آموزش مفاهیم ضروری - پیش‌نیازهای پایه برای تحلیل داده‌ها - آخرین آپدیت

دانلود Must-Know Concepts - Basic requirements for data analysis

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره آموزشی به معرفی مفاهیم ضروری ریاضی، آمار و مدیریت داده‌ها می‌پردازد که برای فعالیت موثر در تحلیل داده‌های فوتبال ضروری هستند. فراگیران با بررسی معیارهای گرایش به مرکز، تغییرپذیری، توزیع‌های احتمالی، انحراف معیار و فواصل اطمینان - که مفاهیم کلیدی تمام استدلال‌های تحلیلی در ورزش هستند - یک پایه मजबूत بنا خواهند کرد. این دوره از طریق مثال‌های تخصصی فوتبال، توضیح می‌دهد که چه زمانی از تخمین‌زن‌های مختلف استفاده کنیم، چگونه عدم قطعیت را تفسیر کنیم و چرا انتخاب توزیع مناسب هنگام مدل‌سازی عملکرد و وقایع بازی حیاتی است. علاوه بر آمار، دانشجویان با اکوسیستم داده‌های فوتبال، شامل داده‌های شمارشی، ردیابی GPS، داده‌های رویداد (Event Data) و ردیابی اسکلتی آشنا شده و درک می‌کنند که هر نوع داده چگونه جمع‌آوری، ساختاردهی و در تحلیل‌های حرفه‌ای مورد استفاده قرار می‌گیرد. همچنین ابزارهای کلیدی تحلیلی مانند APIها، وب‌اسکرپینگ، پایتون، ساختارهای داده و اصول بصری‌سازی داده‌ها با استفاده از Tableau، Power BI و Matplotlib معرفی می‌شوند. در پایان این دوره، فراگیران دارای شهود ریاضی، مبانی فنی و مهارت‌های سواد داده‌ای لازم برای تحلیل موثر فوتبال خواهند بود تا بتوانند به راحتی به سمت تکنیک‌های پیشرفته‌تر تحلیلی و مدل‌سازی حرکت کنند.

سرفصل ها و درس ها

درک اعداد: مفاهیم پایه ریاضی Making sense of the Numbers: Basic Mathematical Concepts

  • درک گرایش به مرکز: فراتر از میانگین ساده Understanding Central Tendency: Beyond the Basic Mean

  • میانگین‌های تخصصی: میانگین وزنی، هندسی و هارمونیک در تحلیل‌های ورزشی Specialized Means: Weighted, Geometric, and Harmonic Means in Sports Analytics

  • توزیع نرمال: درک منحنی زنگوله‌ای و قضیه حد مرکزی The Normal Distribution: Understanding the Bell Curve and the Central Limit Theorem

  • فراتر از منحنی زنگوله‌ای: توزیع‌های نمایی، گاما و پوآسون در تحلیل فوتبال Beyond the Bell Curve: Exponential, Gamma, and Poisson Distributions in Football Analytics

  • درک تغییرپذیری: انحراف معیار به عنوان قطب‌نمای تحلیلی شما Understanding Variability: Standard Deviation as Your Analytical Compass

  • فواصل اطمینان: کمی‌سازی عدم قطعیت در تحلیل‌ها Confidence Intervals: Quantifying Uncertainty in Your Analysis

دنیای داده‌ها: آشنایی با انواع مختلف داده What Is Out There? Different Data Types

  • درک داده‌های شمارشی در تحلیل داده‌های فوتبال Understanding Counting Data in Football Analytics

  • سیستم‌های GPS و LPS: ردیابی جابجایی و فشار بازیکنان GPS and LPS Systems: Tracking Player Movement and Load

  • درک ساختار داده‌های رویداد و تفاوت‌های ارائه‌دهندگان داده Understanding Event Data Structure and Provider Variations

  • از داده تا بینش: کاربردهای تاکتیکی داده‌های رویداد From Data to Insights: Tactical Applications of Event Data

  • درک داده‌های ردیابی: از پخش تلویزیونی تا سیستم‌های چند زاویه‌ای Understanding Tracking Data: From Broadcast to Multi-Angle Systems

  • ظهور داده‌های اسکلتی: نقشه‌برداری بازیکنان فراتر از موقعیت The Rise of Skeleton Data: Mapping Players Beyond Position

کار با داده‌ها: کدنویسی و نرم‌افزارها Working with Data: Coding and Software

  • درک APIها: دروازه‌های ورود به داده‌ها در تحلیل مدرن فوتبال Understanding APIs: Gateways to Data in Modern Football Analytics

  • وب‌اسکرپینگ: استخراج داده‌های فوتبال از فضای دیجیتال Web Scraping: Extracting Football Data from the Digital Landscape

  • پایتون برای پردازش داده‌های فوتبال: تغییر بازی با کدنویسی Python for Football Data Processing: Transforming the Game with Code

  • تسلط بر ساختارهای داده برای تحلیل فوتبال: DataFrames, JSON, CSV و XML Mastering Data Structures for Football Analytics: DataFrames, JSON, CSV, and XML

  • قدرت بصری‌سازی داده‌ها: درک مفاهیم بنیادی The Power of Data Visualization: Understanding the Fundamentals

  • تسلط بر ابزارهای بصری‌سازی: Tableau, Power BI و Matplotlib Mastering Visualization Tools: Tableau, Power BI, and Matplotlib

ارتباطات و ارائه Communication

  • دو روی داده‌ها: درک رویکردهای تحلیلی در مقابل رویکردهای خطابی The Two Faces of Data: Understanding Analytical vs. Rhetorical Approaches

  • قدرت قاب‌بندی: چگونه نحوه ارائه، تفسیر داده‌ها را تغییر می‌دهد The Power of Framing: How Presentation Shapes Data Interpretation

  • قدرت سادگی: چرا مغز ما تشنه شفافیت است The Power of Simplicity: Why Our Brains Crave Clarity

  • از داده تا تصمیم: خلق بینش‌های کاربردی از طریق ساده‌سازی From Data to Decisions: Creating Actionable Insights Through Simplification

  • روانشناسی رنگ‌ها در بصری‌سازی داده‌ها: از ادراک تا متقاعدسازی The Psychology of Color in Data Visualization: From Perception to Persuasion

  • هنر مقیاس‌بندی: چگونه انتخاب محورها ادراک داده‌ها را شکل می‌دهد The Art of Scale: How Axis Choices Shape Data Perception

نمایش نظرات

آموزش مفاهیم ضروری - پیش‌نیازهای پایه برای تحلیل داده‌ها
جزییات دوره
17h 3m
24
(آخرین آپدیت)
230
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده