برای انجام تجزیه و تحلیل دقیق داده های مراقبت های بهداشتی، باید اپیدمیولوژی و طراحی مطالعات پایه را درک کنید - که در قسمت اول این مجموعه آموزشی پوشش داده شده است. اما شما همچنین باید بتوانید تحلیل توصیفی و رگرسیون انجام دهید و از تصمیمات خود در مورد انتخاب مدل، تفسیر و ارائه دفاع کنید. بخش دوم مجموعه ما در زمینه طراحی مطالعات مراقبت بهداشتی داده های بزرگ، تدارکات برنامه ریزی و اجرای تجزیه و تحلیل بر روی مجموعه داده های تحلیلی تهیه شده در دوره قبلی را پوشش می دهد. مربی مونیکا وحی نحوه انجام تحلیل و تفسیر مدل نهایی را در زمینه فرضیه اصلی خود نشان می دهد. در طول مسیر، او در مورد بهترین شیوه‌ها برای نام‌گذاری و ترتیب، مدل‌سازی انتخاب مرحله‌ای، نسبت‌های عجیب و غریب و شیوع، و ریسک نسبی آموزش می‌دهد. با استفاده از این آموزش‌ها، شما باید بتوانید مطالعات مراقبت‌های بهداشتی عالی را طراحی کنید که از تمام داده‌های بزرگی که ارائه می‌کند، بهره می‌برد.

حتی اگر درک قوی از آمار و انفورماتیک دارید، همچنین باید اپیدمیولوژی و طراحی مطالعات پایه را درک کنید تا تجزیه و تحلیل دقیق و دقیق داده های مراقبت های بهداشتی را انجام دهید. این دوره به شما کمک می کند تا مطالعات تحقیقاتی را پیرامون فرضیه ها طراحی کنید و شکاف دانشی را که بسیاری از تحلیلگران امروزی هنگام ورود به حوزه مراقبت های بهداشتی با آن مواجه هستند، پر کنید. مربی مونیکا وحی اصطلاحات و مفاهیم اساسی در اپیدمیولوژی را تعریف می کند و رویکردهای مختلف طراحی مطالعه را مرور می کند: توصیفی، تحلیلی، مقطعی و کنترل موردی. او به جزئیات در مطالعات مقطعی و مورد شاهدی می پردازد و نحوه برنامه ریزی مجموعه داده های تحلیلی را نشان می دهد: کشف متغیرهای بومی ضروری و عملیاتی کردن آنها در فرهنگ لغت داده. در آخر، او درس های آموخته شده از دوره را مرور می کند و شما را برای قسمت دوم مجموعه آموزشی آماده می کند که به تحلیل توصیفی و رگرسیون برای مجموعه داده هایی که طراحی کرده اید می پردازد.

آیا شما علاقه مند به افزایش درک خود از نحوه عملکرد دولت و سیاست هستید؟ اگر چنین است، این دوره کوتاه می‌تواند با بررسی روش‌های عمیقی که علم داده بر نحوه عملکرد دولت و فرآیند سیاسی ما تأثیر می‌گذارد کمک کند. بارتون پولسون، دانشمند داده و پروفسور، مروری غیرفنی از نحوه عملکرد علم داده در بخش عمومی ارائه می‌کند. او بحث می کند که چگونه می توان از تحلیل های پیش بینی کننده برای کمک به درک بازنمایی سیاسی استفاده کرد. بررسی می کند که چگونه علم داده بر مسائل امنیت ملی، حریم خصوصی و عدالت اجتماعی تأثیر می گذارد.

موسیقی، تئاتر، رقص و فیلم ممکن است مانند تجارت های داده محور به نظر نرسند، اما می توانند به اندازه تجارت الکترونیک یا امور مالی از علم داده بهره ببرند. به پروفسور، محقق و مشاور علوم داده، بارتون پولسون بپیوندید تا روش‌های شگفت‌انگیزی را که در آن رسانه‌ها و صنایع سرگرمی اطراف ما تحت تأثیر داده‌ها و علم داده‌ها و تجزیه‌وتحلیل‌ها تحت تأثیر قرار می‌گیرند - و به طور اساسی تغییر کرده‌اند - را بررسی می‌کند.\r\n\r\n مشاهده آن برای کسانی که در رسانه کار می کنند ضروری است، اما همچنین برای هر کسی که علاقه مند به تأثیر فناوری بر دنیای اطراف ما است جذاب است. بیاموزید که چگونه از علم داده برای ارزیابی مخاطبان هدف خود، بهینه سازی قیمت گذاری و زمان بندی رویدادها و محصولات دیجیتال، شناسایی دزدی دریایی، محافظت از مالکیت معنوی خود، پاداش دادن به کارمندان و به حداکثر رساندن بازگشت سرمایه خود استفاده کنید. ترکیب برخی تحلیل‌های ساده می‌تواند منجر به مخاطبان گسترده‌تر و تجربیات غنی‌تر برای تلاش خلاقانه بعدی شما شود.

یاد بگیرید چگونه از علم داده برای انجام کارهای خوب استفاده کنید. علم داده می‌تواند کمک بزرگی به سازمان‌های غیرانتفاعی باشد که در تلاش برای شناسایی اهداکنندگان، درک جوامع خود، ارزیابی تأثیر آنها و بهره‌وری بیشتر هستند. در این دوره آموزشی، مدرس، دانشمند داده و کارآفرین بارتون پولسون بحث می‌کند که چگونه می‌توان برخی از نگرانی‌های رایج سازمان‌های خدماتی غیرانتفاعی را با استفاده از منابع جدید داده - از جمله رسانه‌های اجتماعی و تجزیه و تحلیل وب - برطرف کرد و چگونه روش‌هایی مانند تجزیه و تحلیل پیش‌بینی‌کننده، یادگیری ماشین، و تجسم داده ها می تواند سازمان ها را بهره وری و کارآمدتر کند. او همچنین فرصت های شغلی را برای دانشمندان داده که می خواهند از جاه طلبی های مدنی خود به بهترین شکل استفاده کنند، پوشش می دهد.

علاقه به ورزش می تواند یک فرد معمولی از ریاضی را به یک آماردان آماتور تبدیل کند، که آماده است از انتخاب خود برای بهترین ضربه زننده کلاچ با داده های سخت پشتیبانی کند. اگر شیفتگی شما به ورزش علاقه به داده ها و آمار را برانگیخته است، دریافت یک درک کلی از علم داده می تواند به شما کمک کند تا بینش قابل توجهی از بازیکنان و تیم های مورد علاقه خود به دست آورید. در این دوره کوتاه، دانشمند داده و پروفسور بارتون پولسون راه‌های عمیقی را که علم داده بر دنیای ورزش و مدیریت ورزش تأثیر می‌گذارد، و همچنین تأثیر بزرگ‌تری که بر مخاطبان و صنایع مرتبط دارد، بررسی می‌کند. و در حالی که موضوعاتی که او در آنها غوطه ور می شود می تواند پیچیده باشد، بارتون در این دوره یک رویکرد غیر فنی را اتخاذ می کند و اطمینان می دهد که طرفداران ورزش با پیشینه های فنی بسیاری می توانند بینش هایی را از آموزش او به دست آورند. او توضیح می دهد که چگونه اصول علم داده می تواند به اندازه گیری عملکرد ورزشی و همچنین قیمت بلیط، مربیگری بازیکنان و موارد دیگر کمک کند.

 هیاهو در مورد کلان داده ممکن است چندین سال پیش به اوج خود رسیده باشد، اما کلان داده هنوز از بین رفته است. در عوض شالوده برخی از هیجان انگیزترین فناوری های امروزی را تشکیل می دهد. هوش مصنوعی (AI)، یادگیری ماشین و علم داده بر داده‌های بزرگ یا داده‌هایی تکیه می‌کنند که - به دلیل سرعت، حجم یا تنوع - نمی‌توانند به راحتی با روش‌های سنتی ذخیره یا تجزیه و تحلیل شوند. در این دوره غیر فنی، بارتون پولسون به مبحث کلان داده می پردازد و توضیح می دهد که چگونه کار می کند و جهان داده مدرن ما را شکل می دهد. بارتون رابطه کلان داده ها را با هوش مصنوعی، علم داده، رسانه های اجتماعی و اینترنت اشیا (IoT) توضیح می دهد. او برخی از مسائل اخلاقی پشت استفاده از داده های بزرگ را بررسی می کند. به علاوه، او تکنیک های مربوط به تجزیه و تحلیل داده های بزرگ، از جمله داده کاوی و تجزیه و تحلیل پیش بینی را پوشش می دهد.

تمام علم داده با داده های خوب شروع می شود. داده‌کاوی چارچوبی برای جمع‌آوری، جستجو و فیلتر کردن داده‌های خام در یک موضوع سیستماتیک است که تضمین می‌کند از همان ابتدا داده‌های تمیزی دارید. همچنین به شما کمک می کند تا مجموعه داده های بزرگ را تجزیه کنید و به معنی دارترین و مفیدترین اطلاعات دست یابید. این دوره، مبانی علم داده: داده کاوی، طراحی شده است تا نقطه ورود محکمی به تمامی ابزارها، تکنیک ها و تفکر تاکتیکی پشت داده کاوی ارائه دهد.

rnrn و بیشتر.

با تسلط بر مهارت های اصلی مورد نیاز برای استفاده از داده ها برای کسب و کار خود، با اطمینان به داده های بزرگ نزدیک شوید. این دوره اصول مهندسی داده، طراحی سیستم، تجزیه و تحلیل و هوش تجاری را پوشش می دهد. بن سالینز، کارشناس علوم داده، نحوه جمع‌آوری و سازماندهی داده‌های خود را توضیح می‌دهد تا بتوانید نتایجی را ارائه دهید که سازمان شما می‌تواند از آن استفاده کند. بن با بررسی اکوسیستم داده مدرن و چگونگی ارتباط آن با اجرای یک هاب داده هوشمند و کارآمد شروع می کند. سپس، او به شما نشان می دهد که چگونه وظایف اصلی مربوط به مدیریت، بارگذاری، استخراج و تبدیل داده ها را انجام دهید. او همچنین شما را از طریق مرحله بندی، نمایه سازی، پاکسازی و انتقال داده ها راهنمایی می کند. در طول مسیر، او توصیه‌های عملی را ارائه می‌دهد که برای کارشناسان داده در سراسر یک سازمان - تحلیلگران، مهندسان، دانشمندان، مدل‌سازان و غیره قابل استفاده است.

 
در طول ماموریت های سرنشین دار ناسا به ماه در دهه های 1960 و 1970، مهندسان روی زمین دوقلوهای فیزیکی از فضاپیماها و تجهیزات موجود در فضا داشتند. آنها از این "دوقلوها" برای عیب یابی مشکلات، آزمایش ایده های مختلف و شبیه سازی نتایج استفاده می کنند. فقط زمانی که به این کار اطمینان داشتند به فضانوردان می گفتند که چه کار کنند. امروزه، تکنولوژی ما را قادر می سازد تا دنیای فیزیکی را دقیقاً در قالب دیجیتال شبیه سازی کنیم. یک دوقلو دیجیتال نمایش مجازی یک چیز فیزیکی است که قادر به شبیه سازی رفتار آن در زمان واقعی در شرایط مختلف است. در این دوره کوتاه، جاناتان ریشنتال نحوه عملکرد این فناوری ارزشمند، اهمیت آن و اینکه چگونه سازمان شما چگونه راه‌حل‌ها را طراحی، ایجاد و نگهداری می‌کند، متحول می‌کند.

مفاهیم، \u200b\u200bمهارت ها و تکنیک های ضروری برای مدیریت امنیت شبکه و پزشکی قانونی را کاوش کنید. در این دوره، Jungwoo Ryoo نحوه بهبود امنیت شبکه و پزشکی قانونی را با استفاده از داده ها توضیح می دهد. او با بررسی موارد ضروری مانند فایروال ها، VPN ها و سیستم های مدیریت آسیب پذیری شروع می کند. در مرحله بعد، او منابع داده های مختلف را بررسی می کند و توضیح می دهد که چگونه داده های منابع مختلف می توانند ابزار قدرتمندی برای افزایش امنیت شبکه شما باشند. Jungwoo همچنین تکنیک ها و ابزارهای جمع آوری داده های شبکه و یادگیری ماشینی و تجسم را برای پردازش داده های شبکه و تشخیص ناهنجاری ها پوشش می دهد.

 هوش مصنوعی دیگر علمی تخیلی نیست. فناوری‌های هوش مصنوعی در حال حاضر در دسترس هستند و تلاش‌های غیرممکن سابق را عملی می‌کنند. در این دوره آموزشی با ویژگی‌های Microsoft Azure AI آشنا شوید و مروری بر مفاهیم تحت پوشش در آزمون گواهینامه AI-900 داشته باشید. هوش مصنوعی، یادگیری ماشین و علم داده را کاوش کنید. Emilio Melo خدمات شناختی، تجزیه و تحلیل تصویر بینایی کامپیوتری، پردازش زبان طبیعی (NLP)، APIهای گفتار و موارد دیگر را مورد بحث قرار می دهد.

 بیاموزید که چگونه از تلاش‌های تحول دیجیتال کسب‌وکارتان به بهترین شکل حمایت کنید. این دوره استراتژی‌ها و ایده‌های عملی را برای کمک به تمام سطوح سازمان در مواجهه با چالش تحول دیجیتال ارائه می‌کند. یاد بگیرید که چگونه از فناوری هایی مانند ابر، هوش مصنوعی، آموزش آنلاین و ابزارهای بهره وری از راه دور استفاده کنید و آنها را با موفقیت در محل کار پیاده سازی کنید. کشف کنید که چگونه می‌توانید برای رهبری خرید کنید، به سیستم‌های جدید انتقال دهید، پرسنل مناسب را در محل خود قرار دهید، و هر گونه شکاف فناوری یا مهارت را برطرف کنید. نحوه برقراری ارتباط موثر با کاربران نهایی، مدیریت و مدیران فناوری را بیابید. بعلاوه، یاد بگیرید که چگونه تحول دیجیتال خود را اندازه گیری کنید و آن را تکرار کنید تا آن را در حال تکامل نگه دارید، و مزایا و معایب ابزارهایی مانند چت در مقابل ایمیل و پیوندها را در مقابل پیوست ها مقایسه کنید.

یک تیم علم داده سوالات بزرگی می پرسد، داده ها را بررسی می کند و بینش های کلیدی را ارائه می دهد. اما در پایان روز تیم شما باید ارزش واقعی کسب و کار را اضافه کند. حتی بهترین تیم های علم داده اگر نتوانند درآمد یا هزینه های کمتری ایجاد کنند، در سازمان شما دوام زیادی نخواهند داشت. بهترین راه برای ایجاد ارزش تجاری، ارائه یک جریان ثابت از بینش های کلیدی در دو هفته دویدن کوتاه است. این دوی سرعت های کوتاه به شما بازخورد بلادرنگ می دهد تا به حفظ تیم شما در مسیر کمک کند. یک اسپرینت کوتاه همچنین به تیم شما کمک می‌کند تا بر اساس آنچه از داده‌ها می‌آموزند، سؤالات جدیدی بپرسند.

rnrn نحوه کار در چرخه حیات علم داده (DSLC) را ببینید - روشی برای دوچرخه‌سواری از طریق سؤالات، تحقیق و گزارش هر دو هفته یکبار. روش‌های کلیدی را کاوش کنید تا به تیم خود کمک کنید تا کار را به گونه‌ای که در یک دوی دو هفته‌ای مناسب باشد، تجزیه کند. یاد بگیرید که چگونه از ابزارهایی مانند تخته سوالات برای تشویق بحث و پیدا کردن سوالات ضروری استفاده کنید. و مهمتر از همه، یاد بگیرید که چگونه دانش مشترک تیم خود را افزایش دهید و از دام های رایج اجتناب کنید.

شرکت های بیشتری تیم های علم داده را به سازمان خود اضافه می کنند. برای موثر بودن، درک نحوه ساخت و مدیریت این تیم ها بسیار مهم است. داگ رز، مربی و نویسنده کسب‌وکار، اسرار ایجاد تیم‌های موثر علم داده را بیان می‌کند. خواهید دید که چگونه از استعدادهای موجود استفاده کنید یا چگونه می توانید اعضای جدید تیم را استخدام کنید. همچنین خواهید دید که چگونه این تیم ها را آموزش دهید تا شیمی منحصر به فردی ایجاد کنند که همکاری بهتر و بحث های جدی تر را تقویت می کند.

nn نقش ها و مسئولیت های کلیدی، از جمله رهبر تحقیق، تحلیلگر داده و مدیر پروژه را شناسایی کنید. بیاموزید که چگونه حوزه های مسئولیت را تعریف کنید، ارتباطات موثر را تقویت کنید، و گزارش ها و تجسم های متقاعد کننده ایجاد کنید. سپس ببینید چگونه از دام های از دست دادن تمرکز و رسیدن به اجماع نادرست جلوگیری کنید. این تکنیک‌ها به شما کمک می‌کنند تیم‌های بسیار ماهری بسازید که بینش‌های عمیق‌تری نسبت به آنچه که تنها با تکیه بر دانشمندان داده می‌بینید، ایجاد می‌کنند.

کشف کنید که چگونه می توانید منابع رایگان و عمومی داده ها را در مورد مسائل مختلف کسب و کار، آموزش و سلامت پیدا کنید و داده ها را برای تجزیه و تحلیل خود بارگیری کنید. مربی کرت فرای چندین منبع دولتی ایالات متحده را معرفی می کند - از اداره سرشماری ایالات متحده تا اداره ثبت اختراع و علائم تجاری ایالات متحده - و مجموعه داده های آژانس های بین المللی مانند بانک جهانی و سازمان ملل را بررسی می کند. به علاوه، او به موتورهای جستجوی داده، سرویس‌های وب و حتی منابع زبانی مانند Ngram Viewer برای Google Books می‌پردازد. پس از پایان دادن به این دوره، برای یافتن اطلاعات مورد نیاز برای کمک هزینه تحصیلی و تلاش های تجزیه و تحلیل داده ها، مجهزتر خواهید شد.