• Advanced Data Visualization:
    259,000 ت 220,150 ت
  • آموزش آمار کاربردی برای تحلیل داده:
    259,000 ت 220,150 ت
  • آموزش الگوریتم‌های بهینه ‌سازی در R:
    319,000 ت 271,150 ت
  • آموزش تحلیل داده با زبان برنامه نویسی R (مقدماتی):
    259,000 ت 220,150 ت
  • آموزش تحلیل داده با زبان برنامه نویسی R (پیشرفته):
    319,000 ت 271,150 ت
  • مجموع:
    1,415,000 ت 1,202,750 ت
  • مجموع تخفیف: 212,250 ت
خرید تخصص
قیمت: 1,202,750 تومان
  • دسترسی نامحدود به محتوای تمامی دوره‌ها
  • دریافت گواهینامه معتبر مکتب‌خونه
  • دسترسی به پروژه و تصحیح پروژه‌ها توسط راهنمای متخصص
  • مشارکت در تالار گفتگو
قیمت: 1,202,750 تومان
تحلیل کسب و کار

تحلیل کسب و کار

تحلیل کسب و کار

دوره‌ها

دوره آنلاین Business Analytics  یا تحلیل کسب و کار مقدمه‌ای است بر مباحث تحلیلی در حوزه کسب و کار، چه برای کسانی که دانش و تجربه قبلی در این حوزه ندارند و چه برای کسانیکه می‌خواهند دانش خود را در حوزه کاربرد روش‌های داده محور در کسب و کار و مدیریت تقویت کنند.

شما در این دوره خواهید آموخت که چگونه از داده برای توصیف، پیش‌بینی و بهینه‌سازی در حوزه‌های مختلف کسب و کار مانند مالی، تولید و عملیات، بازاریابی و استراتژی استفاده کنید و تصمیمات بهتری در آن حوزه بگیرید.

این دوره کمک می‌کند تا شما توانمندی تحلیلی را در خود افزایش دهید و مسائل حوزه کسب و کار را از دریچه رویکردهای داده محور ارزیابی کنید.

در این دوره شما با داده‌های واقعی کار خواهید کرد و مهارت‌های لازم برای تفسیر این داده‌ها را خواهید آموخت. ‌هر دوره شامل مجموعه‌ای از تمرین‌ها و پروژه پایانی است که به شما کمک می‌کند دانش فراگرفته شده را بتوانید در مسائل دنیای واقعی بکار بگیرید.

اگر هدف شما آن است که در حوزه تحلیل داده فرد عمیقی شوید، آشنایی با زبان برنامه نویسی مانند R برای شما اهمیت پیدا می‌کند.

درس آموزش تحلیل داده با زبان برنامه نویسی R (مقدماتی) با هدف آموزش مبانی اولیه تحلیل داده با R طراحی شده است.

داشتن فهم عمیق از مبانی آماری برای یک تحلیگر داده یک الزام است. از طریق گذراندن درس آموزش آمار کاربردی برای تحلیل داده شما با مبانی آمار و کاربردهایش در حوزه کسب و کار آشنا می شوید.

توانایی به تصویر کشیدن داده‌ها و آشنایی با امکانات مختلف R برای تصویرسازی داده، هدف درس سوم دوره Business Analytics است.

در درس چهارم، شما با الگوریتم‌های مهم یادگیری ماشین با تاکید بر کاربرد در حوزه کسب و کار آشنا می شوید. در نهایت در درس آموزش الگوریتم‌های بهینه‌سازی در R رویکردهای مختلف نسبت به حل مسائل بهینه‌سازی و کاربردهای آن در دنیای واقعی را خواهید آموخت.

سوالات پرتکرار

اگر قبلا در یک یا چند دوره از دوره‌های این تخصص قبلا ثبت‌نام کرده باشم، چگونه می‌توانم در این تخصص ثبت‌نام کنم؟
شما می‌توانید با پرداخت هزینه‌ی دوره‌هایی که تا کنون ثبت‌نام نکرده‌اید، در تخصص ثبت‌نام کنید و به تمامی دوره‌ها دسترسی داشته باشید.
آیا می‌توانم به تنهایی در یک دوره ثبت‌نام کنم؟
بله. با انتخاب دوره مورد علاقه خود میتوانید در آن دوره به تنهایی ثبت‌نام کنید.
آیا این تخصص 100% آنلاین است؟
اگر دوره‌ای شامل بخش حضوری نیز باشد در توضیحات همان دوره آمده است.
در صورت اتمام تخصص گواهی‌نامه‌ای جداگانه از گواهی‌نامه دوره ها به من تعلق می گیرد؟
بله. در صورتی که تمام دوره‌های یک تخصص را در زمان تعیین‌شده با نمره قبولی به اتمام برسانید، گواهی‌نامه تخصص برای شما صادر می گردد. گواهی‌نامه تخصص گواهی‌نامه ای جدا از گواهی‌نامه تک‌تک دوره‌ها است که برای شما صادر می شود.
آیا باید دوره‌ها را به ترتیب بگذرانم؟
نه. برای اتمام تخصص شما باید همه دوره‌های آن تخصص را بگذرانید ولی الزامی به رعایت ترتیب نیست. برای دوره‌هایی که پیش‌نیاز دارند پیش‌نیازی را توصیه می کنیم که رعایت کنید. توصیه می‌شود که ترتیب دوره‌های تخصص را رعایت کنید ولی الزامی به آن نیست.
زمان دسترسی من به دوره‌ها پس از خرید تخصص چگونه است؟
شما پس از خرید تخصص برای مدت زمان تعیین‌شده به همه دوره‌ها دسترسی خواهید داشت. پس از پایان زمان تخصص، با تمدید تخصص می توانید برای مدت تمدید به همه دوره‌ها دسترسی داشته باشید.
پس از سپری شدن زمان تخصص آیا به دوره‌ها دسترسی خواهم داشت؟
بله، پس از اتمام زمان تخصص شما به محتوای همه دوره‌ها دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژ‌ه‌ها و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی‌نامه برای شما وجود نخواهد داشت مگر با تمدید دوره.

آموزش تحلیل داده با زبان برنامه نویسی R (مقدماتی)

هرچه می‌گذرد، R بیشتر به زبان غالب در بین دانشمندان داده تبدیل می‌شود. شرکت‌هایی مانند گوگل (Google)، فیس‌بوک (Facebook)، اوبر (Uber) و مایکروسافت (Microsoft) به‌طور گسترده از R استفاده می‌کنند. R همین‌طور زبان محبوبی در بین دانشگاهیان دنیاست. این امر موجب شده است R دارای جامعه توسعه‌دهندگان بسیار قدرتمندی باشد که به پویایی زبان R کمک زیادی کرده است. به همین دلیل شما در حوزه‌های مختلف ازجمله ماشین‌های یادگیرنده ابزارهایی را می‌بینید که توسط جامعه توسعه‌دهندگان ایجادشده و به‌راحتی در دسترس است. همچنین R دارای یکی از قدرتمندترین امکانات برای نمایش داده‌ها است. بسته ggplot2، که در این درس به آن پرداخته خواهد شد، ابزارهای وسیعی برای نمایش داده‌ها در اختیار شما قرار می‌دهد. در یک‌کلام، یادگیری زبان R جزء گام‌های مهم برای تبدیل‌شدن به دانشمند داده است.

R یک زبان برنامه‌نویسی و محیط نرم‌افزاری رایگان است که برای محاسبات آماری و نمایش گرافیکی داده‌ها استفاده می‌شود. اگر علاقه‌مند هستید در حوزه داده‌کاوی و هوش تجاری کار کنید، یکی از مهارت‌هایی که لازم دارید آشنایی با این نرم‌افزار است. چراکه این زبان کمک می‌کند تا طیف وسیعی از تحلیل‌های آماری مانند مدل‌سازی‌های خطی و غیرخطی، آزمون‌های آماری، تحلیل داده‌های سری زمانی، خوشه‌بندی، رده‌بندی و مانند این‌ها را پیاده‌سازی کنید.

بخصوص اگر پیشینه زیادی در برنامه‌نویسی ندارید این نرم‌افزار گزینه مناسبی برای شماست چراکه کار با آن ساده است. در این دوره شما توانمندی‌های لازم برای شروع کار با R را یاد خواهید گرفت. این توانمندی‌ها پایه اصلی برای وارد شدن به حوزه‌های پیشرفته‌تر در هوش تجاری است.

 

 
مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

فصل اول - مقدمه

00:16 ساعت (شامل 00:16 ساعت محتوای آموزشی)

فصل دوم - مباحث مقدماتی

01:30 ساعت (شامل 01:25 ساعت محتوای آموزشی)

فصل سوم - خواندن و نوشتن داده‌ها در R

00:54 ساعت (شامل 00:49 ساعت محتوای آموزشی)

فصل چهارم - عبارات شرطی و حلقه‌ها در R

00:51 ساعت (شامل 00:46 ساعت محتوای آموزشی)

فصل پنجم - توابع در R

00:34 ساعت (شامل 00:29 ساعت محتوای آموزشی)

فصل ششم - نمایش داده‌ها در R (مقدماتی)

01:05 ساعت (شامل 01:05 ساعت محتوای آموزشی)

فصل هفتم - نمایش داده‌ها در R (پیشرفته)

00:54 ساعت (شامل 00:49 ساعت محتوای آموزشی)

فصل هشتم - آماده‌سازی داده در R

01:10 ساعت (شامل 01:10 ساعت محتوای آموزشی)

پروژه نهایی

08:00 ساعت

فصل دهم - طراحی اپلیکیشن در R (فصل جدید)

00:52 ساعت (شامل 00:52 ساعت محتوای آموزشی)

آموزش آمار کاربردی برای تحلیل داده

برای خیلی از افرادی که به حوزه تحلیل کسب و کار یا Business Analytics علاقمند هستند و می خواهند این مسیر شغلی را انتخاب کنند، روشن نیست که چطور باید شروع کنند. دلیل عمده این هست که Business Analytics یک حوزه بین رشته ای است و در حال حاضر  چه در ایران و چه در خارج از ایران رشته های دانشگاهی که بطور مشخص این حوزه را به شما آموزش دهد وجود ندارد یا خیلی کم هستند. بنابراین شما نیاز دارید در چندین حوزه مهارت های مختلفی را یاد بگیرید.

یکی از این مهارت ها آشنایی و بکارگیری روش های آماری هست. آمار از این جهت حوزه جذابی است که می تواند درباره رفتارهای انسان ها در کسب و کار و البته سایر حوزه های دیگر پیش بینی‌هایی بکند که شاید افراد عادی فکر نمی کنند بشود این پیش بینی ها را کرد.

در این درس تلاش شده است که شما با قسمت های کاربردی و جذاب آمار آشنا شوید. به جای این که درگیر فرمول های پیچیده ریاضی شوید، یاد می گیرید چطور مثل یک تحلیل گر داده فکر کنید، چطور با داده های واقعی کار کنید و استنتاج های آماری کنید و در نهایت به تصمیم گیری در کسب و کار کمک کنید.

در این درس یاد می گیرید که با زبان برنامه نویسی R کار کنید و تحلیل های آماری انجام بدهید. در قالب ارائه، کوئیزها و پروژه مثال های مختلفی  از حوزه های منابع انسانی، مالی، بازاریابی و فروش و سایر حوزه های کسب و کار را مشاهده خواهید کرد و گام به گام یاد خواهید گرفت که چطور روش های آماری را برای حل مسائل دنیای واقعی بکار ببرید.

آمار کاربردی برای تحلیل داده دومین درس از دوره آنلاین Business Analytics در مکتب خونه است. پیش نیاز این درس٫ دوره تحلیل داده با زبان برنامه نویسی R است که اولین درس از دوره آنلاین Business Analytics در مکتب خونه است.

مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

فصل اول - مقدمه

01:20 ساعت (شامل 01:15 ساعت محتوای آموزشی)

فصل دوم - آمار توصیفی

01:47 ساعت (شامل 01:42 ساعت محتوای آموزشی)

فصل سوم - مقدمه ای بر احتمال و توزیع های احتمالی

04:31 ساعت (شامل 04:15 ساعت محتوای آموزشی)

فصل چهارم - توزیع نمونه گیری

01:01 ساعت (شامل 00:56 ساعت محتوای آموزشی)

فصل پنجم - برآورد نقطه ای و بازه ای

01:04 ساعت (شامل 00:59 ساعت محتوای آموزشی)

فصل ششم - آزمون فرضیه

02:50 ساعت (شامل 02:45 ساعت محتوای آموزشی)

پروژه پایانی

11:00 ساعت

Advanced Data Visualization

مصورسازی داده‌ها (Data visualization) و آشنایی با ابزارهای Data visualization یک بخش مهم و پایه‌ای در تحلیل داده است. هدف از تصویرسازی داده و Data visualization در تحلیل داده‌های کمی و تحلیل داده‌های کیفی ، جمع‌بندی داده‌ها در قالب چند نمودار یا تصویر نیست. هدف اصلی تحلیل داده‌ها بر مبنای Data visualization این است که داده‌ها به‌گونه‌ای مؤثر تصویر شوند تا بتوان استنتاج‌هایی بر مبنای داده ارائه داد که به درک بهتر از مسئله کسب‌وکار و درنهایت تصمیم سازی بر مبنای تحلیل داده‌های خام و غیر شفاف پس از شفاف‌سازی داده‌ها منجر شود. به همین خاطر اگر Data visualization به شکل مؤثر صورت پذیرد، در صنعت و در بین مدیران طرفداران زیادی دارد. از سوی دیگر، وقتی یک تحلیلگر داده برای اولین بار با یک پایگاه داده مواجه می‌شود، یکی از اولین کارهایی که باید انجام دهد تصویرسازی داده از منظرهای مختلف است. چنین کاری اگر به‌درستی صورت گیرد به او درک بهتری از ادامه مسیر تحلیل داده می‌دهد. بخصوص اگر شما با حجم انبوهی از داده‌ها مواجه شوید، در گام‌های اولیه تحلیل داده نیاز دارید تا با گذراندن دوره Data visualization ، کلیات آن را درک کنید. به همین دلیل مهارت تصویرسازی داده یکی از مهم‌ترین بخش‌های آموزش ابزارهای تحلیل داده به‌حساب می‌آید.

در این درس که می‌توان آن را یکی از بخش‌های اصلی هر مخاطب نرم‌افزار R دانست از طریق کار بر روی یک پایگاه داده‌ واقعی با بیش از نیم میلیون رکورد، با ابزارهای نرم‌افزار R برای تصویرسازی داده و Data visualization آشنا خواهید شد ، همچنین این دوره زیرمجموعه‌ای از دوره Business Analytics و دوره آموزش نرم‌افزار R قرار می‌گیرد که بخش مهمی از مهارت افزایی تحلیل‌گر داده در کسب مشاغل مرتبط با بازار کار تحلیل‌گر داده خواهد بود.

اما به‌راستی دیداری‌سازی اطلاعات بیشتر از آن‌که به علوم نوین مرتبط باشد ریشه درگذشته‌ی تاریخ بشر دارد، تاکنون اندیشیده‌اید که انسان‌های نخستین و نقاشان دوره‌های ماقبل معاصر چطور وقایع و اطلاعات خود را به‌منظور درک بهتر رویدادها و تحلیل درست داده‌ها دیداری‌سازی یا Data Visualization می‌کردند؟

بصری سازی داده‌ها نه‌تنها در تحلیل داده کمک به سزایی می‌کند بلکه به اخذ تصمیمات استراتژیک در مواقع بحرانی نیز بهره شایانی خواهد رساند.

