دوره آموزشی شناسایی مشکلات و طراحی راهحل برای دانشمندان داده
1 ساعت 25 دقیقهمتوسط2024-09-23
مدرسین
Keith McCormick
Data Miner, Trainer, Speaker, Author
جزئیات دوره
چه بهعنوان مشاور و چه بهعنوان کارمند، اگر میخواهید بهعنوان یک دانشمند داده موفق باشید، باید بتوانید با رهبران غیر فنی کسبوکار صحبت کنید. اما یادگیری این مهارت که به "زبان دوگانه" معروف است، کار سادهای نیست. پس رمز موفقیت در این زمینه چیست؟ در این دوره برای علاقهمندان به حرفه داده، کیت مککومیک، مربی دوره، اصول شناسایی مسائل و طراحی راهحلها را برای دانشمندان داده تشریح میکند. در این دوره یاد میگیرید که چگونه نیازهای کسبوکار را به اصطلاحات فنی ترجمه کنید، از فرآیند استاندارد بینصنعتی CRISP-DM برای دادهکاوی پیروی کنید، مصاحبههای ساختاری با رهبران پروژه انجام دهید و پروژهها را از دیدگاه یک رهبر کسبوکار بررسی کنید. کیت نکات سریع و کاربردی برای انتقال مفاهیم فنی بهصورت واضح و آسان ارائه میدهد. در طول دوره، شما مهارتهای ارتباطی کسبوکار و مستندسازی را در تمام مراحل پروژه یاد خواهید گرفت و میتوانید آنها را در پروژههای خود بهکار ببرید.
اهداف یادگیری دوره:
شناسایی وظایف مربوط به فاز درک کسبوکار در فرآیند استاندارد بینصنعتی CRISP-DM برای دادهکاوی.
ترجمه اهداف کسبوکار به اهداف فنی که با تکنیکهای دادهکاوی قابلدستیابی هستند.
شناسایی شاخصهای موفقیت پروژه که با اهداف کسبوکار حامی پروژه همراستا هستند.
شناسایی علل احتمالی مشکلاتی که پروژه درصدد حل آنها است.
توضیح گزینهها و ملاحظات فنی که یک حامی پروژه باید آنها را در قالب اصطلاحات تجاری بررسی کند.
اهداف یادگیری دوره:
شناسایی وظایف مربوط به فاز درک کسبوکار در فرآیند استاندارد بینصنعتی CRISP-DM برای دادهکاوی.
ترجمه اهداف کسبوکار به اهداف فنی که با تکنیکهای دادهکاوی قابلدستیابی هستند.
شناسایی شاخصهای موفقیت پروژه که با اهداف کسبوکار حامی پروژه همراستا هستند.
شناسایی علل احتمالی مشکلاتی که پروژه درصدد حل آنها است.
توضیح گزینهها و ملاحظات فنی که یک حامی پروژه باید آنها را در قالب اصطلاحات تجاری بررسی کند.
مهارت ها
Data GovernanceTeams and CollaborationCommunicationPersonaData AnalysisData ScienceProfessional DevelopmentBusiness Analysis and StrategyLeadership and ManagementBusiness Software and Tools
سرفصل ها
0. مقدمه
- 01 - خوش آمدید
- 02 - مخاطب مورد نظر
1. با مشتری پروژه ملاقات کنید
- 03 - نگاه به پروژه از دیدگاه اسپانسر
- 04 - خواندن انتقادی شرح پروژه
- 05 - آماده شدن برای اولین جلسه به عنوان یک منبع داخلی
- 06 - آماده شدن برای اولین جلسه به عنوان یک منبع خارجی
2. آنچه در جلسه اولیه انتظار میرود
- 07 - در جلسه اولیه چه انتظاری باید داشت
- 08 - استنتاج در مقابل پیش بینی
- 09 - پیشبینی در مقابل پیش بینی
- 10- جلوگیری از اشتباه گرفتن با سایر انواع پروژههای تحلیلی
- 11 - غواصی عمیقتر در تجزیهوتحلیل پیش بینی
- 12 - شناسایی ROI
- 13 - چند سوال که همیشه کاربرد دارد
3. مرحله درک تجاری CRISP-DM
- 14 - مروری بر فاز درک کسب و کار
- 15 - چهار تکلیف
- 16 - مشاوره در مورد میزان جزئیات به اشتراک گذاری
4. ملاقات با IT
- 17 - درخواستهای قبل از جلسه و آماده سازی
- 18 - اطمینان حاصل کنید که با اطلاعات مهم ترک میکنید
- 19 - منشأ داده ها
- 20 - بهره گیری از تجربه و تخصص فناوری اطلاعات
5. ملاقات با SMEها و تیم خط مقدم
- 21 - این مصاحبهها را برای آخر بگذارید
- 22 - ارزیابی فرهنگ
- 23 - تمرکز بر شمول، نه طرد
6. از تاخیر جلوگیری کنید
- 24 - فراداده در مقابل داده
- 25 - برآورد دقت
- 26 - مراقب نمونه سازی بیش از حد باشید
7. نوشتن نتایج
- 27 - مشاوره مستندسازی
- 28 - یک تجسم ساده برای تعیین اولویت ها
- 29 - بهینهسازی جزئیات
نتیجه گیری
- 30 - آینده در شناسایی مشکل و طراحی راه حل برای دانشمندان داده چیست
دوره های مرتبط
- دوره آموزشی حاکمیت دادهها در صنعت سلامت
- دوره آموزشی ساخت حسابرسی مبتنی بر هوش مصنوعی
- دوره آموزشی عدالت دادهای: تضمین نمایندگی عادلانه در مجموعه دادههای هوش مصنوعی
- دوره آموزشی مقدمهای بر اخلاق و ایمنی هوش مصنوعی
- دوره آموزشی ادغام دادهها و توسعه API برای اپلیکیشنهای هوش مصنوعی
- دوره آموزشی حکمرانی دادههای هوش مصنوعی، رعایت قوانین و حسابرسی برای توسعهدهندگان
- دوره آموزشی امنیت محصول هوش مصنوعی: ساخت حاکمیت داده قوی و حفاظت از آن
- دوره آموزشی حاکمیت داده خودکار در عمل