🧠 Rayan International AI Contest

🤖 Advancing Trustworthy AI, hosted by Sharif University of Technology
🔫 Expand the frontiers of knowledge in Trustworthy AI.

🎁 Over $35,000 in prizes for top 3 teams
⭐ Top 10 teams' achievements published in a top-tier conference

🗂 Contest phases:
    1️⃣Screening Phase: Oct 17th - 21st, 2024 | Online
    2️⃣Main Phase: Oct 24th - Dec 5th, 2024 | Online
    3️⃣Presentation Phase: Feb 3rd, 2025 | In-Person

📖 Opportunity to sharpen your AI and problem-solving skills through the competition.
✅ Open to AI enthusiasts, researchers, and innovators worldwide.

🔗 Register now for FREE at ai.rayan.global and form a team of up to 4 members.
💬 Reach out to our support team if you encounter any problems.

🌐 Website
🌐 Linkedin
🌐 @Rayan_AI_Contest

💧 تغییر مقادیر در ستون‌های جدول در 🔤 با پکیج dplyr

برای یادگیری روش‌های دیگر تغییر مقادیر در R به لینک زیر سر بزنید:

🔗 d-learn.ir/how-to-replace-values-r

🫥🫥🫥
اگر به یادگیری تحلیل داده با R علاقه‌مندید، می توانید از درسنامه «آشنایی با R» شروع کنید:
🔗 d-learn.ir/courses/r-intro

📞 اگر سوالی داشتید:
🌐@dlearnsup

@dlearn_ir

💧 چارچوب پردازش NLP (پردازش زبان طبیعی)

🫥🫥🫥
اگر به دنبال یادگیری NLP هستید، دوره اختصاصی «پردازش زبان‌های طبیعی و مدل‌های زبانی بزرگ در پایتون» برای شما طراحی شده‌است. اطلاعات دوره را در لینک زیر ببینید:
🔗 d-learn.ir/nlmpy

فراموش نکنید که اعتبار کدهای تخفیف تا ۲۷ مهر ۱۴۰۳ است.
⭕️  به دلیل درخواست همراهان مدرسه، کدهای تخفیف تا 6 آبان تمدید شد.

📞 اگر سوالی داشتید:
🌐@dlearnsup

@dlearn_ir

🔎تحلیل بقا (Survival Analysis) در تحقیقات #پزشکی

تحلیل بقا به مطالعه و بررسی زمانی که طول می‌کشد تا یک رویداد خاص رخ دهد، می‌پردازد. در پزشکی، این روش برای پیش‌بینی مدت زمان بقا بیماران، ارزیابی اثربخشی درمان‌ها و مقایسه روش‌های درمانی مختلف استفاده می‌شود.
تحلیل بقا به پژوهشگر این امکان را می‌دهد تا زمان وقوع یک رویداد را مدل سازی کند.

برای مثال،  خطر مرگ پس از جراحی قلب بلافاصله پس از عمل بیشتر است، با بهبودی بیمار کاهش می‌یابد، سپس با افزایش سن بیمار دوباره به آرامی افزایش می یابد یا میزان عود سرطان‌های مختلف در طول زمان بسیار متفاوت است و به ژنتیک تومور، درمان و سایر عوامل محیطی بستگی دارد.

زبان 🔤 یکی از قوی‌ترین ابزارها برای تحلیل بقا است و با کتابخانه‌هایی مثل Survival می‌توان مدل‌های بقا را به سادگی پیاده‌سازی کرد.
نمونه کد اجرایی نمودار Kaplan-Meier  را در تصویر پیوست می‌توانید ببینید.

علاوه بر نمودار Kaplan-Meier که برای نمایش احتمال بقا در طول زمان استفاده می‌شود، ابزارهای دیگری نیز در تحلیل بقا استفاده می‌شود که می‌توان از آزمون log-rank که به‌عنوان یک آزمون آماری برای مقایسه بقای دو یا چند گروه مختلف کاربرد دارد و مدل Cox که یک مدل رگرسیونی نیمه‌پارامتریک است و اثر متغیرهای مختلف را بر بقا بررسی می‌کند، بدون آنکه نیاز به فرض توزیع خاصی برای زمان بقا داشته باشد نیز نام برد.

⭕️ اگر علاقه‌مند به یادگیری «طراحی مطالعه و تحلیل داده در تحقیقات پزشکی و زیستی با R» هستید ، این دوره برای شما طراحی شده‌است.
🔗 d-learn.ir/rmda
❌ فراموش نکنید برای استفاده از کدهای تخفیف فقط تا 6 آبان فرصت دارید.

📞 اگر سوالی داشتید:
🌐@dlearnsup

@dlearn_ir

📊تحلیل داده، مزیت رقابتی استراتژیک
نوشته‌ی توماس دِیوِنپورت

«اگر بخواهید کسب و کار خود را صرفاً با تکیه بر ویژگی‌های محصول خود با دیگران متمایز کنید راه به جایی نخواهید برد. رقبا هم به منابعی که شما دسترسی دارید دسترسی دارند و ویژگی‌هایی شبیه به ویژگی‌های محصول شما را توسعه می‌دهند.»

