در دنیای یادگیری ماشین، دستیابی به مدلی که بتواند علاوه بر یادگیری الگوهای داده، عملکرد مناسبی روی دادههای جدید نیز داشته باشد، یکی از مهمترین چالشهاست. دو مفهوم اریبی (Bias) و واریانس (Variance) نقش کلیدی در ارزیابی و بهینهسازی مدلها ایفا میکنند. در مقاله «اریبی و واریانس در یادگیری ماشین» میتوانید با مفهوم #بایاس، #واریانس و کاربرد آنها در مدلهای یادگیری ماشین آشنا شوید.
اگر به مباحث یادگیری ماشین و هوش مصنوعی علاقهمند هستید، پیشنهاد میکنیم از صفحه ویدئوهای آموزشی مدرسه دقیقه دیدن کنید و با دورهها و ویدیوهای آموزشی
تخصصی این حوزه بیشتر آشنا شوید.
d-learn.ir/training-videos
🔖 کد تخفیف ۵۰٪:
⏳ اعتبار تخفیف تا ۱۵ خرداد ۱۴۰۵ تمدید شد
اگر برای خرید دورهها نیاز به مشورت یا راهنمایی داشتید با ما تماس بگیرید:
ble.ir/dlearnsup
09103209837
02188349244
t.iss.one/dlearnsup
@dlearn_ir
اگر به مباحث یادگیری ماشین و هوش مصنوعی علاقهمند هستید، پیشنهاد میکنیم از صفحه ویدئوهای آموزشی مدرسه دقیقه دیدن کنید و با دورهها و ویدیوهای آموزشی
تخصصی این حوزه بیشتر آشنا شوید.
d-learn.ir/training-videos
Iran05اگر برای خرید دورهها نیاز به مشورت یا راهنمایی داشتید با ما تماس بگیرید:
ble.ir/dlearnsup
09103209837
02188349244
t.iss.one/dlearnsup
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
یکی از پرتکرارترین و در عین حال بدفهمترین مفاهیم در پژوهش و تحلیل داده، «P-value» است. بسیاری از محققان و تحلیلگران به اشتباه معتقدند که P-value، احتمال درستی فرض صفر را نشان میدهد یا اینکه یک P-value کوچک لزوماً نشانه معناداری آماری (Statistical Significance) یافتههاست. این درک نادرست میتواند منجر به نتیجهگیریهای گمراهکننده در مقالات و گزارشها شود.
در مقاله «p-value چی هست و چی نیست؟»، مرز دقیق بین «آنچه P-value میگوید» و «آنچه هرگز نمیگوید» را بررسی میکنیم.
اگر در حوزههای علوم داده، پزشکی، اقتصاد یا علوم اجتماعی فعالیت میکنید، تسلط بر این مفهوم برای شما ضروری است.
@dlearn_ir
در مقاله «p-value چی هست و چی نیست؟»، مرز دقیق بین «آنچه P-value میگوید» و «آنچه هرگز نمیگوید» را بررسی میکنیم.
اگر در حوزههای علوم داده، پزشکی، اقتصاد یا علوم اجتماعی فعالیت میکنید، تسلط بر این مفهوم برای شما ضروری است.
@dlearn_ir
Forwarded from مدرسه دقیقه
نسخه ۰.۳
🔴 افزایش ستونهای اطلاعات به ۱۵۰ ستون🔴 انتشار دادهها از ۱۳۹۴ تا ۱۴۰۳🔴 دانلود با فرمت #xlsx و #csv
مرکز آمار ایران هر سال با پرسشوپاسخ از حدود ۴۰ هزار خانوار که با نمونهگیری آماری و به صورت تصادفی از کل کشور انتخاب میشوند، دادههای ارزشمندی درباره درآمدها و هزینههای آنان فراهم میکند.
طرح درآمد و هزینه خانوار یکی از مهمترین منابع داده برای تحلیلهای اقتصادی، اجتماعی، سیاستگذاری عمومی و تحقیقات بازار است و اطلاعات متنوعی درباره خانوار مانند ویژگیهای محل سکونت، سن، جنسیت، تحصیلات، وضعیت اشتغال اعضای خانوار و جزیئات درآمدی و هزینهای آنان را در بر میگیرد.
این داده با کوشش محمدامین اخوتعلویان جمعآوری و آمادهسازی شدهاست.
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8👍1
در فضای حرفهایی امروز، آشناییِ صرف با هوش مصنوعی کافی نیست؛ آنچه یک متخصص را متمایز میکند، تواناییِ دریافت خروجیِ دقیق و کاربردی از این فناوری است. بسیاری از افراد بهدلیل نبودِ شناخت از اصول تعامل مؤثر، از ظرفیتهای واقعی AI بیبهره میمانند. دورهی تخصصی «استفاده از هوش مصنوعی در زندگی حرفهای» این مسیر را برای شما هموار ساخته و بهصورت کاملاً رایگان در اختیار افراد و متخصصانی قرار گرفته که بهدنبال بهرهوریِ هوشمندانهتر در حوزه کاری و تخصص خود هستند.
مدرسین:
سعید مجیدی: متخصص یادگیری ماشین، پردازش زبانهای طبیعی و مدلهای زبانی بزرگ در گروه صنعتی انتخاب، دکترای علوم کامپیوتر از دانشگاه تافتس آمریکا
حسام محمدحسینی: مدیر ارشد مهندسی داده و پلتفرم ارزش مشتری ایرانسل، سابقه مدیریت محصول در دیجیکالا و مدیر ارشد اسبق عملکرد شبکه ایرانسل
مجید پورکاشانی: همبنیانگذار، توسعهدهنده نرمافزار و مهندس داده در شرکت پردازش و تحلیل داده دقیقه
علیرضا چمنزار: تحلیلگر داده در شرکت پردازش و تحلیل داده دقیقه، عضو هیات تحریریه مجله تحلیلی دقیقه
سعید سرخی: مدیر هنری و طراح گرافیک، مشاور هویت دیداری و برندینگ؛ کارشناسی مهندسی معماری از دانشگاه شیراز و کارشناسی ارشد ارتباط تصویری از دانشگاه هنر
تهران
🔗 d-learn.ir/courses/ai4pv
ai4pfreeپشتیبانی:
📞02188349244
📱09103209837
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍5
تماس:
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6
#پنجره_بازار_کار
اگر دستی در تحلیل دادههای اجتماعی و اقتصادی دارید و با استنتاج آماری آشنایید، انجام این پروژه میتواند فرصت خوبی برای تمرین و برقراری ارتباط با بازار کار تحلیل داده برای شما باشد:
📊 تحلیل دادههای اشتغال زنان در ایران؛ تلاش برای کشف متغیرهای همبسته، روابط معنادار و ارائه ایدههای راهگشا
⚫ برای انجام این پروژه را تا ۲۶ تیر ۱۴۰۵ ثبت نام کنید و برای پروژه خود بازخورد اختصاصی دریافت کنید.
پس از ارزیابی پروژهها در مدرسه دقیقه و ارائه بازخورد به شرکتکنندگان، از بهترین پروژهها برای ارائه در حضور تیم داوری دعوت خواهد شد. ارائههای برگزیده جهت مصاحبه شغلی به کارفرمایان متقاضی معرفی خواهند شد.
🔵 برای انجام این پروژه ثبت نام کنید:
👆 d-learn.ir/jobwnd-wemp
تماس با ما:
📱 t.iss.one/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir
اگر دستی در تحلیل دادههای اجتماعی و اقتصادی دارید و با استنتاج آماری آشنایید، انجام این پروژه میتواند فرصت خوبی برای تمرین و برقراری ارتباط با بازار کار تحلیل داده برای شما باشد:
پس از ارزیابی پروژهها در مدرسه دقیقه و ارائه بازخورد به شرکتکنندگان، از بهترین پروژهها برای ارائه در حضور تیم داوری دعوت خواهد شد. ارائههای برگزیده جهت مصاحبه شغلی به کارفرمایان متقاضی معرفی خواهند شد.
تماس با ما:
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8
- معمار سیستمهای هوش مصنوعی
- دکترای مهندسی برق و کامپیوتر از دانشگاه بریتیش کلمبیا
- مُبدِع الگوریتمهای هوش مصنوعی خریداریشده توسط متا
- نویسنده کتاب «هوش مصنوعی: درسهای غیرمتعارف»
۹ ساعت آموزش عملی
۳ ساعت پروژه پایانی و رفع اشکال
دوشنبهها ۱۸:۰۰ تا ۲۱:۱۵
شروع از ۵ مرداد ۱۴۰۵
جمعه ۲ مرداد ۱۴۰۵
🔗 d-learn.ir/ai4s?utm=tlg
📱 t.iss.one/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍2
🔥مزایای دوره:
- تمامی افرادی که در حوزههای مختلف در حرفه خود با داده سروکار دارند
- دانشجویان و فارغالتحصیلان متقاضی ورود به بازار کار داده
- مدیر محصول شرکت استرالیایی Dirodi
- مدیر سابق در تیمهای برنامهریزی و تحقیقات بازار پاکشوما، BAT و هولدینگ کوبلدارو
- فارغ التحصیل کارشناسی ارشد مهندسی صنایع از دانشگاه صنعتی شریف
پنجشنبهها ۹:۳۰ تا ۱۳:۰۰
شروع از ۱۲ شهریور ۱۴۰۵
جمعه ۹ مرداد ۱۴۰۵
🔗 d-learn.ir/xlsb?utm=tlg
تماس:
📱 t.iss.one/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6
Causal Inference Workshop in Medical and Biological Data Analysis
🔥مزایای دوره:
پژوهشگران حوزه بهداشت و سلامت، پزشکان، پیراپزشکان، داروسازان، علاقهمندان به پژوهشهای مداخلهای
آمنه ابراهیم ولوجردی
- متخصص آمار زیستی
- داور متدولوژی ژورنال پزشکی جمهوری اسلامی ایران و ژورنال هلال احمر
- سابقه همکاری با مراکز تحقیقات دانشگاهی و شرکتهای داروئی
- کارشناسی آمار دانشگاه تهران و کارشناسی ارشد آمار زیستی دانشگاه علوم پزشکی ایران
پریسا رضانژاد
- متخصص آمار زیستی با بیش از ۱۴ سال سابقه مشاوره در وزارت بهداشت، درمان و آموزش پزشکی
- مشارکت فعال در پروژههای ملی
- دکترای آمار زیستی و عضو استعدادهای درخشان دانشگاه علوم پزشکی شهید بهشتی
کیارش تنها
- متخصص آمار زیستی در گروه مطالعات واکسن دانشگاه آکسفورد
- کارشناسی ارشد آمار زیستی دانشگاه علوم پزشکی ایران
پنجشنبهها ساعت ۱۰ تا ۱۳:۰۰
شروع از ۲۶ شهریور ۱۴۰۵
جمعه ۹ مرداد ۱۴۰۵
🔗 d-learn.ir/ascu?utm=tlg
تماس:
📱 t.iss.one/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5
#داده
مجموعه دادههای قیمت روزانه #دلار در #ایران از مهر ماه سال ۱۳۶۰ تاکنون که توسط مدرسه پردازش و تحلیل داده #دقیقه تهیه شده برای دسترسی عموم منتشر میشود. این دادهها که شامل نرخ روزانه دلار آمریکا در بازه زمانی مذکور است، اولین بار سال ۱۴۰۱ منتشر شده و به صورت دورهای بهروز میشود.
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5👍1
سوال پژوهش خود را چگونه طراحی میکنید؟ آیا فرایند مشخصی وجود داد؟
تقریبا در همه زمینههای پژوهشی، آنقدر مطالعه انجام شده که در نگاه اول ممکن است جایی برای مطالعه جدید به چشم نیاید و طرح سوالات پژوهش چندان ساده نباشد.
این کار که در ادبیات عمومی پژوهش به تحلیل شکاف (Gap Analysis) معروف است، مستلزم مرور جامع ادبیات موضوع پژوهش است و فرایندی ساختاریافته، دقیق، زمانبر و طاقتفرسا دارد.
پژوهشگران معمولا برای شناسایی موارد مغفولمانده، کمتر بررسیشده یا حلنشده در پیکره ادبیاتِ حوزهای خاص آنچه را تا کنون مطالعهشده — شامل نظریهها، روششناسیها، جوامع آماری، بافتها و یافتهها — ترسیم میکنند و سپس آن را با آنچه ناشناخته باقیمانده، مقایسه مینمایند. انواع رایج شکافهای پژوهشی عبارتاند از:
- شکافهای نظری (پدیدههای تبییننشده یا فقدان چارچوبهای مفهومی)
- شکافهای روششناختی (محدودیتهای موجود در طرحهای پژوهشی یا رویکردهای گردآوری داده پیشین)
- شکافهای تجربی (شواهد ناکافی در بافتها یا جوامع آماری خاص)
- یافتههای متناقض (که نیازمند مطالعات بیشتری هستند).
شناسایی شکاف پژوهشی واقعی علاوه بر اثبات اهمیت و اصالت مطالعه جدید، مستقیما بر تدوین سؤالات پژوهشی، اهداف و فرضیهها تأثیر میگذارد.
این فرآیند معمولاً در بخش مقدمه یا مرور پیشینه مقالات علمی، پایاننامهها و طرحهای پژوهشی مستند و مستدل میشود.
پدرام عطایی، معمار سیستمهای هوش مصنوعی و نویسنده کتاب «هوش مصنوعی: درسهای نامتعارف» در این ویدیو (لینک زیر) تحلیل شکاف به کمک هوش مصنوعی را (به زبان انگلیسی) توضیح داده است:
Gap Analysis with AI and Prompt Engineering
اگر میخواهید این مهارت و مهارتهای تخصصی دیگری را در این زمینه (البته بدون پیشنیاز و به زبان فارسی) فرا بگیرید در «کارگاه جامع بهکارگیری هوش مصنوعی در پژوهشهای دانشگاهی و صنعتی» شرکت کنید.
لینک کارگاه: d-learn.ir/ai4s
☎️ تماس با پشتیبانی:
📱 t.iss.one/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir
تقریبا در همه زمینههای پژوهشی، آنقدر مطالعه انجام شده که در نگاه اول ممکن است جایی برای مطالعه جدید به چشم نیاید و طرح سوالات پژوهش چندان ساده نباشد.
چطور بفهمیم در حوزه پژوهشیمان چه خلأها یا کاستیهایی وجود دارد تا بتوانیم پروژه مطالعاتی جدیدی تعریف و از اصالت آن دفاع کنیم؟
چطور بتوانیم متخصصان حوزه پژوهشیمان را متقاعد کنیم مطالعه مجدد روی موضوعی که در گذشته بررسی شده، ارزشمند و حتی لازم است؟
این کار که در ادبیات عمومی پژوهش به تحلیل شکاف (Gap Analysis) معروف است، مستلزم مرور جامع ادبیات موضوع پژوهش است و فرایندی ساختاریافته، دقیق، زمانبر و طاقتفرسا دارد.
پژوهشگران معمولا برای شناسایی موارد مغفولمانده، کمتر بررسیشده یا حلنشده در پیکره ادبیاتِ حوزهای خاص آنچه را تا کنون مطالعهشده — شامل نظریهها، روششناسیها، جوامع آماری، بافتها و یافتهها — ترسیم میکنند و سپس آن را با آنچه ناشناخته باقیمانده، مقایسه مینمایند. انواع رایج شکافهای پژوهشی عبارتاند از:
- شکافهای نظری (پدیدههای تبییننشده یا فقدان چارچوبهای مفهومی)
- شکافهای روششناختی (محدودیتهای موجود در طرحهای پژوهشی یا رویکردهای گردآوری داده پیشین)
- شکافهای تجربی (شواهد ناکافی در بافتها یا جوامع آماری خاص)
- یافتههای متناقض (که نیازمند مطالعات بیشتری هستند).
شناسایی شکاف پژوهشی واقعی علاوه بر اثبات اهمیت و اصالت مطالعه جدید، مستقیما بر تدوین سؤالات پژوهشی، اهداف و فرضیهها تأثیر میگذارد.
این فرآیند معمولاً در بخش مقدمه یا مرور پیشینه مقالات علمی، پایاننامهها و طرحهای پژوهشی مستند و مستدل میشود.
خوشبختانه با توسعه هوش مصنوعی (عامل و مولد)، میشود فرایند تحلیل شکاف را بسیار کوتاهتر از قبل طی کرد و به نتایج بسیار دقیقتر و قابلدفاعتر رسید.
پدرام عطایی، معمار سیستمهای هوش مصنوعی و نویسنده کتاب «هوش مصنوعی: درسهای نامتعارف» در این ویدیو (لینک زیر) تحلیل شکاف به کمک هوش مصنوعی را (به زبان انگلیسی) توضیح داده است:
Gap Analysis with AI and Prompt Engineering
اگر میخواهید این مهارت و مهارتهای تخصصی دیگری را در این زمینه (البته بدون پیشنیاز و به زبان فارسی) فرا بگیرید در «کارگاه جامع بهکارگیری هوش مصنوعی در پژوهشهای دانشگاهی و صنعتی» شرکت کنید.
لینک کارگاه: d-learn.ir/ai4s
☎️ تماس با پشتیبانی:
📱 t.iss.one/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir
❤7👍3
Media is too big
VIEW IN TELEGRAM
استفاده از هوش مصنوعی در کارهای تخصصی و آکادمیک، چیزی فراتر از چند پرسشوپاسخ ساده است. بدون شناخت ظرافتهای روششناختی و "کنترل توهم هوش مصنوعی"، خروجیها فاقد اعتبار علمی و صنعتی خواهند بود.
در «کارگاه جامع بهکارگیری هوش مصنوعی در پژوهشهای دانشگاهی و صنعتی» مدرسه دقیقه، قرار است از نگاه یک مصرفکننده ساده خارج شویم و استفاده اصولی، انتقادی و پروژهمحور از هوش مصنوعی (مولد و عامل) را تمرین کنیم.
بخشی از آنچه در این دوره میآموزیم:
👤 پدرام عطایی، معمار سیستمهای هوش مصنوعی، دکترای برق و کامپیوتر از UBC و مبدع الگوریتم خریداریشده توسط Meta
🗓 شروع دوره: دوشنبه، ۵ مرداد ۱۴۰۵ (بهصورت آنلاین)
📱 t.iss.one/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2❤1🔥1
پلی میان تحلیلگران داده و کارفرمایان
ما اخیرا، در مدرسه دقیقه، پروژه #پنجره_بازار_کار را راهاندازی کردهایم و قصد داریم از طریق آن بین دو سمت جدا، و در عین حال مکملِ، بازار کار تحلیل داده پل بزنیم و تحلیلهای با کیفیت را به کارفرمایانِ متقاضی معرفی و فرایند همکاریشان را تسهیل کنیم.
