لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش استراتژیهای طراحی برای بهینهسازی کیفیت کلی دادهها (TDQ)
- آخرین آپدیت
دانلود Design Strategies for Maximizing Total Data Quality
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در پایان این دوره سوم از تخصص کیفیت کلی دادهها (Total Data Quality)، فراگیران قادر خواهند بود:
۱. ابزارها و تکنیکهای طراحی برای به حداکثر رساندن TDQ در تمامی مراحل چارچوب کیفیت کلی دادهها طی فرآیند جمعآوری یا گردآوری دادهها را بیاموزند.
۲. جنبههایی از فرآیند تولید یا گردآوری دادهها را که بر TDQ تأثیر میگذارند شناسایی کرده و بتوانند ارزیابی کنند که آیا این جنبهها قابل اندازهگیری هستند و چگونه میتوان این کار را انجام داد.
۳. استراتژیهای بهینهسازی TDQ را که در هنگام گردآوری دادههای طراحیشده و دادههای موجود (ارگانیک) کاربرد دارند، درک کنند.
۴. راهکارهایی برای مسائل فرضی طراحی که در طول فرآیند جمعآوری، گردآوری و پردازش دادهها رخ میدهد، توسعه دهند.
این تخصص در مجموع با هدف بررسی عمیق چارچوب کیفیت کلی دادهها و ارائه اطلاعات بیشتر به فراگیران درباره ارزیابی دقیق کیفیت کلی دادهها که باید پیش از تحلیل دادهها انجام شود، طراحی شده است. هدف این است که فراگیران ارزیابی کیفیت دادهها را به عنوان یک مؤلفه حیاتی در تمامی پروژههای خود ادغام کنند. ما صمیمانه امیدواریم دانش مربوط به کیفیت کلی دادهها را به تمامی فراگیرانی مانند دانشمندان داده و تحلیلگران کمی که آموزش کافی در مراحل اولیه فرآیند علم داده (با تمرکز بر جمعآوری و ارزیابی کیفیت دادهها) ندیدهاند، منتقل کنیم. ما معتقدیم که دانش گسترده در تکنیکهای علم داده و روشهای تحلیل آماری، اگر دادههای جمعآوریشده کیفیت لازم را نداشته باشند، کمکی به یک مطالعه پژوهشی کمی نخواهد کرد.
این تخصص بر اولین گامهای ضروری در هر نوع تحقیق علمی با استفاده از دادهها تمرکز دارد: تولید یا گردآوری دادهها، درک منشأ دادهها، ارزیابی کیفیت دادهها و برداشتن گامهایی برای به حداکثر رساندن کیفیت آنها پیش از انجام هرگونه تحلیل آماری یا بهکارگیری تکنیکهای علم داده برای پاسخ به سوالات پژوهشی. با توجه به این تمرکز، مطالب کمی در مورد تحلیل دادهها ارائه خواهد شد، زیرا این موضوع در بسیاری از تخصصهای موجود در کورسرا پوشش داده شده است. تمرکز اصلی این تخصص بر درک و بهینهسازی کیفیت دادهها پیش از تحلیل است.
سرفصل ها و درس ها
مقدمه و بهینهسازی اعتبار و کیفیت منشأ دادهها
Introduction and Maximizing Validity and Data Origin Quality
خوشآمدگویی به دوره سوم و آخرین دوره از این تخصص!
Welcome to Course 3 and the final course in the Specialization!
