آموزش برنامه ریزی پروژه علم داده

Data Science Project Planning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: مفاهیم اساسی برای مبتدیان مفاهیم اساسی زیربنای فعالیت های برنامه ریزی اصلی که برای موفقیت یک پروژه علم داده حیاتی هستند. لطفا توجه داشته باشید: این دوره مباحث فنی مانند برنامه نویسی، آمار و الگوریتم ها را پوشش نمی دهد. پیش نیازها: تمایل به نگاه فراتر از جنبه‌های فنی و یادگیری در مورد فعالیت‌های برنامه‌ریزی حیاتی مربوط به پروژه علم داده. آشنایی با ریاضیات مقطع دبیرستان

موفقیت هر پروژه بستگی زیادی به این دارد که چقدر خوب برنامه ریزی شده است. پروژه های علم داده نیز از این قاعده مستثنی نیستند.

تعداد زیادی از پروژه های علم داده در محیط های صنعتی به دلیل عدم برنامه ریزی مناسب در مرحله آغازین، انتظارات را برآورده نمی کنند.

این دوره مروری بر فعالیت‌های اصلی برنامه‌ریزی که برای موفقیت هر پروژه علم داده حیاتی هستند، ارائه می‌کند.

ما در مورد مفاهیم اساسی بحث خواهیم کرد - تعریف مشکل تجاری. تعریف مسئله علم داده; ارزیابی وضعیت؛ زمان‌بندی وظایف و تحویل‌ها.

مفاهیم آموخته شده به دانش آموزان در موارد زیر کمک می کند:

الف) قاب بندی مشکل کسب و کار

ب) خرید از سهامداران

ج) شناسایی راه حل مناسب علم داده که می تواند مشکل کسب و کار را حل کند

د) تعیین معیارها و معیارهای موفقیت برای ارزیابی تحویل‌پذیرهای کلیدی پروژه، یعنی؛ مدل‌ها، خط لوله جریان داده و مستندات.

E) ارزیابی وضعیت حاکم بر پروژه. برای مثال در دسترس بودن داده ها و منابع؛ خطرات؛ هزینه های برآورد شده و منافع درک شده

F) تهیه برنامه‌های تحویل که به مشتریان امکان می‌دهد تا بینش‌های عملی ارزشمند زودهنگام و افزایشی را به مشتریان ارائه دهد

ز) درک ویژگی‌های تیم مورد نظر و نیازهای ارتباطی




سرفصل ها و درس ها

معرفی Introduction

  • پیش نمایش دوره Course Preview

  • خوش آمدی Welcome

  • متن نوشته Context

  • پروژه علم داده - چالش ها Data Science Project - Challenges

  • برنامه ریزی پروژه علم داده - مروری Data Science Project Planning - An Overview

  • معرفی Introduction

معرفی Introduction

  • پیش نمایش دوره Course Preview

  • خوش آمدی Welcome

  • متن نوشته Context

  • پروژه علم داده - چالش ها Data Science Project - Challenges

  • برنامه ریزی پروژه علم داده - مروری Data Science Project Planning - An Overview

  • معرفی Introduction

تعریف مشکل کسب و کار Business Problem Definition

  • معرفی Introduction

  • تعریف مشکل کسب و کار - یک مرور کلی Business Problem Definition - An Overview

  • درک مشکل کسب و کار Understanding the Business Problem

  • تجزیه و تحلیل سهامداران - I Stakeholder Analysis - I

  • تجزیه و تحلیل سهامداران - II Stakeholder Analysis - II

  • بررسی کارهای قبلی Review of Previous Work

  • چارچوب بندی مشکل کسب و کار Framing the Business Problem

  • بررسی سوالات Review Questions

تعریف مشکل کسب و کار Business Problem Definition

  • معرفی Introduction

  • تعریف مشکل کسب و کار - یک مرور کلی Business Problem Definition - An Overview

  • درک مشکل کسب و کار Understanding the Business Problem

  • تجزیه و تحلیل سهامداران - I Stakeholder Analysis - I

  • تجزیه و تحلیل سهامداران - II Stakeholder Analysis - II

  • بررسی کارهای قبلی Review of Previous Work

  • چارچوب بندی مشکل کسب و کار Framing the Business Problem

  • بررسی سوالات Review Questions

فرمول بندی مسئله علم داده Data Science Problem Formulation

  • معرفی Introduction

  • چرخه حیات پروژه علم داده - مروری بر CRISP-DM Data Science Project Lifecyle - An Overview of CRISP-DM

  • فرمول بندی مسئله علم داده – مروری Data Science Problem Formulation – An Overview

  • نوع مسئله علم داده - طبقه بندی Data Science Problem Type - Classification

  • نوع مسئله علم داده - رگرسیون Data Science Problem Type - Regression

  • نوع مسئله علم داده - خوشه بندی Data Science Problem Type - Clustering

  • نوع مسئله علم داده - تشخیص ناهنجاری Data Science Problem Type - Anomaly Detection

  • نوع مسئله علم داده - انجمن Data Science Problem Type - Association

  • نوع مسئله علم داده - توصیه Data Science Problem Type - Recommendation

  • خلاصه انواع مسائل علم داده Summary of Data Science Problem Types

  • تعیین اهداف پروژه Setting Project Goals

  • تعیین معیارهای موفقیت پروژه - یک مرور کلی Specifying Project Success Criteria – An Overview

  • بررسی سوالات Review Questions

  • معیارهای ارزیابی برای مدل های طبقه بندی Evaluation Metrics for Classification Models

  • معیارهای ارزیابی برای مدل های تشخیص ناهنجاری Evaluation Metrics for Anomaly Detection Models

  • معیارهای ارزیابی برای مدل های رگرسیونی Evaluation Metrics for Regression Models

  • معیارهای ارزیابی برای مدل‌های خوشه‌بندی - I: ارزیابی داخلی Evaluation Metrics for Clustering Models - I : Internal Evaluation

  • معیارهای ارزیابی برای مدل های خوشه بندی - II: ارزیابی خارجی Evaluation Metrics for Clustering Models - II: External Evaluation

  • معیارهای ارزیابی برای مدل های ارتباطی Evaluation Metrics for Association Models

  • معیارهای ارزیابی برای مدل های پیشنهادی - I Evaluation Metrics for Recommendation Models - I

  • معیارهای ارزیابی برای توصیه - II Evaluation Metrics for Recommendation - II

  • بررسی سوالات Review Questions

  • معیارها و معیارهای استقرار مدل Model Deployment Criteria and Metrics

  • معیارهای مانیتورینگ مدل Model Monitoring Metrics

  • معیارهای خط لوله جریان داده Data Flow Pipeline Metrics

  • معیارهای مستندسازی Documentation Criteria

  • بررسی سوالات Review Questions

فرمول بندی مسئله علم داده Data Science Problem Formulation

  • معرفی Introduction

  • چرخه حیات پروژه علم داده - مروری بر CRISP-DM Data Science Project Lifecyle - An Overview of CRISP-DM

  • فرمول بندی مسئله علم داده – مروری Data Science Problem Formulation – An Overview

  • نوع مسئله علم داده - طبقه بندی Data Science Problem Type - Classification

  • نوع مسئله علم داده - رگرسیون Data Science Problem Type - Regression

  • نوع مسئله علم داده - خوشه بندی Data Science Problem Type - Clustering

  • نوع مسئله علم داده - تشخیص ناهنجاری Data Science Problem Type - Anomaly Detection

  • نوع مسئله علم داده - انجمن Data Science Problem Type - Association

  • نوع مسئله علم داده - توصیه Data Science Problem Type - Recommendation

  • خلاصه انواع مسائل علم داده Summary of Data Science Problem Types

  • تعیین اهداف پروژه Setting Project Goals

  • تعیین معیارهای موفقیت پروژه - یک مرور کلی Specifying Project Success Criteria – An Overview

  • بررسی سوالات Review Questions

  • معیارهای ارزیابی برای مدل های طبقه بندی Evaluation Metrics for Classification Models

  • معیارهای ارزیابی برای مدل های تشخیص ناهنجاری Evaluation Metrics for Anomaly Detection Models

  • معیارهای ارزیابی برای مدل های رگرسیونی Evaluation Metrics for Regression Models

  • معیارهای ارزیابی برای مدل‌های خوشه‌بندی - I: ارزیابی داخلی Evaluation Metrics for Clustering Models - I : Internal Evaluation

