آموزش هوش مصنوعی مولد (GenAI) برای متخصصان داده و تحلیلگر - آخرین آپدیت

دانلود GenAI for Data & Analytics Professionals

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: بهره‌گیری از قابلیت‌های پیشرفته برای تقویت جریان ارزش از داده‌ها به بینش‌ها، تصمیمات و اثرگذاری بر کسب‌وکار. تمایز بین بلوک‌های سازنده هوش مصنوعی (AI)، هوش مصنوعی مولد (GenAI) و تحلیل داده‌ها، و تشریح نحوه پشتیبانی مدل‌های زبانی بزرگ (LLMs) از چارچوب‌های CRISP-DM و زنجیره ارزش. به‌کارگیری تکنیک‌های مهندسی پرامپت (Prompt Engineering) برای قالب‌بندی مسائل کسب‌وکار در تحلیل داده‌ها با استفاده از ابزارهایی مانند ChatGPT و Gemini در Colab. ایجاد و انتقال بینش‌های کاربردی برای تولید روایت‌ها، گزارش‌ها و بصری‌سازی‌ها جهت ارائه یافته‌های تحلیلی و تاثیرات تجاری آن‌ها به ذینفعان. ارزیابی داده‌ها، مدل‌ها و خروجی‌های GenAI از نظر دقت و شفافیت، برای نقد، اعتبارسنجی و اصلاح بینش‌ها در مراحل CRISP-DM و زنجیره‌های ارزش. پیش‌نیازها: درک ابتدایی از مفاهیم تحلیل داده مانند مجموعه‌داده‌ها، نمودارها، گزارش‌ها و بصری‌سازی داده‌ها. آشنایی با مایکروسافت اکسل و علاقه به حل مسائل کسب‌وکار با استفاده از داده‌ها. تجربه قبلی در پایتون مفید است اما الزامی نیست. دسترسی به کامپیوتر با اتصال اینترنت و حساب‌های رایگان ChatGPT و Google Colab (با قابلیت Gemini) برای انجام تمرینات عملی.

تحلیل داده‌ها دیگر تنها به ایجاد گزارش‌ها و داشبوردها محدود نمی‌شود. سازمان‌های مدرن از متخصصان انتظار دارند بینش‌های معنادار را کشف کنند، روندها را پیش‌بینی نمایند و یافته‌هایی را منتقل کنند که منجر به تصمیمات تجاری بهتر شود. این دوره، «هوش مصنوعی مولد برای متخصصان داده و تحلیلگر»، به شما می‌آموزد چگونه از GenAI برای تبدیل جریان‌های کاری سنتی تحلیل داده به فرآیندهایی سریع‌تر، هوشمندتر و تاثیرگذارتر استفاده کنید.

این دوره عملی که برای تحلیلگران کسب‌وکار، تحلیلگران داده، توسعه‌دهندگان BI، دانشمندان داده و تصمیم‌گیرندگان طراحی شده است، بررسی می‌کند که چگونه ابزارهای مبتنی بر AI می‌توانند از هر مرحله از چرخه حیات تحلیل پشتیبانی کنند. شما یاد می‌گیرید که چگونه مسائل کسب‌وکار را تعریف کنید، داده‌ها را کاوش و آماده‌سازی نمایید، کد تولید کنید، مدل‌های تحلیلی بسازید، نتایج را اعتبارسنجی کنید و بینش‌های کاربردی را با استفاده از ChatGPT، Google Gemini، پایتون و مایکروسافت اکسل ارائه دهید. این ابزارها به جای جایگزینی تفکر تحلیلی، به عنوان دستیاران هوشمندی عمل می‌کنند که بهره‌وری را افزایش داده، کارهای تکراری را کاهش می‌دهند و تصمیم‌گیری‌های استراتژیک‌تر را ممکن می‌سازند.

