آموزش آشنایی با تحلیل داده‌ها (Data Analytics) - آخرین آپدیت

دانلود Introduction to Data Analytics

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره درک عملی و چارچوبی جامع برای انجام وظایف پایه تحلیل داده، شامل استخراج، پاک‌سازی، دستکاری و تحلیل داده‌ها ارائه می‌دهد. در این دوره با چرخه OSEMN برای مدیریت پروژه‌های تحلیل داده آشنا می‌شوید و نمونه‌های واقعی از نحوه استفاده شرکت‌ها از بینش‌های حاصل از داده‌ها برای بهبود تصمیم‌گیری را بررسی خواهید کرد. در پایان این دوره شما قادر خواهید بود: • اهداف تجاری، شاخص‌های کلیدی عملکرد (KPIs) و متریک‌های مرتبط را فرمول‌بندی کنید • فرآیند تحلیل داده‌ها را با استفاده از چارچوب OSEMN پیاده‌سازی کنید • داده‌های مرتبط برای جمع‌آوری در حوزه بازاریابی را شناسایی و تعریف کنید • فرمت‌های مختلف داده و کاربردهای آن‌ها را در سناریوهای گوناگون مقایسه و تحلیل کنید • شکاف‌های داده‌ای را شناسایی کرده و نقاط قوت و ضعف داده‌های جمع‌آوری شده را تبیین کنید برای شروع این دوره نیازی به تجربه قبلی در بازاریابی یا تحلیل داده نیست، اما داشتن مهارت‌های پایه در جستجو در اینترنت و اشتیاق به یادگیری ضروری است. توصیه می‌شود پیش از این دوره، دوره اول (مبانی تحلیل بازاریابی) را گذرانده باشید.

سرفصل ها و درس ها

کار با داده‌ها Working with Data

  • معرفی برنامه آموزشی Introduction to the Program

  • ویدیو معرفی دوره Course Introduction Video

  • معرفی آنکه اودنارت Introduction to Anke Audenaert

  • معرفی هفته: تحلیل داده چیست؟ Weekly Introduction: What is Data Analytics?

  • مقدمه: قدرت داده‌ها Introduction: the Power of Data

  • تحلیل داده‌ها چیست؟ What Is Data Analytics?

  • یک تحلیلگر داده چه کاری انجام می‌دهد؟ What Does a Data Analyst Do?

  • چارچوب به عنوان یک ابزار مفید A Framework as a Helpful Tool

  • چارچوب OSEMN The OSEMN Framework

  • شروع با یک هدف مشخص Start with a Goal in Mind

  • درک شاخص‌های کلیدی عملکرد (KPIs) Understand the KPIs

  • استفاده از چارچوب OSEMN: مثال Using the OSEMN Framework: Example

  • مرور هفته: کار با داده‌ها Weekly Review: Working with Data

به‌دست آوردن و پاک‌سازی داده‌ها Obtaining and Scrubbing Data

  • مقدمه: به‌دست آوردن و پاک‌سازی داده‌ها Introduction: Obtaining and Scrubbing Data

  • جهان داده‌ها It's a Data World

  • کجا دنبال داده بگردیم؟ Where to Look for Data

  • فرمت‌های رایج داده‌ها Common Data Formats

  • داده‌های نمونه‌برداری شده Sampled Data

  • داده‌های دست اول و دست سوم First and Third Party Data

  • ارزیابی اعتبار منابع داده Evaluating the Validity of Data Sources

  • پاک‌سازی داده‌ها Scrubbing Your Data Clean

  • حذف رکوردهای تکراری Remove Duplicate Records

  • فرمت‌بندی رکوردها Format Your Records

  • مدیریت مقادیر گم‌شده Handle Missing Values

  • بررسی مقادیر نادرست Check for Wrong Values

  • یک مثال واقعی A Real World Example

  • مطالعه موردی: به‌دست آوردن داده‌ها Case Study - Obtaining Data

  • مطالعه موردی: پاک‌سازی داده‌ها Case Study - Scrubbing Data

  • مرور هفته: به‌دست آوردن و پاک‌سازی داده‌ها Weekly Review: Obtaining and Scrubbing Data

