دوره آموزشی مدیریت چرخه حیات تیم علم داده
2 ساعت 8 دقیقهمتوسط2024-11-21
مدرسین

Angel Evan
Curriculum Director and Data Ethics Instructor at Stanford Continuing Studies
جزئیات دوره
این روزها، دانشمندهای داده (Data Scientists) و مهندسان داده (Data Engineers) جزو پرتقاضاترین شغلها توی بازار کار هستن. اما یه مشکل اساسی اینه که خیلی از مدیرها دقیقاً نمیدونن چطور باید این افراد رو جذب کنن و بعد هم کاری کنن که توی شرکت بمونن و پیشرفت کنن.
تو این دوره، آنجل ایوان، استاد دانشگاه استنفورد و مدیر برنامههای درسی، قراره بهتون یاد بده چطور یه تیم متنوع و فراگیر از دانشمندها و مهندسان داده بسازین و مدیریت کنین. بعد از گذروندن این دوره، شما خیلی بهتر میتونین سه مرحلهی کلیدی در چرخهی زندگی کارمندان رو مدیریت کنین:
جذب نیرو – چطور بهترینها رو پیدا کنین و جذب کنین.
توسعه و آموزش – چطور بهشون کمک کنین پیشرفت کنن.
حفظ نیروها – چطور شرایطی ایجاد کنین که توی شرکت بمونن و رشد کنن.
اهداف یادگیری
✅ بدونین که آیا واقعاً به یه دانشمند داده نیاز دارین یا نه و یاد بگیرین چطور برای استخدامش دلیل قانعکننده بیارین.
✅ با سه مهارت اصلی که یه دانشمند داده باید داشته باشه آشنا بشین و ببینین که معمولاً روی چه پروژههایی کار میکنن.
✅ ترفندهایی برای جذب تیمی متنوع یاد بگیرین و بدونین توی نوشتن آگهی شغلی باید از چه اشتباهاتی دوری کنین.
✅ مراحل مهم یه ورود موفق به شرکت رو بررسی کنین، از جمله روشهای "دستیار" و "ناظر".
✅ یاد بگیرین چطور دانشمندهای داده، چه حضوری چه از راه دور، رو بهخوبی مدیریت کنین، مخصوصاً توی شرکتهای کوچیک و بزرگ.
✅ بفهمین که چطور به اعضای تیمتون مهارتهای لازم برای پیشرفت شغلی رو بدین تا توی مسیرشون رشد کنن.
✅ فرق آموزش دادن و منتورینگ رو درک کنین.
✅ روشهایی برای شناسایی و مقابله با فرسودگی شغلی دانشمندهای داده پیدا کنین.
✅ یاد بگیرین چه موقع باید یه کارمند رو حفظ یا ارتقا بدین و چه موقع بهتره ازش خداحافظی کنین.
تو این دوره، آنجل ایوان، استاد دانشگاه استنفورد و مدیر برنامههای درسی، قراره بهتون یاد بده چطور یه تیم متنوع و فراگیر از دانشمندها و مهندسان داده بسازین و مدیریت کنین. بعد از گذروندن این دوره، شما خیلی بهتر میتونین سه مرحلهی کلیدی در چرخهی زندگی کارمندان رو مدیریت کنین:
جذب نیرو – چطور بهترینها رو پیدا کنین و جذب کنین.
توسعه و آموزش – چطور بهشون کمک کنین پیشرفت کنن.
حفظ نیروها – چطور شرایطی ایجاد کنین که توی شرکت بمونن و رشد کنن.
اهداف یادگیری
✅ بدونین که آیا واقعاً به یه دانشمند داده نیاز دارین یا نه و یاد بگیرین چطور برای استخدامش دلیل قانعکننده بیارین.
✅ با سه مهارت اصلی که یه دانشمند داده باید داشته باشه آشنا بشین و ببینین که معمولاً روی چه پروژههایی کار میکنن.
✅ ترفندهایی برای جذب تیمی متنوع یاد بگیرین و بدونین توی نوشتن آگهی شغلی باید از چه اشتباهاتی دوری کنین.
✅ مراحل مهم یه ورود موفق به شرکت رو بررسی کنین، از جمله روشهای "دستیار" و "ناظر".
✅ یاد بگیرین چطور دانشمندهای داده، چه حضوری چه از راه دور، رو بهخوبی مدیریت کنین، مخصوصاً توی شرکتهای کوچیک و بزرگ.
✅ بفهمین که چطور به اعضای تیمتون مهارتهای لازم برای پیشرفت شغلی رو بدین تا توی مسیرشون رشد کنن.
✅ فرق آموزش دادن و منتورینگ رو درک کنین.
✅ روشهایی برای شناسایی و مقابله با فرسودگی شغلی دانشمندهای داده پیدا کنین.
✅ یاد بگیرین چه موقع باید یه کارمند رو حفظ یا ارتقا بدین و چه موقع بهتره ازش خداحافظی کنین.
مهارت ها
Data Science FoundationsManagement SkillsPersonaData ScienceLeadership and Management
سرفصل ها
0. مقدمه
- 01 - نحوه جذب، توسعه و حفظ دانشمندان داده
1. با اهداف تجاری شروع کنید
- 02 - نحوه تعیین نیاز به دانشمندان داده
- 03 - نمونههای عملی از انواع پروژههایی که دانشمندان داده روی آنها کار میکنند
- 04 - چگونه افزایش تعداد کار را برای شرکت خود توجیه کنید
2. جذب نیرو
- 05 - چگونه تعیین کنید که به چه سطحی از دانشمند داده نیاز دارید و چه تعداد
- 06 - چه مهارتهایی باید در هنگام استخدام دانشمندان داده در اولویت قرار گیرد
- 07 - با در نظر گرفتن DEI استخدام کنید
- 08 - نحوه ایجاد شرح شغلی که طنین انداز باشد
- 09 - چگونه یک فرآیند مصاحبه قویتر و کارآمدتر ایجاد کنیم
- 10- نحوه تصمیمگیری در مورد استخدام در مقابل استفاده از نرمافزار اتوماسیون
3. سوار شدن
- 11 - نحوه سوار شدن به کارکنان جدید
- 12 - نحوه اعلام استخدام کارمند جدید
- 13 - دستهای خود را کثیف کنید - در 30 روز اول روی کدام فعالیتها تمرکز کنید
- 14 - نحوه ایجاد روبریک مهارتها و ارزیابی مهارت ها
- 15 - نحوه انتخاب مدل سوارکاری - نقشه بردار در مقابل فرد کم مطالعه
4. مدیریت روز به روز
- 16 - چگونه یک مدل مدیریتی را انتخابکنید که برای شما مناسب باشد
- 17 - نحوه مدیریت کارکنان در دفتر در مقابل کارگران از راه دور
- 18 - اصول کلیدی برای مدیریت دانشمندان داده برای یک شرکت کوچک
- 19 - اصول کلیدی برای مدیریت دانشمندان داده برای یک شرکت با اندازه متوسط
- 20 - اصول کلیدی برای مدیریت دانشمندان داده برای یک شرکت بزرگ
- 21- نحوه تعیین فرآیندهای مناسب برای ادغام
- 22 - چگونه از تله مربی بازیکن جلوگیری کنیم
- 23 - نحوه تعیین اولویت برای تیم - رویکرد سه لایه
5. مسیر و توسعه شغلی
- 24 - اهداف شخصی یک کارمند را با اهداف کسب و کار هماهنگ کنید
- 25 - چگونه به دانشمندان داده کمک کنیم تا مهارتهای نرم و مهارتهای سخت را بهبود بخشند
- 26 - نحوه تعیین اینکه چه زمانی یک دانشمند داده باید تحصیلات بیشتری کسب کند
- 27 - یک دانشمند داده فردی در مقابل کل تیم ایجاد کنید
- 28 - چه زمانی یک دانشمند داده را به یک نقش متفاوت منتقل کنیم
6. تبلیغات
- 29 - نحوه ایجاد مسیر ارتقاء
- 30 - نحوه ارزیابی اینکه آیا یک کارمند مستحق ترفیع است یا خیر
- 31 - چگونه برنامههای خود را برای ارتقاء به سازمان بزرگتر ابلاغ کنید
7. نگهداری
- 32 - چگونه از فرسودگی شغلی جلوگیری کنیم
- 33 - چه زمانی برای یک کارمند دعوا کنیم و چه زمانی رها کنیم
- 34 - فضا را برای ایدههای جدید ایجاد کنید
- 35 - وقتی همه چیز شکست میخورد چه باید کرد
8. مربیگری در مقابل آموزش
- 36 - مربیگری و تدریس
- 37 - نحوه تعیین اینکه چه زمانی باید مربی و چه زمانی تدریس کرد
- 38 - خارج از تیم نزدیک خود را راهنمایی کنید
9. پایان کار
- 39 - چگونه از فسخ غیر ضروری جلوگیری کنیم
- 40 - قبل از اخراج کارمند چه اقداماتی را باید انجام دهید
- 41 - نکاتی برای اخراج کارکنان با اطمینان و انسانیت
نتیجه گیری
- 42 - مراحل بعدی و منابع اضافی
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی تسلط بر داده ها: کاوش و توصیف داده ها
- 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