آموزش تحلیل داده‌های تحقیقات بازار و حاکمیت داده با زبان R - آخرین آپدیت

دانلود Market Research Data Analysis and Governance with R

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، شما روش‌های تحلیل داده‌های بازتولیدپذیر را با استفاده از زبان R توسعه می‌دهید و آن‌ها را با کنترل‌های حاکمیتی ترکیب می‌کنید تا خروجی‌های پژوهشی برای ذینفعان، قابل حسابرسی و قابل اعتماد باشند. دوره با مدیریت فایل‌ها، قراردادهای نام‌گذاری، برچسب‌گذاری متاداده‌ها و نظارت بر KPIهای کیفیت داده‌ها آغاز می‌شود تا استانداردهای بالای یکپارچگی داده‌ها تضمین شود. سپس مهارت‌های اصلی R برای وارد کردن داده‌ها، تبدیل‌های منظم (Tidy) و گردش‌های کاری مبتنی بر Pipe برای اتصال، فیلتر و تجمیع مجموعه‌داده‌های چندمنبعی با استفاده از اکوسیستم Tidyverse معرفی می‌گردد. شما یاد خواهید گرفت که گزارش‌های پارامتریک R Markdown را برای خودکارسازی گزارش‌های دوره‌ای بنویسید و تست‌های تشخیصی مانند اعتبارسنجی متقاطع (Cross-Validation) و بازنمونه‌گیری را برای ارزیابی استحکام تکنیک‌های رگرسیون و مدل‌سازی پیش‌بینانه که در تحقیقات بازار رایج هستند، انجام دهید. برنامه آموزشی این دوره، خلاصه‌سازی مسئولانه داده‌های کیفی توسط مدل‌های زبانی بزرگ (LLM) و موارد استفاده از ارزیابی داده‌های مصنوعی را در بر می‌گیرد و به شما می‌آموزد چگونه توهمات (Hallucination) و سوگیری‌ها را در خروجی‌های خودکار شناسایی و کاهش دهید. آزمایشگاه‌های عملی بر ساخت خط لوله‌های تحلیلی جامع (End-to-End) تمرکز دارند که خروجی‌های بازتولیدپذیری ایجاد می‌کنند و با بررسی‌های دقیق، معیارهای به‌دست‌آمده را با داده‌های منبع تطبیق می‌دهند تا نتایجی قابل اعتماد حاصل شود. در پایان دوره، شما با ایجاد یک آزمایشگاه اعتبارسنجی مدل و خط لوله داده (Data Pipeline) آماده برای پورتفولیو، توانایی خود را در مدیریت کل چرخه حیات داده، از دریافت داده‌های خام تا مدل‌سازی پیش‌بینانه و گزارش‌دهی خودکار برای مدیران ارشد به نمایش می‌گذارید.

سرفصل ها و درس ها

خلاصه‌سازی و ارزیابی بینش‌های اخلاقی هوش مصنوعی Summarize and Evaluate Ethical AI Insights

  • خلاصه‌های موضوعی مبتنی بر هوش مصنوعی چیستند؟ What are AI-Powered Thematic Summaries?

  • داستان دو پرامپت: مثال‌های خوب در مقابل بد A Tale of Two Prompts: Good vs. Bad Examples

  • تیغ دو لبه داده‌های مصنوعی The Double-Edged Sword of Synthetic Data

  • چه چیزی را بررسی کنیم: شناسایی سوگیری و نشت حریم خصوصی What to Look For: Identifying Bias and Privacy Leaks

سازماندهی داده‌های پژوهشی: مدیریت فایل Organize Research Data: File Management

  • خطای راینهارت-روگوف: یک داستان هشداردهنده The Reinhart-Rogoff Error: A Cautionary Tale

  • تشخیص تفاوت: شناسایی مراحل داده در کارآزمایی‌های بالینی Spot the Difference: Identifying Data Stages in Clinical Trials

  • سلاح مخفی وال‌مارت: سازماندهی داده‌ها Walmart's Secret Weapon: Data Organization

  • ساخت قرارداد نام‌گذاری: راهنمای گام به گام Building Your Naming Convention: A Step-by-Step Guide

حاکمیت و ارزیابی کیفیت داده‌های پژوهشی Govern and Evaluate Research Data Quality

  • حاکمیت داده چیست؟ What is Data Governance?

  • چگونه تگ‌های متاداده را در یک محیط شبیه‌سازی شده اعمال کنیم؟ How to Apply Metadata Tags in a Simulated Environment?

  • وقتی داده‌های خوب فاسد می‌شوند: یک وضعیت اضطراری ملی When Good Data Goes Bad: A National Emergency

  • چگونه یک تیکت اصلاحی در جیرا (Jira) ایجاد کنیم؟ How to Create a Remediation Ticket in Jira?

زبان R: کدنویسی، وارد کردن و تبدیل داده‌ها R: Code, Import, Transform Data

  • متغیرها و بردارها چیستند؟ What Are Variables and Vectors?

  • چگونه متغیرها، بردارها و دیتافریم‌ها را در R ایجاد کنیم؟ How to Create Variables, Vectors, and Data Frames in R?

  • از داده‌های خام تا بینش‌های کلیدی From Raw Data to Key Insights

  • از وارد کردن تا پاکسازی داده‌ها در R From Import to Clean Data in R

تبدیل، تحلیل و گزارش‌دهی داده‌ها با R Transform, Analyze, and Report Data with R

  • چرا پاکسازی داده‌ها قلب تحلیل است؟ Why Data Wrangling is the Heart of Analysis?

  • تسلط بر توابع dplyr Mastering the dplyr Verbs

  • قدرت گزارش‌دهی با فشردن یک دکمه The Power of Push-Button Reporting

  • آشنایی با knitr و تکه‌های کد (Code Chunks) Introduction to knitr and Code Chunks

  • چرا یک امتیاز تک‌بعدی «دقت» کافی نیست؟ Why is a Single "Accuracy" Score Not Enough?

  • ارزیابی یک طبقه‌بند (Classifier) در R Evaluating a Classifier in R

اکسل برای تحلیل داده‌ها Excel for Data Analysis

  • یافتن داستانی در ۱.۱ میلیارد سفر تاکسی Finding a Story in 1.1 Billion Taxi Rides

  • از داده تا تصمیم: تحلیل ساختاریافته با چهار اصل اصلی From Data to Decisions: Structured Analysis with the Core Four

  • اعمال توابع بر روی مجموعه داده Bellabeat Applying Functions to the Bellabeat Dataset

  • از اعداد تا روایت: بصری‌سازی داستان Bellabeat From Numbers to Narrative: Visualizing the Bellabeat Story

  • درک قوانین قالب‌بندی شرطی (Conditional Formatting) Understanding Conditional Formatting Rules

  • گام به گام: برجسته‌سازی معیارهای کلیدی در داده‌های Bellabeat Step-by-Step: Highlighting Key Metrics in Bellabeat Data

تست‌های آماری برای تحقیقات بازار Statistical Tests for Market Research

  • جعبه ابزار تحلیلگر: گشتی در نرم‌افزارهای آماری Your Analyst Toolkit: A Tour of Statistical Software

  • توضیح تست فرضیه: T-Test و P-Value Hypothesis Testing Explained: The T-Test and P-Value

  • آموزش: اجرا و خواندن T-Test در اکسل How-To: Run and Read a T-Test in Excel

پیش‌بینی و اعتبارسنجی مدل‌های رگرسیون در R Predict and Validate Regression Models in R

  • فراتر از دقت: خطر یک مدل «اشتباه» Beyond Accuracy: The Danger of a "Wrong" Model

  • ساخت و عیب‌یابی یک مدل رگرسیون در R Building and Diagnosing a Regression Model in R

  • دنیای پرمخاطره کارآزمایی‌های بالینی The High-Stakes World of Clinical Trials

  • پیاده‌سازی اعتبارسنجی متقاطع ۱۰ لایه در R Implementing 10-Fold Cross-Validation in R

آزمایشگاه خط لوله داده و اعتبارسنجی مدل Data Pipeline and Model Validation Lab

نمایش نظرات

آموزش تحلیل داده‌های تحقیقات بازار و حاکمیت داده با زبان R
جزییات دوره
18h 34m
35
(آخرین آپدیت)
30
- 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