اکتشاف و مدل‌سازی داده‌ها Exploring and Modeling Data

  • مقدمه: اکتشاف و مدل‌سازی داده‌ها Introduction: Exploring and Modeling Data

  • شناخت بهتر داده‌هایتان Getting to Know Your Data Better

  • زبان داده‌ها The Language of Data

  • ایجاد بصری‌سازی‌ها (Visualization) Creating Visualizations

  • بررسی توزیع داده‌ها Examine Data Distributions

  • بررسی روابط بین داده‌ها Examine Data Relationships

  • مهندسی ویژگی‌ها (Feature Engineering) Feature Engineering

  • پیش‌بینی از طریق مدل‌سازی داده‌ها Make Predictions from Your Data with Modeling

  • مدل‌ها چیستند و چرا از آن‌ها استفاده می‌کنیم؟ What Are Models and Why Use Them?

  • مدل‌ها چگونه کار می‌کنند؟ How Do Models Work?

  • انواع مختلف مدل‌ها Different Types of Models

  • یک مثال واقعی A Real World Example

  • مطالعه موردی: اکتشاف داده‌ها Case Study - Exploring Data

  • مطالعه موردی: مدل‌سازی داده‌ها Case Study - Modeling Data

  • جمع‌بندی هفته Weekly Conclusion

تفسیر داده‌ها Interpreting Data

  • مقدمه: تفسیر داده‌ها Introduction: Interpreting Data

  • پاسخ به سوالات تجاری با استفاده از داده‌ها Answer Your Business Question with Your Data

  • درک نتایج مدل شما Understand the Results of Your Model

  • تبیین یافته‌های خود Explain Your Findings

  • قدرت داستان‌سرایی The Power of Stories

  • توضیح، روشنگری و جذب مخاطب Explain, Enlighten, and Engage

  • روایت یک داستان متقاعدکننده Telling a Compelling Story

  • مقدمه Introduction

  • به‌دست آوردن داده‌ها Obtaining Data

  • پاک‌سازی داده‌ها Scrubbing data

  • اکتشاف داده‌ها Exploring Data

  • مدل‌سازی داده‌ها Modeling Data

  • تفسیر داده‌ها Interpreting Data

  • مرور هفته: تفسیر داده‌ها Weekly Review: Interpreting Data

  • تبریکات! Congratulations!

[اختیاری] هوش مصنوعی مولد در تحلیل داده‌ها [Optional] GenAI in Data Analytics

  • درک هوش مصنوعی مولد: یک نمای کلی Understanding Generative AI: An Overview

  • بررسی فناوری‌های مختلف GenAI Exploring Different GenAI Technologies

  • کاربردهای هوش مصنوعی مولد در کسب‌وکار Applications of Generative AI in Business

  • بررسی چالش‌ها: نگرانی‌های مربوط به AI Navigating the Challenging: Concerns with AI

  • ادغام GenAI با تحلیل داده‌ها Integrating GenAI with Data Analytics

  • بهبود کیفیت و تولید داده‌ها با GenAI Improving Data Quality and Generation with GenAI

  • هوش مصنوعی مولد در تحلیل‌های پیش‌بینانه GenAI in Predictive Analytics

  • مطالعات موردی: GenAI در تحلیل داده‌ها Case Studies: GenAI in Data Analytics

نمایش نظرات

آموزش آشنایی با تحلیل داده‌ها (Data Analytics)
جزییات دوره
17h 2m
67
(آخرین آپدیت)
120,298
4.8 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

Anke Audenaert Anke Audenaert

وی پس از گذشت حدود هشت سال به عنوان معاون تحقیقات بازار و معاون رئیس جمهور بهینه سازی ترافیک در یاهو! او با تأسیس JumpTime ، بر ساختن نرم افزار برای ناشران متمرکز شد تا به آنها در بهینه سازی جریان ترافیک خود برای به حداکثر رساندن درآمد کمک کند. JumpTime توسط OpenX ، یکی از ارائه دهندگان برتر جهان در زمینه تبلیغات دیجیتال و موبایل در جهان ، بدست آمد. وی به عنوان معاون رئیس جمهور بهینه سازی درآمد ، به طراحی استراتژی های بهینه سازی عملکرد برای مشتریان OpenX کمک کرد. وی مدرسه تجاری را در Udacity تأسیس و رهبری کرد. او همچنین یک استاد بازاریابی در دانشکده مدیریت UCLA اندرسون است ، جایی که او برای دانشجویان و مدیران MBA بازاریابی دیجیتال و تجزیه و تحلیل می کند.