Data Science School – Telegram
وبیگرام دوره آنلاین تحلیل هوشمند کسب و کار مبتنی بر داده دانشگاه تهران تا دقایقی دیگر در گروه زیر:

🔹لینک گروه پرسش و پاسخ:
https://news.1rj.ru/str/joinchat/CNzlBEo93EtQOgK-pqVvag

🔹پشتیبانی آنلاین:
👤
@Fatemehghassemi
👤
@MAA_91
09339062360
📱شماره تماس:
021-61113594
🆔 @BPERM_UT
📚 Instagram: https://bit.ly/3gfYl5f

📌دانش در حوزه هوش تجاری و تحلیل کسب و کار در جهت حرکت به سمت علم داده

درمقایسه با سایر مشاغل، متخصصان تحلیل هوشمند کسب و کار (BIA) و تحلیلگران کسب و کار (BA)، اگر بخواهند به حوزه علوم داده و هوش مصنوعی روی بیاورند، نسبت به سایر متخصصان برتری دارند. در زیر، مهارت ها، دانش و ابزارهایی آورده شده است که می توانند به یک تحلیلگر کسب و کار برای ورود به حوزه علم داده کمک بسیاری نمایند:

◾️دانش مرتبط با صنعت: شناخت كامل از كاركرد صنعت، كه برای درک درست داده ها بسیار مهم است.
◾️ابزارهای مدیریت داده: تحلیلگران کسب و کار، تجربه و دانش بسیار مناسبی برای تجزیه و تحلیل با استفاده از ابزارهای علم داده و صفحات گسترده مختلف را دارا می باشند.
◾️مهارت های تیمی و ارتباطی قوی: اطمینان خواهید داشت که تحلیلگران کسب و کار به راحتی می توانند با مدیران ارشد و ذینفعان اصلی سازمان گفتگو کنند تا اطلاعات پیچیده را به روشی ساده استخراج نمایند.


🏫 @DataScience_School
#فرصت_شغلی: کارشناس تحلیل داده‌های کسب و کار

◾️اگر علاقه زیادی به داده ها و حل مشکلات کسب و کار دارید و همچنین مهارت تحلیلی خوبی دارید، می‌توانید به تیم دیجی کالا ملحق شوید (برای این پوزیشن آشنایی با مفاهیم هوش تجاری مزیت محسوب می‌شود)

برای ارسال رزومه می‌توانید از طریق لینک زیر اقدام کنید:
https://lnkd.in/eABsKnr


🏫 @DataScience_School
#فرصت_تحصیلی: دکتری در حوزه ماشین لرنینگ

▪️ بورسیه PhD در دانشگاه آیندهوون هلند:
PhD scholarship in Machine Learning in Data and AI (DAI) cluster

🔴🔴 ددلاین: 31 دسامبر 2020

▪️ اطلاعات بیشتر و اپلای از طریق لینک زیر:

https://jobs.tue.nl/nl/vacature/phd-position-in-machine-learning-864922.html


🏫 @DataScience_School
📌مراحل تغییر از تحلیلگر هوش تجاری یا تحلیلگر کسب و کار به متخصص علم داده

با توجه به تغییر رویکرد برخی سازمان ها، برخی تحلیلگران هوش تجاری/ کسب و کار، به ارتقای جایگاه و دانش خود از طریق ورود به حوزه ی علم داده تمایل بیشتری پیدا نموده اند. خلاصه ای از مهارت های لازم برای پر کردن شکاف بین یک تحلیلگر هوش تجاری و یک دانشمند داده، به شرح زیر می باشد:

◾️ یک دانشمند داده باید بتواند داده های آماری را مدیریت کند و دانش پایه ای قوی در حوزه های مختلف ریاضی، جبرخطی و آمار داشته باشد.
◾️ یادگیری الگوریتم های آماری و ماشین لرنینگ از مهم ترین مهارت های مورد نیاز برای موقعیت دانشمنده داده می باشد.
◾️ برای یک دانشمند داده بسیار حائز اهمیت است که الگوریتم ها و سیستم های خود را ایجاد کند، پس داشتن مهارت در یک زبان برنامه نویسی الزامی می‌باشد.
◾️ برای اینکه آمادگی رویارویی با دنیای کلان داده‌ها را داشته باشید، توصیه می‌شود در سازمان خود یا از طریق پروژه های جانبی، تجربه خود را در این زمینه افزایش دهید.

🏫 @DataScience_School
💎چشم انداز شغلی:

به گزارش مجمع جهانی اقتصاد، در سال 2025، با تغییر در تقسیم کار بین انسان و ماشین، مشاغل جدیدی ایجاد می شوند و برخی از مشاغل از بین می‌روند.

تاثیر این موضوع بر عناوین شغلی است که در تصویر فوق آمده است.


