آموزش تحلیل داده‌ها و آمار: دوره عملی برای مبتدیان - آخرین آپدیت

دانلود Data Analysis & Statistics: practical course for beginners

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

تحلیل داده و آمار کاربردی: دوره جامع و گام به گام

با این دوره جامع و گام به گام، قدرت تحلیل داده و آمار را کشف کنید.

چرا تحلیل داده و آمار مهم هستند؟

  • تحلیل داده و کاربرد عملی آمار
  • پیش‌بینی و توضیح رفتارها و رویدادها
  • آماده‌سازی داده‌ها برای تحلیل
  • جمع‌آوری داده موثر
  • ایجاد پرسشنامه (ساخت Survey)
  • مصورسازی داده (Data Visualization)
  • یافتن ایده‌های تحقیق داده
  • روایت داستان با داده‌ها (Storytelling with Data)
  • نتیجه‌گیری و کسب سود از تحلیل داده

پیش‌نیازها:

این دوره برای همه مناسب است، بدون نیاز به تجربه قبلی. ما گام به گام از ابتدا پیش می‌رویم.

  • کمی وقت و اشتیاق به یادگیری

چرا برنامه‌ریزی داده مانند سرقت از بانک است؟ و چرا باید داده‌ها را مانند ایندیانا جونز کشف کنید؟ با مثلث سمی جمع‌آوری داده آشنا شوید و ببینید چگونه داده‌ها با یک ماده بد در طول آماده‌سازی خراب می‌شوند. بیاموزید چرا خودِ تحلیل داده، گیلاس روی کیک است و چرا تحلیل داده به پول مربوط می‌شود و با آن چه کاری انجام دهید.

اگر همیشه می‌خواستید تحلیل داده و آمار را یاد بگیرید، اما فکر می‌کردید بسیار پیچیده یا زمان‌بر است، جای درستی آمده‌اید. از روش‌های علمی قدرتمند به روشی ساده استفاده کنید. این دوره تحلیل داده و آماری است که منتظرش بوده‌اید. عملی، قابل فهم، مستقیم و کاربردی.

این دوره بسته کامل را برای شما فراهم می‌کند تا در تحلیل داده و استفاده از آمار بسیار مؤثر باشید. در طول دوره، از مطالعه موردی خرید موبایل استفاده می‌کنیم که یادگیری را در طول مسیر لذت‌بخش می‌کند.

ویژگی‌های اصلی این دوره:

  • بسته کامل برای راحتی در استفاده از آمار و تحلیل داده
  • پوشش تمامی مراحل فرآیند تحلیل داده
  • یادگیری بسیار آسان
  • بدون معادلات پیچیده
  • زبان ساده به جای اصطلاحات آماری متعدد
  • عملی، با مطالعه موردی خرید موبایل
  • تمرین‌ها و آزمون‌ها برای تسلط بر تحلیل داده و آمار
  • مجموعه داده‌های واقعی و سایر مواد قابل دانلود
  • بیش از 70 ویدئوی با کیفیت بالا

چرا باید این دوره را بگذرانید؟

تحلیل داده هر سال محبوب‌تر و مهم‌تر می‌شود. نیازی نیست که یک شبه متخصص علم داده یا استاد داده‌کاوی شوید، اما باید بدانید چگونه داده‌ها را در عمل تحلیل و استفاده کنید. باید بتوانید به تنهایی با داده‌های واقعی کسب‌وکار به طور مؤثر کار کنید. و این دوره همه چیز را در سریع‌ترین و آسان‌ترین راه ممکن به شما ارائه می‌دهد. وقت خود را برای مفاهیم نظری که فقط برای نخبگان و معلمان مرتبط است، تلف نخواهید کرد. مستقیماً به دانش و روش‌های کلیدی می‌پردازیم.

شما فرآیند شهودی گام به گام را با مثال‌ها، آزمون‌ها و تمرین‌ها دنبال خواهید کرد. همان فرآیندی که موفق‌ترین شرکت‌ها از آن استفاده می‌کنند. در پایان دوره، با وظایف تحلیل داده و استفاده از مهم‌ترین آمار احساس راحتی خواهید کرد. این دوره اولین قدمی است که باید در دنیای تحلیل داده حرفه‌ای بردارید و برای گذراندن آن نیازی به تجربه ندارید. فراتر از تحلیل اکسل بروید و رئیس خود را با بینش‌های ارزشمند شگفت‌زده کنید. یا برای منافع شرکت خودتان یاد بگیرید. هر انگیزه شما برای شروع تحلیل داده و آمار باشد، جای درستی هستید.

