دوره آموزشی
آموزش های یودمی
دوبله زبان فارسی

تحلیل کسب و کار در پایتون: تسلط به بینش‌های داده-محور

تحلیل کسب و کار در پایتون: تسلط به بینش‌های داده-محور

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

  • تسلط به مبانی تحلیل کسب و کار: مفاهیم اساسی و تکنیک‌های تصمیم‌گیری داده-محور را درک کنید.
  • مهارت در پایتون: در پایتون برای تحلیل داده با کتابخانه‌های کلیدی مانند Pandas و NumPy مهارت کسب کنید.
  • تصمیم‌گیری آماری: آمار استنباطی را برای پشتیبانی از بینش‌های کسب و کار بیاموزید.
  • اقتصادسنجی و رگرسیون: به مدل‌های اقتصادسنجی و تحلیل رگرسیون برای پیش‌بینی نتایج مسلط شوید.
  • تحلیل سری‌های زمانی: مهارت‌های پیش‌بینی را با استفاده از پایتون برای روندهای اقتصادی و کسب و کار کسب کنید.
  • بخش‌بندی مشتریان: رفتار مشتری و بخش‌های بازار را برای استراتژی‌های هدفمند تحلیل کنید.
  • پرورش ذهنیت داده-محور: تفکر انتقادی را برای تفسیر داده و تصمیم‌گیری توسعه دهید.
  • تمرین با داده‌ دنیای واقعی: تکنیک‌های تحلیل کسب و کار را روی مجموعه داده‌ مختص هر صنعت اعمال کنید.
  • کیفیت علمی بالا: محتوا و متدهایی در سطح کلاس‌های تحصیلات تکمیلی دانشگاه‌های آمریکا را تجربه کنید.
  • آمادگی شغلی: خود را برای نقش‌های تحلیل کسب و کار با مهارت‌ها و دانش مورد تقاضا مجهز کنید.

پیش‌نیازهای دوره

  • درک برنامه‌نویسی پایتون در ابتدایی‌ترین سطح: شما باید با متغیرها، انواع داده‌ اولیه، حلقه‌ها و توابع راحت باشید.
  • اشتیاق برای یادگیری: با اشتیاق برای یادگیری تکنیک‌های تحلیلی جدید و اعمال آن‌ها در سناریوهای کسب و کار واقعی به دوره نزدیک شوید.

توضیحات دوره

به دوره «تحلیل کسب و کار در پایتون: تسلط به بینش‌های داده-محور» خوش آمدید، جایی که سفری تحول‌آفرین را برای کشف پیچیدگی‌های تحلیل کسب و کار با استفاده از پایتون آغاز می‌کنید. این دوره به دقت طراحی شده است تا شما را با دانش، مهارت‌ها و تجربه عملی مورد نیاز برای برتری در دنیای به سرعت در حال تحول تحلیل کسب و کار مجهز کند.

آنچه خواهید آموخت:

اصول اساسی تحلیل کسب و کار و کاربرد آن‌ها در سناریوهای دنیای واقعی

  • مهارت عملی در پایتون برای جمع‌آوری، دستکاری، تحلیل و مصورسازی داده‌
  • متدهای آماری پیشرفته برای تحلیل داده‌ عمیق و تصمیم‌گیری
  • تکنیک‌هایی در پیش‌بینی، رگرسیون و اقتصادسنجی برای پیش‌بینی روندهای بازار و عملکرد کسب و کار
  • کاربرد عملی مدل Prophet متا، درک کامپوننت ها، تخمین پارامترها و قابلیت‌های پیش‌بینی آن
  • اصول مدل‌های مارکوف، و بررسی اهمیت آن‌ها در تحلیل‌های پیش‌بینی‌کننده.