مجله بررسی‌های کسب‌وکار دانشگاه هاروارد (Harvard Business Review)مجموعه‌ای دارد «مقاله‌های ضروری‌» The Essentials که گلچینی از بهترین مقالاتی است که این مجموعه پیش از این کار کرده‌است.
در این یادداشت، شما ترجمه‌ی خلاصه‌ شده‌ی مقاله‌ی «تحلیل داده به عنوان مزیت رقابتی» را از مجموعه The Essentials می‌خوانید که نوشته توماس دِیوِنپورت است و با ترجمه علیرضا کدیور در مدرسه دقیقه منتشر شده است. اگر علاقه به خواندن متن کامل هستید، لینک یادداشت در انتهای متن در درسترس است.

➕چگونه تحلیل داده‌ را به مزیت رقابتی خود بدل کنیم؟

دیونپورت چاره کار را در ایجاد مزیت رقابتی مبتنی بر «بهره‌برداریِ تحلیلی از داده‌ها» معرفی می‌کند. منظور او از این کار گردآوری و تحلیل داده از منابع گوناگون از جمله تمامی فعل و انفعالاتی که در فرایندهای کسب‌وکار اتفاق می‌افتد و خلق ارزش با استفاده از آن‌ها است. او معتقد است برای ایجاد تمایز با دیگران باید بهره‌برداریِ تحلیلی از داده‌ها (Analytics) را به عنوان بخشی جدایی‌ناپذیر از استراتژی رقابتی خود تعریف کنید. دستورالعمل‌های دیونپورت به مدیران این است:

1️⃣ حمایت از تحلیل داده در بالاترین سطوح
پشتیبانی و تشویق تحلیل داده در بالاترین سطوح سازمان ضروری است. مدیران باید دانش خود را در این زمینه ارتقا دهند.
2️⃣ نقشه جامع بهره‌برداری از داده‌ها
داشتن طرح کلی و تعیین مسئول برای هماهنگی فعالیت‌های مرتبط با داده در سازمان اهمیت دارد ا راهبری کلی آن‌ها را از ابزارها گرفته تا روش‌ها به عهده بگیرد.

3️⃣ تمرکز بر الویت‌های استراتژیک
نیروی انسانی مختصص و سایر منابع خود را به سمت اولویت‌هایی که در استراتژی رقابتی خود تعریف کرده‌اید، کانالیزه کنید و در آن راستا به کار بگیرید.
4️⃣ گسترش فرهنگ تحلیل داده
اهمیت استفاده از داده‌ها در سازمان را در تمام سطوح آشکار کنید و احترام به این فرآیندها را ترویج دهید. نیروی انسانی را تشویق کنید تصمیمات خود را بر پایه داده‌های مستند بگیرند.

5️⃣ جذب متخصص مناسب
افرادی را استخدام کنید که علاوه بر مهارت‌های فنی، بتوانند مفاهیم پیچیده را  ساده‌سازی کنند و ارتباط مؤثری با تصمیم‌گیرندگان داشته باشند.
6️⃣ انتخاب فناوری مناسب
از فناوری استفاده کنید که نیازهای شما را پوشش دهد و امکان توسعه و یکپارچه‌سازی داشته باشد.

✅ کاربردهای تحلیل داده در کسب و کار

۱- بهینه‌سازی زنجیره تامین
۲- وفادارسازی مشتریان
۳- قیمت‌گذاری هوشمند
۴- مدیریت منابع انسانی
۵- بهبود عملکرد مالی
۶- کنترل کیفیت محصولات و خدمات
۷- تحقیق و توسعه

🟡برای مطالعه‌ی یادداشت کامل، از لینک زیر استفاده کنید:
🔗 d-learn.ir/p/competing-analytics

@dlearn_ir

📊 ادغام دو یا چند سلول در #اکسل با استفاده از عملگر &
مدرس: امیر خسرو بهادری

🫥🫥🫥
اگر به تحلیل داده با اکسل علاقه دارید، ثبت‌نام دوره جدید «📊اکسل برای تحلیل داده‌های کسب و کار» شروع شده؛
🔗 d-learn.ir/xlsb

فراموش نکنید که اعتبار کدهای تخفیف تا ۲۷ مهر ۱۴۰۳ است.
⭕️ به دلیل درخواست همراهان مدرسه، کدهای تخفیف تا 6 آبان تمدید شد.