به حداکثر رساندن اعتبار برای دادههای طراحیشده
Maximizing Validity for Designed Data
مطالعه موردی: بهبود سوالات بر اساس نتایج پیشآزمون
Case Study: Improving Questions Based on Pre-Testing Results
به حداکثر رساندن اعتبار برای دادههای گردآوریشده
Maximizing Validity for Gathered Data
مطالعه موردی: بهبود اعتبار دادههای گردآوریشده با استفاده از دادههای کمکی و تبدیلها
Case Study: Improving the Validity of Gathered Data using Auxiliary Data and Transformations
به حداکثر رساندن کیفیت منشأ دادهها برای دادههای طراحیشده
Maximizing Data Origin Quality for Designed Data
مطالعه موردی: مصاحبه استاندارد در مقابل مصاحبه محاورهای
Case Study: Standardized vs. Conversational Interviewing
به حداکثر رساندن کیفیت منشأ دادهها برای دادههای گردآوریشده
Maximizing Data Original Quality for Gathered Data
مطالعه موردی: درسهای ساده برای بهبود کیفیت منشأ دادهها هنگام استخراج وب (Web Scraping)
Case Study: Simple Lessons Learned for Improving Data Origin Quality While Web Scraping
بهینهسازی کیفیت پردازش و دسترسی به دادهها
Maximizing Processing and Data Access Quality
به حداکثر رساندن کیفیت پردازش برای دادههای طراحیشده
Maximizing Processing Quality for Designed Data
مثال: ورود دوگانه دادهها و جایگذاری برای بهینهسازی کیفیت پردازش دادهها
Example: Double Data Entry and Imputation to Maximize Data Processing Quality
به حداکثر رساندن کیفیت پردازش برای دادههای گردآوریشده
Maximizing Processing Quality for Gathered Data
مثال: بهینهسازی کیفیت پردازش برای دادههای گردآوریشده
Example: Maximizing Processing Quality for Gathered Data
به حداکثر رساندن کیفیت دسترسی به دادهها برای دادههای طراحیشده
Maximizing Data Access Quality for Designed Data
به حداکثر رساندن کیفیت دسترسی به دادهها برای دادههای گردآوریشده
Maximizing Data Access Quality for Gathered Data
مثال: بهینهسازی کیفیت دسترسی به دادههای گردآوریشده
Example: Maximizing Data Access Quality for Gathered Data
بهینهسازی کیفیت منبع دادهها و به حداقل رساندن دادههای مفقود
Maximizing Data Source Quality and Minimizing Data Missingness
به حداکثر رساندن کیفیت منبع دادهها برای دادههای طراحیشده
Maximizing Data Source Quality for Designed Data
مثال: بهینهسازی کیفیت منبع دادهها برای دادههای طراحیشده
Example: Maximizing Data Source Quality for Designed Data
به حداکثر رساندن کیفیت منبع دادهها برای دادههای گردآوریشده
Maximizing Data Source Quality for Gathered Data
به حداقل رساندن دادههای مفقود برای دادههای طراحیشده
Minimizing Data Missingness for Designed Data
مثال: جایگذاری (Imputation) و تعدیل وزندهی
Example: Imputation and Weighting Adjustment
به حداقل رساندن دادههای مفقود برای دادههای طراحیشده: طراحی نظرسنجی پاسخگو و تطبیقی
Minimizing Data Missingness for Designed Data: Responsive and Adaptive Survey Design
به حداقل رساندن دادههای مفقود برای دادههای گردآوریشده
Minimizing Data Missingness for Gathered Data
مثال: به حداقل رساندن دادههای مفقود برای دادههای گردآوریشده
Example: Minimizing Data Missingness for Gathered Data
بهینهسازی کیفیت تحلیل دادهها
Maximizing the Quality of Data Analysis
به حداکثر رساندن کیفیت تحلیل دادههای طراحیشده
Maximizing the Quality of an Analysis of Designed Data
مطالعات موردی در مورد خطاهای تحلیلی
Case Studies in Analytic Error
به حداکثر رساندن کیفیت تحلیل دادههای گردآوریشده
Maximizing the Quality of an Analysis of Gathered Data
مطالعه موردی: بهینهسازی کیفیت تحلیل دادههای تصویری ویدئویی
Case Study: Maximizing the Quality of an Analysis of Video Image Data
نمایش نظرات