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

نمایش نظرات

آموزش جامع تحلیل پیش‌بینانه برای مدیران اجرایی
جزییات دوره
1h 47m
31
(آخرین آپدیت)
7,535
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Keith McCormick Keith McCormick

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.