ویژگی‌های دوره:

  • ویدئوهای آموزشی جامع که دانش نظری را با کاربردهای عملی ترکیب می‌کنند.
  • نوت‌بوک‌های پایتون تعاملی و مجموعه داده‌ دنیای واقعی برای یادگیری عملی در Google Colab
  • مطالعات موردی و مثال‌هایی از صنایع مختلف برای نشان دادن تأثیر تحلیل کسب و کار
  • آزمون‌ها و تمرین‌ها برای تقویت یادگیری و اعمال مفاهیم

چه کسانی باید در این دوره شرکت کنند؟

  • تحلیلگران داده و متخصصان کسب و کار مشتاق که به دنبال استفاده از داده برای تصمیم‌گیری استراتژیک هستند.
  • متخصصان فناوری اطلاعات و توسعه‌دهندگان نرم‌افزار که قصد تغییر مسیر یا پیشرفت در حوزه تحلیل کسب و کار را دارند.
  • کارآفرینان و صاحبان کسب و کار که به دنبال درک و اعمال تحلیل داده برای رشد کسب و کار خود هستند.
  • هر کسی که به دنبال رویکردی عملی و کاربردی برای یادگیری تحلیل کسب و کار است.

پیش‌نیازها:

  • درک اولیه از برنامه‌نویسی پایتون
  • کنجکاوی و اشتیاق برای ورود به دنیای داده-محور تحلیل کسب و کار

با دوره «تحلیل کسب و کار در پایتون: تسلط به بینش‌های داده-محور» این سفر را آغاز کنید و توانایی خود را در تحلیل، پیش‌بینی و اتخاذ تصمیمات آگاهانه کسب و کار با استفاده از قدرت تحلیل داده متحول سازید.

این دوره برای چه کسانی مناسب است؟

  • تحلیلگران داده و تحلیلگران کسب و کار مشتاق: مبتدیان یا کسانی که از رشته‌های دیگر به این حوزه وارد می‌شوند و می‌خواهند شغلی در تحلیل داده یا تحلیل کسب و کار بسازند.
  • متخصصان در کسب و کار و امور مالی: افرادی در حوزه‌های کسب و کار، مالی، بازاریابی یا رشته‌های مرتبط که به دنبال بهبود تصمیم‌گیری خود با بینش‌های داده-محور هستند.
  • کارآفرینان و صاحبان کسب‌ و کارهای کوچک: کسانی که به دنبال استفاده از داده برای اتخاذ تصمیمات آگاهانه، درک روندهای بازار و هدایت رشد کسب و کار هستند.
  • مدیران کسب و کار در بخش‌های تحلیلی: مدیران و سرپرستانی که به دنبال تعمیق قابلیت‌های تحلیلی خود برای هدایت تصمیم‌گیری و استراتژی هستند.
  • دانشجویان رشته‌های کسب و کار، اقتصاد یا IT: دانشجویان کارشناسی یا کارشناسی ارشد که مایل به بهبود دانش آکادمیک خود با مهارت‌های عملی تحلیلی و پایتون هستند.
  • متخصصان IT و توسعه‌دهندگان نرم‌افزار: کسانی که به دنبال گسترش مهارت‌های خود به حوزه تحلیل کسب و کار برای پشتیبانی از پروژه‌های داده-محور یا انتقال به نقش‌های تحلیلی هستند.
  • یادگیرندگان کنجکاو: هر کسی که علاقه‌مند به استفاده از پایتون برای مقابله با چالش‌های کسب و کار در دنیای واقعی و آگاه‌سازی تصمیمات با داده است.

