کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش هوش تجاری و تحلیل داده‌ها (BI & Analytics) - آخرین آپدیت

دانلود Business Intelligence & Analytics

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این هفته با ماژول اول آغاز می‌کنیم: معرفی هوش مصنوعی (AI)، تحلیل هوشمند کسب‌وکار (BIA) و نمای کلی از داده‌کاوی. هوش مصنوعی یک اصطلاح جامع است که فناوری‌ها و کاربردهای مختلفی از جمله یادگیری ماشین (ML) (شامل یادگیری عمیق و هوش مصنوعی مولد)، رباتیک و بینایی ماشین را در بر می‌گیرد. هوش مصنوعی در واقع توانایی ماشین برای انجام برخی عملکردهای شناختی است که معمولاً با ذهن انسان مرتبط است (مانند ادراک، استدلال، یادگیری و حل مسئله). BIA یا تحلیل هوشمند کسب‌وکار، در اصل به‌کارگیری یادگیری ماشین برای بهبود عملکرد تجاری است و فناوری‌های مختلفی مانند داده‌کاوی، پیش‌بینی کسب‌وکار و OLAP را شامل می‌شود. این ماژول نمایی کلی از جنبه‌های مختلف AI ارائه می‌دهد و در مورد مراحل مختلف BI&A شامل تعیین نیازمندی‌ها، انبار داده (Data Warehouse)، تکنیک‌های تحلیل اکتشافی داده‌ها، تکنیک‌های تفصیلی و بنچ‌مارکینگ صحبت می‌کند تا بتوان عملکرد کسب‌وکار را قبل و بعد از به‌کارگیری تحلیل‌ها مقایسه کرد. همچنین در مورد مجموعه‌ای از مهارت‌های تحت عنوان «علم داده» (Data Science) بحث خواهد شد. سپس نمای کلی از تکنیک‌های مختلف داده‌کاوی شامل یادگیری نظارت شده (طبقه بندی و رگرسیون) و یادگیری نظارت نشده (تداعی، خوشه‌بندی و کاهش ابعاد) ارائه می‌شود و در نهایت مراحل اجرای یادگیری نظارت شده بررسی خواهد شد. در پایان این دوره، دانشجویان قادر خواهند بود: ۱. مفاهیم، ابزارها و تکنیک‌های تحلیل کسب‌وکار را درک کنند. ۲. متوجه شوند سازمان‌ها چگونه می‌توانند با استفاده از داده‌ها به موفقیت برسند. ۳. داده‌ها را با استفاده از تکنیک‌هایی مانند داده‌کاوی تحلیل کنند. ۴. این تکنیک‌ها را در موقعیت‌های مختلف تجاری به کار ببرند. ۵. از دو ابزار R و Orange به همراه اکسل استفاده کنند. ۶. به صورت استراتژیک درباره نحوه بهبود عملکرد کسب‌وکار فکر کنند.
سرفصل ها و درس ها

ماژول ۱: معرفی AI، BIA، داده‌کاوی و متدولوژی به‌کارگیری تکنیک‌های نظارت شده Module 1: Introduction to AI, BIA, Data Mining and Methodology of Applying Supervised Techniques

  • آشنایی با مدرس دوره: پروفسور سانیل لاکداوالا Meet Your Faculty - Prof. Sunil Lakdawala

  • معرفی کلی دوره Introduction to the Course

  • هوش مصنوعی (AI) چیست؟ What is AI?

  • تحلیل هوشمند کسب‌وکار (BIA) چیست؟ What is BIA?

  • تکنیک‌های نظارت شده و نظارت نشده Supervised Techniques and Unsupervised Techniques

  • مراحل داده‌کاوی نظارت شده Steps for Supervised Data Mining

  • اشتباهات رایج در نمونه‌برداری How Not to Do Sampling

ماژول ۲: تکنیک‌های طبقه‌بندی (Classification) Module 2 : Classification Techniques

  • تشریح مسئله (داده‌های اعتباری آلمان) و مراحل حل مسئله Explaining the Problem (“German Credit Data”) and Steps for Addressing the Problem

  • آموزش RStudio برای مبتدیان RStudio for the Total Beginner

  • حل مسئله با استفاده از زبان R Addressing the Problem Using R

  • جریان کاری (Workflow) در نرم‌افزار Orange Orange Workflow

  • حل مسئله با استفاده از نرم‌افزار ORANGE Addressing the Problem Using ORANGE

ماژول ۳: تکنیک رگرسیون و کاربردهای تجاری Module 3 : Regression Technique and Business Applications

  • تشریح مسئله (مسکن بوستون) و مراحل حل مسئله Explaining the Problem “Boston Housing” and Steps for Addressing the Problem

  • حل مسئله با استفاده از زبان R Addressing the Problem Using R

  • حل مسئله با استفاده از نرم‌افزار ORANGE Addressing the Problem Using ORANGE

  • کاربردهای تجاری رگرسیون Business Applications

ماژول ۴: بازاریابی هدفمند (Target Marketing) Module 4 : Target Marketing

  • بازاریابی هدفمند و تحلیل RFM چیست؟ What is Target Marketing and RFM Analysis?

  • مورد پژوهی: کلوپ کتاب چارلز Case: Charles Book Club

  • راه حل کلوپ کتاب چارلز با استفاده از R Studio Charles Book Club Solution Using R Studio

  • راه حل کلوپ کتاب چارلز با استفاده از Orange Charles Book Club Solution Using Orange

ماژول ۵: تحلیل تداعی (Association) Module 5 : Association

  • تحلیل تداعی (Association) Association

  • مورد پژوهی: کالاهای خواربار Case: Groceries

  • راه حل تحلیل خواربار با استفاده از R Studio Groceries Solution Using R Studio

  • راه حل تحلیل خواربار با استفاده از Orange Groceries Solution Using Orange

  • کاربردهای تجاری تحلیل تداعی Business Applications

ماژول ۶: خوشه‌بندی و کاهش ابعاد Module 6 : Clustering and Dimension Reduction

  • خوشه‌بندی (Clustering) Clustering

  • کاهش ابعاد (Dimension Reduction) Dimension Reduction

  • تحلیل PCA داده‌های اعتباری آلمان با R Studio PCA German Credit Data Using R-Studio

  • تحلیل داده‌های IRIS و راه حل با R Studio IRIS Data and solution Using R-Studio

  • راه حل داده‌های IRIS با استفاده از Orange IRIS Solution Using Orange

  • کاربردهای تجاری خوشه‌بندی و کاهش ابعاد Business Applications

  • جمع‌بندی و پایان دوره Course Wrap Up

نمایش نظرات

آموزش هوش تجاری و تحلیل داده‌ها (BI & Analytics)
جزییات دوره
14h 53m
32
(آخرین آپدیت)
70
- از 5
دارد
دارد
دارد

https://donyad.com/d/e27232

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Data-Driven Decision-Making Business Analysis Regression Analysis Analysis Analytics Analytical Skills Predictive Analytics Business Analytics Predictive Modeling Dimensionality Reduction Data-Driven Marketing Applied Machine Learning Data Mining Business Intelligence Target Market Customer Analysis Supervised Learning Advanced Analytics Marketing Analytics Classification And Regression Tree (CART) تصمیم‌گیری داده‌محور تحلیل کسب‌وکار تحلیل رگرسیون تحلیل داده تحلیل‌های پیش‌بینانه مدل‌سازی پیش‌بینانه کاهش ابعاد بازاریابی داده‌محور یادگیری ماشین کاربردی داده‌کاوی هوش تجاری بازار هدف تحلیل مشتری یادگیری نظارت شده تحلیل‌های پیشرفته تحلیل بازاریابی درخت تصمیم (CART)