🏫 @DataScience_School
#فرصت_شغلی: متخصص داده

◾️اگر بر روی مفاهیم و ابزارهای تحلیل داده تسلط دارید و به دنبال مدیریت چالش و حل مسائل پیچیده می باشید، زمان را از دست ندید و برای موقعیت شغلی متخصص داده در کافه بازار اقدام کنید.

برای ارسال رزومه می‌توانید از طریق لینک زیر اقدام کنید:

https://lnkd.in/dNbm_9R

🏫 @DataScience_School
فرصت شغلی: #مهندس_داده
افق کوروش

ارسال رزومه به:
🔘 Okcs.hrs@gmail.com

🏫 @DataScience_School
#فرصت_تحصیلی: دکتری در حوزه سیستم های اطلاعاتی/ هوش تجاری

▪️ بورسیه PhD در دانشگاه آیندهوون هلند:
PhD position in Information Systems/Business Intelligence

ددلاین: 31 ژانویه 2021

▪️ اطلاعات بیشتر و اپلای از طریق لینک زیر:

https://jobs.tue.nl/en/vacancy/phd-position-in-information-systems-business-intelligence-866751.html


🏫 @DataScience_School
#فرصت_شغلی: کارشناس تحلیل گر علم داده

◾️شرکت دانش بنیان بهسازان ملت، از مجموعه شرکت‌های فعال در حوزه فناوری اطلاعات و ارتباطات بانکی وابسته به بانک ملت، کارشناس تحلیلگر علم داده با شرایط فوق استخدام می نماید.

برای ارسال رزومه می‌توانید از طریق لینک زیر اقدام کنید:

https://behsazan.com/?page_id=6463

🏫 @DataScience_School
#فرصت_شغلی: توسعه دهنده هوش تجاری

شرایط احراز: حداقل کارشناسی، رشته های مهندسی کامپیوتر، IT، صنایع و مدیریت

تجربه: حداقل دو سال سابقه کار مرتبط

مهارت‌های مورد نیاز:

▪️مسلط به طراحی و توسعه ساختارهای اطلاعاتی و مفاهیم پایگاه داده SQL، بهینه سازی و نوشتن Complex Query در SQL

▪️تسلط کامل بر ابزار SSIS و ایجاد و به روزرسانی و بهینه سازی فرآیندهای ETL، ابزار SSAS و مفاهیم (Cube Tabular)

▪️آشنایی با ابزار SSRS برای طراحی گزارشات عملیاتی

▪️آشنایی با طراحی و توسعه ساختارهای اطلاعاتی و مفاهیم BI و ابزار Power BI و اصول طراحی داشبورد های مدیریتی

▪️آشنایی با روش های مستند سازی و مدل سازی Data Flow

▪️ آشنایی با نوشتن Web Service و فراخوانی دیتا از Web Service ها، مفاهیم و تجربه با دیتابیس های NoSQL

🏫 @DataScience_School
#موقعیت_شغلی: توسعه دهنده کسب و کار

◾️اگر خودتان را آماده ورود به حوزه‌ی جدیدی از کسب و کار و بازاریابی می دانید، به عنوان توسعه دهنده کسب و کار به شرکت تپسل ملحق شوید.

📌مسئولیت‌ها و وظایف:

جستجوی پروژه‌های جدید از طریق کانال‌های متفاوت بر اساس استراتژی‌های شرکت
مذاکره، ایجاد و حفظ روابط مستحکم و بلند مدت بین تپسل و شرکای خارجی
بررسی و آنالیز پارامترهای کلیدی، ارائه و اجرا برنامه‌های توسعه کسب و کار
همکاری مستمر با واحد قانونی، نشر، مالی، فنی و سایر تیم‌های مرتبط جهت طراحی و پیاده سازی بهترین راه حل‌های فروش
پاسخ گویی به موقع و دقیق ارائه راه حل‌های مناسب به نیاز‌ها و مشکلات شرکای تجاری
ساخت و توسعه شبکه توسعه کسب و کار تپسل از طریق ایجاد کانال‌های متفاوت در بازارهای هدف

◾️برای ارسال رزومه می‌توانید از طریق لینک زیر اقدام کنید:
http://jobs.tapsell.ir/apply/?ad=562


🏫 @DataScience_School
#داستان_سرایی_داده:

◾️متاسفانه با وجود اینکه داستان سرایی داده یکی از مهم ترین ابزارها در تجزیه و تحلیل داده هاست، بسیاری از سازمان ها از این مزیت بهره نمی برند و همچنان تیم ها به صورت جزیره های مستقل عمل می کنند.

👁‍🗨 به تصویر فوق، که به تفاوت دو مفهوم داستان سرایی داده با مصورسازی داده پرداخته است، توجه کنید.

