لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آیا اثرگذار بود؟ ارزیابی برنامه در علوم داده
- آخرین آپدیت
دانلود Did It Work? Program Evaluation in Data Science
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
یکی از حیاتیترین سوالات در علوم داده این است: آیا برنامه من تغییری ایجاد کرد؟
این دوره شما را قادر میسازد تا شکاف بین علوم داده و ارزیابی برنامه را پر کنید. آموزش با این موضوع شروع میشود که چرا ارزیابی برنامه برای متخصصین علوم داده حیاتی است. با تسلط بر ارزیابی برنامه، میتوانید با اطمینان توصیف کنید که مدل شما چگونه در دنیای واقعی، در زمینههایی مانند کمپینهای بازاریابی، مدلسازی ریسک، مقایسه اثربخشی و موارد دیگر تأثیرگذار است. از تعریف ارزیابی برنامه تا انتقال مؤثر یافتهها، این دوره شما را با زبان و متدهای مشترکی مجهز میکند تا تصمیمگیریهای اثرگذاری را به پیش ببرید.
این دوره شامل نقشآفرینی (Role Play) مبتنی بر هوش مصنوعی است. این قابلیت به شما اجازه میدهد آنچه را که آموختهاید در شبیهسازیهای تعاملی از مکالمات واقعی تمرین کنید.
سرفصل ها و درس ها
مقدمه
Introduction
ارزیابی برنامه در علوم داده
Program evaluation in data science
1. تکامل ROI در علوم داده
1. The Evolution of ROI in Data Science
تاریخچه کوتاهی از ارزیابی برنامه
A brief history of program evaluation
ارزیابی برنامه و علوم داده
Program evaluation and data science
ارزیابی برنامه چیست؟
What is program evaluation?
مدلهای منطقی و تئوری برنامه
Logic models and program theory
انواع ارزیابیها
Types of evaluations
2. مدلهای طراحی ارزیابی برنامه
2. Program Evaluation Designs
طراحی پیشتجربی
Preexperimental design
سریهای زمانی متقاطع
Interrupted time series
طراحی شبهتجربی
Quasi-experimental design
طراحی تجربی
Experimental design
تهدیدات روایی
Threats to validity
3. اندازهگیری: پایایی و روایی
3. Measurement: Reliability and Validity
طراحی پرسشنامه
Questionnaire design
اندازهگیری
Measurement
پایایی و روایی معیارهای ارزیابی
Reliability and validity of evaluation measures
4. ارزیابی فرآیند: آیا آنچه میخواستیم را انجام دادیم؟
4. Process Evaluation: Did We Do What We Wanted to Do?
تحلیل دادههای ارزیابی
Analysis of evaluation data
ارزیابی فرآیند
Process evaluation
5. انتشار نتایج برای ذینفعان
5. Dissemination to Stakeholders
ذینفعان و زمینه
Stakeholders and context
تعاریف عدالت
Definitions of equity
انتشار نتایج ارزیابی
Disseminating evaluation results
6. ادامه مسیر یادگیری ارزیابی برنامه
6. Continuing Your Program Evaluation Learning Journey
منابع تکمیلی ارزیابی برنامه
Additional program evaluation resources
هاوارد فریدمن دانشمند ارشد داده، اقتصاددان سلامت، نویسنده، و استاد دانشگاه کلمبیا است.
یک متخصص در علم داده با تجربه خاص که تیمهایی را در بخشهای شرکتی، دانشگاهی و عمومی رهبری میکند. او در مراقبتهای بهداشتی، مالی، مخابرات، خردهفروشی و شرکتهای سهام خصوصی و همچنین سازمانهای غیرانتفاعی و بهداشت عمومی، رهبری تیمهای تحلیلی، برقراری ارتباط با مخاطبان ارشد اجرایی و عمومی، و به اشتراک گذاشتن بینشهای علم داده با تیمهای فنی و غیرفنی کار کرده است. هاوارد نویسنده چندین کتاب، از جمله Winning with Data Science و Measure of a Nation، دارای دکترا در مهندسی پزشکی و کارشناسی ارشد علم در آمار از جانز هاپکینز است. دانشکده پزشکی دانشگاه.
نمایش نظرات