لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش جامع تحلیل پیشبینانه برای مدیران اجرایی
- آخرین آپدیت
دانلود Predictive Analytics Essential Training for Executives
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
سازمانها در تقریباً هر صنعتی به دنبال جذب دانشمندان داده هستند، اما با وجود اینکه مهارتهای تحلیل داده بسیار ارزشمند هستند، افرادی با این تواناییها نمیتوانند تأثیرگذار باشند مگر اینکه مدیریت میانی و ارشد بدانند چگونه از تحلیلها برای منافع بلندمدت سازمان خود بهره ببرند. چالش اصلی این است که اکثر افرادی که بر تحلیلهای پیشرفته نظارت دارند، خودشان پیشینهای در علم داده ندارند.
در این دوره، کیت مککورمیک به مدیرانی که در تحلیل دادهها تسلط ندارند، آموزش میدهد که چگونه متخصصان علم داده را استخدام کنند، تیمهای علم داده را مدیریت نمایند و کسبوکار خود را با استقرار مؤثر تحلیلهای پیشرفته متحول کنند. بیاموزید که چگونه فعالانه در بحثهای مربوط به نوع تحلیل مناسب برای حل مشکلات کسبوکارتان شرکت کنید، درک بهتری از حل مسئله از دیدگاه یک دانشمند داده به دست آورید، استراتژیک در مورد استخدام و فناوریهای تحلیل پیشرفته فکر کنید و گزینههای مختلف ساختار سازمانی و مدیریت تحلیلها در سطح سازمان را بررسی نمایید.
سرفصل ها و درس ها
مقدمه
Introduction
به خودتان مزیت تحلیلهای اجرایی را ببخشید
Give yourself the executive analytics edge
اهداف دوره ما
Our course goals
1. شناسایی بهینهترین نوع تحلیل برای چالشهای شما
1. Identifying the Optimal Type of Analytics for Your Challenge
مقایسه تحلیل پیشبینانه با آمار و علم داده
Predictive analytics compared to statistics and data science
تحلیل پیشبینانه در مقابل پیشبینی (Forecasting)
Predictive analytics vs. forecasting
مقایسه هوش مصنوعی با تحلیل پیشبینانه
AI compared to predictive analytics
آیا Gen AI و مدلهای زبانی بزرگ (LLM) در مدلهای پیشبینانه قابل استفاده هستند؟
Can Gen AI and LLMs be used in predictive models?
یادگیری ماشین سنتی یا کلاسیک چیست؟
What is traditional or classic machine learning?
2. جدی گرفتن تحلیل دادهها
2. Getting Serious about Analytics
تحلیل دادهها یعنی تصمیمگیری
Analytics is about making decisions
نمرات تمایل (Propensity scores) و مشکلات کسبوکار
Propensity scores and business problems
چرا هدف اصلی استقرار است و نه فقط بینش
Why deployment, not insight, is the primary goal
پیامدهای ناخواسته پروژههای اثبات مفهوم (PoC)
The unintended consequences of proof of concept projects
تحلیل داده به عنوان یک مرکز سودآوری
Analytics as a profit center
3. استخدام و تامین نیروی انسانی
3. Hiring and Staffing
آیا به جدیدترین تکنیکها نیاز دارید؟
Do you need the latest new techniques?
رشد ارگانیک یک تیم
Growing a team organically
اهمیت متخصصان موضوعی (SME) در مدلسازی
The importance of SMEs to modeling
نیازمندیهای شغلی علم داده و مشکلاتی که میتوانند ایجاد کنند
Data science job requirements and the problems they can create
برای تیم جدید علم داده خود ابتدا چه کسی را باید استخدام کنید؟
Who should you hire first for your new data science team?
چگونه پتانسیلها را شناسایی کنیم
How to spot potential
دانشمند داده، مهندس داده و MLOps
Data scientist, data engineers, and MLOps
دانشمندان داده با و بدون تجربه در صنعت تخصصی
Data scientists with and without vertical industry experience
4. نرمافزار و فناوری
4. Software and Technology
هوش مصنوعی مسئولانه
Responsible AI
کاربران عادی و تحلیلهای سلف-سرویس
Citizens and self-service
تحلیلهای ابری و سازمانی
Cloud and enterprise analytics
اکوسیستم نرمافزارهای تحلیل داده
The analytics software ecosystem
چرا آمادهسازی دادهها باید برای مدلهای پیشبینانه سفارشی شود
Why data prep has to be customized for predictive models
5. ساختار سازمانی
5. Organizational Structure
مدیریت پروژه تحلیل داده
Analytics project management
تیم علم داده باید به چه کسی گزارش دهد؟
Who should data science report to?
نقشهای CAO، CDO و CAIO
CAOs, CDOs, and CAIOs
نقش مدیر تحلیلهای سازمان (CAO)
The role of the CAO
مسیر شغلی دانشمند داده
Career path of the data scientist
6. ادامه مسیر یادگیری تحلیل پیشبینانه
6. Continuing Your Predictive Analytics Learning Journey
گامهای بعدی و منابع تکمیلی
Next steps and additional resources
داده کاو ، مربی ، سخنران ، نویسنده
کیت مک کورمیک یک کاوشگر اطلاعات ، مربی ، سخنران و نویسنده مستقل است.
کیت در توضیح روشهای پیچیده برای کاربران جدید یا تصمیم گیرندگان در سطوح مختلف از جزئیات فنی مهارت دارد. وی متخصص در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی از جمله درختان طبقه بندی ، شبکه های عصبی ، مدل خطی کلی ، تجزیه خوشه و قوانین ارتباط است.
نمایش نظرات