لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش علم داده برای تجارت | 6 مطالعات موردی در دنیای واقعی
Data Science for Business | 6 Real-world Case Studies
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
حل 6 مشکل واقعی کسب و کار. ساخت مدلهای قوی هوش مصنوعی، DL و NLP برای پروژههای فروش، بازاریابی، عملیات، منابع انسانی و روابط عمومی. یک مدل هوش مصنوعی برای کاهش هزینههای استخدام و آموزش کارکنان با پیشبینی اینکه کدام کارکنان ممکن است شرکت را ترک کنند، توسعه دهید. توسعه مدل یادگیری عمیق برای خودکارسازی و بهینه سازی فرآیندهای تشخیص بیماری در بیمارستان. مدلهای پیشبینی سریهای زمانی را برای پیشبینی قیمتهای محصول آینده توسعه دهید. توسعه مدل های تشخیص، طبقه بندی و بومی سازی عیب. استراتژی بازاریابی را با انجام تقسیم بندی مشتری بهینه کنید. مدل های پردازش زبان طبیعی را برای تجزیه و تحلیل نظرات مشتریان در رسانه های اجتماعی و شناسایی احساسات مشتریان ایجاد کنید. پیش نیازها: دانش اولیه برنامه نویسی توصیه می شود. با این حال، این موضوعات به طور گسترده در طول سخنرانی های دوره اولیه پوشش داده خواهد شد. بنابراین، این دوره هیچ پیش نیازی ندارد و برای افرادی که دانش اولیه برنامه نویسی دارند آزاد است. دانشآموزانی که در این دوره ثبتنام میکنند، بر اصول علم داده تسلط پیدا میکنند و مستقیماً این مهارتها را برای حل مشکلات تجاری چالشبرانگیز دنیای واقعی به کار میگیرند.
آیا به دنبال یافتن شغلی پردرآمد در علم داده هستید؟
یا شما یک تمرینکننده باتجربه هوش مصنوعی هستید که میخواهید حرفه خود را به سطح بعدی برسانید؟
یا شما یک کارآفرین مشتاق هستید که می خواهید با علم داده و هوش مصنوعی درآمد کسب و کار را به حداکثر برسانید؟
اگر پاسخ هر یک از این سوالات مثبت است، این دوره برای شما مناسب است!
علوم داده یکی از داغ ترین زمینه های فناوری است که در حال حاضر در آن حضور دارید! این رشته با فرصت ها و آینده شغلی در حال انفجار است. علم داده امروزه به طور گسترده در بسیاری از بخش ها مانند بانکداری، مراقبت های بهداشتی، حمل و نقل و فناوری پذیرفته شده است.
در تجارت، Data Science برای بهینهسازی فرآیندهای تجاری، به حداکثر رساندن درآمد و کاهش هزینه استفاده میشود. هدف از این دوره ارائه دانشی در مورد جنبه های کلیدی کاربردهای علم داده در تجارت به روشی کاربردی، آسان و سرگرم کننده است. این دوره با استفاده از مجموعه داده های دنیای واقعی، تجربه عملی عملی را برای دانش آموزان فراهم می کند.
در این دوره، فرض را بر این میگیریم که شما یک دانشمند داده با تجربه هستید که اخیراً به عنوان مشاور علوم داده چندین مشتری بودهاید. شما موظف شده اید که تکنیک های علم داده را در 6 بخش زیر به کار ببرید: (1) منابع انسانی، (2) بازاریابی، (3) فروش، (4) عملیات، (5) روابط عمومی، (6) تولید/نگهداری. مجموعه داده هایی از همه این بخش ها به شما ارائه می شود و از شما خواسته می شود تا به وظایف زیر دست یابید:
وظیفه شماره 1 @اداره منابع انسانی: یک مدل هوش مصنوعی برای کاهش هزینههای استخدام و آموزش کارکنان با پیشبینی اینکه کدام کارکنان ممکن است شرکت را ترک کنند، ایجاد کنید.
وظیفه شماره 2 @Marketing Department: بهینه سازی استراتژی بازاریابی با انجام بخش بندی مشتری
وظیفه شماره 3 @بخش فروش: مدلهای پیشبینی سریهای زمانی را برای پیشبینی قیمتهای محصول آینده ایجاد کنید.
وظیفه شماره 4 @Operations Department: مدل یادگیری عمیق را برای خودکارسازی و بهینه سازی فرآیندهای تشخیص بیماری در بیمارستان ایجاد کنید.
