دوره آموزشی تحلیل داده برای حرفهایهای کسب و کار
1 ساعت 21 دقیقهمتوسط2025-04-07
مدرسین

John Johnson
Professional Economist, Author, Speaker
جزئیات دوره
شنیدن عبارت "تحلیلگری هوش مصنوعی" ممکن است در ابتدا کمی پیچیده به نظر برسد، اما نگران نباشید. در این دوره، مدرس جان جانسون به شما نشان میدهد که چگونه باید به هوش مصنوعی بهعنوان یک ابزار فوقالعاده نگاه کنید که میتواند کارایی و اثربخشی شما را افزایش دهد. تحلیل دادهها میتواند به کاهش هزینهها، سرعت بخشیدن به تحویل پروژهها، پیشبینی آینده و بهبود نتایج کسبوکار شما در طول زمان کمک کند.
بهجای آنکه تلاش کند تکنیکهای پیچیده ریاضی و آماری که ممکن است یک ابزار هوش مصنوعی استفاده کند را آموزش دهد، جان بیشتر به نقش یک حرفهای تجاری در ارزیابی، تفسیر و بهکارگیری خروجیهای هوش مصنوعی در تصمیمات تجاری پیچیده میپردازد. او به شما نشان میدهد که چگونه دادهها را از منابع مختلف سازمان جمعآوری، پاکسازی و تجمیع کنید و زمانی که دادهها دارای نقص هستند را شناسایی کنید. جان همچنین نکات مهمی برای برنامهریزی و پیادهسازی استراتژی تحلیل داده که مناسب نیازهای خاص کسبوکار شما است، ارائه میدهد. این دوره شامل تکنیکهای سادهای مانند میانگینها، نمونهگیری، انتخاب دادهها بهصورت گزینشی، پیشبینی، همبستگی، علیت و موارد دیگر است.
اهداف یادگیری:
درک اهمیت کیفیت و قابلیت اطمینان دادهها برای ابزارهای تحلیل هوش مصنوعی.
شناسایی مشکلات دادهها در ابزارهای تحلیل هوش مصنوعی و نقش مهم تحلیلگر انسانی در ارزیابی خروجیها و کمک به تصمیمگیری.
استفاده از مثالهای واقعی از مشکلات و چالشهای دادهها برای ملموستر کردن درسها.
اعمال مفاهیم بنیادی تحلیل داده در قالب چندین مطالعه موردی برای ارزیابی و بررسی قابلیت اطمینان خروجیهای هوش مصنوعی.
بهجای آنکه تلاش کند تکنیکهای پیچیده ریاضی و آماری که ممکن است یک ابزار هوش مصنوعی استفاده کند را آموزش دهد، جان بیشتر به نقش یک حرفهای تجاری در ارزیابی، تفسیر و بهکارگیری خروجیهای هوش مصنوعی در تصمیمات تجاری پیچیده میپردازد. او به شما نشان میدهد که چگونه دادهها را از منابع مختلف سازمان جمعآوری، پاکسازی و تجمیع کنید و زمانی که دادهها دارای نقص هستند را شناسایی کنید. جان همچنین نکات مهمی برای برنامهریزی و پیادهسازی استراتژی تحلیل داده که مناسب نیازهای خاص کسبوکار شما است، ارائه میدهد. این دوره شامل تکنیکهای سادهای مانند میانگینها، نمونهگیری، انتخاب دادهها بهصورت گزینشی، پیشبینی، همبستگی، علیت و موارد دیگر است.
اهداف یادگیری:
درک اهمیت کیفیت و قابلیت اطمینان دادهها برای ابزارهای تحلیل هوش مصنوعی.
شناسایی مشکلات دادهها در ابزارهای تحلیل هوش مصنوعی و نقش مهم تحلیلگر انسانی در ارزیابی خروجیها و کمک به تصمیمگیری.
استفاده از مثالهای واقعی از مشکلات و چالشهای دادهها برای ملموستر کردن درسها.
