آموزش تبدیل شدن به یک مشتری خوب علم داده

معرفی Introduction

• مشتریان خوب علم داده سوالات مهمی می پرسند Good data science customers ask critical questions

• برای این دوره چه چیزهایی باید بدانید؟ What you should know for this course?

1. ابزارهای تجارت 1. Tools of the Trade

• تمرین گردش کار داده Data workflow exercise

• تضمین کیفیت داده ها Ensuring data quality

• گزینه های ذخیره سازی داده ها Data storage options

• منابع اطلاعات Data sources

• مراحل گردش کار داده Stages of data workflow

• زبان های کدنویسی و مخازن Coding languages and repositories

• محصولات داده Data products

2. مبانی آمار توصیفی 2. Descriptive Statistics Foundations

• محدودیت های داده Data limitations

• اشتباهات رایج Common mistakes

• آمار خلاصه Summary statistics

• فرضیه آزمون: اندازه اثر و مقادیر p Testing hypothesis: Effect sizes and p-values

• همبستگی ها Correlations

3. تصمیم گیری خوب با داده ها 3. Making Good Decisions with Data

• اگر نتوانید تصادفی کنید چه؟ What if you can't randomize?

• تشخیص تعصبات Spotting biases

• علیت Causality

• مطابقت توضیحات با تمرین سوگیری Matching description to bias exercise

• مزایای تصادفی سازی Benefits of randomization

4. تقسیم بندی مشتریان 4. Customer Segmentation

• کاهش ابعاد Reducing dimensions

• چه پروژه هایی شامل یادگیری ماشینی بدون نظارت است؟ What projects involve unsupervised machine learning?

• الگوریتم های خوشه بندی Clustering algorithms

5. مدل سازی پیش بینی 5. Predictive Modeling

• تیونینگ مدل Model tuning

• اندازه گیری عملکرد مدل Measuring model performance

• آموزش و تست مدل (پارتیشن بندی داده ها) Model training and testing (data partitioning)

• ماتریس سردرگمی Confusion matrix

• انتخاب ویژگی Feature selection

• تمرین شبیه سازی مشتری Customer simulation exercise

• چه پروژه هایی شامل مدل سازی پیش بینی می شوند؟ What projects involve predictive modeling?

6. سایر روش های مدل سازی 6. Other Modeling Methods

• تحلیل جغرافیایی Geospatial analysis

• پردازش زبان طبیعی (NLP) Natural language processing (NLP)

• بینایی کامپیوتر Computer vision

• مدل های زبان بزرگ (LLM) Large language models (LLM)

• تجزیه و تحلیل شبکه Network analysis

7. اخلاق 7. Ethics

• رانش داده ها Data drift

• کدهای اخلاقی علم داده Data science code of ethics

• حریم خصوصی و امنیت Privacy and security

• تعصب و انصاف Bias and fairness

نتیجه Conclusion

• مراحل بعدی Next steps