این دوره جامع به شش فصل ضروری تقسیم شده است که با شش بخش فرآیند تحلیل داده مطابقت دارد: برنامه‌ریزی داده، اکتشاف داده، جمع‌آوری داده، آماده‌سازی داده، تحلیل داده و پول‌سازی از داده. همه این‌ها به شیوه‌ای دلپذیر و قابل دسترس توضیح داده شده‌اند، همانطور که همکارتان این موضوع را برای شما توضیح می‌دهد. و بدیهی است که 30 روز ضمانت بازگشت پول دارید، اگر به هر دلیلی این دوره را دوست نداشتید. اما من تمام تلاش خود را می‌کنم تا نه تنها دوره را دوست داشته باشید، بلکه عاشق آن شوید.

بسیاری از افراد به شما خواهند گفت که برای تحلیل مؤثر داده‌ها باید زبان‌های برنامه‌نویسی را یاد بگیرید، اما این درست نیست و در این دوره آن را خواهید دید. پیش‌زمینه برنامه‌نویسی خوب است، اما برای کشف قدرت داده‌ها نیازی به دانستن هیچ زبان برنامه‌نویسی ندارید. درک تحلیل داده و آمار دور از دسترس نیست. این شایستگی کلیدی در بازار کار، و همچنین در زندگی روزمره است. به یاد داشته باشید که هیچ تصمیم بزرگی بدون آن هرگز گرفته نشده است. همین امروز برای این دوره ثبت‌نام کنید و بلافاصله مهارت‌های ضروری برای موفقیت خود را بهبود بخشید.


سرفصل ها و درس ها

ماجراجویی آغاز می‌شود Introduction - the adventure begins

  • مقدمه Introduction

برنامه‌ریزی داده‌ها – شبیه سرقت از بانک است. Data planning - it's like a bank robbery.

  • مروری بر برنامه‌ریزی داده‌ها. چرا مهم است/ چه چیزی یاد خواهید گرفت؟ Data planning overview. Why it is important/ What you will learn?

  • از کجا شروع کنیم؟ Where to start?

  • تمرین شماره ۱: پروژه خود را برنامه‌ریزی کنید Assignment #1: Plan your project

  • شماره ۱: پروژه خود را برنامه‌ریزی کنید #1: Plan your project

  • اول مرغ پیدا شد یا تخم مرغ؟ What was first, the chicken or the egg?

  • دو نوع داده Two types of data

  • داده‌های کیفی در مقابل داده‌های کمی Qualitative vs quantitative data

  • روش تحلیل داده را انتخاب کنید Choose data analysis method

  • چگونه داده‌ها را پیدا کنیم؟ How to find data?

  • گزینه ۱: داده‌هایی را که قبلاً توسط شخص دیگری جمع‌آوری شده‌اند پیدا کنید Option 1: Find data already collected by someone else

  • گزینه ۲: جمع‌آوری داده‌ها را به شرکت تحقیقاتی سفارش دهید Option 2: Order collection of data to the research company

  • گزینه ۳: داده‌ها را خودتان جمع‌آوری کنید Option 3: Collect data by yourself

  • خلاصه فصل برنامه‌ریزی داده‌ها Data planning chapter summary

کاوش داده‌ها – ایندیانا جونز و سرزمین‌های ناشناخته داده‌ها Data exploration - Indiana Jones and the uncharted territories of data

  • مروری بر کاوش داده‌ها. چرا مهم است/ چه چیزی یاد خواهید گرفت؟ Data exploration overview. Why is it important/ What you will learn?

  • داده‌ها را از طریق مشاهده کاوش کنید Explore data through observation

  • داده‌ها را از طریق مصاحبه کاوش کنید Explore data through interviews

  • داده‌ها را از طریق مطالعه کاوش کنید Explore data through reading

  • داده‌ها را از طریق مقالات علمی کاوش کنید Explore data through scientific articles

  • داده‌ها را از طریق منابع دیگر کاوش کنید Explore data through other sources

  • تمرین شماره ۲: کاوشگر داده شوید Assignment #2: Become data explorer

  • اطلاعات تکراری را حذف کنید و متغیرهای خود را نام‌گذاری کنید Remove duplicate information and name your variables

  • تمرین شماره ۳: نظم و ترتیب را بیاورید Assignment #3: Bring the order

  • مدلی برای تحلیل داده ایجاد کنید Create a model for data analysis

  • تمرین شماره ۴: مدل خود را ایجاد کنید Assignment #4: Create your model

  • خلاصه فصل کاوش داده‌ها Data exploration chapter summary

جمع‌آوری داده‌ها – مثلث سمی Data collection - the poisonous triangle

  • مروری بر جمع‌آوری داده‌ها. چرا مهم است/ چه چیزی یاد خواهید گرفت؟ Data collection overview. Why is it important/ What you will learn?

  • چگونه پاسخ‌دهندگان را انتخاب کنیم؟ How to choose respondents?

