آموزش مدیریت چرخه حیات تیم علم داده

Data Science Team Lifecycle Management

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

دانشمندان و مهندسان داده برخی از پرتقاضاترین نقش ها در بازار کار امروزی هستند. اما بسیاری از مدیران فاقد مجموعه کاملی از مهارت‌های مورد نیاز برای جذب و حفظ موثر استعدادهای کلیدی هستند. در این دوره آموزشی، آنجل ایوان، مربی و مدیر برنامه درسی استنفورد، یک مرور کلی از نحوه توسعه و مدیریت تیم‌های مهندسی و علوم داده متنوع و فراگیر ارائه می‌دهد.

استراتژی‌های استخدام، حفظ، پیشرفت شغلی، توسعه حرفه‌ای و موارد دیگر را کاوش کنید. دریابید که آیا می خواهید مسیر شغلی را به عنوان یک مشارکت کننده فردی یا مدیر دنبال کنید. از ایجاد مربیگری و مهارت‌های آموزشی گرفته تا همراستایی با اهداف شخصی با اهداف تجاری، در پایان این دوره، برای پیمایش در سه مرحله اصلی چرخه زندگی کارکنان: استخدام، توسعه، و حفظ آمادگی بهتری خواهید داشت.


سرفصل ها و درس ها

معرفی Introduction

  • نحوه جذب، توسعه و حفظ دانشمندان داده How to recruit, develop, and retain data scientists

1. با اهداف تجاری شروع کنید 1. Start with Business Goals

  • نحوه تعیین نیاز به دانشمندان داده How to determine the need for data scientists

  • نمونه های عملی از انواع پروژه هایی که دانشمندان داده روی آنها کار می کنند Practical examples of the types of projects data scientists work on

  • چگونه افزایش تعداد کار را برای شرکت خود توجیه کنید How to justify increasing the headcount for your company

  • امتحان فصل Chapter Quiz

2. جذب نیرو 2. Recruiting

  • چگونه تعیین کنید به چه سطحی از دانشمند داده نیاز دارید و چه تعداد How to determine what level of data scientist you need and how many

  • در هنگام استخدام دانشمندان داده چه مهارت هایی را باید در اولویت قرار داد What are the skills to prioritize when hiring data scientists

  • با در نظر گرفتن DEI استخدام کنید Recruit with DEI in mind

  • نحوه ایجاد شرح شغلی که طنین انداز باشد How to craft a job description that resonates

  • چگونه یک فرآیند مصاحبه قوی تر و کارآمدتر ایجاد کنیم How to create a more robust and efficient interview process

  • نحوه تصمیم گیری در مورد استخدام در مقابل استفاده از نرم افزار اتوماسیون How to decide on hiring vs. using automation software

  • امتحان فصل Chapter Quiz

3. سوار شدن 3. Onboarding

  • نحوه سوار شدن به کارکنان جدید How to onboard new employees

  • نحوه اعلام استخدام کارمند جدید How to announce a new employee hire

  • دست هایتان را کثیف کنید: در 30 روز اول روی کدام فعالیت ها تمرکز کنید Get your hands dirty: Which activities to focus on in the first 30 days

  • چگونه یک روبریک مهارت ایجاد کنیم و مهارت ها را ارزیابی کنیم How to create a skills rubric and assess skills

  • نحوه انتخاب یک مدل سوارکاری: نقشه بردار در مقابل فرد مورد مطالعه How to choose an onboarding model: The surveyor vs. the understudy

  • امتحان فصل Chapter Quiz

4. مدیریت روز به روز 4. Day-To-Day Management

  • چگونه یک مدل مدیریتی را انتخاب کنید که برای شما مناسب باشد How to choose a management model that works for you

  • نحوه مدیریت کارکنان در دفتر در مقابل کارگران از راه دور How to manage in-office workers vs. remote workers

  • اصول کلیدی برای مدیریت دانشمندان داده برای یک شرکت کوچک Key principles for managing data scientists for a small company

  • اصول کلیدی برای مدیریت دانشمندان داده برای یک شرکت با اندازه متوسط Key principles for managing data scientists for a mid-sized company

  • اصول کلیدی برای مدیریت دانشمندان داده برای یک شرکت بزرگ Key principles for managing data scientists for a large company

