#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

#فرصت_شغلی: کارشناس تحلیلگر هوش تجاری

◾️ شرکت پارس پویش فن آور، به عنوان یکی از فعالین حوزه ی شبکه های سازمانی و تلکام، Business Intelligence Analyst با امکان دورکاری استخدام می کند.

برای کسب اطلاعات بیشتر و ارسال رزومه، به لینک زیر مراجعه کنید.

https://www.parspooyesh.net/fa/job


🏫 @DataScience_School

#Dashboard

✅ سه قانون طلایی طراحی داشبورد:

قانون اول: ساده بودن

داشبورد شما باید به گونه ای طراحی شود که داده ها در نگاه اول قابل درک باشند.

▪️ سایز متن ها می تواند برای نشان دادن اهمیت در داشبورد استفاده گردد. وقتی سایز برخی از متن ها را بزرگ می کنید، نظر افراد به آن موارد بیشتر جلب می گردد.

◾️ از Widget یا ابزارک کم تری استفاده کنید. از قرار دادن چندین ابزارک بر روی یک داشبورد خودداری کنید زیرا داشبورد شما بیش از حد بهم ریخته به نظر می رسد.

◾️ در هنگام نمایش جدول در داشبورد خود، سعی کنید از ستون های کمتری استفاده کنید تا خطر شلوغ شدن داشبورد شما کاهش یابد.

با ما همراه باشید

🏫 @DataScience_School

#موقعیت_شغلی

◾️شرکت علی بابا در تیم "تحلیل کسب و کار" خود بدنبال جذب Business Data Analyst است. مهارت فرد در استفاده از ابزارهای هوش تجاری مانند Power BI، مزیت محسوب می‌شود.

◾️برای کسب اطلاعات بیشتر و ارسال رزومه، به لینک زیر مراجعه کنید:

https://www.alibaba.ir/jobs/416378#job


🏫 @DataScience_School

✅ پس از تشریح گام اول برای ورود به علم داده در ادامه قصد داریم به گام دوم این مسیر بپردازیم:

▪️مباحث پایه ی علم داده، همچون آمار را یاد بگیرید.

🔹آمار اصلی ترین نیاز افراد برای دستیابی به رویکردها و روش های حوزه علم داده است.
آمار می تواند توصیفی یا استنباطی باشد.
🔹آمار توصیفی
این بخش به سازماندهی و خلاصه سازی داده ها از نظر اندازه گیری تمایل مرکزی و گسترش داده ها می‌پردازد. مباحث ارائه شده در این تحلیل شامل انواع داده ها، نمودارها، رابطه‌ی بین داده ها، چولگی و کشیدگی، واریانس و انحراف معیار است.
🔹آمار استنباطی
این قسمت با تجزیه و تحلیل داده های نمونه، به نتیجه گیری و پیش بینی جمعیت می پردازد. موضوعات این تجزیه و تحلیل می تواند شامل توزیع‌های آماری، فواصل اطمینان و آمار فرضیه باشد.

📚در ادامه، ویرایش دوم کتاب Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python به عنوان یکی از بهترین منابع این حوزه آورده شده است.

🏫 @DataScience_School

#فرصت_تحصیلی: دکتری در حوزه ماشین لرنینگ
Kamyar Azizzadenesheli

▪️ بورسیه PhD در دانشگاه Prudue آمریکا:
PhD students and postdoctoral candidates with strong foundation in mathematics, statistics, machine learning, and algorithms

▪️ اطلاعات بیشتر و اپلای از طریق لینک زیر:

https://www.cs.purdue.edu/homes/kamyar/


🏫 @DataScience_School

#موقعیت_شغلی

◾️شرکت Snapp trip، تحلیلگر کسب و کار استخدام می کند.

◾️ ارسال رزومه به:
Hr1@snapptrip.com


🏫 @DataScience_School

#Course

✅ دوره ی
[2021]Data Science: A-Z Bootcamp + Real Cases -Version 8.1
به مدت محدود در یودمی رایگان شد.

◾️Rate: 4.3
◾️link: bit.ly/2LVUv7k

🏫 @DataScience_School

#فرصت_تحصیلی: دکتری در حوزه ماشین لرنینگ

▪️ بورسیه PhD در دانشگاه Hertfordshire انگلیس:
The PhD Programme in Computer Science

▪️ اطلاعات بیشتر پروژه ها و اپلای از طریق لینک زیر:

https://buff.page.link/JiyA


🏫 @DataScience_School

#Dashboard

✅در پست قبلی، در خصوص قانون اول طراحی داشبورد صحبت کردیم.

و اما قانون دوم: آن را هیجان انگیز نگه دارید!

◾️ از widget های متنوع استفاده کنید. اگر چه در قانون اول به ساده بودن داشبورد اشاره کردیم، اما استفاده از widget ها، درک مخاطب از داشبورد را افزایش می دهد.

◾️از KPI های مشابه در widget متفاوت استفاده کنید. به عنوان مثال شما از طریق سرعت سنج می توانید رشد درآمد فعلی را با رشد درآمد هدف، مقایسه کنید و از widget جدول برای نمایش میزان مشارکت هر کارمند در دستیابی به این هدف، کمک بگیرید.

◾️سعی کنید از رنگ های زیادی استفاده نکنید زیرا ممکن است برای مخاطب گیج کننده به نظر برسد.

◾️استفاده از تصاویر در داشبورد، میتواند به تجزیه و تحلیل widget های مبتنی بر متن کمک نماید.

با ما همراه باشید.

🏫 @DataScience_School

#فرصت_تحصیلی: بیش از 30 موقعیت دکتری با فاند در حوزه ماشین لرنینگ

▪️ بورسیه PhD در دانشگاه های ایرلند:
University College Dublin
Dublin City University
Technological University Dublin Science

▪️ اطلاعات بیشتر و اپلای از طریق لینک زیر:

https://www.ml-labs.ie/apply/

🏫 @DataScience_School

بعد از تشریح گام اول و گام دوم در مراحل ورود به علم داده، نوبت به گام سوم رسید.

✅ یک زبان برنامه نویسی برای ساخت مدل انتخاب کنید.
◾️امروزه ابزارهای زیادی وجود دارد که می توان با آنها مدل های آماری و پیش بینی را ایجاد کرد.

📌منابع باز:
▪️پایتون: برای انجام برنامه نویسی در زمینه های مختلف و بیشتر در آمار و رویکرد یادگیری ماشین در علم داده استفاده می شود.
▪️آر (R): برای تجزیه و تحلیل آماری و گرافیکی استفاده می شود.

📌منابع تجاری:
▪️مورد اول SPSS: همچنین برای تحلیل آماری ابزاری از IBM استفاده می شود.
▪️ مورد دوم SAS: برای کسب و کار، پیش بینی، تجزیه و تحلیل و مدیریت داده و غیره استفاده می شود.

✅در ادامه، منابع مناسب آمده است.


🏫 @DataScience_School

#Course

✅ دوره ی

Python Bootcamp 2021 Build 15 working Applications and Games

به مدت محدود در یودمی رایگان شد.

◀️یکی از دوره های پر فروش یودمی

◾️Rate: 4.2
◾️link: http://bit.ly/3sQaJ2J


🏫 @DataScience_School