Фильтр публикаций


یک نمونه ساده از داستان پردازی با داده ها

ارزش دلاری بورس ایران

خلاصه کتاب داستان پردازی با داده ها رو به همه مهندسان صنایع توصیه می کنم


پیش‌بینی نرخ لغو اشتراک (Churn Prediction)
📊💡 پیش‌بینی نرخ لغو اشتراک یکی از کاربردهای مهم تحلیل داده در کسب‌وکارهای مبتنی بر اشتراک است. این فرآیند به کسب‌وکارها کمک می‌کند تا کاربران در معرض لغو اشتراک را شناسایی کرده و از خروج آن‌ها جلوگیری کنند. با این روش، شرکت‌ها می‌توانند تجربه کاربران را بهبود داده و سودآوری خود را افزایش دهند.

📂📈 در این روش، ابتدا داده‌های مرتبط با رفتار کاربران جمع‌آوری می‌شود. این داده‌ها شامل میزان استفاده از خدمات، تعامل با محتوا 🎥، شکایات کاربران 📞، و تاریخ پرداخت 💳 است. سپس با استفاده از الگوریتم‌های یادگیری ماشین مانند رگرسیون لجستیک یا درخت تصمیم، الگوهایی برای شناسایی کاربران در معرض لغو اشتراک ایجاد می‌شود.

🎯✨ پس از پیش‌بینی، کسب‌وکارها اقدامات پیشگیرانه‌ای انجام می‌دهند. این اقدامات می‌تواند شامل ارائه پیشنهادهای شخصی‌سازی‌شده 📩، تخفیف‌های جذاب 💸، یا بهبود پشتیبانی کاربران باشد. برای مثال، اگر کاربری کمتر از خدمات استفاده کند، ممکن است محتوای ویژه‌ای برای او پیشنهاد شود.

🌟 این فرآیند به کسب‌وکارها کمک می‌کند تا نرخ لغو اشتراک را کاهش دهند و وفاداری مشتریان را افزایش دهند. مثال بارز آن نتفلیکس است که با تحلیل داده‌ها، محتوای جذاب و مناسب ارائه می‌دهد و از کاهش تعداد کاربران جلوگیری می‌کند. پیش‌بینی لغو اشتراک ابزاری قدرتمند برای حفظ مشتریان و رشد کسب‌وکار است.

💡 نتفلیکس یکی از موفق‌ترین نمونه‌ها در استفاده از این رویکرد است. برخلاف شرکت‌های سنتی، نتفلیکس از داده‌ها نه فقط برای پیش‌بینی، بلکه برای ایجاد محتوای جذاب‌تر و متناسب با نیاز کاربران استفاده کرد. موفقیت نتفلیکس به‌عنوان یک پلتفرم دیجیتال جهانی، نشان داد که چگونه تحلیل داده می‌تواند در سطح وسیع به بهبود وفاداری کاربران و کاهش لغو اشتراک کمک کند. 🚀


کد ۳ کلاس تحلیل داده
شروع از اسفند ماه


Репост из: موسسه توسعه
🔵 تخفیف ویژه ثبت‌نام دوره جامع تربیت تحلیل‌گر داده

❄️ برای تبدیل شدن یک متخصص تحلیل داده به این دوره نیاز دارید!

🤵 مدرسین:
🔘 دکتر مجید ایوزیان
متخصص و مدرس علوم داده
🔴دکتر احسان خاکبازان
متخصص علوم داده و مشاور پیاده‌سازی سیستم‌های داده محور

⭕️ قیمت اصلی دوره ۹/۸۰۰ >> قیمت با تخفیف جشنواره ۷/۸۰۰

🗓 تقویم برگزاری: ۱۲ اسفندماه ۱۴۰۳ | یکشنبه‌ها و سه‌شنبه‌ها ۱۸:۳۰ تا ۲۱:۳۰

◀️مهلت ثبت‌نام فقط تا ۹ بهمن‌ماه▶️

💬 در جشنواره #زمستانه توسعه همین حالا به صورت آنلاین ثبت‌نام کنید:

https://tihe.ac.ir/product/data-analyst/


«مهارت هوش مصنوعی» نداشته باشید، استخدام نمی شوید!