تحلیل کسب و کار در پایتون: تسلط به بینش‌های داده-محور

  • جزئیات دوره - بررسی مسیر یادگیری شما 03:55
  • آماده‌سازی محیط آزمایشگاه شما: آشنایی با Google Lab 22:51
  • درک قدرت تحلیل کسب‌وکار 09:58
  • هنر و علم تحلیل کسب‌وکار 12:02
  • تحلیل کسب‌وکار و کلان‌داده 05:10
  • اجرای پروژه‌های تحلیل کسب و کار - متدولوژی CRISP-DM - بخش 1 24:21
  • اجرای پروژه‌های تحلیل کسب و کار - متدولوژی CRISP-DM - بخش 2 16:28
  • اجرای پروژه‌های تحلیل کسب و کار - متدولوژی TDSP مایکروسافت 10:34
  • ابزارهای تحلیل کسب‌وکار و علم داده 10:10
  • بررسی دانش None
  • آشنایی با آمار 03:05
  • آمار چیست؟ 02:02
  • مجموعه داده‌ها 03:07
  • انواع داده‌ها 06:12
  • آمار در مقابل احتمالات 02:08
  • آیا باید در بیت‌کوین سرمایه‌گذاری کنید؟ 04:38
  • بررسی دانش None
  • متغیرهای تصادفی 06:12
  • اولین معیار گرایش مرکزی: میانگین 02:51
  • میانگین چقدر خوب است؟ 01:48
  • اولین معیار پراکندگی: انحراف معیار 06:51
  • تمرین عملی - آمار توصیفی - بخش 1 11:25
  • تمرین عملی - آمار توصیفی - بخش 2 21:25
  • نمونه در مقابل جامعه آماری 07:09
  • درجه آزادی 03:37
  • دومین معیار گرایش مرکزی: میانه 10:57
  • تمرین عملی - درآمد متوسط خانوار 24:16
  • مُد، صدک‌ها و نمودار جعبه‌ای 13:03
  • تمرین عملی - تحلیل درآمد متوسط خانوار - بخش 1 08:35
  • تمرین عملی - تحلیل درآمد متوسط خانوار - بخش 2 19:35
  • توزیع‌های متغیرهای تصادفی 20:09
  • تمرین عملی - تماس‌های خدماتی در واشنگتن دی‌سی - بخش 1 22:10
  • تمرین عملی - تماس‌های خدماتی در واشنگتن دی‌سی - بخش 2 08:57
  • تمرین عملی - تماس‌های خدماتی در واشنگتن دی‌سی - بخش 3 10:03
  • تمرین عملی - تماس‌های خدماتی در واشنگتن دی‌سی - بخش 4 21:58
  • همبستگی و جداول توافقی 12:10
  • تمرین عملی - تحلیل فشار خون و کلسترول و مقایسه حقوق 14:36
  • ارزیابی دانش None
  • نمونه و داده 06:45
  • جامعه آماری و تکنیک‌های نمونه‌گیری 18:18
  • تمرین عملی - نمونه‌گیری تصادفی - بخش 1 16:37
  • کار عملی - نمونه‌گیری طبقه‌بندی شده - بخش 2 07:54
  • تمرین عملی - نمونه‌گیری خوشه‌ای - بخش 3 03:02
  • روال تخمین پارامتر 06:37
  • میانگین نمونه به عنوان پارامتر 07:37
  • بوت‌استرپینگ و توزیع نمونه میانگین‌ها 09:06
  • تمرین عملی - توزیع نمونه میانگین‌ها - بخش 1 19:23
  • تمرین عملی - توزیع نمونه میانگین‌ها - بخش 2 12:59
  • قضیه حد مرکزی 16:11
  • تمرین عملی - قضیه حد مرکزی - بخش 1 08:58
  • تمرین عملی - قضیه حد مرکزی - بخش 2 02:10
  • تمرین عملی - قضیه حد مرکزی - بخش 3 08:51
  • تخمین‌های نقطه‌ای 17:00
  • فواصل اطمینان 18:42
  • تمرین عملی - فواصل اطمینان 38:12
  • ارزیابی دانش None
  • آشنایی با پیش‌پردازش داده‌ 10:33
  • تمرین عملی - استفاده از مجموعه داده‌ نمونه موجود در کتابخانه‌های Python 08:53
  • تمرین عملی - استفاده از مجموعه داده‌ نمونه موجود در کتابخانه‌های Python - بخش 2 01:58
  • تمرین عملی - استفاده از مجموعه داده‌ نمونه موجود در کتابخانه‌های Python - بخش 3 01:44
  • درک فرمت‌های داده 11:08
  • تمرین عملی - آشنایی با فرمت‌های جداشده 06:44
  • تمرین عملی - فایل‌های جداشده با کاما - بخش 1 08:51
  • تمرین عملی - فایل‌های جداشده با کاما - بخش 2 05:19
  • تمرین عملی - سایر فرمت‌های جداشده 06:12
  • تمرین عملی - فایل‌های بدون سرصفحه 05:40
  • تمرین عملی - نکاتی درباره ایندکس‌های Pandas 05:51
  • تمرین عملی - فرمت ARFF 04:09
  • تمرین عملی - فرمت JSON 06:12
  • تمرین عملی - داده‌ مبتنی بر SQL 11:26
  • مستندسازی داده‌ 06:07
  • تسک های پیش‌پردازش داده‌ 03:21
  • مشکلات مختلف داده 05:03
  • اتوماسیون و جابجایی داده 03:36
  • مهندسی ویژگی 01:57
  • پرداختن به متغیرهای دسته‌ای 04:40
  • پر کردن جای خالی - مدیریت مقادیر گمشده 06:34
  • تمرین عملی - مقادیر گمشده - شناسایی مقادیر گمشده 10:39
  • تمرین عملی - مقادیر گمشده - جایگزینی با میانگین 08:17
  • تمرین عملی - مقادیر گمشده - جایگزینی مقادیر گمشده با انتخاب تصادفی 03:19
  • مقادیر غیرمعمول - هنر تشخیص بصری داده‌ پرت 06:29
  • تمرین عملی - داده‌ پرت، متدهای بصری - بخش 1 08:18
  • تمرین عملی - داده‌ پرت، متدهای بصری - بخش 2 06:09
  • تنظیم مقیاس با نرمال‌سازی داده‌ 07:03
  • تمرین عملی - نرمال‌سازی با متد MinMax 06:07
  • تمرین عملی - نرمال‌سازی با متد Z-Score 00:53
  • تمرین عملی - نرمال‌سازی با متد اعشاری 01:40
  • مقادیر غیرمعمول - متدهای عددی برای تشخیص داده‌ پرت 07:36
  • تمرین عملی - تشخیص داده‌ پرت با متد Z-Score 06:55
  • تمرین عملی - تشخیص داده‌ پرت با متد IQR 03:29
  • تغییر شکل یک توزیع 04:33
  • تمرین عملی - تبدیل متغیرها، تبدیل لگاریتمی 05:10
  • تمرین عملی - تبدیل متغیرها، آزمون نرمال بودن 03:32
  • تبدیل دسته‌ها به اعداد 06:52
  • تمرین عملی - تبدیل دسته‌ای به عددی با متد رمزگذاری وان-هات 08:31
  • تمرین عملی - تبدیل دسته‌ای به عددی با متد نگاشت 07:39
  • کار عملی - تبدیل عددی به دسته‌ای، گسسته‌سازی با عرض برابر 04:39
  • کار عملی - تبدیل عددی به دسته‌ای، گسسته‌سازی با فراوانی برابر 03:42
  • کار عملی - تبدیل عددی به دسته‌ای، متغیر باینری تکی 02:32
  • مقابله با عدم توازن داده‌ 11:02
  • کار عملی - عدم توازن داده، متد نمونه‌برداری کاهشی 07:16
  • کار عملی - عدم توازن داده، متد نمونه‌برداری افزایشی 01:57
  • بررسی دانش None
  • آشنایی با مدل‌های تخمین و رگرسیون 04:36
  • آشنایی با رگرسیون خطی ساده 14:09
  • کار عملی - رگرسیون خطی ساده - آماده‌سازی 04:52
  • کار عملی - رگرسیون خطی ساده - تولید مدل 07:05
  • درک مدل خطی - درجه آزادی 09:24
  • درک مدل خطی - خطاها و ضریب تعیین 05:14
  • مدل رگرسیون خطی ساده چقدر خوب است؟ 09:22
  • کار عملی - محاسبه خطاها و ضریب R-Squared 06:31
  • کار عملی - تخمین ضرایب رگرسیون خطی ساده 02:03
  • نگاهی دقیق‌تر به باقیمانده‌ها 06:50
  • آشنایی با مدل رگرسیون چندگانه 08:56
  • تمرین عملی - ایجاد مدل رگرسیون چندگانه 05:16
  • کار عملی - ضریب R-Squared تعدیل‌شده 05:23
  • کار عملی - آمار F برای معناداری ضرایب 04:10
  • کار عملی - معیار لگاریتم درست‌نمایی 04:42
  • مدل رگرسیون چندگانه - معیارهای AIC و BIC 08:45
  • تمرین عملی - محاسبه AIC و BIC 03:00
  • رگرسیون چندگانه - کدام مدل بهتر است؟ 06:13
  • کار عملی - آزمون مفروضات مدل - بخش 1 05:08
  • کار عملی - آزمون مفروضات مدل - بخش 2 04:58
  • بررسی دانش None
  • آشنایی با اقتصادسنجی، سری‌های زمانی و استنتاج علّی 09:49
  • آشنایی با تحلیل سری‌های زمانی 15:28
  • تحلیل سری‌های زمانی برای یک شرکت تولید شیر 04:28
  • تمرین عملی - پیش‌بینی تولید شیر در آینده 17:57
  • معیارهای کیفیت برای تحلیل سری‌های زمانی 09:08
