هوش مصنوعی (AI) به دلیل افزایش راندمان محاسباتی، کاهش هزینه‌های محاسباتی و افزایش دموکراسی‌سازی مدل‌های بنیادی، با سرعت و سرعت بیشتری در حال استفاده است. کسب‌وکارها از همه صنایع به دنبال راه‌هایی برای استفاده از هوش مصنوعی برای بهینه‌سازی فرآیندها، بهبود تجربه مشتری و افزایش ارزش کسب‌وکار هستند.

در این دوره آموزشی، نحوه اجرای موفقیت آمیز راه حل هوش مصنوعی برای کسب و کار خود را خواهید آموخت. شما موارد استفاده تجاری مناسب را شناسایی می‌کنید، اثبات مفهومی ایجاد می‌کنید، موفقیت را می‌سنجید، و نحوه حرکت از POC به یک راه‌حل کاملاً اجرا شده را ارزیابی می‌کنید. خواهید آموخت که چگونه هوش مصنوعی مسئولیت پذیر، امنیت و ارتقاء مهارت جزء به همان اندازه مهم هستند.

در پایان این دوره، شما با راهنمای شروع به ساخت یک استراتژی پیاده سازی برای کسب و کار خود مجهز خواهید شد.

آیا تا به حال فکر کرده اید که چگونه شرکت هایی مانند فیس بوک و گوگل می توانند تبلیغات هدفمند شگفت انگیزی را که گهگاه روی آنها کلیک می کنید به شما ارائه دهند؟ خوب، در پشت صحنه، آنها مدل‌های یادگیری ماشینی پیچیده را اجرا می‌کنند و از داده‌های غنی کاربر برای پیش‌بینی نرخ کلیک (CTR) برای هر کاربری که آن تبلیغات را می‌بیند، استفاده می‌کنند. این دوره به شما یاد می دهد که چگونه مدل های پایه را در پایتون پیاده سازی کنید تا بتوانید نحوه بهینه سازی بهتر تبلیغات با یادگیری ماشین را مشاهده کنید. با استفاده از داده‌های تبلیغات واقعی، می‌آموزید که چگونه ویژگی‌ها را مهندسی کنید، مدل‌های یادگیری ماشینی را با استفاده از آن ویژگی‌ها بسازید، و مدل‌های خود را در زمینه پیش‌بینی CTR ارزیابی کنید. در پایان این دوره، درک قوی از نحوه استفاده از یادگیری ماشینی برای موثرتر کردن تبلیغات خود خواهید داشت.

پیش‌بینی دقیق تقاضا برای محصولات به شرکت اجازه می‌دهد از بازار جلوتر بماند. با دانستن اینکه چه چیزهایی تقاضا را شکل می دهند، می توانید رفتارهای اطراف محصولات خود را بهتر هدایت کنید. این دوره روند پیش‌بینی تقاضای محصول را از طریق استفاده از R باز می‌کند. شما یاد خواهید گرفت که چگونه محرک‌های مهم تقاضا را شناسایی کنید، به اثرات فصلی نگاه کنید، و تقاضا برای سلسله مراتبی از محصولات را از یک مثال دنیای واقعی پیش‌بینی کنید. در پایان دوره شما قادر خواهید بود تقاضا برای چندین محصول را در سراسر منطقه ای از یک ایالت در ایالات متحده پیش بینی کنید. سپس این پیش‌بینی‌ها را در بسیاری از مناطق مختلف یک ایالت جمع می‌کنید تا یک سیستم پیش‌بینی سلسله مراتبی کامل را تشکیل دهید.

پیش‌بینی شامل پیش‌بینی‌هایی درباره آینده است. در بسیاری از شرایط لازم است: تصمیم گیری در مورد ساخت نیروگاه تولید برق دیگر در ده سال آینده مستلزم پیش بینی تقاضای آینده است. برنامه ریزی کارکنان در یک مرکز تماس در هفته آینده نیاز به پیش بینی حجم تماس دارد. ذخیره سازی موجودی مستلزم پیش بینی نیازهای موجودی است. پیش‌بینی‌ها می‌توانند چندین سال قبل (در مورد سرمایه‌گذاری‌های سرمایه) یا فقط چند دقیقه قبل (برای مسیریابی مخابرات) مورد نیاز باشند. هر چه شرایط یا افق زمانی درگیر باشد، پیش‌بینی کمک مهمی به برنامه‌ریزی مؤثر و کارآمد است. این دوره مقدمه ای بر پیش بینی سری های زمانی با استفاده از R.

در پیش‌بینی مالی در پایتون، به نقش مدیر مالی وارد می‌شوید و یاد می‌گیرید که چگونه به هیئت مدیره در مورد معیارهای کلیدی در حین ساخت پیش‌بینی مالی، مبانی صورت‌های درآمد و ترازنامه، و تمیز کردن داده‌های مالی نامرتب مشاوره دهید. در طول دوره، مجموعه داده های واقعی از نتفلیکس، تسلا و فورد را با استفاده از بسته پانداها بررسی خواهید کرد. پس از این دوره، می‌توانید معیارهای مالی را محاسبه کنید، با فرضیات و واریانس‌ها کار کنید و پیش‌بینی خود را در پایتون بسازید!

این دوره اصول اولیه نحوه و زمان انجام پیش پردازش داده ها را پوشش می دهد. این مرحله ضروری در هر پروژه یادگیری ماشینی زمانی است که داده های خود را برای مدل سازی آماده می کنید. بین وارد کردن و تمیز کردن داده‌های شما و تطبیق مدل یادگیری ماشین شما، زمانی است که پیش پردازش وارد عمل می‌شود. شما یاد خواهید گرفت که چگونه داده های خود را استاندارد کنید تا به شکل مناسبی برای مدل شما باشند، ویژگی های جدیدی ایجاد کنید تا اطلاعات موجود در مجموعه داده خود را به بهترین شکل ممکن استفاده کنید و بهترین ویژگی ها را برای بهبود تناسب مدل خود انتخاب کنید. در نهایت، با آماده‌سازی مجموعه داده‌های رویت‌های بشقاب پرنده برای مدل‌سازی، پیش‌پردازش را تمرین خواهید کرد.

توانایی ترکیب و کار با چندین مجموعه داده یک مهارت ضروری برای هر دانشمند داده مشتاق است. پانداها سنگ بنای حیاتی اکوسیستم علم داده پایتون است، با Stack Overflow که 5 میلیون بازدید برای سوالات پانداها ثبت کرده است. یاد بگیرید که با استفاده از پانداها، چندین DataFrame را با ترکیب، سازماندهی، پیوستن و تغییر شکل آنها مدیریت کنید. شما با مجموعه داده های بانک جهانی و شهر شیکاگو کار خواهید کرد. شما این دوره را با یک مجموعه مهارت قوی برای پیوستن به داده ها در پانداها به پایان خواهید رساند.

به Transformation داده ها در Alteryx خوش آمدید! در تسلط بر ابزار Formula، Logical Operators، Crosstab و Transpose غوطه ور شوید. با چندین ابزار قدرتمند Alteryx، داده‌ها را به طور موثر تغییر شکل داده و تجزیه و تحلیل کنید.

تغییر داده در KNIME برای تجهیز شما به تکنیک های اساسی و میانی برای دستکاری و تبدیل داده ها با استفاده از KNIME طراحی شده است. شما با یادگیری مهارت های اولیه تبدیل داده ها، از جمله تقسیم ستون ها و استفاده از عبارات شرطی، شروع خواهید کرد. این دوره به سمت وظایف پیچیده تر، مانند تبدیل های مبتنی بر بیان و تلفیق داده ها، پیشرفت می کند. در نهایت، شما یاد خواهید گرفت که با ایجاد اجزای قابل استفاده مجدد و بهینه سازی قابلیت استفاده مجدد، گردش کار KNIME را بهبود ببخشید. این دوره برای هر کسی که به دنبال تقویت مهارت های مدیریت داده خود با استفاده از KNIME است عالی است.