این دوره چارچوب‌های تحلیلی شناخته‌شده در صنعت، از جمله CRISP-DM و زنجیره ارزش تحلیل را معرفی می‌کند تا نشان دهد چگونه هوش مصنوعی مولد، حل مسئله ساختاریافته را تقویت کرده و ارزش تجاری قابل اندازه‌گیری ایجاد می‌کند. از طریق دموهای عملی، فعالیت‌های هدایت‌شده و سناریوهای واقعی کسب‌وکار، در استفاده از AI برای اتوماسیون کارهای روتین، بهبود همکاری و انتقال موثر بینش‌ها به ذینفعان فنی و غیرفنی تجربه کسب خواهید کرد.

در پایان این دوره، شما قادر خواهید بود هوش مصنوعی مولد را در جریان‌های کاری تحلیل خود ادغام کنید، بینش‌های داده‌محور معناداری خلق کنید، خروجی‌های تولید شده توسط AI را از نظر کیفیت و دقت ارزیابی نمایید و شیوه‌های مسئولانه AI را به کار بگیرید. چه به دنبال افزایش بهره‌وری باشید، چه تقویت توانمندی‌های تحلیلی یا پیشرو بودن در دنیای سریع تکامل تحلیل‌های مبتنی بر AI، این دوره مهارت‌های عملی و آماده به کار را فراهم می‌کند که می‌توانید بلافاصله به کار بگیرید.


سرفصل ها و درس ها

درک نحوه تحول جریان‌های کاری تحلیل داده توسط GenAI Understanding how GenAI transforms data analytics workflows

  • خوش‌آمدگویی به دوره و اهداف Course Welcome and Goals

  • معرفی بخش Section Introduction

  • مقدمه‌ای بر GenAI برای تحلیل داده‌ها Introduction to GenAI for Analytics

  • درک جریان‌های کاری تحلیل Understanding Analytics Workflows

  • دمو – معرفی ابزارهای نرم‌افزاری مورد استفاده در دوره Demo – Introducing the software tools used in the course

تکنیک‌های پرامپت‌نویسی برای تولید کوئری‌های SQL و کدهای پایتون Prompting Techniques to Generate SQL Queries and Python Code

  • چرا طراحی پرامپت اهمیت دارد Why Prompt Design Matters

  • دمو – استفاده از ChatGPT برای قالب‌بندی مسئله Demo – ChatGPT for Problem Framing

  • دمو – استفاده از Gemini برای تولید کد Demo – Gemini for code generation

  • یادگیری عملی: از مسئله کسب‌وکار ← پرامپت ← اولین بینش SQL و پایتون Hands on Learning: From Business Problem → Prompt → First SQL + Python Insight

ابزارها و آماده‌سازی برای جریان‌های کاری تحلیلگر Tools and Setup for Analyst Workflows

  • حالت‌های LLM – کاوش، اعتبارسنجی، اجرا، ارتباطات LLM Modes – Exploration, Validation, Execution, Communication

  • دمو – راه‌اندازی Gemini در Colab Demo – Setting Up Gemini in Colab

  • جمع‌بندی بخش – مدل‌های زبانی بزرگ به عنوان شریک تفکر تحلیلگر Section Wrap-Up – LLMs as Analyst Thinking Partners

  • مقدمه‌ای بر هوش مصنوعی مولد A Primer on Generative AI

  • شروع کار با GenAI: گفتگو با سام Getting Started with GenAI: A Conversation with Sam

  • ابزارها و آماده‌سازی برای جریان‌های کاری تحلیلگر Tools and Setup for Analyst Workflows

اتوماسیون وظایف EDA با استفاده از GenAI برای سرعت بخشیدن به کشف بینش‌ها Automate EDA Tasks using GenAI to Accelerate Insight Discovery

  • معرفی بخش Section Introduction

  • چگونه LLMها از درک کسب‌وکار و داده‌ها پشتیبانی می‌کنند How LLMs Support Business and Data Understanding

  • دمو – استفاده از ChatGPT برای کاوش داده‌ها بر اساس دانش دامنه Demo – ChatGPT for Exploring Data based on Domain Knowledge

  • دمو – ساختاردهی تحلیل‌ها توسط Gemini از طریق EDA و دانش دامنه Demo – Gemini structures analytics from EDA and domain knowledge

استخراج الگوها و بینش‌های معنادار از مجموعه‌داده‌ها Extracting Meaningful Patterns and Insights from Data Sets

  • پیوند دادن اهداف کسب‌وکار به داده‌ها و مدل‌ها Linking Business Goals to Data and Models

  • دمو – استفاده از ChatGPT برای تکرار و اصلاح پرامپت Demo – ChatGPT for Prompt Iteration

  • استفاده از Gemini برای تولید کوئری‌های SQL و کدهای پایتون Gemini for Generating SQL Queries and Python code

  • یادگیری عملی: تحلیل بهره‌وری کارکنان در مقابل تحلیل حاشیه سود Hands on Learning: Staff Utilization vs Margin Analysis

تولید روایت‌های کاربردی از یافته‌های تحلیلی Generating Actionable Narratives from Analytical Findings

  • پروفایل‌بندی و کاوش داده‌ها با AI Profiling and Exploring Data with AI

  • دمو – استفاده از Gemini در Colab برای خلاصه‌سازی داده‌ها Demo – Gemini in Colab for Data Summaries

  • دمو – استفاده از Gemini در Colab برای انتقال روایت‌ها Demo – Gemini in Colab for Communicating Narraitives

  • تحقق وعده‌های هوش مصنوعی در تولید از طریق ارتقای فرآیندها Realising the Promises of Artificial Intelligence in Manufacturing by Enhancing

  • از سوال مبهم تا بینش داده‌ای: جلسه کاری با مایا From Vague Question to Data Insight: A Working Session with Maya

  • تولید روایت‌های کاربردی از یافته‌های تحلیلی Generating Actionable Narratives from Analytical Findings

مدل‌سازی با GenAI Modeling with GenAI

  • معرفی بخش Section Introduction

  • اصول مدل‌سازی در جریان‌های کاری تحلیل Principles of Modeling in Analytics Workflows

  • دمو – استفاده از Gemini در Colab برای مدل‌سازی پیش‌بینانه Demo – Gemini in Colab for Predictive Modeling

  • دمو – استفاده از ChatGPT برای تفسیر مدل Demo – ChatGPT for Model Interpretation

ارزیابی مدل‌ها و خروجی‌ها Evaluating Models and Outputs

  • دقت، توضیح‌پذیری و اعتماد در خروجی‌های GenAI Accuracy, Explainability, and Trust in GenAI Outputs

  • دمو – استفاده از Gemini برای اعتبارسنجی مدل Demo – Gemini for Model Validation

  • دمو – استفاده از ChatGPT برای نقد خروجی‌ها Demo – ChatGPT for Critiquing Outputs

تولید بینش‌های عملی و کاربردی Generating Actionable Insights

  • از مدل‌ها تا بینش‌ها – نقش تحلیلگر From Models to Insights – The Analyst’s Role

  • دمو – استفاده از Google Colab برای گزارش‌های خودکار Demo – Google Colab for Automated Reports

  • یادگیری عملی: ساخت، اعتبارسنجی و گزارش بینش‌های مدل Hands on Learning: Build, Validate, and Report Model Insights

  • دمو – استفاده از ChatGPT و Google Colab برای ارتباط با ذینفعان Demo – ChatGPT and Google Colab for Stakeholder Communication

  • آینده داستان‌سرایی با داده‌ها (Data Storytelling) The Future of Data Storytelling

  • فراتر از امتیاز دقت: آماده‌سازی یافته‌ها برای ارائه به هیئت مدیره Beyond the Accuracy Score: Preparing Your Findings for the Boardroom

  • تولید بینش‌های کاربردی Generating Actionable Insights

به‌کارگیری GenAI در موارد استفاده صنعتی Applying GenAI in Industry Use Cases

  • معرفی بخش Section Introduction

  • کاربردهای واقعی GenAI در تحلیل داده‌ها Real-World Applications of GenAI in Analytics

  • دمو – شبیه‌سازی مورد مطالعاتی صنعتی با Gemini Demo – Gemini Industry Case Simulation

  • دمو – استفاده از ChatGPT به عنوان مشاور تحلیلگر Demo – ChatGPT as an Analyst Advisor

پیاده‌سازی شیوه‌های حاکمیتی ارتقایافته توسط GenAI Implementing Governance Practices Enhanced by GenAI

  • حاکمیت GenAI در چارچوب CRISP-DM GenAI Governance Across CRISP-DM

  • دمو – استفاده از Gemini برای حسابرسی و کنترل‌ها Demo – Gemini for Audit and Controls

  • دمو – استفاده از ChatGPT برای حسابرسی پرامپت‌ها و خروجی‌ها Demo – ChatGPT for Auditing Prompts & Outputs

  • یادگیری عملی: به‌کارگیری ابزارهای GenAI به‌صورت جامع: اجرا، حاکمیت و نقد Hands on Learning: Apply GenAI Tools End-to-End: Execute, Govern, and Critique

ادغام GenAI در پشته (Stack) مدرن تحلیل داده Integrating GenAI into the Modern Analytics Stack

  • جایگذاری GenAI در سراسر CRISP-DM Embedding GenAI Across CRISP-DM

  • دمو – جریان کاری جامع (Gemini) Demo – End-to-End Workflow (Gemini)

  • جمع‌بندی بخش: بهترین شیوه‌ها برای مقیاس‌پذیری و آمادگی برای آینده Section Wrap-Up: Wrap-Up Best Practices for Scaling and Future Readiness

  • مقاله سفید – دیدگاهی درباره مسائل حاکمیتی در AI Whitepaper – Perspective on Issues in AI Governance

  • اعتماد پیش از مقیاس‌پذیری: بررسی حاکمیتی با استیو Trust Before You Scale: A Governance Review with Steve

  • جمع‌بندی دوره Course Wrap-Up

  • ادغام GenAI در پشته مدرن تحلیل داده Integrating GenAI into the Modern Analytics Stack

  • پروژه: هدایت تحلیل داده‌های موفق با هوش مصنوعی مولد Project: Driving Successful Data Analytics with Generative AI

درس جایزه Bonus Lecture

  • درس جایزه Bonus Lecture

نمایش نظرات

آموزش هوش مصنوعی مولد (GenAI) برای متخصصان داده و تحلیلگر
جزییات دوره
4.5 hours
52
(آخرین آپدیت)
216
4.9 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Starweaver /live Starweaver /live

Paul Siegel Paul Siegel

کارآفرین و مربی پرشور روحیه کارآفرین از 15 سالگی در شروع ، ساخت ، گسترش یا رشد مشاغل کارآفرینانه مشارکت داشته ام. برخی از فعالیت ها در حیاط خانه من آغاز شد. دیگران در زیرزمین یا آپارتمان کسی. و هنوز هم دیگران در یک شرکت عظیم ملی یا جهانی. در همه موارد ، آنچه من را به سمت خود سوق داده است استفاده از ایده (یا مشکلی) ایده ای و کمک به تخم ریزی برای رسیدن به یک واقعیت است. این که سرمایه گذاری ایجاد شده در تجارت ، علم ، هنر ، آموزش یا هر زمینه انسانی دیگر باشد ، اختراع و کشف من را به خود جلب می کند. من همچنین بسیار متعهد هستم که به خانواده ، دوستان ، همکاران ، جامعه و جهان کمک کنم. من در زندگی خود بسیار کارهای مختلفی انجام داده ام که مادرم با صدای بلند تعجب می کرد که وقتی قرار است "شغلی پیدا کنم". اما شغل من همیشه ایجاد شغل بوده است. این کار یک کارآفرین است. در اوایل دهه 1990 ، من کار خود را در بانکداری سرمایه گذاری در فن آوری ، مشاوره شرکت های نرم افزاری و سخت افزاری در مورد تجارت و استراتژی های مالی و جمع آوری کمک مالی برای آن مشاغل آغاز کردم. در همان زمان ، من علاقه شدیدی به انتشار داشتم. همانطور که همه ما می دانیم ، هم شرکت های انتشار دهنده اطلاعات و هم شرکت های فناوری در دهه 1990 شاهد سقوط جهانی آنها با هم بودند. هر یک از آنها یاد گرفتند که اگر در تسلط خود در فن آوری و اطلاعات قدرت کافی نداشته باشند ، نمی توانند زنده بمانند یا رشد کنند.

Mark Peco Mark Peco