آموزش سواد داده‌ها: کاوش و توصیف داده‌ها در دنیای هوش مصنوعی - آخرین آپدیت

دانلود Data Literacy: Exploring and Describing Data in an AI World

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تحلیل داده‌ها صرفاً برای متخصصانی که با مجموعه‌ داده‌های عظیم سروکار دارند نیست. تصمیم‌گیرندگان در هر صنعتی می‌توانند از درک ابتدایی اهداف و مفاهیم تحلیل داده‌های کاربردی بهره‌مند شوند. در این دوره، بارتون پولسون بر مبانی «روانی داده‌ها» (Data Fluency) یا توانایی کار با داده‌ها برای استخراج بینش‌ها و تعیین گام‌های بعدی تمرکز می‌کند. بارتون نشان می‌دهد که چگونه کاوش در داده‌ها با استفاده از نمودارها و توصیف آن‌ها با آمار می‌تواند به شما در رسیدن به اهداف و اتخاذ تصمیمات بهتر کمک کند. او به جای تمرکز بر ابزارهای خاص، بر روی رویه‌های کلی تمرکز می‌کند که به شما در حل مشکلات مشخص کمک می‌کنند. بارتون نحوه آماده‌سازی و تطبیق داده‌ها، کاوش بصری و استفاده از روش‌های آماری برای توصیف آن‌ها را پوشش می‌دهد. همچنین به طور عمیق به مباحث احتمال و استنتاج پرداخته و اخلاق در داده‌ها و هوش مصنوعی قابل توضیح (Explainable AI) را بررسی می‌کند.

سرفصل ها و درس ها

مقدمه Introduction

  • اتخاذ تصمیمات بهتر با استفاده از داده‌ها Make better decisions with your data

1. تفکر با داده‌ها 1. Think with Data

  • چگونه روانی داده‌ها را توسعه دهیم How to develop data fluency

  • معنای روانی داده‌ها The meaning of data fluency

  • شفاف‌سازی تفکر شهودی Making intuitive thinking explicit

  • روانی داده‌ها برای همه است Data fluency is for everyone

  • نرخ بازگشت سرمایه (ROI) و قانون 80/20 در روانی داده‌ها ROI and the 80/20 rule for data fluency

  • روانی داده‌ها در عمل Data fluency in practice

  • قرار دادن داده‌ها در متن (Context) Putting data in context

  • تصمیم‌گیری داده‌محور Data-driven decision-making

  • تفکر در مورد علت‌ها Thinking about causes

  • سواد داده‌ها در عصر هوش مصنوعی مولد و هوش مصنوعی عامل‌محور Data literacy in the age of generative AI and agentic AI

2. آماده‌سازی داده‌ها 2. Prepare Data

  • جمع‌آوری داده‌های جدید Gather new data

  • ارزیابی کیفیت داده‌ها Assess the quality of data

  • ارزیابی تعمیم‌پذیری داده‌ها Assess the generalizability of data

  • استفاده از داده‌های داخلی Use in-house data

  • استفاده از داده‌های باز Use open data

  • استفاده از داده‌های شخص ثالث Use third-party data

  • ارزیابی معنای داده‌ها Assess the meaning of data

  • اخلاق در داده‌ها Data ethics

  • ارزیابی ابهامات در داده‌ها Assess the ambiguities in data

3. تطبیق داده‌ها 3. Adapt Data

  • فیلتر کردن داده‌ها Filter data

  • محاسبه مجموع و میانگین Calculate sums and means

  • محاسبه نسبت‌ها Calculate ratios

  • مرتب‌سازی داده‌ها Sort data

  • تنظیم نسبت‌ها در عمل Adjust ratios in practice

  • کدگذاری متن Code text

  • ترکیب و تقسیم دسته‌بندی‌ها Combine and split categories

  • محاسبه نرخ‌ها Calculate rates

  • آماده‌سازی داده‌ها با کمک هوش مصنوعی AI-assisted data preparation

4. کاوش در داده‌ها 4. Explore Data

  • نمودارهای جعبه‌ای (Box plots) Box plots

  • هیستوگرام‌ها Histograms

  • نمودارهای دایره‌ای Pie charts

  • نمودارهای خطی Line charts

  • نمودارهای ستونی Bar charts

  • نمودارهای نقطه‌ای Dot plots

  • نقشه‌های داده Data maps

  • نمودارهای پراکندگی (Scatterplots) Scatterplots

  • نمودارهای ستونی گروه‌بندی شده Grouped bar charts

  • اسپارک‌لاین‌ها (Sparklines) Sparklines

  • برتری بصری: اهمیت شروع با تصاویر Visual primacy: The importance of starting with pictures

5. توصیف داده‌ها 5. Describe Data

  • کاوش در جداول Exploring tables

  • پیش‌بینی امتیازها با رگرسیون Predict scores with regression

  • توصیف تغییرپذیری با دامنه و IQR Describe variability with the range and IQR

  • توصیف معیارهای مرکز Describe measures of center

  • اندازه اثر برای همبستگی و رگرسیون Effect size for correlation and regression

  • توصیف تغییرپذیری با واریانس و انحراف معیار Describe variability with the variance and standard deviation

  • تغییر مقیاس داده‌ها با z-scores Rescale data with z-scores

  • تفسیر z-scores Interpret z-scores

  • توصیف تفاوت‌های گروهی با اندازه اثر Describe group differences with effect sizes

  • توصیف ارتباطات با همبستگی‌ها Describe associations with correlations

  • توصیفات عددی Numerical descriptions

  • کاوش و مدل‌سازی داده‌ها با کمک هوش مصنوعی AI-assisted data exploration and modeling

6. احتمال و استنتاج 6. Probability and Inference

  • تغییرات نمونه‌برداری Sampling variation

  • احتمال پایه Basic probability

  • احتمال شرطی Conditional probability

  • استنتاج به عنوان توصیف جمعیت Inference as describing populations

  • مقادیر مورد انتظار Expected values

  • هوش مصنوعی به عنوان منبع اضافی تغییرپذیری تحلیلی AI as an additional source of analytical variability

7. ادامه مسیر یادگیری روانی داده‌ها 7. Continuing Your Data Fluency Learning Quest

  • گام‌های بعدی و منابع تکمیلی Next steps and additional resources

نمایش نظرات

آموزش سواد داده‌ها: کاوش و توصیف داده‌ها در دنیای هوش مصنوعی
جزییات دوره
5h 29m
59
(آخرین آپدیت)
164,684
- 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

Barton Poulson Barton Poulson

پروفسور، طراح، کارشناس تجزیه و تحلیل داده

بارتون پولسون یک پروفسور، طراح و متخصص تجزیه و تحلیل داده ها است.

بارتون در بسیاری از کارهای خود پلی از تحلیل و زیبایی شناسی کرده است. زندگی، با سابقه طراحی صنعتی، دکتری. در روانشناسی اجتماعی و شخصیت، و عشق عمیق به تجزیه و تحلیل داده ها و تجسم داده ها و همچنین هنرهای تجسمی و نمایشی. بارت دانشیار روانشناسی در دانشگاه یوتا ولی است و در دانشگاه بریگام یانگ، دانشگاه یوتا و دانشگاه سیتی نیویورک تحصیل کرده است. او در نقش خود به عنوان معلم تحقیق و تحلیل، صدها مطالعه را با دانشجویان خود در مورد موضوعاتی از هویت اجتماعی و آرزوها تا ترجیحات ضمنی برای شعر و معماری انجام داده است. بارت و همسرش، ژاک لین بل، یک طراح رقص مدرن، با سه فرزند خود در شهر زیبای سالت لیک زندگی می کنند.