در این دوره، همه چیز را در مورد تبدیل جدول در Power BI خواهید آموخت. شما یاد خواهید گرفت که چگونه جداول را (لغو) محوری، جابجایی و الحاق کنید. همچنین با پیوستن ها آشنا می شوید و متوجه خواهید شد که چه زمانی استفاده از آنها منطقی است. در نهایت، با ستون‌های سفارشی، از جمله نحوه استفاده از زبان M و ویرایشگر پیشرفته، قدرت کسب خواهید کرد تا به شما کمک کند در آماده‌سازی داده‌ها حتی کارآمدتر باشید.

این دوره اصول تجارت مالی را پوشش می دهد و به شما یک نمای کلی از نحوه استفاده از کوانتسترات برای ایجاد استراتژی های معاملاتی مبتنی بر سیگنال در R ارائه می دهد. به شما می آموزد که چگونه یک استراتژی کوانتسترات راه اندازی کنید، تغییراتی در داده های بازار به نام اندیکاتورها اعمال کنید، سیگنال هایی را بر اساس تعاملات آن اندیکاتورها ایجاد کنید و حتی سفارشات را شبیه سازی کنید. در نهایت، نحوه تجزیه و تحلیل نتایج خود را از دیدگاه آماری و بصری توضیح خواهد داد.

آیا مجذوب بازارهای مالی هستید و به تجارت مالی علاقه دارید؟ این دوره به شما کمک می کند تا بفهمید چرا مردم تجارت می کنند، سبک های مختلف معاملاتی چیست و چگونه از پایتون برای پیاده سازی و آزمایش استراتژی های معاملاتی خود استفاده کنید. ماجراجویی معاملاتی خود را با مقدمه ای بر تحلیل تکنیکال، اندیکاتورها و سیگنال ها آغاز کنید. شما یاد خواهید گرفت که با کار با داده های مالی دنیای واقعی مانند سهام، ارزهای خارجی و ارزهای دیجیتال، استراتژی های معاملاتی بسازید. در پایان این دوره، می‌توانید استراتژی‌های معاملاتی سفارشی را در پایتون پیاده‌سازی کنید، آنها را بک تست کنید و عملکرد آنها را ارزیابی کنید.

تحلیل احساسات را به جعبه ابزار متن کاوی خود اضافه کنید! تجزیه و تحلیل احساسات توسط استخراج کنندگان متن در بازاریابی، سیاست، خدمات مشتری و جاهای دیگر استفاده می شود. در این دوره شما یاد خواهید گرفت که زبان مثبت و منفی، نیت عاطفی خاص را شناسایی کنید و تجسم های قانع کننده ای ایجاد کنید. شما با مقدمه‌ای برای امتیازدهی قطبیت با استفاده از تابع احساسات qdap شروع می‌کنید و درک خود را از قانون Zipf و واژگان ذهنی در طول مسیر ایجاد خواهید کرد. احساسات، و زبان مورد استفاده برای بیان آن، پیچیده و ظریف است. این مبتنی بر زبان شناسی، جامعه شناسی و روانشناسی و همچنین فرهنگ و زبان عامیانه است. فصل دوم این دوره به شما کمک می‌کند تا با استفاده از چرخ احساسات Plutchik در این مشکلات پیمایش کنید و کار خود را با استفاده از Tidytext از Tidyverse سازماندهی کنید. تبدیل تجزیه و تحلیل احساسات خود به تجسم داده های واضح به شما کمک می کند تا روایت واضح تری ایجاد کنید و بینش خود را با بقیه کسب و کار به اشتراک بگذارید. فصل سوم این دوره به شما نشان می دهد که چگونه تحلیل احساسات خود را تجسم کنید، و شما را فراتر از ابرهای کلمات می برد تا گرافیک های ساده و تاثیرگذاری ایجاد کنید که داستان کامل داده های شما را بیان می کند. شما دوره را با آزمایش تمام دانش خود با مطالعه موردی به پایان خواهید رساند. با استفاده از نظرات Airbnb، خواهید دید که مردم واقعاً در یک اجاره خوب به دنبال چه چیزی هستند.

آیا برای بیان احساس خود در مورد یک محصول یا خدمات نظری گذاشته اید؟ و آیا عادت دارید قبل از خرید محصول، نظرات آن را به صورت آنلاین بررسی کنید؟ این نوع اطلاعات نه تنها برای شما بلکه برای شرکت ها نیز ارزشمند است. در این دوره یاد خواهید گرفت که چگونه احساسات بیان شده در اسناد مختلف را درک کنید. شما از مجموعه داده‌های دنیای واقعی شامل توییت‌ها، بررسی فیلم و محصول استفاده خواهید کرد و از بسته‌های nltk و scikit-learn Python استفاده خواهید کرد. در پایان دوره، می‌توانید یک کار تجزیه و تحلیل احساسات سرتاسری را بر اساس نحوه ابراز احساسات مسافران خطوط هوایی ایالات متحده در توییتر انجام دهید.

در این دوره آموزشی بدون کد، با نقش یک تحلیلگر بازاریابی و نحوه استفاده از داده ها برای درک بهتر مشتریان و کمک به رشد شرکت ها آشنا خواهید شد. از طریق تمرینات عملی، یاد خواهید گرفت که چگونه به سوالات بزرگی مانند "آیا کمپین من شش ماه پس از راه اندازی فروش را افزایش داد؟" پاسخ دهید؟ همچنین برای انجام تجزیه و تحلیل بازاریابی ضروری، از جمله ساخت بخش‌های مشتری، مدل‌های پاسخ بازار، محاسبه ارزش طول عمر مشتری (LTV) و موارد دیگر، با داده‌های دنیای واقعی کار خواهید کرد.

Google Sheets یک ابزار ضروری برای هر حرفه‌ای بازاریابی است، اما چگونه می‌توان این صفحه‌گسترده‌ها را تمیز و دقیق نگه داشت - به‌خصوص زمانی که چندین طرف داده‌ها را ارائه می‌کنند؟ اعتبارسنجی داده ها و عبارات منظم ابزارهای قدرتمندی برای تحلیلگران بازاریابی هستند، اما داشتن داده های تمیز تنها نیمی از نبرد است. بعد از اینکه نحوه پاکسازی داده ها را یاد گرفتیم، با ساختن نمودارها آن را تجسم می کنیم! در طول دوره، مجموعه داده ای را بررسی خواهیم کرد که شامل نوع اطلاعاتی است که در دنیای بازاریابی دیجیتال با آن مواجه خواهید شد. ما با استفاده از اعتبارسنجی داده‌ها، خطاها را در معیارها تشخیص می‌دهیم، از عبارات منظم برای جمع‌آوری معیارهای کمپین استفاده می‌کنیم، نمودارهایی را برای تجزیه و تحلیل عملکرد کمپین ایجاد می‌کنیم، و از همه چیزهایی که آموخته‌ایم برای ساخت یک داشبورد پویا استفاده می‌کنیم!

با نحوه استفاده از Tableau برای تجزیه و تحلیل عملکرد بازاریابی و بهبود را بیاموزید. در این دوره تعاملی، اصول اولیه بازاریابی مدرن، مانند چالش دشوار انتساب بازاریابی و عناصر منحصر به فرد بازاریابی B2B در مقابل بازاریابی B2C را خواهید آموخت. همچنین با توابع Tableau، مانند FIXED، DATEPARSE، و COTAINS تمرین عملی خواهید داشت که اغلب هنگام کار با داده های بازاریابی استفاده می کنید.