اگر دوست دارید روی مسئلههای واقعی تحلیل داده وقت بگذارید، تحلیلتان ارزیابی شود و بازخورد دقیق دریافت کنید، همچنین اگر تمایل دارید تحلیلهایتان در اختیار کارفرمایان متقاضی قرار گیرد، کافی است پروژههای #پنجره_بازار_کار را انجام دهید.
همچنین اگر کارفرما هستید و قصد دارید تحلیلگران داده با کیفیت را جذب یا با آنها همکاری کنید، میتوانید پروژههای واقعیتان را در #پنجره_بازار_کار ثبت کنید.
ارزیابی تخصصیِ تحلیل روی دادههای واقعی میتواند کیفیت تحلیل و مهارت تحلیلگر را تقویت کند. این یکی از هدفهای #پنجره_بازار_کار_دقیقه است. در این پنجره، مسائل واقعی طوری طراحی میشوند که به نتایج زیر برسند.
برای تحلیلگران داده:
برای کارفرمایان:
این پروژه چطور کار میکند؟
مسئلهای، خرد یا کلان، بر اساس دادههای واقعی در #پنجره_بازار_کار طرح میشود. تحلیلگرانی که دستی در بررسی دادههای اجتماعی، اقتصادی، کسبوکار یا هر حوزه مرتبط دیگری با مسئله داشته باشند، نتیجه تحلیلشان را ارسال میکنند و #مدرسه_دقیقه آنها را مطابق معیارهای دقیق و سختگیرانه ارزیابی میکند و بازخورد میدهد. تحلیلهایی که از کیفیت قابل قبول برخوردار باشند، برای ارائه در حضور تیم ارزیابی دعوت میشوند. در نهایت برگزیدگانِ تیم داوری به کارفرمایان متقاضی معرفی خواهند شد.
علاوه بر این، تحلیلهایی که از کیفیت قابل قبولی برخوردار باشند، در صورت تمایل صاحبان تحلیل، در وبسایت #مدرسه_دقیقه منتشر میشوند. این کار علاوه بر تقویت سابقه فعالیت تحلیلگران، به دیده شدن بیشتر کارشان کمک خواهد کرد. همچنین مرجعی برای سایر تحلیلگران خواهد بود تا از دیدگاههای دیگر و نیز معیارهای تحلیلِ با کیفیت آگاه شوند.
کارفرمایان، اعم از کسبوکارها، سازمانها و نهادها در هر سطحی، میتوانند پروژههای واقعیشان را در #پنجره_بازار_کار تعریف و تحلیلگران داده با کیفیت را برای جذب یا همکاری شناسایی کنند.
از کجا شروع کنیم؟
#پروژه-تحلیل-دادههای-اشتغال-زنان در ایران، اولین پژوهش در #پنجره_بازار_کار دقیقه است و تلاشی است برای کشف متغیرهای همبسته، روابط معنادار و ارائه ایدههای راهگشا و عملی برای تدوین سیاستهای جدید در این زمینه. در واقع پرداختن پژوهشگران و تحلیلگران داده به این مسئله، فراتر از تمرین علمی صرف است و این ظرفیت را دارد که به سطح ایدهپردازی واقعبینانه و عملی برای حل این مشکل برسد.
برای اطلاع از جزئیات این پروژه و انجام آن به صفحه مربوطه در وبسایت #مدرسه_دقیقه مراجعه کنید.
در #پنجره_بازار_کار این فرصت را خواهید داشت که وقت بگذارید، خلاقیت و تواناییتان را در تحلیل دادههای واقعی نشان دهید و بازخورد اختصاصی بگیرید. طبعا اگر کیفیت کارتان قابل قبول باشد، فرصتی هم برای ارائه و دفاع از یافتههایتان در حضور تیم داوری خواهید داشت و نقد و بازخورد آنها را هم خواهید شنید. یادگیری واقعی در چنین مسیرهایی اتفاق خواهد افتاد، نه صرفا در کلاسهای درس یا با تماشای ویدئوهای آموزشی.
منتظر تحلیلهایتان در #پنجره_بازار_کار_دقیقه هستیم.
d-learn.ir/jobwnd-wemp
💬 تماس با ما:
📱 t.iss.one/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4
Forwarded from سامانهنو
سامانهنو دانشگاه علم و صنعت با همکاری مدرسه پردازش و تحلیل داده دقیقه برگزار میکند:
💠 نخستین رویداد نوشدارو 💠
شروع کار توی دنیای داده، مارکتینگ و محصول همیشه با کلی علامت سوال همراهه! توی اولین ایستگاه از «نوشدارو»، قراره به صورت شفاف و کاربردی ببینیم این حوزهها شامل چه موقعیتهای شغلیای هستن، چه مهارتهایی نیاز دارن و چطور میشه بدون هیچ پیشزمینهای، قدم اول رو درست برداشت. 🧩
هدف این رویداد، گوش دادن به نقشهراه گامبهگام و اولویتبندی مهارتهاییه که شما رو برای ورود به بازار کار آماده میکنه.🎯
قراره پایِ صحبت کسانی بشینیم که راه و چاه رو خوب بلدن.
👤 یاشار مشیرفر
- استراتژیست مارکتینگ خلاقانه
👤 علیرضا کدیور
- همبنیانگذار و مدیر مدرسه پردازش و تحلیل داده دقیقه
👤 محسن فردیپور
- مدیر محصول مهیمن و دانشجوی دکتری صنایع علم و صنعت
این فقط یه رویداد آموزشی نیست؛ یه دورهمی خودمونیه تا بفهمی چطور میتونی توی یکی از این حوزهها، قهرمان داستان خودت باشی. 🫵🏻
📅 تاریخ: پنجشنبه ۱ مرداد
🕝 ساعت: ۱۶ تا ۱۷:۴۵
📍در بستر اسکایروم
🔗 لینک ثبتنام
میتونی سوالاتت رو از اکانت زیر بپرسی 🩵
@new_samaneh
💠 نخستین رویداد نوشدارو 💠
شروع کار توی دنیای داده، مارکتینگ و محصول همیشه با کلی علامت سوال همراهه! توی اولین ایستگاه از «نوشدارو»، قراره به صورت شفاف و کاربردی ببینیم این حوزهها شامل چه موقعیتهای شغلیای هستن، چه مهارتهایی نیاز دارن و چطور میشه بدون هیچ پیشزمینهای، قدم اول رو درست برداشت. 🧩
هدف این رویداد، گوش دادن به نقشهراه گامبهگام و اولویتبندی مهارتهاییه که شما رو برای ورود به بازار کار آماده میکنه.🎯
قراره پایِ صحبت کسانی بشینیم که راه و چاه رو خوب بلدن.
👤 یاشار مشیرفر
- استراتژیست مارکتینگ خلاقانه
👤 علیرضا کدیور
- همبنیانگذار و مدیر مدرسه پردازش و تحلیل داده دقیقه
👤 محسن فردیپور
- مدیر محصول مهیمن و دانشجوی دکتری صنایع علم و صنعت
این فقط یه رویداد آموزشی نیست؛ یه دورهمی خودمونیه تا بفهمی چطور میتونی توی یکی از این حوزهها، قهرمان داستان خودت باشی. 🫵🏻
📅 تاریخ: پنجشنبه ۱ مرداد
🕝 ساعت: ۱۶ تا ۱۷:۴۵
📍در بستر اسکایروم
🔗 لینک ثبتنام
میتونی سوالاتت رو از اکانت زیر بپرسی 🩵
@new_samaneh
❤8
#تمدید_پروژه_اشتغال_زنان
🗣 قابل توجه شرکتکنندگان و علاقهمندان به پروژه اشتغال زنان:
🕒 بنا به درخواست تعدادی از شرکتکنندگان گرامی، مهلت ارسال پروژه به مدت یک هفته تمدید شد:
⭐️ مهلت ثبت نام: فردا ۲ مرداد ۱۴۰۵
⭐️ مهلت تحویل پروژه: جمعه ۹ مرداد ۱۴۰۵
منتظر تحلیلهایتان در پنجره بازار کار دقیقه هستیم.