مثلاً در تحلیل داده‌های یک سانحه تصادف رانندگی در یک اتوبان سنگین شهر تهران، دیداری‌سازی اطلاعات می‌تواند حقیقت ماجرا را از زاویه‌ای دیگر موردبررسی قرار دهد و کار آنالیز و تحلیل این حادثه را آسان‌تر کند، یا در جریان بازی‌های المپیک، Data visualization می‌تواند با تحلیل دقیق هر بازی، عوامل موفقیت هر بازیکن و همچنین شرایط موجود برای موفقیت هر تیم را بررسی کند!

دنیای Data visualization، دنیای تحلیل و رصدهایی است که روزبه‌روز به جذابیت آن در دنیای تحلیل‌گران داده افزوده می‌شود.

در دوره تصویرسازی داده‌ها در مکتب‌خونه، به اهمیت این ابزار بیش‌ازپیش خواهیم پرداخت.

مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

فصل اول - مقدمه ای بر تصویرسازی داده

00:09 ساعت (شامل 00:09 ساعت محتوای آموزشی)

فصل دوم - روایت گری با داده

00:33 ساعت (شامل 00:33 ساعت محتوای آموزشی)

فصل سوم - نکات مهم در تصویرسازی با داده

00:24 ساعت (شامل 00:24 ساعت محتوای آموزشی)

فصل چهارم - آشنایی با بسته ggplot2

00:49 ساعت (شامل 00:49 ساعت محتوای آموزشی)

فصل پنجم - تحلیل توصیفی داده ها در R

03:16 ساعت (شامل 03:16 ساعت محتوای آموزشی)

فصل ششم - نمودارهای تعاملی و طراحی اپلیکیشن در R

10:19 ساعت (شامل 01:19 ساعت محتوای آموزشی)

آموزش تحلیل داده با زبان برنامه نویسی R (پیشرفته)

در دوره آموزش تحلیل داده با زبان برنامه نویسی R (پیشرفته) دانشجویان با کاربردهای برخی از الگوریتم‌های یادگیری ماشین (Machine Learning) در کسب‌وکار و نحوه به‌کارگیری این الگوریتم‌ها روی داده‌های واقعی آشنا می‌شوند. رگرسیون خطی، رگرسیون لجستیک، خوشه‌بندی سلسله مراتبی، خوشه بندی kmeans و الگوریتم Naive Bayes و الگوریتم Apriori روش‌هایی هستند که در این درس آموزش داده می‌شوند. مباحث به‌گونه‌ای انتخاب شدند که بیشترین کاربردها را در دنیای کسب‌وکار داشته باشند و دانشجویان پس از یادگیری بتوانند آن‌ها را برای حل مسائل دنیای واقعی بکار ببرند. الگوریتم‌هایی آموزش داده‌شده در این درس، عمدتاً برای پیش‌بینی و کشف الگوها بکار می‌روند. پرسش‌هایی اساسی در کسب‌وکار نظیر موارد زیر با الگوریتم‌های بالا قابل پاسخ دادن هستند:
• چگونه می‌توان رضایت مشتریان را از خدمات سازمان افزایش داد؟
• کدام‌یک از مشتریان سازمان سودآورتر از بقیه هستند؟
• چگونه تقلب را در حوزه‌های مختلف مانند ادعای خسارت در بیمه، پول‌شویی، هزینه‌های بیمارستانی و فرار مالیاتی شناسایی کنیم؟
• احتمال آن‌که فردی که متقاضی وام است، نتواند وام خود را پس دهد، چقدر است؟
• چگونه کاربران را بر اساس رفتار آن‌ها خوشه‌بندی کنیم و به هریک از آنان خدمات سفارشی‌شده ارائه دهیم؟ 
• چه بسته‌ای از محصولات را در کنار یکدیگر قرار دهیم تا فروش افزایش یابد؟