◾️امروزه با در دسترس بودن اطلاعات بسیار زیاد، داستان سرایی داده ها راهی برای مرتب سازی همه چیز و ارائه آنها به روشی مطلوب تر است تا دسترسی به آنها بیشتر شود. از سوی دیگر، ما به مصورسازی داده ها احتیاج داریم زیرا تشخیص الگوها و روندها با یک نمای کلی از داده ها آسان تر از مشاهده هزاران ردیف در صفحه گسترده است.

🏫 @DataScience_School
#فرصت_شغلی: کارشناس هوش تجاری

◾️ شرکت زرین رویا، بدنبال جذب کارشناس هوش تجاری است. برای کسب اطلاعات بیشتر به لینک زیر مراجعه نمایید:

https://career.zarrinroya.com/jobs/1fc350


🏫 @DataScience_School
متخصص علم داده، بودن یا نبودن، مساله این است!

◾️متخصص علم داده، هم اکنون شغل رویایی بسیاری از افراد است. ولی اولین سوالی که شما باید از خود بپرسید، این است که می خواهید چطور یک متخصص علم داده شوید و مسیر یادگیری این حوزه را پیش بگیرید؟

◾️برای پاسخ به این سوال، به طور خلاصه، مراحل ورود به این فیلد در 5 گام زیر به صورت تیتروار آورده شده است:

1️⃣اصول حوزه علم داده و کاربردهای آن را بیاموزید.
2️⃣مباحث پایه ی علم داده، همچون آمار را یاد بگیرید.
3️⃣برای ساخت مدل ها، یک زبان برنامه نویسی انتخاب کنید و آن را فرا بگیرید.
4️⃣جبر و حساب در ریاضیات پایه را یاد بگیرید.
5️⃣الگوریتم های یادگیری ماشین و نحوه ی کار با آن‌ها را آموزش ببینید.


🏫 @DataScience_School
#Operational_Dashboard

در یکی از پست های قبلی (اینجا) در خصوص انواع داشبوردهای کسب و کار صحبت کردیم. در این پست به تشریح داشبورد عملیاتی (Operational Dashboard) می پردازیم.

◾️داشبورد عملیاتی بر گزارش دهی مداوم تاکید دارد و زمان (واقعی و لحظه ای) در آن بسیار مهم است. این داشبورد برای نظارت بر پیشرفت و بازدهی روزانه مورد استفاده قرار می گیرد تا اطمینان حاصل شود که برنامه پیش بینی شده با عملکرد واقعی به دست آمده مطابقت دارد. چنین داشبوردی به ما اجازه میدهد تا مشکلات را قبل از اینکه به خطرات بزرگ تبدیل شوند، حل کنیم و به بهبود تدریجی عملکرد کمک می نماید.

🔹نظارت بر شاخص کلیدی عملکرد (KPI): با پایش شاخص کلیدی عملکرد، می توانیم از کنترل عملکرد کلی سازمان اطمینان حاصل نماییم.
🔹حد آستانه: عامل دیگری که همراه با KPI است، ضرورت تعیین حد آستانه می باشد. از طریق علائم، تغییر رنگ و غیره میتوان علائم هشدار را نمایش داد.
🔹نظارت بر داده ها در زمان واقعی: برخی از صنایع نیاز به پایش شاخص های عملکرد در لحظه دارند. مانند حجم تبادلات مالی، پرواز هواپیماها و عملیات خطوط مترو


🏫 @DataScience_Schoo
🔺 در پست قبل، در خصوص مراحل ورود به علم داده، اشاره کردیم.
🔻 در این پست در خصوص گام اول، یعنی اصول حوزه علم داده توضیح می دهیم:

▪️ابتدا به داده هایی نیاز داریم که بتوانیم روی آنها کار کنیم. داده ها می توانند از همه جا در زندگی واقعی به دست بیایند.
▪️تقریباً بیشتر اوقات ما در حال حل مساله برای بهبود درآمد کسب و کار و کمک به جامعه هستیم؛ زنجیره غذایی، بخش مالی، کالاهای مصرفی و ... مثال هایی از صنایع کسب و کار می باشند.
▪️در جامعه ما نیاز به توسعه ی محصولات جدیدی برای کمک به رشد صنعت داریم. مانند: پیش بینی باران، تولید واکسن و غیره.
▪️داده ها را باید از حوزه خاص مربوطه جمع آوری کنیم.
▪️داده ها باید در قالب دیجیتالی قابل خواندن ذخیره شوند.
▪️با استفاده از ابزارهای آماری پیشرفته که الگوریتم های یادگیری ماشین هستند، می توان از داده ها برای تهیه گزارش و پیش بینی آینده برای تجارت استفاده کرد.

در ادامه، منابع مناسب آمده است.


🏫 @DataScience_School