آموزش هوش مصنوعی مولد (GenAI) برای داده‌ها و تحلیل‌ها - آخرین آپدیت

دانلود GenAI for Data & Analytics

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: هوش مصنوعی مولد در حال متحول کردن تحلیل‌های مدرن داده است و سازمان‌ها را قادر می‌سازد تا از گزارش‌های سنتی فراتر رفته و به سمت بینش‌های تجاری سریع‌تر، دقیق‌تر و کاربردی‌تر حرکت کنند. این دوره عملی، GenAI برای داده‌ها و تحلیل‌ها، بررسی می‌کند که چگونه ابزارهای پیشرو AI در تحلیل داده‌ها، از جمله ChatGPT، Google Gemini، Python و Google Colab را می‌توان در چارچوب CRISP-DM ادغام کرد تا هر مرحله از چرخه تحلیل - از درک کسب‌وکار و آماده‌سازی داده‌ها تا مدل‌سازی پیش‌بینی‌کننده، بصری‌سازی و ارتباط با ذینفعان - بهبود یابد. این دوره که برای تحلیلگران داده، تحلیلگران کسب‌وکار، توسعه‌دهندگان BI، دانشمندان داده و تصمیم‌گیرندگان طراحی شده است، نشان می‌دهد که چگونه مدل‌های زبانی بزرگ (LLMs) جریان‌های کاری تحلیل را تسریع می‌کنند، بهره‌وری را افزایش می‌دهند و در عین ارائه نتایج تجاری قابل اندازه‌گیری، از پذیرش مسئولانه AI حمایت می‌کنند. از طریق دموهای عملی، تمرینات کاربردی و سناریوهای واقعی کسب‌وکار، خواهید آموخت که چگونه از AI برای تحلیل داده‌ها با استفاده از مهندسی پرامپت، تحلیل داده‌های به کمک AI، پایتون برای تحلیل داده‌ها و داستان‌سرایی داده‌ها (Data Storytelling) برای حل مسائل پیچیده تجاری و انتقال موثر بینش‌ها استفاده کنید. شما کشف خواهید کرد که چگونه استفاده از هوش مصنوعی مولد برای تحلیل داده‌ها، همکاری بین تیم‌های فنی و تجاری را تقویت کرده، تصمیم‌گیری را ساده می‌کند و استراتژی‌های داده‌محور کارآمدتری را ممکن می‌سازد. در پایان این دوره، شما مجهز خواهید شد تا با اطمینان از ابزارهای تحلیلی مبتنی بر AI برای تبدیل داده‌ها به بینش‌های معنادار، حمایت از تصمیمات تجاری و ایجاد ارزش سازمانی پایدار استفاده کنید.

سرفصل ها و درس ها

مبانی هوش مصنوعی مولد در تحلیل داده‌ها Foundations of GenAI in Data Analytics

  • ویدیو معرفی دوره Intro Video to Course

  • معرفی ماژول Module Introduction

  • مقدمه‌ای بر GenAI برای تحلیل‌ها Introduction to GenAI for Analytics

  • درک جریان‌های کاری تحلیل Understanding Analytics Workflows

  • دمو: معرفی ابزارهای نرم‌افزاری مورد استفاده در دوره Demo: Introducing the Software Tools Used in the Course

  • چرا طراحی پرامپت اهمیت دارد Why Prompt Design Matters

  • دمو: استفاده از ChatGPT برای قاب‌بندی مسئله Demo: ChatGPT for Problem Framing

  • دمو: استفاده از Gemini برای تولید کد Demo: Gemini for Code Generation

  • حالت‌های LLM: اکتشاف، اعتبارسنجی، اجرا و ارتباطات LLM Modes: Exploration, Validation, Execution, Communication

  • دمو: راه‌اندازی Gemini در Colab و Excel Demo: Setting Up Gemini in Colab and Excel

  • جمع‌بندی ماژول: LLMها به عنوان شریک تفکر تحلیلگر Module Wrap-Up: LLMs as Analyst Thinking Partners

تحلیل خودکار داده‌ها و تولید بینش Automated Data Analysis and Insight Generation

  • معرفی ماژول Module Introduction

  • چگونه LLMها از درک کسب‌وکار و داده‌ها حمایت می‌کنند How LLMs Support Business and Data Understanding

  • دمو: ChatGPT برای اکتشاف داده‌ها بر اساس دانش دامنه Demo: ChatGPT for Exploring Data Based on Domain Knowledge

  • دمو: Gemini برای ساختاربندی فرصت‌های تحلیلی بر اساس نتایج EDA و دانش دامنه Demo: Gemini for Structuring Analytics Opportunities Based on EDA Results Combined with Domain Knowledge

  • پیوند دادن اهداف تجاری به داده‌ها و مدل‌ها Linking Business Goals to Data and Models

  • دمو: ChatGPT برای تکرار و بهینه‌سازی پرامپت Demo: ChatGPT for Prompt Iteration

  • دمو: Gemini برای تولید کوئری‌های SQL و کد پایتون جهت کشف و بصری‌سازی الگوها Demo: Gemini for Generating SQL queries and Python Code to Discover and Visualize Patterns in the Data

  • پروفایل‌بندی و اکتشاف داده‌ها با AI Profiling and Exploring Data with AI

  • دمو: Gemini در Colab برای خلاصه‌سازی داده‌ها Demo: Gemini in Colab for Data Summaries

  • دمو: Gemini در Colab برای انتقال روایت‌های تحلیلی Demo: Gemini in Colab for Communicating Narraitives

بصری‌سازی داده‌ها و ارتباطات با GenAI Data Visualization and Communication with GenAI

  • معرفی ماژول Module Introduction

  • اصول مدل‌سازی در جریان‌های کاری تحلیلی Principles of Modeling in Analytics Workflows

  • دمو: Gemini در Colab برای مدل‌سازی پیش‌بینی‌کننده Demo: Gemini in Colab for Predictive Modeling

  • دمو: ChatGPT برای تفسیر مدل Demo: ChatGPT for Model Interpretation

  • دقت، توضیح‌پذیری و اعتماد در خروجی‌های GenAI Accuracy, Explainability, and Trust in GenAI Outputs

  • دمو: Gemini برای اعتبارسنجی مدل Demo: Gemini for Model Validation

  • دمو: ChatGPT برای نقد خروجی‌ها Demo: ChatGPT for Critiquing Outputs

  • از مدل‌ها تا بینش‌ها: نقش تحلیلگر From Models to Insights: The Analyst’s Role

  • دمو: Google Colab برای گزارش‌های خودکار Demo: Google Colab for Automated Reports

  • دمو: ChatGPT و Google Colab برای ارتباط با ذینفعان Demo: ChatGPT and Google Colab for Stakeholder Communication

کاربردهای دنیای واقعی و تکنیک‌های پیشرفته Real-World Applications and Advanced Techniques

  • معرفی ماژول Module Introduction

  • کاربردهای دنیای واقعی GenAI در تحلیل‌ها Real-World Applications of GenAI in Analytics

  • دمو: شبیه‌سازی مورد پژوهشی صنعتی با Gemini Demo: Gemini Industry Case Simulation

  • دمو: ChatGPT به عنوان مشاور تحلیلگر Demo: ChatGPT as an Analyst Advisor

  • حاکمیت GenAI در سراسر چارچوب CRISP-DM GenAI Governance Across CRISP-DM

  • دمو: Gemini برای حسابرسی و کنترل‌ها Demo: Gemini For Audit and Conrols

  • دمو: ChatGPT برای حسابرسی پرامپت‌ها و خروجی‌ها Demo: ChatGPT for Auditing Prompts & Outputs

  • تعبیه GenAI در تمامی مراحل CRISP-DM Embedding GenAI Across CRISP-DM

  • دمو: جریان کاری جامع (End-to-End) با Gemini Demo: End-to-End Workflow (Gemini)

  • جمع‌بندی ماژول: بهترین روش‌ها برای مقیاس‌پذیری و آمادگی آینده Module Wrap-Up: Best Practices for Scaling and Future Readiness

  • جمع‌بندی نهایی دوره Course Wrap-Up

نمایش نظرات

آموزش هوش مصنوعی مولد (GenAI) برای داده‌ها و تحلیل‌ها
جزییات دوره
8h 42m
42
(آخرین آپدیت)
57
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده