اصول تحلیل داده
✅ سرفصل و جزئیات آموزش
توضیحات دوره
در این دوره، شما یاد خواهید گرفت که چگونه از حجم و پیچیدگی اطلاعات برای کمک به کسبوکارها جهت تصمیمگیری بهتر استفاده کنید. این تحلیل داده است و در تقریباً تمام صنایع، حتی صنایعی که ممکن است به ذهن شما نرسد، کاربرد دارد: از مد و دولت، تا فناوری، ورزش و مراقبتهای بهداشتی
این دوره اولین دوره در یک سری است که برای آمادهسازی شما برای نقش تحلیلگر داده در سطح مقدماتی طراحی شده است. شما برای موفقیت در این دوره به هیچ تجربه قبلی با نرمافزارهای تحلیلی، برنامهنویسی، یا حتی داده نیاز ندارید.
چه به دنبال شروع یک حرفه در تحلیل داده باشید و چه بخواهید در نقش فعلی خود پیشرفت کنید، این دوره برای شما مناسب است. این دوره طوری طراحی شده است که شما را از هیچ تجربه قبلی به رهبری پروژههای کامل خود برتر برساند. و اگر در حال حاضر به عنوان تحلیلگر داده یا در نقش مشابهی کار میکنید، شما استراتژیها و بینشهای جدیدی برای ادامه رشد در حرفه خود پیدا خواهید کرد.
در ابتدا، شما یاد خواهید گرفت که داده چیست و اشکال مختلف آن کدامند. سپس، شما با spreadsheets، ابزاری قدرتمند برای تحلیل و مصورسازی داده، کار عملی خواهید داشت. شما در طول دموی ویدئویی و آزمایشگاههای تعاملی، مجموعهداده دنیای واقعی، از جمله رزرو هتل، نام نوزادان و فروش خانه را بررسی خواهید کرد. در نهایت، شما یک رویکرد ساختاریافته برای پروژههای تحلیل داده که در صنایع مختلف کار میکند، خواهید آموخت.
علاوه بر این، در سرتاسر این دوره، شما با مدلهای زبان بزرگ (LLM) که در حال تغییر ماهیت کار هستند، کار عملی خواهید داشت. آنها جایگزین دیدگاه شما نیستند، اما میتوانند مهارتهای شما را تقویت کرده و به عنوان شریک فکری برای تمرین شما عمل کنند. در این دوره، از LLMها برای تفسیر مصورسازی های داده، اجرای تحلیلها و موارد دیگر استفاده خواهید کرد.
تحلیل داده هم تحلیلی است و هم خلاقانه. در حالی که شما اعداد را پردازش خواهید کرد، و این به خودی خود سرگرمکننده است، شما همچنین داستانهای قانعکنندهای برای الهام بخشیدن به اقدام خواهید ساخت. شما هر روز چیزهای جدیدی کشف خواهید کرد، با افرادی از پیشینههای مختلف کار خواهید کرد و تأثیرات دنیای واقعی تخصص خود را خواهید دید.
اصول تحلیل داده
-
به تحلیل داده خوش آمدید! 6:19
-
Generative AI در این دوره 2:40
-
مقدمه ماژول 1 1:19
-
زندگی به عنوان یک تحلیلگر داده 4:10
-
تحلیل داده چیست؟ 4:43
-
تصمیمگیری مبتنی بر شواهد 5:40
-
تاریخچه تحلیل داده 4:02
-
موارد استفاده در صنایع مدرن 5:01
-
تعریف داده 2:56
-
داده بدون ساختار 4:17
-
داده ساختاریافته 5:06
-
کلانداده 5:06
-
اکوسیستمهای داده 3:23
-
همکاران خارج از تیم داده شما 3:31
-
همکاران در تیم داده شما 3:36
-
مقدمهای بر مدلهای زبان بزرگ 3:31
-
انتخاب یک LLM 3:13
-
پرامپت نویسی به LLMها 2:40
-
محدودیتهای LLM 4:44
-
دمو: تعامل با LLMها 5:45
-
به دوره خوش آمدید None
-
به انجمن DeepLearning.AI بپیوندید تا سوال بپرسید، پشتیبانی دریافت کنید، یا ایدههای شگفتانگیزی به اشتراک بگذارید! None
-
داده در تمدنهای باستانی None
-
درباره آزمایشگاههای LLM در این دوره None
-
آزمایشگاه نمرهدار: تحویل پیتزا None
-
منابع ماژول 1 None
-
یادداشتهای درس ماژول 1 None
-
مقدمه ماژول 2 1:25
-
حل مسائل با داده 3:15
-
spreadsheets برای تحلیل کسبوکار 2:49
-
ناوبری در Google Sheets 6:22
-
ایمپورت کردن داده 4:32
-
مرتبسازی، فیلتر کردن و قالببندی 3:46
-
آشنایی با داده شما 3:24
-
آمار توصیفی - MAX ،MIN ،AVERAGE 5:17
-
قالببندی شرطی 5:34
-
آمار توصیفی – COUNTIF 3:29
-
آمار توصیفی – SUMIF ،AVERAGEIF 4:27
-
آمار توصیفی – COUNTIFS ،SUMIFS 6:05
-
پردازش داده – IF ،IFS ،RIGHT ،LEFT 5:12
-
داده از کجا میآیند؟ 4:30
-
اکتشاف داده با LLMها 6:07
-
مقدمهای بر سریهای زمانی 6:25
-
سریهای زمانی دنیای واقعی 3:54
-
میانگینهای متحرک 6:36
-
تغییر درصدی 6:10
-
دسترسی به Google Sheets و جایگزینهای آن None
-
کار با spreadsheets در این دوره None
-
محدودههای نامگذاری شده None
-
سلولها و محدودههای سلولی None
-
آزمایشگاه تمرینی: بررسی مجموعه داده رزرو هتل None
-
LLMها و حریم خصوصی None
-
انتخاب رویکرد صحیح LLM None
-
آزمایشگاه تمرینی: بررسی نام نوزادان None
-
آزمایشگاه نمرهدار: تحقیقات بازار بازیهای ویدیویی None
-
منابع ماژول 2 None
-
یادداشتهای درس ماژول 2 None
-
مقدمه ماژول 3 1:04
-
داستانسرایی داده چیست؟ 4:56
-
زبان مصورسازی های داده 6:08
-
تحلیل مصورسازی ها 5:59
-
نمودار مناسب برای بینش صحیح 5:49
-
دمو: نمودارهای میلهای و ستونی 5:11
-
دمو: سفارشیسازی نمودارها 3:49
-
دمو: نمودارهای پراکندگی 3:35
-
دمو: نمودارهای میلهای و ستونی گروهبندی شده 3:36
-
دمو: نمودارهای میلهای و ستونی انباشته 3:28
-
دمو: نمودارهای خطی 2:16
-
استراتژیهایی برای مصورسازی مؤثر داده 5:33
-
انکودینگ داده 4:57
-
عناصر نمودار 5:15
-
نمونههایی از مصورسازی داده: خوب و بهتر 6:55
-
دمو: تفسیر مصورسازی های داده با LLMها 5:25
-
دمو: ایجاد مصورسازی داده با LLMها 3:37
-
انواع نمودار و بینشها None
-
انواع نمودار و بینشهای تکمیلی None
-
آزمایشگاه تمرینی: بررسی رزرو هتل None
-
آزمایشگاه نمرهدار: تحقیقات بازار اشتراک دوچرخه None
-
منابع کتاب None
-
منابع ماژول 3 None
-
یادداشتهای درس ماژول 3 None
-
مقدمه ماژول 4 1:15
-
چرخه عمر تحلیل داده 4:31
-
تعریف مسئله 3:25
-
جمعآوری و پیشپردازش داده 4:35
-
تحلیل داده 4:03
-
شناسایی بینشها 2:25
-
به اشتراکگذاری نتایج 4:12
-
ارزیابی نتایج 3:41
-
جمعآوری نیازمندیهای ذینفعان 4:19
-
ترکیب ورودیهای ذینفعان 5:22
-
بررسی وضعیت با ذینفعان 4:35
-
دانش دامنه 1:45
-
دمو: استفاده از LLMها برای تحلیل ذینفعان 6:58
-
گامهای بعدی شما در تحلیل داده 0:55
-
نسخههای جایگزین چرخه عمر تحلیل داده None
-
درک ماتریس Rumsfeld None
-
نمونههایی از دانش دامنه None
-
آزمایشگاه تمرینی: مطالعه موردی اسپاتیفای None
-
آزمایشگاه نمرهدار: مطالعه موردی نانوایی None
-
منابع ماژول 4 None
-
یادداشتهای درس ماژول 4 None
-
پروژه نهایی: تحلیل لغو اشتراک مشتریان None
-
تشکر و قدردانی None
مشخصات آموزش
اصول تحلیل داده
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:مقدماتی
- تعداد درس:104
- مدت زمان :05:00:35
- حجم :1.84GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy