آموزش افزایش بهره‌وری دانشمندان داده با استفاده از هوش مصنوعی مولد (Generative AI) - آخرین آپدیت

دانلود Enhancing Your Productivity as a Data Scientist with Generative AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به دانشمندان داده می‌آموزد که چگونه از هوش مصنوعی مولد برای بهبود جریان کاری خود به روشی کاربردی و عملی استفاده کنند. در طول ۲۰ مورد مطالعاتی تعاملی، مدرس دوره، توبیاس زوینگمن، تکنیک‌های عملی تقویت‌شده با AI را برای هر مرحله از فرآیند علم داده، از جمله فرمول‌بندی مسئله، آماده‌سازی داده‌ها، مدل‌سازی و استقرار به اشتراک می‌گذارد. از طریق تمرینات عملی، ابزارهای هوش مصنوعی را برای ایجاد و بهینه‌سازی مدل‌ها، تفسیر نتایج و انتقال موثر بینش‌ها بیاموزید. این دوره را بررسی کنید تا متوجه شوید چگونه می‌توانید متدهای هوش مصنوعی مولد را برای افزایش چشمگیر بهره‌وری و مقابله با چالش‌های پیچیده‌تر علم داده به کار ببرید.

سرفصل ها و درس ها

مقدمه Introduction

  • چگونه GenAI می‌تواند بهره‌وری شما را افزایش دهد How GenAI can enhance your productivity

  • کداسپیس‌ها و تنظیمات اولیه Codespaces and setup

  • مرور کلی و آنچه باید بدانید Overview and what you should know

1. آشنایی با هوش مصنوعی مولد برای علم داده 1. Introduction to Generative AI for Data Science

  • اصول پرامپت‌نویسی موثر Principles of effective prompting

  • اختیاری: ساخت یک GPT سفارشی Optional: Building a custom GPT

  • مبانی هوش مصنوعی مولد Foundations of generative AI

  • فرآیند علم داده: مرور مدل CRISP DM The data science process: CRISP-DM recap

  • تنظیمات ChatGPT: دستیاران (Assistants) ChatGPT setup: Assistants

  • تنظیمات Gemini یا سایر LLMها: کوپایلوت‌ها Gemini or other LLM setup: Copilots

  • از تقویت تا اتوماسیون From augmentation to automation

2. درک کسب‌وکار و داده‌ها با هوش مصنوعی 2. Business and Data Understanding with AI

  • مورد مطالعاتی ۵: کوپایلوت کوئری‌های SQL Use case 5: SQL query copilot

  • مورد مطالعاتی ۶: دستیار گزارش EDA Use case 6: EDA report assistant

  • مورد مطالعاتی ۲: دستیار ساخت درخت مسائل Use case 2: Issue tree builder assistant

  • مرور کلی: درک کسب‌وکار و داده‌ها با GenAI Overview: Business and data understanding with GenAI

  • مورد مطالعاتی ۱: دستیار تعریف مسائل SMART Use case 1: SMART problem statements assistant

  • مورد مطالعاتی ۳: دستیار نیازمندی‌های کسب‌وکار Use case 3: Business requirements assistant

  • مورد مطالعاتی ۴: دستیار دیکشنری داده‌ها Use case 4: Data dictionary assistant

3. آماده‌سازی داده‌های تقویت‌شده با AI 3. AI-Augmented Data Preparation

  • مرور کلی: آماده‌سازی داده‌ها با GenAI Overview: Data preparation with GenAI

  • مورد مطالعاتی ۸: کوپایلوت پاک‌سازی داده‌ها Use case 8: Data cleaning copilot

  • مورد مطالعاتی ۹: کوپایلوت پیش‌پردازش متن Use case 9: Text preprocessing copilot

  • مورد مطالعاتی ۷: کوپایلوت ارزیابی کیفیت داده‌ها Use case 7: Data quality assessment copilot

  • مورد مطالعاتی ۱۰: کوپایلوت مهندسی ویژگی‌ها Use case 10: Feature engineering copilot

4. تکنیک‌های مدل‌سازی مبتنی بر AI 4. AI-Powered Modeling Techniques

  • مورد مطالعاتی ۱۱: دستیار انتخاب مدل Use case 11: Model selection assistant

  • مورد مطالعاتی ۱۲: کوپایلوت ایجاد مدل Use case 12: Model creation copilot

  • مرور کلی: مدل‌سازی با GenAI Overview: Modeling with GenAI

  • مورد مطالعاتی ۱۳: کوپایلوت مستندسازی مدل Use case 13: Model documentation copilot

5. ارزیابی مدل تقویت‌شده با AI 5. AI-Augmented Model Evaluation

  • مورد مطالعاتی ۱۵: دستیار تفسیرپذیری مدل Use case 15: Model explainability assistant

  • مورد مطالعاتی ۱۴: دستیار عملکرد مدل Use case 14: Model performance assistant

  • مرور کلی: ارزیابی مدل با GenAI Overview: Model evaluation with GenAI

6. استقرار و توسعه اپلیکیشن تقویت‌شده با AI 6. AI-Augmented Deployment and Application Development

  • مرور کلی: استقرار مدل با GenAI Overview: Model deployment with GenAI

  • مورد مطالعاتی ۱۶: دستیار استقرار مدل Use case 16: Model deployment assistant

  • مورد مطالعاتی ۱۷: دستیار مستندسازی API Use case 17: API documentation assistant

7. ارتباطات و مستندسازی تقویت‌شده با AI 7. AI-Augmented Communication and Documentation

  • مورد مطالعاتی ۲۰: دستیار ارتباط با ذینفعان Use case 20: Stakeholder communication assistant

  • اهمیت ارتباطات و مستندسازی Relevance of communication and documentation

  • مورد مطالعاتی ۱۹: دستیار روایتگری داده‌ها (Data Storytelling) Use case 19: Data storytelling assistant

  • مورد مطالعاتی ۱۸: دستیار مستندسازی جامع پروژه Use case 18: Comprehensive project documentation assistant

نتیجه‌گیری Conclusion

  • مرور دوره و نکات کلیدی Course recap and key takeaways

  • روندهای آینده در علم داده تقویت‌شده با AI Future trends in AI-augmented data science

  • گام‌های بعدی در مسیر یادگیری GenAI Next steps in your GenAI journey

نمایش نظرات

آموزش افزایش بهره‌وری دانشمندان داده با استفاده از هوش مصنوعی مولد (Generative AI)
جزییات دوره
3h 4m
39
(آخرین آپدیت)
3,496
- 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

Tobias Zwingmann Tobias Zwingmann

Tobias Zwingmann یک متخصص هوش مصنوعی، نویسنده و دانشمند ارشد سابق داده است.

توبیاس یک شریک مدیریتی در RAPYD.AI است، یک شرکت مشاوره هوش مصنوعی مستقل و بی طرف از فروشنده و متخصص در نمونه سازی، توسعه، استراتژی و آموزش هوش مصنوعی. او به‌عنوان یک دانشمند ارشد سابق داده، قدرت هوش مصنوعی را برای متحول کردن کسب‌وکارها و همچنین مشکلات رویکرد فناوری اول را دیده است. امروز، او با مشتریان در سرتاسر جهان کار می‌کند تا به آنها کمک کند تا در دنیای مبتنی بر هوش مصنوعی پیشرفت کنند و کسب‌وکارشان را در آینده حفظ کنند – در حالی که به جای جایگزینی افراد، بر توانمندسازی افراد تمرکز می‌کند.