آموزش کتاب راهنما علم داده برای سهام خصوصی و سرمایه خطرپذیر

The Data Science Playbook for Private Equity and Venture Capital

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

در چند سال گذشته، حوزه علم داده پیشرفت های سریعی داشته است و تغییرات اساسی جدیدی در نحوه طراحی کسب و کار روزمره برای عملکرد ایجاد کرده است. این دوره بسیاری از ملاحظات کلیدی را برای استفاده سیستماتیک از علم داده برای هدایت رشد در شرکت‌های سهام خصوصی و سرمایه‌گذاری خطرپذیر پوشش می‌دهد.

به هاوارد فریدمن، دانشمند داده و پروفسور دانشگاه کلمبیا بپیوندید تا مروری بر چرخه حیات علم داده داشته باشید، به‌ویژه نحوه عملکرد آن در امور مالی از اکتشاف و دقت لازم تا خلق ارزش پس از کسب. در مورد مراحلی که یک شرکت سرمایه گذاری خصوصی و سرمایه گذاری خطرپذیر می تواند برای شروع به کارگیری علم داده در مجموعه های خود با ایجاد یک کتاب راهنما علم داده انجام دهد، بیاموزید. در پایان این دوره، شما به مهارت‌های جدیدی برای شناسایی فرصت‌های کلیدی برای علم داده در یک مجموعه و تشخیص زمان و نحوه استفاده از روش‌های علم داده برای جمع‌آوری بینش از شرکت‌های خاص مجهز خواهید شد.


سرفصل ها و درس ها

معرفی Introduction

  • کتاب بازی علوم داده چیست؟ What is the data science playbook?

  • آنچه باید برای این دوره بدانید What you should know for this course

1. چرا علم داده در حال حاضر؟ 1. Why Data Science Now?

  • تغییرات اخیر در علم داده Recent changes in data science

  • علم داده برای سهام خصوصی و سرمایه گذاری خطرپذیر Data science for private equity and venture capital

  • موانع اجرای علم داده Barriers to implementing data science

2. مراحل علم داده برای سهام خصوصی 2. Data Science Steps for Private Equity

  • علم داده در چرخه عمر سهام خصوصی Data science in the private equity lifecycle

  • موفقیت اولیه با علم داده Early success with data science

  • استفاده از علم داده برای افزایش منبع یابی معامله Using data science to enhance deal sourcing

  • استفاده از علم داده برای افزایش دقت نظر Using data science to enhance due diligence

3. کتاب راهنمای پس از اکتساب علوم داده 3. Data Science Postacquisition Playbook

  • توسعه کتاب بازی علوم داده برای نمونه کارها Developing a data science playbook for portfolios

  • کدام شرکت های پرتفوی از علم داده سود خواهند برد؟ Which portfolio companies will benefit from data science?

  • کدام بخش ها از علم داده بهره مند خواهند شد؟ Which departments will benefit from data science?

4. پروژه های علم داده و کاربردهای یادگیری ماشین 4. Data Science Projects and Machine Learning Applications

  • استفاده از برنامه های یادگیری ماشینی تحت نظارت Utilizing supervised machine learning applications

  • استفاده از برنامه های یادگیری ماشین بدون نظارت Utilizing unsupervised machine learning applications

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش کتاب راهنما علم داده برای سهام خصوصی و سرمایه خطرپذیر
جزییات دوره
44m
15
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Howard Friedman Howard Friedman

دانشمند ارشد داده، اقتصاددان سلامت، نویسنده، پروفسور

هاوارد فریدمن دانشمند ارشد داده، اقتصاددان سلامت، نویسنده، و استاد دانشگاه کلمبیا است.

یک متخصص در علم داده با تجربه خاص که تیم‌هایی را در بخش‌های شرکتی، دانشگاهی و عمومی رهبری می‌کند. او در مراقبت‌های بهداشتی، مالی، مخابرات، خرده‌فروشی و شرکت‌های سهام خصوصی و همچنین سازمان‌های غیرانتفاعی و بهداشت عمومی، رهبری تیم‌های تحلیلی، برقراری ارتباط با مخاطبان ارشد اجرایی و عمومی، و به اشتراک گذاشتن بینش‌های علم داده با تیم‌های فنی و غیرفنی کار کرده است. هاوارد نویسنده چندین کتاب، از جمله Winning with Data Science و Measure of a Nation، دارای دکترا در مهندسی پزشکی و کارشناسی ارشد علم در آمار از جانز هاپکینز است. دانشکده پزشکی دانشگاه.