🔹گدو‌سوم رهبران سازمانی، افرادی را که در استفاده از هوش مصنوعی مهارت ندارند، استخدام نمی‌‌‌کنند. این را گزارش سالانه مشترک شرکت‌های مایکروسافت و لینکدین با عنوان «شاخص روند کاری ۲۰۲۴» می‌‌‌گوید.

🔹در اینجا نیروی متخصص، به عنوان شخصی که کار اداری انجام می‌دهد و پشت میزنشین است تعریف شده است.

🔹اگر بخواهیم این گزارش را به تفکیک کشورها بررسی کنیم، چین بالاترین میزان شرکت‌کننده‌‌‌هایی را داشته که با این گزاره موافق بوده‌‌‌اند (۷۹ درصد).

🔹همان‌طور که نمودار نشان می‌دهد، دیگر کشورهای آسیایی هم نتایج مشابهی دارند، یعنی ۷۶‌درصد پاسخ‌‌‌دهنده‌‌‌ها در ویتنام و ۷۵‌درصد پاسخ‌‌‌دهنده‌‌‌ها در هند، می‌‌‌گویند افرادی را که مهارت استفاده از هوش مصنوعی ندارند، استخدام نمی‌‌‌کنند.

🔹از نظر منطقه‌‌‌ای، در آسیا-اقیانوسیه ۷۰‌درصد مدیرانی که از آنها نظرسنجی شده، چنین نظری داشته‌‌‌اند. بعد از آن اروپا (۶۵ درصد)، آمریکای لاتین (۶۰ درصد) و آمریکای شمالی (۵۷ درصد) قرار دارند.

🔹همزمان، ۷۱‌درصد رهبران سازمانی در سطح دنیا، می‌‌‌گویند که ترجیح می‌دهند یک متقاضی کم‌‌‌تجربه‌‌‌تر را که مهارت‌‌‌های استفاده از هوش مصنوعی را دارد استخدام کنند تا یک متقاضی باتجربه که فاقد این مهارت‌‌‌هاست.

🔹بار دیگر، این رقم در منطقه آسیا-اقیانوسیه از همه جا بیشتر بود (۷۶ درصد). در تایلند، ۹۰‌درصد پاسخ‌‌‌دهنده‌‌‌ها چنین نظری داشتند و بعد از آن تایوان (۸۴ درصد) و چین (۸۲ درصد) قرار می‌‌‌گیرند.

🔹در مقابل، فقط ۵۱‌درصد پاسخ‌‌‌دهنده‌‌‌ها در ژاپن، افراد کم‌‌‌تجربه با مهارت هوش مصنوعی را به افراد باتجربه بدون مهارت هوش مصنوعی ترجیح می‌دهند.

🔹طبق این گزارش، در حال حاضر، ۷۵‌درصد افراد از هوش مصنوعی در کارشان استفاده می‌کنند و ۷۸‌درصد کاربران هوش مصنوعی، ابزارهای هوش مصنوعی‌‌‌شان را با خود به محل کار می‌‌‌آورند. این موضوع به‌‌‌ویژه در شرکت‌های کوچک و متوسط، متداول است.

🔗متن کامل

#دنیای_اقتصاد #هوش_مصنوعی

✅ کانال رسمی روزنامه دنیای اقتصاد👇
@donyaye_eghtesad_com


Видео недоступно для предпросмотра
Смотреть в Telegram
نظر chatgpt در مورد آینده شغل علم داده

6.3k 0 129 37 76

از 46 هزار آگهی شغلی فعلی Jobvision ، تعداد 1875 آگهی، توانایی "تحلیل داده" را در نیازمندی شغلی ذکر کرده اند.

5.9k 0 54 27 47

طبق گزارش بالا از نظر درصد رشد، متخصص big data، مهندس فین‌تک، متخصص هوش مصنوعی و یادگیری ماشین سریع‌ترین رشد را خواهند داشت و کارمندان پست و باجه‌های بانک و صندوق‌داران بیشترین کاهش شغل را خواهند داد.


WEF_Future_of_Jobs_Report_2025.pdf
14.0Мб
این گزارش سال ۲۰۲۵ مجله World Economic Forum در مورد آینده مشاغل نکات جالبی داره.


Storytelling_with_Data_Let’s_Practice_by_Cole_Nussbaumer_Knaflic.pdf
24.3Мб
این کتاب رو هم دوستان فرستادند.
در ادامه کتاب قبلی
برای تمرین



8.6k 1 540 6 77

Storytelling with Data.pdf
12.4Мб
سلام.
این کتاب داستان پردازی با داده های کتاب ساده و مفیدی برای مهندسان صنایع و تحلیل گران داده و کلا افرادی هست که یکی از وظایفشان تهیه گزارش های مختلف از کسب و کار هست.
نکات کلیدی و ساده ای گفته که می تونه کمک کنه گزارش های خیلی بهتر و مفید تری تهیه کنیم.

کتاب به فارسی هم ترجمه شده.

یک خلاصه از قسمت هاییش که فکر می کردیم مفیدتر هست تهیه کردیم که براتون می ذاریم 👇👇

8.6k 1 371 1 69

مسیر شغلی تحلیل داده.pdf
3.1Мб
اسلاید های وبینار امشب

7.9k 1 252 2 62

Репост из: موسسه توسعه
💻 وبینار رایگان «مسیر یادگیری تحلیل داده»

سرفصل‌ها:
🔴معرفی مسیر یادگیری تحلیل داده
🔴معرفی ابزارهای مورد نیاز تحلیل گر داده
🔴پرسش و پاسخ

👤سخنران: دکتر مجید ایوزیان
متخصص و مدرس حوزه علم داده

🗓 شنبه | ۱۵ دی | ساعت ۲۰

🔗 ثبت‌نام رایگان:
➡️ zaya.io/upsmr ⬅️

✨ موسسه آموزش عالی آزاد توسعه
➖➖➖➖➖➖➖

🌐 https://tihe.ac.ir
🎰 LinkedIn
📞 021-86741


شرکت نایکی در سال‌های اخیر کار جالبی انجام داده و برای فروش بهتر محصولاتش از داده‌های اپلیکیشن‌های خودش، مثل Nike Run Club و Nike Training Club، استفاده کرده است. این شرکت حتی حسگرهایی داخل کفش‌ها قرار داده تا فشار، حرکات، و نحوه دویدن افراد را تحلیل کند.

با جمع‌آوری و تحلیل این داده‌ها و بازخوردهای شبکه های اجتماعی، نایکی به این نتیجه رسید که مردم فقط کفش‌های سبک و راحت نمی‌خواهند؛ بلکه کفش‌هایی می‌خواهند که با شرایط خاص هر فرد سازگار باشد. مثلاً یک دونده حرفه‌ای در نیویورک کفشی نیاز دارد که روی آسفالت سخت عملکرد خوبی داشته باشد، اما یک نفر در شهری ساحلی به کفشی نیاز دارد که در شن و ماسه راحت باشد.

نتیجه این تحلیل‌ها، تولید کفش‌هایی بود که بر اساس سبک دویدن، فشار وارد بر پا، و حتی نوع حرکت پای کاربر بهینه‌سازی شده‌اند. نایکی با این روش توانست تجربه‌ای شخصی‌تر برای مشتریانش ایجاد کند و نیازهای واقعی آن‌ها را بهتر برآورده سازد.

6.3k 0 46 7 147



تحلیل داده در اکسل.pdf
1.2Мб
اسلایدهای وبینار امشب

9.1k 0 237 5 54

رو آپدیت جدید ChatGPT یه قسمت اضافه شده که از دوربین دسترسی می گیره و میتونه تصویری که میبینه رو تحلیل کنه!

این قابلیت فقط با VPN امریکا قابل دسترسه!

9k 0 143 7 57

Репост из: موسسه توسعه
📶وبینار رایگان "آموزش تحلیل داده در اکسل"

⬅️سرفصل :
مقدمه ای برتحلیل داده‌ها در اکسل
معرفی ابزارهای تحلیل آماری در اکسل
بصری‌سازی داده‌ها و ساخت گزارشات
پرسش و پاسخ

🎙️سخنران:
دکتر مجید ایوزیان
متخصص و مدرس حوزه علوم داده

🗓تاریخ : دوشنبه / ۲۶ آذر / ساعت ۲۰

ثبت‌نام رایگان:
➡️ https://zaya.io/1kq22 ⬅️

😀 موسسه آموزش عالی آزاد توسعه
➖➖➖➖➖➖➖

🌐 https://tihe.ac.ir
🎰 LinkedIn
📞  021-86741


🔈 جان اسنو واگعی را بشناسید.

جان اسنو واگعی نه تنها مادر اژدها رو نکشت، بلکه با استفاده از داده ها کلی آدم رو نجات داد.

در سال ۱۸۵۴، محله سوهو در لندن با یکی از مرگبارترین شیوع‌های وبا روبه‌رو شد. مردم یکی پس از دیگری بیمار می‌شدند و جان می‌دادند. هیچ‌کس نمی‌دانست چرا. در آن زمان بسیاری باور داشتند که "هوای بد" عامل اصلی بیماری‌هاست. اما دکتر جان اسنو، پزشکی که ذهنش پر از سوال بود، فکر می‌کرد دلیل واقعی چیزی دیگر است.

جان تصمیم گرفت به جای قبول حرف دیگران، خودش دست به کار شود. او نقشه‌ای از محله تهیه کرد و شروع کرد به بازدید از خانه‌هایی که در آن‌ها افراد بیمار شده یا فوت کرده بودند. هر بار که وارد خانه‌ای می‌شد، از ساکنان سوال می‌کرد: آیا همه اعضای خانواده بیمار شده‌اند؟ کسی هست که هنوز سالم باشد؟ آب مورد نیازتان را از کجا تهیه می‌کنید؟ پاسخ‌هایشان را با دقت یادداشت می‌کرد و مکان هر مورد مرگ را روی نقشه علامت می‌زد.

کم‌کم نقشه‌اش شروع به حرف زدن کرد. وقتی به نقشه نگاه کرد، متوجه شد که بیشترین مرگ‌ها در نزدیکی یک پمپ آب عمومی در خیابان براد رخ داده‌اند. او بیشتر تحقیق کرد و فهمید کسانی که از این پمپ آب نمی‌خوردند، اصلاً بیمار نشده‌اند. به نظر می‌رسید که مشکل از این پمپ است، نه هوای بد.

جان با این یافته‌ها به سراغ مقامات محلی رفت و آن‌ها را قانع کرد که دسته پمپ را بردارند تا مردم نتوانند از آن استفاده کنند. وقتی این کار انجام شد، شیوع بیماری تقریباً به سرعت متوقف شد.

دکتر جان اسنو، با استفاده از یک نقشه ساده و ذهنی تحلیل‌گر، نه تنها جان صدها نفر را نجات داد، بلکه یکی از نخستین نمونه‌های استفاده از داده‌ها برای حل مشکلات بزرگ را به نمایش گذاشت و یکی از بزرگ‌ترین معماهای زمان خودش را حل کرد.

جان اسنو واگعی

جان اسنو کیک

7.6k 0 46 7 128
Показано 20 последних публикаций.