  • تمرین عملی - معیارهای کیفیت برای تحلیل سری‌های زمانی 10:08
  • آشنایی با تحلیل سری زمانی قیمت سهام 00:34
  • خودهمبستگی در تحلیل سری زمانی 13:32
  • ایستایی و سری‌های زمانی ایستا 11:59
  • تمرین عملی - ایستایی و خودهمبستگی 12:34
  • آشنایی با میانگین‌های متحرک - میانگین متحرک ساده (SMA) 16:01
  • تمرین عملی - میانگین متحرک ساده - بخش اول 10:15
  • تمرین عملی - میانگین متحرک ساده - بخش دوم 08:55
  • میانگین متحرک وزنی (WMA) و میانگین متحرک ساده دوگانه (DSMA) 05:47
  • میانگین متحرک نمایی و میانگین متحرک نمایی دوگانه (DEMA) 04:41
  • میانگین متحرک هال 02:46
  • شاخص حرکتی جهت‌دار (DMI) و واگرایی میانگین متحرک همگرایی 08:12
  • تمرین عملی - فراتر از میانگین متحرک ساده 20:04
  • بررسی دانش None
  • آشنایی با تحلیل استنتاج علّی 10:44
  • دو چارچوب استنتاج علّی : DiD و تحلیل تاثیر علّی گوگل 12:10
  • فرآیند تحلیلی استنتاج علّی 02:39
  • متد تفاوت در تفاوت (DiD) 14:48
  • تمرین عملی - تحلیل DiD - تاثیر یک اطلاعیه بر قیمت سهام 19:27
  • متد تحلیل تاثیر علّی گوگل 11:38
  • تمرین عملی - تحلیل علّی اطلاعیه و قیمت سهام 11:30
  • بررسی دانش None
  • تقسیم‌بندی مشتری - ارائه بخش 02:01
  • آشنایی با تحلیل بخش‌بندی 10:59
  • اصل پارتو 05:35
  • فرآیند تحلیل (تازگی، تعداد دفعات خرید، ارزش پولی) (RFM) 09:39
  • فرمول‌بندی‌های RFM 10:33
  • تمرین عملی - شناخت خریداران شما 20:20
  • تفکیک‌بندی از طریق خوشه‌بندی - الگوریتم KMeans 07:04
  • تمرین عملی - درک خوشه‌بندی KMeans 22:43
  • نوعی خوشه‌بندی KMedoids 01:44
  • تمرین عملی - درک خوشه‌بندی KMedoids 04:05
  • انتخاب تابع فاصله درست در خوشه‌بندی داده‌ 06:12
  • انتخاب تعداد خوشه‌ها K 11:03
  • تمرین عملی - متدهای Elbow و Silhouette 11:49
  • تمرین عملی - تقسیم‌بندی خریداران با تحلیل خوشه‌بندی 10:12
  • اهمیت شکل در داده‌ شما 06:48
  • کار عملی - KMeans روی داده‌ دایره‌ای 07:09
  • کار عملی - KMeans روی داده‌ پراکنده با واریانس نابرابر 03:55
  • کار عملی - KMeans روی داده‌ ناهمسانگرد 03:09
  • آشنایی با مدل‌های مخلوط گاوسی (GMM) 09:54
  • مدل GMM 14:30
  • تمرین عملی - تقسیم‌بندی مشتری با GMM - بخش 1 19:18
  • تمرین عملی - تقسیم‌بندی مشتری با GMM - بخش 2 14:56
  • ارزیابی دانش None
  • آشنایی با پیش‌بینی 11:41
  • تمرین عملی - پیش‌بینی با استفاده از استراتژی جمعی یا ضربی 20:29
  • معرفی مدل Meta Prophet 04:25
  • اجزای روند در Meta Prophet 06:14
  • تخمین پارامترها در الگوریتم Meta Prophet: رویکرد بیزی 06:17
  • متد نمونه‌گیری در تخمین پارامتر: متدهای MCMC و NUTS 04:17
  • آموزش مدل‌های یادگیری ماشین 11:49
  • تمرین عملی - پیش‌بینی قیمت سهام با Meta Prophet 41:13
  • آشنایی با مدل‌های مارکوف 13:03
  • زنجیره‌های مارکوف 08:18
  • بردار پایدار در زنجیره مارکوف 03:55
  • شبیه‌سازی موفقیت مدل کسب‌وکار با استفاده از زنجیره مارکوف 16:46
  • تمرین عملی - شبیه‌سازی موفقیت کسب‌وکار StreamX - بخش 1 03:03
  • تمرین عملی - شبیه‌سازی موفقیت کسب‌وکار StreamX - بخش 2 09:16
  • تمرین عملی - شبیه‌سازی موفقیت کسب‌وکار StreamX - بخش 3 09:19
  • تمرین عملی - شبیه‌سازی موفقیت کسب‌وکار StreamX - بخش 4 07:36
  • بررسی دانش None
  • تبریک و سپاس بابت اتمام این دوره 00:52

