عضو یک تیم دانشمندان علوم داده شوید - Become a Data Science Team Member

بسیاری از افرادی که روی تیم های علم داده کار می کنند دانشمندان داده نخواهند بود. آنها مدیران و همکارانی خواهند بود که می خواهند از داده های سازمان شما ارزش تجاری واقعی کسب کنند. این اعضای تیم باید زبان علم داده ها را بفهمند تا بتوانند سوالات بهتری بپرسند، فرایندها را درک کرده و به طور موثر تیم ها و سازمان های خود را در تصمیم گیری های بهتر مبتنی بر داده هدایت کنند. این دوره مقدمه ای بر علم داده برای افرادی است که قصد ندارند دانشمندان تمام وقت داده باشند. این مفاهیم، ابزارها و تکنیک های کلان داده شامل جمع آوری و مرتب سازی داده ها، کار با پایگاه داده ها، درک انواع داده های ساختار یافته و بدون ساختار و استفاده از تجزیه و تحلیل آماری را معرفی می کند. مربی و نویسنده تجارت داگ رز به شما کمک می کند تا با زبان علم داده صحبت کنید تا بتوانید سازمان خود را از طریق فرصت ها و محدودیت ها در این زمینه به طور چشمگیری در حال رشد راهنمایی کنید. اهداف یادگیری علم داده چیست؟ ایجاد ارتباط با پایگاه داده های ارتباطی وارد کردن داده ها به انبارها شناخت انواع مختلف داده ها استفاده از تجزیه و تحلیل آماری تمرکز بر دانش

شرکت های بیشتری تیم علم داده را به سازمان خود اضافه می کنند. برای موثر بودن، درک نحوه ایجاد و مدیریت این تیم ها بسیار مهم است. مربی و نویسنده تجارت داگ رز اسرار ایجاد تیم های موثر در زمینه داده سازی را بیان می کند. خواهید دید که چگونه می توانید از استعدادهای موجود استفاده کنید یا چگونه می توانید اعضای جدید تیم را استخدام کنید. شما همچنین خواهید دید که چگونه این تیم ها را برای ایجاد شیمی منحصر به فرد که باعث همکاری بهتر و بحث های مشتاقانه می شود، آموزش دهید. با رویکرد جامع برای ایجاد تیم و استقرار علم داده در رشته ها آشنا شوید. نقشها و مسئولیتهای کلیدی، از جمله سرپرست تحقیق، تحلیلگر داده و مدیر پروژه را مشخص کنید. بیاموزید که چگونه حوزه های مسئولیت را تعریف کنید، ارتباطات موثر ایجاد کنید و گزارش ها و تجسم های قانع کننده بسازید. سپس ببینید چگونه از مشکلات از دست دادن تمرکز و رسیدن به اجماع غلط جلوگیری کنید. این تکنیک ها به شما کمک می کند تا تیم های بسیار ماهر بسازید که بینش های عمیق تری نسبت به آنچه تنها با تکیه بر دانشمندان داده پیدا می کنید، ایجاد کنند. اهداف یادگیری جنبه های فرهنگ تیم داده شناسی را خلاصه کنید. نقش ها و مسئولیت های یک تیم علم داده را مشخص کنید. آنچه برای داشتن ذهنیت علم داده مورد نیاز است را توضیح دهید. چالش های کار بر روی تیم علم داده را تعریف کنید. دلایلی را که ممکن است تیم های علم داده سرگردان باشند توضیح دهید.

یک تیم علم داده سوالات بزرگی می پرسد، داده ها را کاوش می کند و بینش های کلیدی ارائه می دهد. اما در پایان روز تیم شما باید ارزش واقعی کسب و کار را اضافه کند. حتی بهترین تیم های علم داده اگر نتوانند درآمد ایجاد کنند یا هزینه کمتری داشته باشند در سازمان شما دوام نخواهند آورد. بهترین راه برای ایجاد ارزش تجاری ارائه یک جریان ثابت از بینش های کلیدی در دو سرعتهای کوتاه دو هفته ای است. این اسپرینت های کوتاه به شما بازخورد بلادرنگ می دهد تا به تیم شما در مسیر صحیح کمک کند. یک دویدن کوتاه نیز به تیم شما کمک می کند تا بتواند بر اساس آنچه از داده ها آموخته است سوالات جدیدی بپرسد. این دوره نشان می دهد که چگونه می توانید کار خود را در دو سرعت دو هفته ای ساختار دهید. نحوه کار در چرخه حیات علم داده (DSLC) را ببینید - روشی برای دوچرخه سواری از طریق پرسش، تحقیق و گزارش هر دو هفته. شیوه های کلیدی را بررسی کنید تا به تیم خود کمک کنید کار را به هم بریزد تا در دو سرعت دو هفته ای مناسب باشد. نحوه استفاده از ابزارهایی مانند تابلوی سوالات را برای تشویق بحث و یافتن سوالات اساسی بیاموزید. و مهمتر از همه، یاد بگیرید چگونه دانش مشترک تیم خود را افزایش دهید و از مشکلات مشترک جلوگیری کنید. اهداف یادگیری تعریف موفقیت علم داده تعیین چالش ها و معیارهای موفقیت پروژه استفاده از DSLC تکرار از طریق دو سرعتهای DSLC ایجاد تابلوی پرسش کار خود را خراب کنید افزودن به دانش سازمانی اجتناب از مشکلات

اکتشافات بزرگ علم داده اغلب به شخصی مربوط می شود که سوالی مهم را مطرح می کند. به همین دلیل برای تیم شما مهم است که از تفکر انتقادی برای ایجاد سوالات هوشمندانه و معنی دار استفاده کنید که ارزش واقعی را اضافه می کند. یک سوال خوب طراحی شده می تواند مانع از آن شود که تیم شما بر اساس فرضیات بد و نتیجه گیری های غلط کنار بیاید. در این دوره، نویسنده داگ رز اجزای کلیدی استدلال انتقادی و نحوه جستجوی طلا را در جریان داده ها برای جستجوی سوالات جدید بررسی می کند. شما خواهید آموخت که چگونه می توانید به عنوان یک تیم برای جلسات پرسش، سازماندهی ایده های مهم و ایجاد پرسش های با کیفیت با روشن کردن اصطلاحات کلیدی، به چالش کشیدن شواهد، کشف آمار گمراه کننده و موارد دیگر، همکاری کنید. اهداف یادگیری استفاده از قدرت سوالات استدلال خود را آزمایش کنید شناسایی انواع سالات سازماندهی سوالات ریشه کن کردن مفروضات یافتن خطاها برجسته کردن داده های از دست رفته غلبه بر سوگیری سوالات

بسیاری از انسان شناسان بر این باورند که نیاکان ما جوامع اولیه خود را در اطراف داستان‌هایی درباره عدالت، رهبری و حکومت ساخته بودند. تیم‌های علوم داده شما همچنین ایده‌های پیچیده‌ای درباره داده‌ها و نتایج خود دارند. به همین دلیل است که یک داستان خوب ساختار یافته لازم است تا این بینشها را به بقیه سازمان شما منتقل کند. این فقط به معنای ایجاد یک صفحه کامل اکسل یا یک نمودار زیبا نیست. شما باید داستانی را بیان کنید که تصورات مخاطبان شما را به خود جلب می‌کند و آنها را ترغیب می‌کند تا در این زمینه اقدام کنند. در این دوره، مربی Doug Rose توضیح می‌دهد که چگونه می‌توان یک داستان عالی برای علم داده را بافته و مخاطب خود را به سمت داستان کشید تا ایده‌های پیچیده برقرار کند و همه را به ایجاد تغییرات واقعی ترغیب کند. اهداف یادگیری پنج موضوعی را که تیم شما هنگام چرخاندن نخ باید روی آنها تمرکز کند، ذکر کنید. مزایای استفاده از سناریوها به عنوان کمک کننده داستان را توضیح دهید. بررسی کنید که چگونه استفاده از تعارض در یک داستان می تواند مخاطبان شما را مجذوب خود کند. تعیین کنید که چگونه جزئیات باعث افزایش داستان و به یاد ماندنی شدن آن می شود. خطاهای استفاده از تجسم های زیاد را به یاد بیاورید. تعریف چشم انداز در زمینه داستان سرایی علم داده. ویژگی های قصه گویی خوب را بشناسید.