مشاوره تحصيلي

دوره اصلي Learning Learning كه توسط استاد صنعت و مربي Noah Gift تدريس مي شود ، با استفاده از انواع تكنيك هاي تحليلي نوظهور ، بنيادي محكم در حل مسئله ايجاد مي كند. اين به من كمك كرد تا يك ابزار فني فني ايجاد كنم ، اين امكان را براي من فراهم كرد تا مشكلات چالش برانگيز را بر طرف كنم.

برخي از همكلاسي ها سوابق غير فني داشتند ، بنابراين در ابتدا كلاس به طرز وحشتناكي به نظر مي رسيد. اين سرعت به سرعت محو شد و هديه هر گونه ترس ناشناخته را در ما از بين برد و از همه مهمتر ، به ما ياد داد كه چگونه فن آوري هاي جديد را از طريق تكرار اتخاذ كنيم.

نقل قول مورد علاقه من از هديه نوح در آموزش ماشين: 
 "اكنون بيشتر تمرين كنيد تا بعدا كمتر خونريزي كنيد."

با تمرين ، ما روي پايتون و تكنيك هاي يادگيري ماشين استفاده كرديم و به ما اين امكان را مي داديم كه از تكنيك هاي جديد خود براي رشد سريع بينش ها و توصيه ها استفاده كنيم.

دو آماده سازي بزرگ از اين كلاس:

• هر فن آوري مي تواند دلهره آور باشد ، اما تنها زماني كه ناشناخته باشد. هنگامي كه به داخل آن مي رويم و شروع به تمرين مي كنيم ، ابزاري براي رفع نيازهاي ما مي شود.
• داستان پردازي مهمتر از آناليز است. اين امر هنگامي آشكار شد كه ما راه حلهاي خود را به همكلاسي هاي خود منتقل كرديم و از متخصصان صنعت بازخورد گرفتيم.

آناليز پشت رياضي

يكي از چالش برانگيزترين مهارت هاي تحليلي در زمينه ما ، مشاهده روندها و الگوهاي موجود در مجموعه داده ها است. دستيابي به چشم پرنده يا غواصي عميق دشوار است و در نهايت انتخاب مدل مناسب با قضاوت صدا.دانشمندان داده بايد ارزش تجربه را بدانند.

كلاس آمار پيشرفته استاد پراساد نايك به ما كمك كرد تا تكنيك هاي جديدي براي حل مسئله را ايجاد كنيم ، زيرا او ما را با مفاهيم ذهن آور در رياضيات آشنا كرد. با شروع خطي در رگرسيون خطي (تصوير نمونه) و حركت به تجزيه و تحليل سريال پيشرفته با استفاده از مدل ARIMA ، اين كلاس در ساخت مفاهيم آماري ضمن ساخت مدل ما ، چالش برانگيز و مفيد بود.

پروفسور نايك با استفاده از پرونده هاي دنياي واقعي ، چگونگي تصميم گيري شركت ها در مورد قيمت يك كالاي جديد را با استفاده از تجزيه و تحليل تركيب ، توضيح داد و او به ما نشان داد كه چگونه مي توان مشتري را خنثي كرد و الگوهاي فصلي در فروش را كشف كرد.

او مي تواند هر موضوع پيچيده آماري را براي يك فرد 15 ساله توضيح دهد. شرط مي بندم كه او يكي از معدود موارد كمياب است كه مي تواند كالمن فيلتر را توضيح دهدبه روشي ساده دفترچه 100 صفحه من براي كلاس او كافي نبود.

دو بزرگترين راه آماده سازي من:

• براي انتخاب مدل مناسب براي هر مورد تحليلي از قضاوت صدا استفاده كنيد. براي آشكار كردن پارامترهاي پنهان ، داده ها را ويران كنيد و سپس انتخاب خود را با دقت انجام دهيد استفاده از مدل اشتباه مي تواند به يك پيش بيني فاجعه آميز منجر شود.
• با استفاده از روشهاي كاهش ابعاد و كوچك شدن ، رگرسيون خطي مي تواند يكي از قوي ترين روش هاي پيش بيني ما در آمار استفاده شود. دليل اين امر اين است كه ما پارامترهاي ناخواسته را حذف مي كنيم و احتمال خطا را كاهش مي دهيم.

HARNESSING BIG DATA POWER

داده هاي بزرگ كلمه اي از حرف تجاري de jure است ، اما به خوبي تعريف نشده است. داده هاي بزرگ چقدر بزرگ هستند؟

Andy Barkett ، مدرس MSBA ، دانشكده دانشگاه ديويس MBA 2009 ، به سادگي چنين توضيح مي دهد: "داده هاي بزرگ هر داده اي است كه نمي تواند در يك رايانه واحد قرار بگيرد."

با توجه به اين نكته ، Barkett كلاس ما را در معرض تكنيك هايي مانند Hadoop و Apache Spark قرار مي دهد كه براي رسيدگي به حجم و سرعت داده هاي بزرگ استفاده مي شوند.

بزرگترين راه گشايي من از كلاس Big Data:

• هنگامي كه داده هاي شما بر روي يك كامپيوتر واحد قابل تجزيه و تحليل نيست ، از سيستم هاي مبتني بر ابر يا توزيع استفاده كنيد.
• قبل از انتخاب هرگونه فناوري داده بزرگ ، از گزينه هاي مختلف آگاه باشيد. جوانب مثبت و منفي هر يك از گزينه ها را ليست كنيد و يكي از گزينه هاي متناسب با نيازهاي خود را انتخاب كنيد

DEEP REWIND

در كودكي ، كلاس تاريخ به من يك حقيقت اساسي را ياد مي داد: "وقتي از اشتباهات گذشته درس نمي گيريم ، آنها را تكرار مي كنيم."

دوره دانشيار جينا دوكو در زمينه مسائل سازماني در اجراي آناليز ، گروه ما را در طول تاريخ بطور كامل تحسين كرد تا ما نيز از اشتباهات گذشته بياموزيم. در سفر ما پادشاهان و پادشاهان به مديران و سازمانها تغيير يافتند.شليك توپ و تفنگ به سرعت به يك جنگ نامرئي در 20 تبديل هفتم قرن به عنوان شركت مزاياي پي در ضبط داده ها براي ايجاد درآمد بازار جديد است.

طبقه بسيار تعاملي پروفسور دوكو در استراتژي ، فرهنگ و شيوه هاي مختلف سازمان ها قرار گرفت و ديديم كه چه عواملي منجر به موفقيت يا ناكامي آنها شد. اين يك تجربه يادگيري اساسي شد.

دو بزرگترين راه آماده سازي من:

• براي جلوگيري از مشكلات آينده ، از موفقيتهاي سازمان آگاه باشيد و همچنين شكستهاي آنها را بشناسيد. بعضي اوقات بزرگترين دروس مربوط به شكستهاي نزديك است.
• داده ها از پتانسيل بالايي براي تأثيرگذاري بر روندهاي تجاري برخوردار هستند ، اما تجزيه و تحليل بدون اخلاق مي تواند منجر به ايجاد اختلال يا فساد شود. چنين تجزيه و تحليل غير اخلاقي مي تواند يك سرطان براي كل سازمان باشد.

با نگاهي به كوچه زمستان در آينه نماي عقب ، احساس مي كنم به نوعي ابرقهرمان تبديل شده ام و قدرت هاي جديد خود را آزمايش كردم. من به عنوان يك حل كننده مشكل در دنياي واقعي ، فتح كننده داده ها و آمادگي براي جدي ترين چالش هاي صنعت ، ظهور كرده ام.