 
مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

فصل اول - مقدمه

00:41 ساعت (شامل 00:41 ساعت محتوای آموزشی)

فصل دوم - رگرسیون خطی (Linear Regression)

03:30 ساعت (شامل 03:25 ساعت محتوای آموزشی)

فصل سوم - رگرسیون لجستیک (Logistic Regression)

01:35 ساعت (شامل 01:30 ساعت محتوای آموزشی)

فصل چهارم - بخش‌بندی بازار (Segmentation)

02:51 ساعت (شامل 02:46 ساعت محتوای آموزشی)

فصل پنجم - تحلیل سبد مشتریان (Market Basket Analysis)

09:45 ساعت (شامل 00:40 ساعت محتوای آموزشی)

آموزش الگوریتم‌های بهینه ‌سازی در R

در این درس دانشجویان با مفاهیم بهینه‌سازی و نحوه اجرای آن در R آشنا می‌شوند. تمرکز این درس کاربرد روش‌های بهینه‌سازی در حوزه کسب‌وکار و مدیریت است. پرسش‌هایی اساسی در کسب‌وکار نظیر موارد زیر با الگوریتم‌های بهینه‌سازی قابل پاسخ‌دادن هستند:

·        یک شرکت تحت محدودیت‌های مختلف تولید و بازار، چگونه ترکیب بهینه محصولات خود را تعیین ‌کند تا سود خود را افزایش دهد؟

·        یک شرکت چگونه ساختار لجستیک خود را طراحی کند تا هزینه حمل‌ونقل خود را کمینه کند؟

·        باتوجه ‌به الگوی تقاضا، چگونه نیروی انسانی را در شیفت‌های مختلف کاری تخصیص دهیم تا هزینه منابع انسانی کمینه شود؟

·        سبدی از دارایی‌ها را چگونه تخصیص دهیم تا با کم‌ترین ریسک، بازدهی سبد دارایی‌ها بیشینه شود؟

مخاطب اصلی این درس کسانی هستند که می‌خواهند از روش‌های داده‌محور برای تصمیمات کسب‌وکار استفاده کنند. هدف از درس این نیست که دانشجویان بیش از اندازه درگیر روش‌های ریاضی و آماری شوند، بلکه هدف آموزش مفاهیم به زبان ساده به همراه نشان‌دادن کاربردها و روش‌های پیاده‌سازی الگوریتم‌های بهینه‌سازی در عمل است. این یک درس پیشرفته است و بنابراین انتظار می‌رود مخاطبان این درس با مفاهیم کار با داده آشنا باشند و بتوانند با زبان برنامه‌نویسی R به راحتی کار کنند.

دانشجویان در پایان این دوره باید روی یک پروژه کاربردی کار کنند و آن را تحویل دهند. کارکردن روی این پروژه و بازخوردهایی که از استاد دوره می‌گیرند، به آنان کمک خواهد کرد تا مفاهیم آموخته شده در درس را بهتر بفهمند و برای حل مسائل کسب‌وکار با روش‌های داده‌محور آماده‌تر شوند.

این پنجمین درس از مجموع دوره Business Analytics در مکتب‌خونه است که هدف آن کاربرد روش‌های داده‌محور در کسب‌وکار است.

مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

مقدمه

00:10 ساعت (شامل 00:10 ساعت محتوای آموزشی)

فصل اول: روش‌های بهینه‌سازی بدون محدودیت

01:21 ساعت (شامل 01:16 ساعت محتوای آموزشی)

فصل دوم: برنامه‌ریزی خطی

02:34 ساعت (شامل 02:29 ساعت محتوای آموزشی)

فصل سوم: بهینه‌سازی غیرخطی

01:22 ساعت (شامل 01:17 ساعت محتوای آموزشی)

پروژه نهایی

10:00 ساعت