آموزش تجزیه و تحلیل پیش بینی برای مدیران

Predictive Analytics Essential Training for Executives

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: سازمانهای تقریباً در هر صنعت دانشمندان داده را استخدام و استخدام می کنند ، اما بسیاری از این متخصصان مدتها در پست خود باقی نمی مانند. حتی اگر مهارت های تجزیه و تحلیل داده ها بسیار ارزشمند است ، افراد با این مجموعه مهارت نمی توانند تأثیر بگذارند ، مگر اینکه مدیریت متوسط و ارشد بدانند که چگونه از تجزیه و تحلیل برای سود طولانی مدت سازمان خود استفاده کنند. چالش این است که بیشتر افرادی که ناظر بر تجزیه و تحلیل پیشرفته هستند ، سابقه علمی در زمینه داده ندارند.

در این دوره ، کیت مک کورمیک به مدیران اجرایی که تسلط کافی در تجزیه و تحلیل داده ها ندارند ، نحوه استخدام متخصصان علوم داده را نشان می دهد ، تیم های دانش داده را مدیریت کنید و با استفاده از تجزیه و تحلیل پیشرفته کارآمد ، تجارت آنها را متحول کنید. کیت جزئیات نحوه استخدام تیمی کاملاً کامل ، از جمله نحوه شناسایی دانشمندان با عملکرد بالا را بیان می کند. به علاوه ، او به اشتراک می گذارد که چگونه می توانید از گزینه های مختلف نرم افزار تجزیه و تحلیل و یادگیری ماشین در بازار استفاده کنید ، علم داده را در ساختار سازمانی شما قرار دهید و موارد دیگر.
موضوعات شامل:
  • امتیازدهی تمایل را تعریف کنید و کاربرد آن را توصیف کنید.
  • پروژه های تحلیلی معمولی را مشخص کنید.
  • روشهای یافتن و استخدام دانشمندان با استعداد داده را توصیف کنید.
  • مشخصات ، صفات و نقش دانشمندان با عملکرد بالا را لیست کنید.
  • توضیح دهید که چرا تهیه داده ها بخش بزرگی از هر پروژه تحلیلی است.
  • ویژگی های کلی نرم افزار تجزیه و تحلیل را توصیف کنید.
  • نحوه مدیریت پروژه ها ، برنامه ها و نمونه کارهای تجزیه و تحلیل را شرح دهید.

سرفصل ها و درس ها

مقدمه Introduction

  • به زبان دانشمندان داده صحبت کنید Speak the language of data scientists

1. جدی گرفتن در مورد تجزیه و تحلیل 1. Getting Serious about Analytics

  • تجزیه و تحلیل در مورد تصمیم گیری است Analytics is about making decisions

  • نمرات تمایل و مشکلات تجاری Propensity scores and business problems

  • عواقب ناخواسته اثبات پروژه های مفهومی The unintended consequences of proof of concept projects

  • چرا استقرار ، نه بینش ، هدف اصلی است Why deployment, not insight, is the primary goal

  • تجزیه و تحلیل به عنوان یک مرکز سود Analytics as a profit center

2. استخدام در Analytics 2. Hiring for Analytics

  • الزامات شغلی علوم داده و مشکلاتی که می توانند ایجاد کنند Data science job requirements and problems they can create

  • رشد یک تیم علوم داده به صورت ارگانیک Growing a data science team organically

  • دانشمندان داده هر دو با و بدون تجربه صنعت عمودی Data scientists both with and without vertical industry experience

  • اهمیت تخصص موضوع در مدل سازی The importance of subject matter expertise to modeling

  • CRISP-DM: فرآیند ایجاد مدلهای پیش بینی شده ایجاد شده است CRISP-DM: Established process of producing predictive models

  • صفات دانشمندان داده برتر عملکرد Traits of top performing data scientists

3. چه چیزی را باید قبل از خرید نرم افزار در نظر بگیرید 3. What to Consider before Buying Software

  • آنالیز و گزینه های نرم افزار یادگیری ماشین Analytics and machine learning software options

  • آماده سازی داده های خاص برای هر پروژه Specific data prep for each project

  • دانشمندان داده شهروندان و آنالیز خود سرویس Citizen data scientists and self service analytics

  • AutoML و تجزیه و تحلیل خودکار خدمات: فن آوری های نوظهور AutoML and self-service analytics: Emerging technologies

  • هوش مصنوعی قابل توضیح و یادگیری ماشین قابل تفسیر Explainable AI and interpretable machine learning

4- ساختار سازمانی 4. Organizational Structure

  • مدیریت پروژه تحلیلی Analytics project management

  • مسیر شغلی دانشمند داده The career path of the data scientist

  • دانشمندان کی باید اطلاعات را به آنها ارائه دهند Who data scientists should report to

  • CAO: ساختار سازمانی از POV اجرایی ارشد The CAO: Organizational structure from a senior executive POV

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش تجزیه و تحلیل پیش بینی برای مدیران
جزییات دوره
1h 20m
22
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
1,452
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Keith McCormick Keith McCormick

داده کاو ، مربی ، سخنران ، نویسنده کیت مک کورمیک یک کاوشگر اطلاعات ، مربی ، سخنران و نویسنده مستقل است.

کیت در توضیح روشهای پیچیده برای کاربران جدید یا تصمیم گیرندگان در سطوح مختلف از جزئیات فنی مهارت دارد. وی متخصص در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی از جمله درختان طبقه بندی ، شبکه های عصبی ، مدل خطی کلی ، تجزیه خوشه و قوانین ارتباط است.