لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
شناسایی مشکل و طراحی راه حل برای دانشمندان داده
Problem Identification and Solution Design for Data Scientists
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
چه به عنوان مشاور یا یک کارمند کار می کنید، اگر می خواهید به عنوان یک دانشمند داده موفق باشید، باید بتوانید با رهبران تجاری غیر فنی صحبت کنید. با این حال، دوزبانه شدن آسان نیست - پس راز تسلط بر این مهارت آرزو چیست؟ در این دوره برای متخصصان مشتاق داده، به مربی کیت مک کورمیک بپیوندید تا اصول شناسایی مشکل و طراحی راه حل را برای دانشمندان داده بیان کند. یاد بگیرید که چگونه نیازهای کسب و کار را به اصطلاحات فنی ترجمه کنید، از فرآیند استاندارد صنعت متقابل برای داده کاوی (CRISP-DM) پیروی کنید، با رهبران پروژه مصاحبه های ساختاریافته انجام دهید، و از دیدگاه یک رهبر تجاری در مورد پروژه ها فکر کنید. کیت بینش های سریع و نکات کاربردی آسان را برای انتقال مفاهیم فنی به وضوح و با سهولت ارائه می دهد. در طول مسیر، یاد خواهید گرفت که چگونه از مهارت های ارتباط تجاری و مستندسازی در هر مرحله از پروژه استفاده کنید.
سرفصل ها و درس ها
مقدمه
Introduction
خوش آمدید
Welcome
مخاطب مورد نظر
Intended Audience
1. با مشتری پروژه ملاقات کنید
1. Meet the Project Customer
آماده شدن برای اولین جلسه به عنوان یک منبع داخلی
Preparing for the first meeting as an internal resource
نگاهی به پروژه از دیدگاه اسپانسر
Looking at the project from the sponsor's point of view
آماده شدن برای اولین جلسه به عنوان یک منبع خارجی
Preparing for the first meeting as an external resource
خواندن توضیحات پروژه بصورت انتقادی
Reading the project description critically
2. آنچه در جلسه اولیه انتظار می رود
2. What to Expect in the Initial Meeting
چه چیزی در جلسه اولیه انتظار می رود
What to expect in the initial meeting
پیش بینی در مقابل پیش بینی
Prediction vs. forecasting
استنتاج در مقابل پیش بینی
Inference vs. prediction
اجتناب از سردرگمی با سایر انواع پروژه های تحلیلی
Avoiding confusion with other analytic project types
برخی از سوالاتی که همیشه کاربرد دارند
Some questions that always apply
غواصی عمیق تر در تجزیه و تحلیل پیش بینی
Diving deeper into predictive analytics
شناسایی ROI
Identifying ROI
3. مرحله درک تجاری CRISP-DM
3. The Business Understanding Phase of CRISP-DM
مشاوره در مورد میزان جزئیات به اشتراک گذاری
Advice on how much detail to share
چهار وظیفه
The four tasks
مروری بر فاز درک کسب و کار
Business understanding phase overview
4. ملاقات با IT
4. Meeting with IT
منشأ داده ها
The provenance of the data
اطمینان حاصل کنید که با اطلاعات مهم ترک می کنید
Ensuring that you leave with the critical info
استفاده از تجربه و تخصص IT
Leveraging IT experience and expertise
درخواست های قبل از جلسه و آماده سازی
Pre-meeting requests and preparation
5. ملاقات با SMEها و تیم خط مقدم
5. Meeting with SMEs and the Frontline Team
این مصاحبه ها را برای آخر بگذارید
Leave these interviews for last
ارزیابی فرهنگ
Assessing culture
تمرکز بر شمول، نه طرد
Focusing on inclusion, not exclusion
6. از تاخیر جلوگیری کنید
6. Avoid Delays
مراقب نمونه سازی بیش از حد باشید
Beware too much prototyping
فراداده در مقابل داده
Metadata vs. data
برآورد دقت
Estimates of accuracy
7. نوشتن نتایج
7. Writing Up Your Results
مشاوره مستندسازی
Documentation advice
یک تجسم ساده برای تعیین اولویت ها
A simple visuatlization for setting priorities
ایجاد جزئیات بهینه
Striking the optimal amount of detail
نتیجه گیری
Conclusion
چه چیزی در شناسایی مشکل و طراحی راه حل برای دانشمندان داده است
What's next in problem identification and solution design for data scientists
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