  • اندازه نمونه خود را انتخاب کنید Choose the size of your sample

  • انتخاب نمونه Sample selection

  • تمرین شماره ۵: اندازه نمونه را تعریف کنید Assignment #5: Define the sample size

  • یک نظرسنجی ایجاد کنید – راهنمایی‌های کلی Create a survey - general guidelines

  • یک نظرسنجی ایجاد کنید – نوع سوالات را انتخاب کنید Create a survey - choose type of questions

  • یک نظرسنجی ایجاد کنید – نوع اندازه‌گیری متغیر را انتخاب کنید Create a survey - choose type of variable measurement

  • یک نظرسنجی ایجاد کنید – مقیاس‌های اندازه‌گیری را انتخاب کنید Create a survey - choose measurement scales

  • مقیاس‌های اندازه‌گیری Measurement scales

  • یک نظرسنجی ایجاد کنید – نظرسنجی واقعی را بنویسید Create a survey - write the actual survey

  • تمرین شماره ۶: یک نظرسنجی ایجاد کنید Assignment #6: Create a survey

  • نظرسنجی خود را تست کنید Test your survey

  • تمرین شماره ۷: مطالعه آزمایشی را انجام دهید Assignment #7: Conduct test study

  • روش‌های جمع‌آوری داده‌ها Data collection methods

  • جمع‌آوری داده‌ها – روش آنلاین با Google Forms به تفصیل Data collection – on-line method with Google Forms in detail

  • تمرین شماره ۸: نظرسنجی خود را دیجیتالی کنید Assignment #8: Take your Survey to Digital

  • نظرسنجی خود را تبلیغ کنید Promote your survey

  • تمرین شماره ۹: زمان تبلیغات Assignment #9: Promotion time

  • خلاصه فصل جمع‌آوری داده‌ها Data collection chapter summary

آماده‌سازی داده‌ها – غذا را خراب نکنید Data preparation - don't spoil the dish

  • مروری بر آماده‌سازی داده‌ها. چرا مهم است/ چه چیزی یاد خواهید گرفت؟ Data preparation overview. Why is it important/ What you will learn?

  • مجموعه داده خود را بررسی کنید Examine your dataset

  • داده‌های ناخواسته را حذف کنید Remove unwanted data

  • داده‌های گمشده را شناسایی و علامت‌گذاری کنید Identify and mark missing data

  • قالب‌بندی داده‌ها – پنج نکته که باید مراقب باشید Data formatting - five things to look out for

  • از فضاهای خالی خلاص شوید Get rid of white spaces

  • غلط‌های املایی را تصحیح کنید Correct typos

  • از حروف بزرگ سازگار اطمینان حاصل کنید Ensure consistent capitalization

  • واحدهای داده ناسازگار را تغییر دهید Change incompatible data units

  • انواع داده مناسب را اختصاص دهید Assign the right data types

  • تبدیل داده‌ها. داده‌های خود را برای برآورده کردن الزامات تبدیل کنید Data transformation. Convert your data to meet the requirements

  • تمرین شماره ۱۰: پاکسازی و تبدیل Assignment #10: Clean and Transform

  • خلاصه فصل آماده‌سازی داده‌ها Data preparation chapter summary

تحلیل داده‌ها – گیلاس روی کیک Data analysis - cherry on top

  • مروری بر تحلیل داده‌ها. چرا مهم است/ چه چیزی یاد خواهید گرفت؟ Data analysis overview. Why is it important/ What you will learn?

  • آمار توصیفی چیست و چگونه برای تحلیل داده‌ها کار می‌کند؟ What are descriptive statistics and how they work for data analysis?

  • توزیع داده‌ها. آیا داده‌های شما نرمال هستند؟ Data distribution. Is your data normal?

  • کاربرد عملی آمار توصیفی Practical use of descriptive statistics

  • تمرین شماره ۱۱: محاسبه آمار توصیفی Assignment #11: Calculate descriptive statistics

  • آمار استنباطی چیست و چگونه برای تحلیل داده‌ها کار می‌کند؟ What are inferential statistics and how they work for data analysis?

  • آمار توصیفی در مقابل آمار استنباطی Descriptive vs inferential statistics

  • نرم‌افزار آماری را مطابق با روش تحلیل داده خود انتخاب کنید Choose statistical software according to your data analysis method

  • نرم‌افزار آماری را دانلود کنید Download statistical software

  • تمرین شماره ۱۲: دانلود نرم‌افزار SmartPLS 3 Assignment #12: Download SmartPLS 3 software

  • گشت و گذار در رابط کاربری Touring the interface

  • ایجاد پروژه و وارد کردن داده‌ها Create a project and import data

  • تمرین شماره ۱۳: پروژه خود را ایجاد کرده و داده‌ها را وارد کنید Assignment #13: Create your project and import data

  • ایجاد گروه‌های داده Create data groups

  • تمرین شماره ۱۴: برای پروژه خود گروه‌های داده ایجاد کنید Assignment #14: Create data groups for your project

  • ایجاد مدل در نرم‌افزار آماری Create a model in the statistical software

  • تمرین شماره ۱۵: مدلی برای پروژه خود ایجاد کنید Assignment #15: Create a model for your project

  • زمان تحلیل. روش‌ها و رویه‌ها. چه گزینه‌هایی دارید؟ Time to analyze. Methods and procedures. What options do you have?

  • قابلیت اطمینان نتایج شما. بیایید درباره سازگاری صحبت کنیم Reliability of your results. Let’s talk about consistency

  • تمرین شماره ۱۶: قابلیت اطمینان تحلیل داده‌های خود را بررسی کنید Assignment #16: Check the reliability for your data analysis

  • اعتبار نتایج شما. بیایید درباره حقیقت صحبت کنیم Validity of your results. Let’s talk about the truth

  • تمرین شماره ۱۷: اعتبار تحلیل داده‌های خود را بررسی کنید Assignment #17: Check the validity for your data analysis

  • تناسب مدل. مدل شما چقدر خوب است؟ Model Fit. How good is your model?

  • نتایج اصلی – قلب تحلیل شما Main results - the heart of your analysis

  • نتایج برای گروه‌های مختلف. در مسیر تنوع Results for different groups. On the trail of diversity

  • نتایج میانجی‌گری. به دنبال واسطه هستید Mediation results. Looking for a middleman

  • داده‌های خود را صادر کنید Export your data

  • تفسیر نتایج – نتایج اصلی برای گروه عمومی Results interpretation - main results for the general group

  • تمرین شماره ۱۸: نتایج شما چه معنایی دارند – بخش ۱ Assignment #18: What your results mean - part 1

  • تفسیر نتایج – تجزیه و تحلیل گروه و میانجی‌گری Results interpretation - group analysis and mediation

  • تمرین شماره ۱۹: نتایج شما چه معنایی دارند – بخش ۲ Assignment #19: What your results mean - part 2

  • تحلیل داده‌های آینده خود را بهینه کنید Optimize your future data analysis

  • خلاصه فصل تحلیل داده‌ها Data analysis chapter summary

کسب درآمد از داده‌ها – همه چیز درباره پول است Data monetization - it’s all about the money

  • مروری بر کسب درآمد و استفاده از داده‌ها. چرا مهم است/ چه چیزی یاد خواهید گرفت؟ Data monetization and usage overview. Why is it important/ What you will learn?

  • مصورسازی داده‌ها. چگونه داستان خود را ارائه دهید؟ Data visualization. How to deliver your story?

  • انواع نمودارهای مختلف Different chart types

  • آزمون انواع نمودار Chart types quiz

  • مصورسازی داده‌ها در عمل – اثر شگفت‌انگیز ایجاد کنید Data visualization in practise - create the wow effect

  • تمرین شماره ۲۰: نتایج خود را مصورسازی کنید Assignment #20: Visualize your results

  • چگونه از نتایج خود برای توسعه محصول استفاده کنید؟ How to use your results for the product development?

  • چگونه از نتایج خود برای فروش استفاده کنید؟ How to use your results for sales?

  • چگونه از نتایج خود برای بازاریابی استفاده کنید؟ How to use your results for marketing?

  • خلاصه فصل کسب درآمد از داده‌ها Data monetization chapter summary

نتیجه‌گیری و گام‌های بعدی – خط پایانی وجود ندارد Conclusion and next steps - there is no finish line

  • نتیجه‌گیری Conclusion

پاداش – همیشه چیزهای بیشتری هست Bonus - there’s always more

  • بخش پاداش چگونه توسعه می‌یابد؟ How the bonus section will be developed?

  • تحلیل اندازه‌گیری تکوینی Formative measurement analysis

  • اثر اندازه مربع f – آیا نتایج من معنی‌دار هستند؟ Effect size f square - are my results meaningful?

نمایش نظرات

آموزش تحلیل داده‌ها و آمار: دوره عملی برای مبتدیان
جزییات دوره
7.5 hours
94
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
61,289
4.3 از 5
دارد
دارد
دارد
Jacek Kułak
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jacek Kułak Jacek Kułak

Digital Marketing NativeProfessional با بیش از 10 سال تجربه بازاریابی دیجیتال از بزرگترین سازمان های جهان از جمله 5 سال در شرکت والت دیزنی و 5+ سال در آژانس های مختلف خلاقیت. دکترای بازاریابی در دانشگاه ورشو و نویسنده مقالات متعدد بازاریابی دیجیتال. بازاریابی دیجیتال پرشوری که عاشق تدریس است.