📞 اگر سوالی داشتید:
🌐@dlearnsup

@dlearn_ir

🔵 تست A/B چیست؟

کسب و کارها همیشه بر سر دوراهی هستند. می‌خواهند بدانند این راه بهتر است یا آن یکی راه. مثلا خود را جای مدیری بگذارید که دو طرح برای وب‌سایت کسب و کارش در دست دارد  و یا دو نسخه برای طراحی محصول جدید.کدام را باید انتخاب کند؟ پاسخ روشن است: طرحی بهتر است که مشتریان بیشتر دوست دارند. برای اینگونه دوراهی‌ها یک روش مبتنی بر داده وجود دارد.

آزمایش A/B یک تکنیک آماری است که برای مقایسه دو نسخه مختلف از یک محصول یا خدمات استفاده می‌شود تا مشخص شود کدام یک عملکرد بهتری دارد. این کار شامل تقسیم تصادفی یک نمونه از کاربران به دو گروه است: گروه A، که نسخه اصلی محصول به آن‌ها نشان داده شده، و گروه B، که نسخه اصلاح شده محصول به آن‌ها نشان داده شده است. هدف این است که مشخص شود کدام نسخه منجر به نتایج بهتری مانند افزایش فروش یا تعامل بیشتر کاربر می‌شود.

آزمون (تست) AB یک روش برای فهمیدن علیت است. برای نمونه اگر آزمایشی ترتیب دهید که برخی بازدیدکنندگان یک وب‌سایت دکمه‌ تعبیه شده برای خرید اشتراک را قرمز و برخی دیگر آن را زرد ببینند به شرط آن‌که تمام شرایط دیگر یکسان باشد می‌توانید نتیجه بگیرید که دلیل کلیک بیشتر روی یکی از دکمه‌ها رنگ آن است. این کار به کسب و کارها اجازه می‌دهد بطور مداوم کالاها و خدمات خود را بهبود دهند.

🔘 مراحل انجام آزمایش A/B

۱.طراحی فرض تحقیق
فرض تحقیق همان‌چیزی است که شما در پی کشف آن هستید. اگر فکر می‌کنید انجام دادن فلان تغییر باعث می‌شود محصول شما بهتر بفروش برسد شما یک فرضیه دارید که می‌توانید آن را آزمون کنید. یک نمونه از فرضیه به این صورت است:

تغییر رنگ دکمه خرید اشتراک به زرد (این همان متغیر تست شونده است)باعث افزایش کلیک (این همان متغیری است که مطلوب آزمون کننده است) خواهد شد.

۲.ایجاد گروه‌های کنترل و آزمایش
از اسم آزمایش مشخص است که شما به ۲ گروه A و B احتیاج دارید. به این دو گروه معمولا گروه‌های کنترل و آزمایش هم می‌گویند. گروه کنترل همان گروهی است که دکمه مورد نظر در وبسایت شما را به همان صورت قبلی مشاهده می کند. گروه دوم همان کاربرانی هستند که دکمه مورد نظر در وبسایت شما به رنگ زرد مشاهده می‌کنند.

۳.تعیین تعداد آزمایش شوندگان
بسته به سایز کسب و کارها، تقریبا در تمام موارد انجام دادن آزمایش AB روی تمام بازدیدکنندگان غیر ممکن است. برای اینکار باید نمونه‌ای از جمعیت کل بازدیدکنندگان انتخاب کنید. این نمونه باید به اندازه کافی بزرگ باشد که شما بتوانید پس از انجام دادن آزمایش، نتایج آن را روی جمعیت مورد نظر تعمیم دهید.

۴. فرایند تصادفی
پس از تعیین تعداد نمونه برای انجام AB تست، لازم است شرکت‌کنندگان در آزمایش به گروهای آزمایش و کنترل تخصیص داده شوند. نکته مهم در این فرایند آن است که تمام انتخاب شوندگان شانس برابری برای اختصاص به یکی از گروه‌های آزمایش و یا کنترل داشته باشند. این شانس برابر تضمیم می‌کند که شرکت‌کنندگان بصورت تصادفی در گروه‌ها جای گرفته‌اند.

۵.انجام آزمایش
اگر مراحل قبلی را به درستی انجام داده باشید حالا می‌توانید کار تجزیه و تحلیل را انجام دهید. کار اصلی در این مرحله اندازه‌گیری شاخص مورد نظر (مثلا نرخ تبدیل کلیک به سفارش) و مقایسه آن بین گروه‌های کنترل و آزمایش است. اگر این تفاوت به اندازه کافی قابل توجه باشد می‌توانید نتیجه بگیرید که تغییرات انجام شده مفید بوده است یا خیر.

۶.تکرار
حالا ورژن بهتری از محصول و یا خدمت خود در دست دارید که می‌تواند به مشتریان ارائه شود. وقت آن است که ایده‌های جدیدتری را به آزمون بگذارید و رفتار مشتریان خود را شناسایی کنید.

➕ اگر به این حوزه علاقه دارید یادداشت‌های بیشتر را در مجله پرانتز در مدرسه دقیقه دنبال کنید:
🔗 d-learn.ir/p

@dlearn_ir