🔷 لینک پروژه تحلیل دادههای اشتغال زنان:
d-learn.ir/C/jobwn
💬 تماس با ما:
📱 t.iss.one/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir
منتظر تحلیلهایتان در پنجره بازار کار دقیقه هستیم.
d-learn.ir/C/jobwn
📱 t.iss.one/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3
شنبههای بسیار آشنا
یک سال پیش، شنبهها شروع کار چطور بود؟ به تمام معنا آشفته!!! مدیران عملیات زنجیره تأمین تقریباً تمام روز را صرف بررسی دهها ایمیل، صفحه گسترده و داشبورد میکردند تا بتوانند وضعیت سفارشهای خرید مربوط به تجهیزات حیاتی را کنار هم قرار دهند و تصویر کاملی از آن بسازند. هیچ منبع واحد و قابل اتکایی وجود نداشت. اعضای تیم ساعتها وقت صرف میکردند تا به صورت دستی بررسی کنند تأمینکنندگان سفارشهای خرید را تأیید کردهاند، تاریخ ارسال ثبت شده است، و اینکه میان اطلاعات داخلی سازمان و بهروزرسانیهای تأمینکنندگان، شرکتهای حملونقل و سامانههای ردیابی مغایرتی وجود دارد یا نه.
هر وقت مشکلی شناسایی میشد؛ مثل تأخیرِ تأمینکننده، یکی از اعضای تیم باید با تیمهای داخلی، تأمینکنندگان یا شرکتهای حملونقل تماس میگرفت یا مسئول مستقیم آن مشکل را پیدا و موضوع را پیگیری میکرد. تأخیر در ارسال یک محموله، ممکن بود پنهان بماند و گاهی کسی، بر حسب اتفاق، متوجهاش میشد. همچنین، ارجاع موضوع به سطوح بالاتر به صورت دستی و معمولا وقتی انجام میشد که کار از کار گذشته بود و قطعات یا تجهیزات سر موعد به مقصد نهایی نرسیده بود.
کل توان سازمان به جای آنکه صرف برنامهریزی پیشدستانه یا اجرای تحولاتی شود که ارزش افزوده ایجاد کنند، صرف رفع مشکلات فوری و موردی میشد.
اکنون برای مدیریت عملیات زنجیره تأمین در این سازمان از عاملهای هوش مصنوعی استفاده میشود. این راهکار ظرف ۱۰ هفته پیاده شد و هدفش متحول کردن شیوه مدیریت سفارشهای خرید بود.
این راهکار سه عامل را با یکدیگر ترکیب میکند:
این سه عامل در کنار هم، فرایندهای عملیاتی را سادهتر میکنند، حجم کارهای دستی را کاهش میدهند و کیفیت دادهها را بهبود میبخشند. ...
d-learn.ir/ai-agents-in-organization
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4
Media is too big
VIEW IN TELEGRAM
پژوهشهای علمی همواره نیازمند دقت، صبر و جستوجوی بیوقفه در دل انبوهی از منابع بوده است. اما امروز، هوش مصنوعی این مسیر را متحول کرده و افق تازهای پیش روی پژوهشگران گشوده است.
در این ویدیو، نگاهی داریم به اینکه چگونه میتوان از هوش مصنوعی بهعنوان همراهی کارآمد در مسیر پژوهش بهره برد؛ از یافتن و ارزیابی منابع علمی گرفته تا شکلدهی به ایدهها و دستیابی به نتایجی دقیق و قابلاستناد. تجربهای که شاید نگاه شما را به فرایند پژوهش برای همیشه تغییر دهد.
📱 t.iss.one/dlearnsup
📞 02188349244
📲 09103209837
@dlearn_ir
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1