهای توصیفی (Summary Statistics)، شناسایی الگوها و استخراج بینش‌هایی آشنا می‌شوید که می‌توانند به تصمیم‌گیری‌های واقعی کسب‌وکار کمک کنند.

بخش دیگری از دوره به آماده‌سازی داده اختصاص دارد. یاد می‌گیرید چگونه داده‌های نامنظم را پاک‌سازی و استاندارد کنید، نام موجودیت‌ها (Entity Names) را یکسان‌سازی و موارد تکراری را شناسایی کنید و برای تحلیل‌های مختلف، رویکردهای مدل‌سازی مانند رگرسیون لجستیک (Logistic Regression) و مدل‌های بقا (Survival Models) را با کمک AI بررسی و مقایسه کنید.

یکی از مهارت‌های مهم این دوره، توانایی تشخیص خطاهای هوش مصنوعی است. یاد می‌گیرید چگونه بررسی کنید که LLM واقعاً فایل و داده‌های شما را تحلیل کرده است و چگونه توهمات هوش مصنوعی (AI Hallucinations) را پیش از آنکه وارد تحلیل‌ها و نتیجه‌گیری‌های نهایی شوند، شناسایی کنید.

در پایان دوره، مجموعه‌ای از مهارت‌های عملی برای استفاده انتقادی، دقیق و قابل اعتماد از هوش مصنوعی مولد در تحلیل داده خواهید داشت. این دوره در سطح متوسط طراحی شده و برای تحلیلگران داده (Data Analysts)، دانشمندان داده (Data Scientists) و افرادی که علاقه‌مند به استفاده از AI برای تحلیل داده هستند، مناسب است.

اهداف یادگیری
یک LLM را برای بررسی، کاوش و خلاصه‌سازی مجموعه‌داده‌ها با Promptهای مؤثر هدایت کنید.
آمارهای توصیفی و خلاصه‌های کاربردی را متناسب با نیازهای کسب‌وکار تولید کنید.
داده‌های نامنظم، از جمله نام موجودیت‌ها، را پاک‌سازی و استاندارد کنید.
موجودیت‌های تکراری را شناسایی، یکسان‌سازی و گروه‌بندی کنید.
الگوها و بینش‌های قابل استفاده را با کمک هوش مصنوعی از داده‌ها استخراج کنید.
رویکردهای مختلف مدل‌سازی مانند Logistic و Survival Models را با کمک AI بررسی و مقایسه کنید.
نشانه‌های توهم و اطلاعات ساختگی تولیدشده توسط هوش مصنوعی را در فرایند تحلیل شناسایی کنید.
خروجی LLM را با داده واقعی مقایسه و صحت تحلیل‌های تولیدشده را بررسی کنید.
از هوش مصنوعی برای هدایت فرایند انتخاب مدل مناسب با توجه به مسئله و داده استفاده کنید.
یک فرایند تحلیل داده مبتنی بر AI را به‌صورت انتقادی ارزیابی کنید تا نتایج نهایی دقیق، قابل اعتماد و مبتنی بر داده واقعی باشند.