  • معیارهای ارزیابی برای مدل های خوشه بندی - II: ارزیابی خارجی Evaluation Metrics for Clustering Models - II: External Evaluation

  • معیارهای ارزیابی برای مدل های ارتباطی Evaluation Metrics for Association Models

  • معیارهای ارزیابی برای مدل های پیشنهادی - I Evaluation Metrics for Recommendation Models - I

  • معیارهای ارزیابی برای توصیه - II Evaluation Metrics for Recommendation - II

  • بررسی سوالات Review Questions

  • معیارها و معیارهای استقرار مدل Model Deployment Criteria and Metrics

  • معیارهای مانیتورینگ مدل Model Monitoring Metrics

  • معیارهای خط لوله جریان داده Data Flow Pipeline Metrics

  • معیارهای مستندسازی Documentation Criteria

  • بررسی سوالات Review Questions

ارزیابی وضعیت Situation Assessment

  • معرفی Introduction

  • ارزیابی وضعیت - یک مرور کلی Situation Assessment - An Overview

  • ترکیب تیم Team Composition

  • ارزیابی منابع Resource Assessment

  • الزامات پروژه، مفروضات و محدودیت ها Project Requirements, Assumptions & Constraints

  • بررسی سوالات Review Questions

  • ارزیابی ریسک Risk Assessment

  • واژه شناسی Terminology

  • هزینه ها و مزایا Costs and Benefits

  • بررسی سوالات Review Questions

ارزیابی وضعیت Situation Assessment

  • معرفی Introduction

  • ارزیابی وضعیت - یک مرور کلی Situation Assessment - An Overview

  • ترکیب تیم Team Composition

  • ارزیابی منابع Resource Assessment

  • الزامات پروژه، مفروضات و محدودیت ها Project Requirements, Assumptions & Constraints

  • بررسی سوالات Review Questions

  • ارزیابی ریسک Risk Assessment

  • واژه شناسی Terminology

  • هزینه ها و مزایا Costs and Benefits

  • بررسی سوالات Review Questions

زمانبندی پروژه Project Scheduling

  • معرفی Introduction

  • برنامه ریزی - I Scheduling - I

  • برنامه ریزی - II Scheduling - II

  • بررسی سوالات Review Questions

زمانبندی پروژه Project Scheduling

  • معرفی Introduction

  • برنامه ریزی - I Scheduling - I

  • برنامه ریزی - II Scheduling - II

  • بررسی سوالات Review Questions

روش های نوظهور Emerging Methods

  • معرفی Introduction

  • روش های نوظهور برای اجرای پروژه های علم داده Emerging Methods for Executing Data Science Projects

  • فرآیند علم داده تیم مایکروسافت (TDSP) Microsoft Team Data Science Process (TDSP)

  • Agile Data Science 2.0 Agile Data Science 2.0

  • بررسی سوالات Review Questions

روش های نوظهور Emerging Methods

  • معرفی Introduction

  • روش های نوظهور برای اجرای پروژه های علم داده Emerging Methods for Executing Data Science Projects

  • فرآیند علم داده تیم مایکروسافت (TDSP) Microsoft Team Data Science Process (TDSP)

  • Agile Data Science 2.0 Agile Data Science 2.0

  • بررسی سوالات Review Questions

نتیجه Conclusion

  • معرفی Introduction

  • خلاصه نکات کلیدی Recap of Key Points

  • بررسی طرح پروژه - ایست های بازرسی Project Plan Review - Checkpoints

  • تهیه طرح پروژه Preparing a Project Plan

  • سخنان پایانی Closing Remarks

  • تبریک و تشکر Congratulations and Thanks

نتیجه Conclusion

  • معرفی Introduction

  • خلاصه نکات کلیدی Recap of Key Points

  • بررسی طرح پروژه - ایست های بازرسی Project Plan Review - Checkpoints

  • تهیه طرح پروژه Preparing a Project Plan

  • سخنان پایانی Closing Remarks

  • تبریک و تشکر Congratulations and Thanks

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش برنامه ریزی پروژه علم داده
جزییات دوره
5 hours
56
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
980
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Gopinath Ramakrishnan Gopinath Ramakrishnan

علاقه مندان به علم داده و یادگیری ماشین، مربی چابک