وظیفه شماره 5 @ بخش روابط عمومی: مدل های پردازش زبان طبیعی را برای تجزیه و تحلیل نظرات مشتریان در رسانه های اجتماعی و شناسایی احساسات مشتریان ایجاد کنید.
وظیفه شماره 6 @بخشهای تولید/نگهداری: مدلهای تشخیص، طبقهبندی و بومیسازی عیب را ایجاد کنید.
سرفصل ها و درس ها
معرفی دوره و پیام خوش آمد گویی
Course Introduction and Welcome Message
بهروزرسانیهای Udemy Reviews
Updates on Udemy Reviews
معرفی
Introduction
نکات کلیدی و بهترین شیوه ها
Key Tips and Best Practices
طرح کلی دوره و نتایج کلیدی یادگیری
Course Outline and Key Learning Outcomes
مواد را دریافت کنید
Get the Materials
اداره منابع انسانی
Human Resources Department
مقدمه ای بر مطالعه موردی و نتایج کلیدی یادگیری
Introduction to Case Study and Key Learning Outcomes
وظیفه شماره 1: بیان مسئله و مورد تجاری
Task #1: Problem Statement and Business Case
وظیفه شماره 2: وارد کردن کتابخانه ها و مجموعه داده ها
Task #2: Import Libraries and Datasets
وظیفه شماره 3: کاوش مجموعه داده - قسمت 1
Task #3: Explore Dataset - Part 1
وظیفه شماره 3: کاوش مجموعه داده - قسمت 2
Task #3: Explore Dataset - Part 2
وظیفه شماره 3: کاوش مجموعه داده - قسمت 3
Task #3: Explore Dataset - Part 3
وظیفه شماره 3: کاوش مجموعه داده - قسمت 4
Task #3: Explore Dataset - Part 4
وظیفه شماره 4: پاکسازی داده ها را انجام دهید
Task #4: Perform Data Cleaning
وظیفه شماره 5: درک شهود جنگل تصادفی، رگرسیون لجستیک و شبکه های عصبی مصنوعی
Task #5: Understand intuition of Random Forest, Logistic Regression, and ANNs
استاد و پرفروش ترین مربی Udemy ، دانشجویان 100K + رایان احمد مربی پرفروش Udemy است که علاقه زیادی به آموزش و فناوری دارد. ماموریت رایان این است که آموزش با کیفیت را برای همه قابل دسترسی و مقرون به صرفه کند. رایان دکترای خود را دارد. مدرک مهندسی مکانیک از دانشگاه مک مستر * ، با تمرکز بر مکاترونیک و کنترل وسایل نقلیه الکتریکی (EV). وی همچنین با تمرکز بر هوش مصنوعی (AI) و تشخیص خطا و MBA در امور مالی از دانشکده بازرگانی DeGroote ، مدرک کارشناسی ارشد علمی کاربردی را از مک مستر دریافت کرد.
رایان چندین سمت مهندسی در شرکتهای Fortune 500 در سطح جهان مانند سامسونگ آمریکا و فیات-کرایسلر اتومبیل (FCA) کانادا داشت. رایان چندین دوره در زمینه علوم ، فناوری ، مهندسی و ریاضیات را به بیش از 100000 دانشجو در سطح جهان آموزش داده است. وی بیش از 15 مقاله تحقیقاتی در زمینه مجلات و کنفرانس ها در زمینه تخمین وضعیت ، هوش مصنوعی ، یادگیری ماشین ، مدل سازی باتری و کنترل های EV دارد. وی دریافت کننده بهترین جایزه مقاله در کنفرانس برق و حمل و نقل IEEE حمل و نقل (iTEC 2012) در دیترویت ، میشیگان ، ایالات متحده آمریکا است.
کمک به دانشمندان داده برای موفقیت در آنجا ،
ما تیم SuperDataScience Social هستیم. هنگام انتشار دوره های جدید SDS ، هنگامی که پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و سایر موارد را منتشر می کنیم ، از ما می شنوید!
ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید.
در کلاس می بینمت،
خالصانه،
افراد واقعی در SuperDataScience
کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم روابط عمومی و بازاریابی Ligence هستیم. هنگامی که دوره های جدید منتشر می شوند ، وقتی پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و غیره منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در معرض خطر
نمایش نظرات