آموزش دوره کارشناسی ارشد تجزیه و تحلیل منابع انسانی با Excel، Python و R

HR Analytics Master Course with Excel, Python and R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: جامع ترین دوره تحلیل داده ها و تجزیه و تحلیل منابع انسانی. آمار کاربردی را از ابتدا یاد بگیرید و به یادگیری ماشین بروید. به طور همزمان تجزیه و تحلیل را در R و Python یاد بگیرید. مراحل آماده سازی داده ها را درک کنید. روش های مختلف برای اندازه گیری گرایش مرکزی، تغییرپذیری و شکل داده ها. مراحل مربوط به آزمون فرضیه، تجزیه و تحلیل تک متغیره و دو متغیره را درک کنید. مفاهیم مهندسی ویژگی را بیاموزید. متغیر وابسته و مستقل را در مجموعه داده خود شناسایی کنید. مفاهیم ساخت مدل آماری را درک کنید. یک مشکل تجاری و اهمیت آن را شناسایی کنید. مفهوم یادگیری ماشینی - تکنیک های یادگیری تحت نظارت و بدون نظارت را درک کنید. 4 مطالعات موردی عملی بیش از 20 نوع نمودار/طرح. همه اینها با رویکرد عملی. پیش نیازها: همه می توانند در این دوره شرکت کنند. شما به هیچ دانش قبلی یا تجهیزات اضافی نیاز ندارید.

تجزیه و تحلیل منابع انسانی همچنین به عنوان تجزیه و تحلیل افراد شناخته می شود یا می توانید بگویید تجزیه و تحلیل استعداد. این نوعی تجزیه و تحلیل است که به مدیران منابع انسانی، مدیران اجرایی کمک می کند تا تصمیمات مبتنی بر داده در مورد کارمند یا نیروی کار خود بگیرند. این به شما تخصص در استفاده از آمار، فناوری در مورد داده های استفاده نشده اما بسیار مهم افراد می دهد که می تواند به شما در اتخاذ تصمیمات تجاری و مدیریت بهتر برای شرکتتان کمک کند.

در این دوره، ما شما را به سفری می‌بریم که از یک مبحث ساده محاسبه میانگین شروع می‌کنید و به بسیاری از موضوعات پیچیده مانند تجزیه و تحلیل متن می‌روید. بنابراین شما از آمار شروع می‌کنید و به تکنیک‌های یادگیری ماشینی می‌رسید.

پس از تکمیل دوره، می‌توانید به شرکت خود کمک کنید تا ROI را بهتر هدایت کند. رویکردهای کلاسیک برای به دست آوردن نتیجه مورد نیاز در دراز مدت کافی نیستند.

برای غلبه بر این شکاف، راه‌حلی ارائه کردیم که در آن می‌توانید تکنیک‌های حل این مشکلات را به تنهایی در یک روش یادگیری بسیار ساده و شهودی بیاموزید.

ما سعی کرده ایم یک ساختار بسیار ساده برای این دوره ایجاد کنیم، بنابراین حتی اگر دانش یا دانش بسیار ابتدایی در مورد تجزیه و تحلیل ندارید، حتی در طول دوره با مشکلی مواجه نخواهید شد. در این دوره شما:

  • آمارهای کاربردی را از ابتدا بیاموزید.


  • تحلیل را همزمان در R و Python یاد بگیرید.


  • متغیرهای وابسته و مستقل را در مجموعه داده خود شناسایی کنید.


  • مراحل مربوط به آماده‌سازی داده‌ها را درک کنید.


  • روش‌های مختلف برای اندازه‌گیری تمایل مرکزی، تغییرپذیری و شکل داده‌ها.


  • مراحل مربوط به آزمون فرضیه، تک متغیره و تجزیه و تحلیل دو متغیره را درک کنید.


  • مفاهیم مهندسی ویژگی را بیاموزید.


  • مفاهیم ساخت مدل آماری را درک کنید.


  • مشکل تجاری و اهمیت آن را شناسایی کنید.


  • مفهوم یادگیری ماشینی – تکنیک‌های یادگیری تحت نظارت و بدون نظارت را درک کنید.


  • 4 مطالعه موردی عملی.


  • بیش از 20 نوع نمودار/نقشه.


  • و مهمترین آنها استفاده از یادگیری ماشینی در داده‌های منابع انسانی و پیش‌بینی بینش‌های آینده‌نگر است.


سرفصل ها و درس ها

مقدمه: به دوره کارشناسی ارشد تجزیه و تحلیل منابع انسانی خوش آمدید Introduction: Welcome to HR Analytics Master Course

  • معرفی Introduction

منابع و آناتومی مدل سازی آماری Resources & Anatomy of Statistical Modelling

  • منابع (مهم) Resources (IMPORTANT)

  • آناتومی مدل سازی آماری Anatomy of Statistical Modeling

نصب و آشنایی با پایتون Installation and Introduction to Python

  • نصب پایتون Installation of Python

  • شروع کار با بسته های پایتون Getting Started with Python Packages

  • شروع کار با نوت بوک Jupyter Getting Started with Jupyter Notebook

نصب و معرفی R و Rstudio Installation and Introduction of R and Rstudio

  • نصب و معرفی R و Rstudio Installation and Introduction of R and Rstudio

وارد کردن فایل اکسل در پایتون و R Importing Excel File in Python and R

  • وارد کردن فایل اکسل در پایتون و R Importing Excel File in Python and R

درک، واردات و اعتبارسنجی Understand, Import and Validate

  • جمعیت و نمونه Population and Sample

  • امتحان Quiz

  • انواع داده ها Types of Data

  • امتحان Quiz

  • انواع داده - پایتون Types of Data - Python

  • امتحان Quiz

  • انواع داده ها - R Types of Data - R

  • امتحان Quiz

  • دیکشنری داده ها Data Dictionary

  • امتحان Quiz

  • اعتبارسنجی برای درستی - پایتون Validate for Correctness- Python

  • امتحان Quiz

  • اعتبارسنجی برای درستی - R Validate for Correctness- R

  • امتحان Quiz

بخش 1 آمار: تک متغیره (متغیر عددی) Statistics Part-1 : Univariate (Numerical Variable)

  • تحلیل تک متغیره Univariate Analysis

  • امتحان Quiz

  • میانگین/میانه/حالت - اکسل Mean/Median/Mode - Excel

  • امتحان Quiz

  • میانه رمزگشایی Decoding Median

  • امتحان Quiz

  • میانگین/میانه/حالت - پایتون و R Mean/Median/Mode - Python and R

  • امتحان Quiz

  • معیارهای تغییرپذیری Measures of Variability

  • امتحان Quiz

  • محدوده - پایتون و آر Range - Python and R

  • امتحان Quiz

  • محدوده بین چارکی Inter-Quartile Range

  • امتحان Quiz

  • محدوده بین چارکی - پایتون و R Inter-Quartile Range - Python and R

  • امتحان Quiz

  • واریانس Variance

  • امتحان Quiz

  • واریانس - اکسل، پایتون و R Variance- Excel, Python and R

  • امتحان Quiz

  • انحراف معیار Standard Deviation

  • امتحان Quiz

  • انحراف استاندارد - Excel، Python و R Standard Deviation- Excel, Python and R

  • امتحان Quiz

  • هیستوگرام- Python & R Histogram- Python & R

  • امتحان Quiz

  • چولگی Skewness

  • امتحان Quiz

  • Skewness- Python و R Skewness- Python and R

  • امتحان Quiz

  • استاندارد سازی Standardization

  • امتحان Quiz

  • استانداردسازی در پایتون و R Standardize in Python and R

  • امتحان Quiz

بخش 2 آمار: تک متغیره (متغیر طبقه ای) Statistics Part-2 : Univariate (Categorical Variable)

  • تعداد، فرکانس و درصد Count, Frequency and Percentage

  • امتحان Quiz

  • تعداد و درصد - پایتون و R Count and Percentages- Python and R

  • امتحان Quiz

  • نمودار میله ای و نمودار دایره ای - اکسل Bar chart and Pie chart - Excel

  • امتحان Quiz

  • نمودار میله ای و نمودار دایره ای - پایتون و R Bar chart and Pie chart- Python and R

  • امتحان Quiz

پاکسازی داده ها قسمت 1 Data Cleaning Part-1

  • معرفی Introduction

  • ارزش از دست رفته Missing Values

  • امتحان Quiz

  • مقدار گمشده - Excel Missing Value - Excel

  • امتحان Quiz

  • مقدار گمشده - پایتون Missing Value - Python

  • امتحان Quiz

  • مقدار گمشده - R Missing Value - R

  • امتحان Quiz

پاکسازی داده قسمت 2 Data Cleaning Part-2

  • درک Outlier Understanding Outlier

  • امتحان Quiz

  • درک Boxplot Understanding Boxplot

  • امتحان Quiz

  • تشخیص توسط BoxPlot - Python و R Detection by BoxPlot - Python and R

  • امتحان Quiz

  • تشخیص توسط Z-Score - Excel، Python و R Detection by Z-Score - Excel, Python and R

  • امتحان Quiz

  • درمان Outlier با میانگین و میانه - Python و R Treating Outlier by Mean and Median - Python and R

  • امتحان Quiz

  • درمان با کفپوش و درپوش - پایتون و آر Treating by Flooring and Capping - Python and R

آمار بخش 3: مقدمه دو متغیره Statistics Part-3 : Bi-variate Introduction

  • مقدمه ای بر Bi-Variate Introduction to Bi-Variate

  • امتحان Quiz

آمار قسمت 3 : قسمت 1 دو متغیره (عددی عددی) Statistics Part-3 : Bi-variate Part-1 (Numerical Numerical)

  • طرح پراکنده Scatter Plot

  • امتحان Quiz

  • طرح پراکندگی - پایتون و R Scatter Plot - Python and R

  • امتحان Quiz

  • ماتریس پراکندگی - پایتون و R Scatter Matrix - Python and R

  • امتحان Quiz

  • کوواریانس Co-Variance

  • امتحان Quiz

  • کوواریانس در اکسل Co-Variance in Excel

  • امتحان Quiz

  • کوواریانس - پایتون و R Co-Variance - Python and R

  • امتحان Quiz

  • ماتریس کوواریانس - پایتون و R Co-Variance Matrix - Python and R

  • امتحان Quiz

  • همبستگی Correlation

  • امتحان Quiz

  • همبستگی - پایتون و R Correlation - Python and R

  • امتحان Quiz

  • ماتریس همبستگی - پایتون و R Correlation Matrix - Python and R

  • امتحان Quiz

آمار قسمت 3 : قسمت 2 دو متغیره (مقوله ای) Statistics Part-3 : Bi-variate Part-2 (Categorical Categorical)

  • زبانه متقاطع Cross-tab

  • امتحان Quiz

  • Cross-Tab - Python و R Cross-Tab - Python and R

  • امتحان Quiz

  • جدول تناسب Proportion Table

  • امتحان Quiz

  • جدول تناسب - پایتون و R Proportion Table - Python and R

  • امتحان Quiz

  • نمودار انباشته/نوار/ستونی در اکسل Stacked/Bar/Column Chart in Excel

  • امتحان Quiz

  • نمودار انباشته/میله/ستون در پایتون و R Stacked/Bar/Column Chart in Python and R

  • امتحان Quiz

  • طرح موزاییک - پایتون و آر Mosaic Plot - Python and R

  • امتحان Quiz

آمار قسمت 3 : قسمت 3 دو متغیره (دسته عددی) Statistics Part-3 : Bi-variate Part-3 (Numerical Categorical)

  • آمار توصیفی دسته بندی Category wise Descritive Statistics

  • امتحان Quiz

  • طرح جعبه Box Plot

  • امتحان Quiz

آزمایش فرضیه Hypothesis Testing

  • مقدمه ای بر آزمون فرضیه Introduction to Hypothesis Testing

  • امتحان Quiz

  • مراحل تست فرضیه Steps in Hypothesis Testing

  • امتحان Quiz

  • فرموله فرضیه Formulate Hypothesis

  • امتحان Quiz

  • چه زمانی باید کدام آزمون فرضیه را انجام داد When to do which Hypothesis Test

  • امتحان Quiz

  • سطح اهمیت Significance level

  • امتحان Quiz

  • با استفاده از آزمون، مقدار P را پیدا کنید و با سطح اهمیت مقایسه کنید Apply test find P value and compare with Significance Level

  • امتحان Quiz

  • امتحان Quiz

  • یک نمونه t-test R و Python One sample t-test R and Python

  • امتحان Quiz

  • تست t زوج پایتون و R Paired t-test Python and R

  • امتحان Quiz

  • Chi-square در پایتون و R Chi-square in Python and R

  • امتحان Quiz

  • ANOVA در پایتون و R ANOVA in Python and R

  • امتحان Quiz

  • رمزگشایی Chi-Square Decoding Chi-Square

  • امتحان Quiz

  • رمزگشایی ANOVA Decoding ANOVA

  • امتحان Quiz

ایجاد متغیر بخش 1 مهندسی ویژگی Feature Engineering Part-1 Variable Creation

  • معرفی Introduction

  • معرفی متغیرهای مشتق شده Derived Variables Introduction

  • متغیر مشتق شده "Tenure" - Excel، Python و R Derived Variable 'Tenure' - Excel, Python and R

  • امتحان Quiz

  • متغیر مشتق شده 'نسبت مقایسه' مقدمه Derived Variable 'Compa Ratio' Introduction

  • متغیر مشتق شده 'نسبت Compa' - Excel، Python و R Derived Variable 'Compa Ratio' - Excel, Python and R

  • امتحان Quiz

  • معرفی متغیرهای ساختگی Dummy Variables Introduction

  • امتحان Quiz

  • ساختگی توضیح داد Dummy Explained

  • متغیر ساختگی - پایتون Dummy Variable - Python

  • امتحان Quiz

  • متغیر ساختگی در R Dummy Variable in R

  • امتحان Quiz

بخش دوم مهندسی ویژگی تبدیل متغیر Feature Engineering Part-2 Variable Transformation

  • مقدمه تبدیل متغیر Variable Transformation Introduction

  • عادی سازی/استانداردسازی Normalization/ Standardization

  • امتحان Quiz

  • عادی سازی/استانداردسازی - پایتون و R Normalization/ Standardization - Python and R

  • امتحان Quiz

  • تبدیل لاگ و ریشه مربع Log & Square Root Transformation

  • امتحان Quiz

  • تبدیل لاگ و ریشه مربع - پایتون Log & Square Root Transformation - Python

  • امتحان Quiz

  • تبدیل لاگ و ریشه مربع - R Log & Square Root Transformation - R

  • امتحان Quiz

  • بنینگ Binning

  • امتحان Quiz

  • Binning - پایتون Binning - Python

  • امتحان Quiz

  • بنینگ - آر Binning - R

  • امتحان Quiz

پارتیشن بندی داده ها Data Partitioning

  • معرفی Introduction

  • امتحان Quiz

  • تقسیم داده ها - Python & R Data Split - Python & R

  • امتحان Quiz

رگرسیون خطی Linear Regression

  • مقدمه ای بر رگرسیون خطی Introduction to Linear Regression

  • درک بصری روابط خطی Visually Understanding Linear Relationships

  • مشکل کسب و کار Business Problem

  • انواع رگرسیون خطی Types of Linear Regression

  • ساخت مدل رگرسیون خطی اول Building First Linear Regression Model

  • معادله رگرسیون خطی ساده Simple Linear Regression Equation

  • تجسم رگرسیون خطی Visualizing Linear Regression

  • تفسیر معادله رگرسیون خطی Interpretation of Linear Regression equation

  • حداقل مربع معمولی Ordinary Least Square

  • خطاها توضیح داده شد Errors Explained

  • R- مربع R- Squared

  • رگرسیون خطی چندگانه Multiple Linear Regression

  • R-Square تنظیم شده Adjusted R-Square

  • F-Test F-Test

  • رگرسیون خطی ساده در R و Python Simple Linear Regression in R and Python

  • رگرسیون خطی چندگانه در R و Python Multiple Linear Regression in R and Python

  • انتخاب عوامل مهم در R Choosing Significant Factors in R

  • رگرسیون گام به گام Stepwise Regression

  • چند خطی Multicollinearity

  • چند خطی در R Multicollinearity in R

مطالعه موردی رگرسیون لجستیک Logistic Regression Case Study

  • مقدمه ای بر مورد ساییدگی Introdution to Attrition Case

  • اعتبار سنجی داده ها Data Validation

  • تحلیل تک متغیره Univariate Analysis

  • مهندسی ویژگی Feature Engineering

  • تجزیه و تحلیل دو متغیره (مقوله ای-مقوله ای) Bivariate Analysis (Categorical-Categorical)

  • آزمون Chi-Square Chi-square Test

  • تست دو متغیره (عددی-مقوله ای) Bivariate Test (Numerical-Categorical)

  • T-Test T-Test

  • چرا متغیرهای ناچیز را حذف کنیم؟ Why Remove Insignificant Variables?

  • حذف متغیرهای ناچیز Removal of Insignificant Variables

  • ایجاد متغیر ساختگی Dummy Variable Creation

  • تقسیم داده ها Data Split

  • درک رگرسیون لجستیک Understanding Logistic Regression

  • ساخت مدل رگرسیون لجستیک Building Logistic Regression Model

  • تکنیک های ارزیابی مدل Model Evaluation Techniques

  • ارزیابی مدل - ماتریس سردرگمی Model Evaluation - Confusion Matrix

  • ارزیابی مدل - ROC، AUC Model Evaluation - ROC, AUC

تجزیه و تحلیل متن Text Analytics

  • مشکل کسب و کار Business Problem

  • رویکرد طبقه بندی متن Text Classification Approach

  • پاکسازی داده ها 1 Data Cleaning 1

  • پاکسازی داده ها 2 Data Cleaning 2

  • پاکسازی داده ها 3 Data Cleaning 3

  • کیسه کلمات Bag of Words

  • تقسیم تست قطار Train Test Split

  • ساخت مدل رگرسیون لجستیک Building Logistic Regression Model

  • ارزیابی مدل Model Evaluation

  • استقرار مدل Model Deployment

  • استقرار مدل در پایتون Model Deployment in Python

مطالعه موردی خوشه بندی Clustering Case Study

  • مشکل کسب و کار Business Problem

  • مروری بر خوشه بندی Overview of Clustering

  • چگونه خوشه بسازیم How to Make Clusters

  • اندازه گیری فاصله Distance Measures

  • یک روش خوشه بندی را انتخاب کنید Select a Clustering Procedure

  • نظریه خوشه بندی سلسله مراتبی Hierarchical Clustering Theory

  • یافتن تعداد بهینه خوشه ها Finding Optimal Number of Clusters

  • بارگیری داده ها و تک متغیره در جمعیت شناسی Loading Data and Univariate on Demographics

  • تک متغیره در نمرات آزمون Univariate on Test Scores

  • یافتن خوشه های بهینه عملی است Finding Optimal Clusters Practical

  • عملی خوشه بندی سلسله مراتبی Hierarchical Clustering Practical

  • خوشه های پروفایل قسمت 1 Profiling Clusters Part 1

  • خوشه های پروفایل قسمت 2 Profiling Clusters Part 2

  • خوشه های پروفایل قسمت 3 Profiling Clusters Part 3

  • ذخیره خوشه ها Saving Clusters

انواع مختلف نمودارها Different Types of charts

  • نمودار Charts

  • انواع نمودارها PDF Types of Charts PDF

  • داده ها برای نمودارها Data for Charts

  • نمودارهای توزیع Distribution Charts

  • نمودارهای همبستگی Correlation Charts

  • نمودارهای رتبه بندی Ranking Charts

  • بخشی از یک نمودار کامل Part of a Whole Charts

  • نمودارهای تکامل Evolution Charts

(ویدیوهای اضافی) درباره HR Analytics (ADDITIONAL VIDEOS) About HR Analytics

  • منابع انسانی چیست و اهمیت آن What is Human Resources and its Importance

  • اهداف کلیدی تحلیل منابع انسانی Key objectives of HR Analytics

  • People Analytics در چرخه زندگی کارکنان اعمال شد People Analytics applied to Employee Life Cycle

  • حوزه های بحرانی تجزیه و تحلیل افراد Critical Areas of People Analytics

(ویدیوهای اضافی) معیارهای منابع انسانی (ADDITIONAL VIDEOS) HR Metrics

  • مقدمه ای بر متریک منابع انسانی Introduction to HR Metrics

  • اکوسیستم معیارهای منابع انسانی Ecosystem of HR Metrics

  • معیارها در مناطق بحرانی منابع انسانی Metrics in critical areas of HR

  • معیارهای HR را با استراتژی های کلی سازمانی هماهنگ کنید Align HR Metrics with overall organizational strategies

  • سفر از متریک به تجزیه و تحلیل The Journey from Metrics to Analytics

نمایش نظرات

نظری ارسال نشده است.

آموزش دوره کارشناسی ارشد تجزیه و تحلیل منابع انسانی با Excel، Python و R
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
13 hours
179
Udemy (یودمی) udemy-small
04 آذر 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
4,689
4.2 از 5
دارد
دارد
دارد
Unlock HR

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Unlock HR Unlock HR

تجزیه و تحلیل منابع انسانی/تجزیه و تحلیل افراد/تجزیه و تحلیل استعدادها

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.