آموزش Data for Good: استفاده از Data Science در سازمانهای غیرانتفاعی و غیر دولتی

Data for Good: Using Data Science in Nonprofits and NGOs

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: انقلابی که در علم داده وجود دارد ، به خوبی یا بد ، شیوه تجارت شرکت ها در چند دهه گذشته را تغییر داده است. اما علم داده فقط مختص سرمایه داران نیست. هوش مصنوعی یکی از مهمترین نیروها برای تغییر در قرن اخیر است و ما فقط شناخت واقعی قدرت و پتانسیل آن را آغاز کرده ایم. در داده ها برای خوب: با استفاده از Data Science در سازمان های غیرانتفاعی و غیردولتی ، مارتین کمکا چگونگی استفاده از علم داده و یادگیری ماشین را در خارج از بخش انتفاعی بررسی می کند. وی پارامترهایی را برای چگونگی عملکرد داده ها برای تأثیرگذاری بر جهان ما ، چگونگی استفاده از مفهوم داده برای خوب ، تعیین بهترین مشکلات برای حل داده ها و ابزارهای مورد نیاز را پوشش می دهد. مارتین همچنین موارد موردی و چالش هایی را در دنیای واقعی ارائه می دهد تا بیشتر درسها را نشان دهد.

سرفصل ها و درس ها

مقدمه Introduction

  • علم داده فقط برای سرمایه داران نیست Data science isn't just for capitalists

1. بررسی اجمالی استفاده از داده ها 1. Data Use Overview

  • نحوه استفاده روزمره از داده ها How data is used everyday

  • نظارت بر استفاده از داده ها Oversight to data use

  • یادگیری ماشین و بررسی اجمالی علم داده Machine learning and data science overview

  • چالش: یادگیری ماشین را تعریف کنید Challenge: Define machine learning

  • راه حل: یادگیری ماشین را تعریف کنید Solution: Define machine learning

2. نحوه کاربرد داده های مفهوم خوب 2. How the Data for Good Concept Is Applied

  • برنامه برای داده ها برای همیشه Application for data for good

  • مشکلاتی که قابل حل هستند Problems that can be solved

  • برنامه های کاربردی تحقیق Research applications

  • برنامه های تصمیم گیری Decision applications

  • چالش: مثال تصمیم گیری Challenge: Decision example

  • راه حل: مثال تصمیم گیری Solution: Decision example

3. ابزارهای داده برای کار خوب انجام شده 3. Toolsets for Data for Good Work Done

  • تجزیه و تحلیل منبع باز Open source analytics

  • ارائه منبع باز Open source presentation

  • چالش: یک پروژه ساختگی تنظیم کنید Challenge: Set up a mock project

  • راه حل: یک پروژه ساختگی تنظیم کنید Solution: Set up a mock project

4. کار در گروه ها 4. Working in Groups

  • داده ها برای گروه های خوب Data for good groups

  • بحث های جهانی World discussions

  • چالش: یافتن یک چالش Challenge: Finding a challenge

  • راه حل: یافتن یک چالش Solution: Finding a challenge

نتیجه Conclusion

  • مراحل بعدی برای استفاده خوب از داده ها The next steps for using data for good

نمایش نظرات

آموزش Data for Good: استفاده از Data Science در سازمانهای غیرانتفاعی و غیر دولتی
جزییات دوره
33m 51s
21
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
234
- از 5
ندارد
دارد
دارد
Martin Kemka
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Martin Kemka Martin Kemka

مارتین کمکا بنیانگذار Northraine ، یک خانه تولید ماشین یادگیری است. مارتین کمکا بنیانگذار Northraine ، یک خانه تولیدی برای یادگیری ماشین است.

در طول دهه گذشته ، مارتین راه حل های پیشگویی تحلیلی پیش بینی را برای تعدادی از شرکت ها از جمله GE ، Equifax ، D B ، بانک جهانی و زیراکس هدایت ، طراحی و ایجاد کرده است. وی همچنین به الگوریتم ها و تحقیقات pro bono در نهادهای جهانی حقوق بشر و اجتماعی کمک کرده است. از طریق مشارکت دانشگاهی ، Northraine به یک مشاوره تبدیل شده است که 40٪ از وقت خود را صرف تحقیق و 60٪ از زمان را برای طراحی الگوریتم های "بهبود شرایط انسانی" می گذراند. در http://www.northraine.com/اطلاعات بیشتری کسب کنید.