اعمال مفاهیم بنیادی تحلیل داده در قالب چندین مطالعه موردی برای ارزیابی و بررسی قابلیت اطمینان خروجیهای هوش مصنوعی.
مهارت ها
Business AnalyticsData AnalysisData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOne-Off
سرفصل ها
0. مقدمه
- 01 - مفیدتر کردن داده ها
- 02 - آنچه باید بدانید
1. تجزیهوتحلیل دادهها در دنیای تجارت
- 03 - رهبران کسب و کار و تجزیهوتحلیل داده ها
- 04 - چرا تجزیهوتحلیل دادهها را در دنیای هوش مصنوعی یاد بگیرید؟
- 05 - مقدمه ای بر Red30 Tech
- 06 - انواع داده ها
- 07 - مطالعه موردی 1 - عملکرد در یک مکان میامی
- 08 - مطالعه موردی 1 - توضیح
- 09 - چالش - محاسبه توصیفی
- 10 - حل - محاسبه توصیفی
2. تجزیهوتحلیل پیشبینی و تجویزی
- 11 - تجزیهوتحلیل پیشبینی کننده
- 12 - چالش - پیشبینی کنید
- 13 - راه حل - پیشبینی کنید
- 14 - تجزیهوتحلیل تجویزی
3. پرسیدن سؤالات درست
- 15 - راهنمای تنظیم سؤالات
- 16 - ایجاد سؤالات بهتر
- 17 - مطالعه موردی 2 - سوال درست چیست
- 18 - نقش زیرکی تجاری
4. باز کردن قفل داده درون
- 19 - مسائل مربوط به جمعآوری داده ها
- 20 - مطالعه موردی 3 - دادههای ناپاک
- 21 - مطالعه موردی 3 - توضیح
- 22 - خرابی دادهها - زمانی که دادهها فقط اشتباه هستند
5. درک میانگین ها
- 23 - ماهیت میانگین ها
- 24 - مطالعه موردی 4 - نرخ تبدیل و معیار
- 25 - مطالعه موردی 4 - توضیح
- 26 - زمینه همه چیز است
6. نمونه برداری
- 27 - جوانب مثبت و منفی
- 28 - مطالعه موردی 5 - نظرسنجی رسانههای اجتماعی
- 29 - مطالعه موردی 5 - توضیح
- 30 - مطالعه موردی 5 - شیرجه عمیق آماری
7. چیدن گیلاس چیست؟
- 31 - چیدن گیلاس چیست
- 32 - مطالعه موردی 6 - درآمد
- 33 - مطالعه موردی 6 - توضیح
8. پیش بینی
- 34 - طوفان متیو
- 35 - مطالعه موردی 7 - پیشبینی شکایات مشتریان
- 36 - مطالعه موردی 7 - توضیح
- 37 - مسائل قابل تامل
9. همبستگی در مقابل علیت
- 38 - علت و معلول
- 39 - مطالعه موردی 8 - درآمد بوستون
- 40 - مطالعه موردی 8 - توضیح
- 41 - سؤالات علّی
10. ادامه سفر یادگیری خود را در تجزیهوتحلیل داده ها
- 42 - ادامه مسیر یادگیری خود در تجزیهوتحلیل داده ها
دوره های مرتبط
- دوره آموزشی یادگیری اصولی طراحی و قالببندی در Tableau
- دوره آموزشی Tableau پیشرفته برای متخصصان حوزه آب و هوا
- دوره آموزشی تسلط بر هوش تجاری با DAX، Power BI و اکسل
- دوره آموزشی مبانی علوم تصمیمگیری
- دوره آموزشی آمادگی برای دریافت گواهی تحلیلگر داده مایکروسافت Power BI (PL-300) آپدیت (2025)
- دوره آموزشی استفاده از Tableau برای کشف بینشهای قدرتمند کسبوکار
- دوره آموزشی Power BI: ترکیب هوش مصنوعی با دادهها
- دوره آموزشی ساخت داشبورد تعاملی شاخصهای کلیدی عملکرد (KPI) کسبوکار با Power BI (پروژه راهنما)