10,921,500 2,184,300 تومان

مشخصات آموزش

تحلیل کسب و کار در پایتون: تسلط به بینش‌های داده-محور

  • تاریخ به روز رسانی: 1404/06/21
  • سطح دوره:مقدماتی
  • تعداد درس:192
  • مدت زمان :27:39:55
  • حجم :17.16GB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

The Great Courses
1,889,000 377,800 تومان
  • زمان: 04:47:39
  • تعداد درس: 30
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
2,659,500 531,900 تومان
  • زمان: 06:44:45
  • تعداد درس: 35
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,501,000 300,200 تومان
  • زمان: 03:48:11
  • تعداد درس: 47
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
7,300,500 1,460,100 تومان
  • زمان: 18:29:24
  • تعداد درس: 115
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
2,113,000 422,600 تومان
  • زمان: 05:21:41
  • تعداد درس: 51
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
9,269,000 1,853,800 تومان
  • زمان: 23:28:00
  • تعداد درس: 170
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
8,762,000 1,752,400 تومان
  • زمان: 22:11:23
  • تعداد درس: 140
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,580,000 316,000 تومان
  • زمان: 04:00:26
  • تعداد درس: 31
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
490,000 98,000 تومان
  • زمان: 39:24
  • تعداد درس: 25
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید