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

نمایش نظرات

آموزش آیا اثرگذار بود؟ ارزیابی برنامه در علوم داده
جزییات دوره
1h 12m
20
(آخرین آپدیت)
1,819
- 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

Howard Friedman Howard Friedman

دانشمند ارشد داده، اقتصاددان سلامت، نویسنده، پروفسور

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.