شما از این توابع برای انجام یک سری تجزیه و تحلیل، مانند روند عملکرد در طول زمان، و مشاهده نمودارهای مهم 2x2، که تحلیلگران بازاریابی به طور منظم انجام می دهند، استفاده خواهید کرد. شما این تحلیل ها را در یک سری انواع مختلف بازاریابی انجام خواهید داد، از جمله تبلیغاتی که هنگام گشت و گذار در اینترنت مشاهده می کنید یا ایمیل هایی که در صندوق ورودی خود پیدا می کنید. در پایان دوره، شما با داده‌های هر یک از این روش‌های بازاریابی محبوب کار خواهید کرد و درک عمیق‌تری از هر یک به دست خواهید آورد.

سوالات کلیدی را برای هدایت تجزیه و تحلیل خود، نحوه محک زدن عملکرد با استفاده از معیارهای استاندارد مانند LTV/CAC و نرخ تعامل، و روش‌هایی برای شناسایی زمینه‌های بهبود یاد خواهید گرفت.

Churn زمانی است که مشتری فعالیت تجاری خود را متوقف می کند یا رابطه خود را با یک شرکت پایان می دهد. این یک مشکل رایج در صنایع مختلف است، از مخابرات گرفته تا تلویزیون کابلی گرفته تا SaaS، و شرکتی که می‌تواند ریزش را پیش‌بینی کند، می‌تواند برای حفظ مشتریان ارزشمند و پیشی گرفتن از رقبا اقدامی پیشگیرانه انجام دهد. این دوره به شما یک نقشه راه برای ایجاد مدل های ریزش مشتری خود ارائه می دهد. شما یاد خواهید گرفت که چگونه داده‌های خود را کاوش و تجسم کنید، آن‌ها را برای مدل‌سازی آماده کنید، با استفاده از یادگیری ماشینی پیش‌بینی کنید، و بینش‌های مهم و عملی را به ذینفعان منتقل کنید. در پایان دوره، استفاده از کتابخانه پانداها برای تجزیه و تحلیل داده ها و کتابخانه scikit-learn برای یادگیری ماشین راحت خواهید بود.

آیا بیمارانی که داروی جدید مصرف می کنند بیشتر از سایرین زنده می مانند؟ افراد پس از بیکار شدن چقدر سریع شغل جدیدی پیدا می کنند؟ چه کاری می توانم انجام دهم تا دوستانم در میهمانی من در میدان رقص بمانند؟ همه این سوالات نیاز به تجزیه و تحلیل داده های زمان تا رویداد دارند که برای آن از روش های آماری خاصی استفاده می کنیم. این دوره مفاهیم اولیه تجزیه و تحلیل داده های زمان تا رویداد را معرفی می کند که به آن تحلیل بقا نیز می گویند. نحوه برخورد با داده های زمان تا رویداد و نحوه محاسبه، تجسم و تفسیر منحنی های بازمانده و همچنین مدل های Weibull و Cox را بیاموزید.

چه مدت طول می کشد تا علائم آنفولانزا بعد از قرار گرفتن در معرض ظاهر شود؟ و اگر ندانید چه زمانی افراد به ویروس مبتلا شده اند، چه؟ آیا تعادل حقوق و کار و زندگی بر سرعت جابجایی کارکنان تأثیر می گذارد؟ بسیاری از چالش‌های زندگی واقعی به تجزیه و تحلیل بقا نیاز دارند تا زمان تا یک رویداد را به طور قوی تخمین بزنیم تا به ما کمک کند بینش‌هایی را از توزیع‌های زمان به رویداد دریافت کنیم. این دوره شما را با مفاهیم اولیه تجزیه و تحلیل بقا آشنا می کند. از طریق تمرین عملی، نحوه محاسبه، تجسم، تفسیر و مقایسه منحنی‌های بقا را با استفاده از مدل‌های Kaplan-Meier، Weibull و Cox PH خواهید آموخت. در پایان این دوره، می‌توانید توزیع‌های بقا را مدل‌سازی کنید، نمودارهای زیبایی از منحنی‌های بقا بسازید، و حتی مدت زمان بقا را پیش‌بینی کنید.