  • نحوه تعیین فرآیندهای مناسب برای ترکیب How to determine the appropriate processes to incorporate

  • چگونه از تله بازیکن/مربی اجتناب کنیم How to avoid the Player/Coach trap

  • نحوه تعیین اولویت برای تیم: رویکرد سه لایه How to set priorities for the team: A three-layer approach

  • امتحان فصل Chapter Quiz

5. مسیر و توسعه شغلی 5. Career Pathing and Development

  • اهداف شخصی یک کارمند را با اهداف کسب و کار هماهنگ کنید Align an employee's personal goals to the goals of the business

  • چگونه به دانشمندان داده کمک کنیم تا مهارت های نرم و مهارت های سخت را بهبود بخشند How to help data scientists improve soft skills and hard skills

  • چگونه تعیین کنیم که یک دانشمند داده چه زمانی باید تحصیلات بیشتری کسب کند How to determine when a data scientist should acquire more schooling

  • یک دانشمند داده فردی در مقابل کل تیم ایجاد کنید Develop an individual data scientist vs. the team as a whole

  • چه زمانی یک دانشمند داده را به یک نقش متفاوت منتقل کنیم When to move a data scientist into a different role

  • امتحان فصل Chapter Quiz

6. تبلیغات 6. Promotions

  • چگونه یک مسیر برای ارتقا ایجاد کنیم How to create a pathway to promotion

  • چگونه ارزیابی کنیم که آیا یک کارمند مستحق ترفیع است یا خیر؟ How to assess whether or not an employee deserves a promotion

  • چگونه برنامه های خود را برای ارتقاء به سازمان بزرگتر انتقال دهید How to communicate your plans to promote to the larger organization

  • امتحان فصل Chapter Quiz

7. نگهداری 7. Retention

  • چگونه از فرسودگی شغلی جلوگیری کنیم How to prevent burnout

  • چه زمانی برای یک کارمند بجنگیم و چه زمانی رها کنیم When to fight for an employee and when to let go

  • فضا را برای ایده های جدید ایجاد کنید Make space for new ideas

  • وقتی همه چیز شکست می خورد چه باید کرد What to do when all else fails

  • امتحان فصل Chapter Quiz

8. مربیگری در مقابل آموزش 8. Mentoring vs. Teaching

  • مربیگری و تدریس Mentorship and teaching

  • چگونه تعیین کنیم چه زمانی باید مربی و چه زمانی تدریس کنیم How to determine when to mentor and when to teach

  • خارج از تیم مستقیم خود راهنمایی کنید Mentor outside of your immediate team

  • امتحان فصل Chapter Quiz

9. پایان کار 9. Employee Termination

  • چگونه از فسخ غیر ضروری جلوگیری کنیم How to avoid unnecessary termination

  • قبل از اخراج یک کارمند چه اقداماتی را باید انجام دهید Which steps should you take before considering terminating an employee

  • نکاتی برای اخراج کارمندان با اطمینان و انسانیت Tips for terminating employees confidently and humanely

  • امتحان فصل Chapter Quiz

نتیجه Conclusion

  • مراحل بعدی و منابع اضافی Next steps and additional resources

نمایش نظرات

آموزش مدیریت چرخه حیات تیم علم داده
جزییات دوره
2h 7m
51
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد
Angel Evan
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Angel Evan Angel Evan

مدیر برنامه درسی و مدرس اخلاق داده در مطالعات مستمر استانفورد

آنجل ایوان مدیر برنامه درسی و مدرس اخلاق داده در مطالعات مستمر استنفورد است.

تقاطع هوش مصنوعی و با ظهور مسائل اخلاقی در استفاده از هوش مصنوعی، علوم انسانی به یک حوزه مطالعاتی حیاتی تبدیل شده است. هدف فرشته با بیش از ده سال تجربه در علم داده، همراه با آموزش رسمی در علوم انسانی و اخلاق، کمک به شرکت‌ها، سازمان‌های دولتی و موسسات دانشگاهی برای ابداع و اجرای نوآوری مسئولانه با یافتن تعادل عملی بین پذیرش کورکورانه هوش مصنوعی و اجتناب کامل از آن است. .