© تمام حقوق این سایت متعلق به انجمن علمی گروه مهندسی صنایع دانشگاه یزد می باشد.
🔸 انجمن علمی مهندسی صنایع اقدام به برگزاری دورۀ بلندمدت علم داده‌کاوی و آشنایی با اصول و کار با نرم‌افزارهای این حوزه نموده است.
🔖 همراه با ارائه مدرک معتبر
اطلاعات بیشتر داخل پوستر
نمودار ون (نمودار مجموعه‌ها) که پیش‌نیازهای ریاضی هندسی صنایع و علم داده را نشان می‌دهند، دوایر هم‌مرکزی هستند که اختلاف اقطار آن‌ها به صفر میل می‌کند.
در هر دو رشته شما مباحث متنوعی از آمار، احتمالات،جبر خطی، رگرسیون و … را می‌آموزید که همه‌ی ان‌ها در هر دو زمینه کاربرد دارد. مدلسازی‌ها، شبیه‌سازی‌ها، داده‌کاوی و تحلیل‌های بی‌شماری در هر دو زمینه وجود دارد. تفاوتی که هست در مسیری است که هر یک برای رسیدن به مقصد طی می‌کنند.
بسیاری از دانشمندان حوزه‌ی علم داده از رشته‌های غیر مهندسی هستند و آن‌ها در یک رویکرد مبتنی بر داده غرق هستند تا تصمیم‌گیری‌هایی بر پایه‌ی اطلاعات انجام دهند و بینش صحیحی کسب کنند.
نقطه ضعفی که مهندسین صنایع در علم داده ممکن است داشته باشند، در زمینه‌ی پایگاه داده‌ها و مهارت‌های برنامه‌نویسی است. SQL و Python را باید آموخت چرا که برای کاویدن داده‌های مورد نیاز، این مهارت‌های برنامه‌نویسی در مباحث درسی‌ای که در دوره‌ی تحصیل مهندسی صنایع می آموزیم نیست. اگرچه من فکر می‌کنم آن‌ها باید از پیش‌نیازها باشند بنابراین اگر شما مهندس صنایعی هستید که که به سمت علم داده حرکت می‌کنید، باید تمام مهارت‌های پایه‌ای و پیش زمینه‌ی تئوری برای این انتقال را فراگیرید. شما نیاز دارید که روی بخش برنامه‌ای ان کار کنید اما از اینکه بخواهید از صفر مانند بسیاری از دانشمندان علم داده شروع کنید بسیار آسان‌تر است.
🔰💢 قدرت تحلیل یک مهارت حیاتی برای بررسی یک مسئله است. طوفان فکری برای ایده‌ها و تامین ورودی برای تصمیم‌گیری‌های مبتنی بر داده‌ها یکی از باید‌هاست. من نرم‌افزارهای R و SQL را بسیار کاربردی می‌دانند به ویژه در محیط زنجیره‌ی تامین. از تحلیل داده‌های تراکنشی گرفته تا ایجاد تغییرات انتقالی، شما نیاز دارید تا به اعداد اجازه دهید حرف بزنند.
مثال‌ها:
مسئله:
به عنوان یک مهندس صنایع از شما خواسته‌شده تا مشخص کنید چه تعداد واحد
فعال نگه‌داری سهام در ۱۲ ماه گذشته در مجموعه‌ی شما وجود داشته است.
راه حل:
داده‌های
اکتشافی را با نوشتن یک برنامه‌ی SQL برای بررسی جست‌و‌جو در پایگاه داده
بدست آورید. داده‌ها را در R تحلیل کنید. ابزارهای مختلفی برای نمایش دادن
مجموعه‌های بزرگ داده وجود دارد و چیزی که واضح است این است که با اکسل
نمی‌توان این کار را انجام داد
🔘⭕️ فعالترین صنایع در جذب متخصصین علم‌داده!
براساس تحلیل‌های صورت‌پذیرفته برروی بیش از 7 هزار فرصت شغلی متخصص علم‌داده شرکت‌های بین‌المللی به ترتیب صنعت‌های بازاریابی، مالی و مشاوره بیشترین جذب متخصین علم‌داده را داشته‌اند. به ترتیب سایر صنایع برتر در بهره‌گیری از متدهای تصمیم‌گیری داده‌محور به شرح زیر می‌باشند:
▪️صنعت بازاریابی (Marketing)
▪️صنعت مالی (Financial)
▪️صنعت مشاوره (Consulting)
▪️ صنعت سرمایه‌گذاری و دارایی (Finance)
▪️صنعت سلامت (Healthcare)
▪️صنعت رسانه (Media)
▪️صنعت داروسازی (Pharmaceuticals)
▪️صنعت تبلیغات (Advertising)
▪️صنعت خرده‌فروشی (Retail)
🔘 در حوزه BI: با چلنج های از الان به قبل سازمانتون روبرو خواهید بود، مباحثی تحت عنوان ریپورت، داشبورد ها و شاخص های کلیدی عملکرد KPI در این حوزه قرار دارند.
⭕️ سوالی که در این قسمت جواب داده می شود: چه اتفاقی در سازمان من افتاده؟
🔘 در حوزه Data Science:
با
چلنج های از الان به بعد سازمانتون روبرو خواهید بود، مباحثی تحت عنوان
یکپارچه سازی داده ها، پیاده سازی الگوریتم های ماشین لرنینگ، ارزیابی مدل
ها و استقرار آن در این حوزه قرار دارند.
⭕️ سوالی که در این قسمت جواب داده می شود: چه اتفاقی در سازمان من در آینده خواهد افتاد؟ چرا این اتفاق در سازمان افتاده؟ سناریو های برخورد من دربرابر این اتفاقات چگونه خواهد بود؟
آینده را چطور خواهید دید؟
☑️ طبق آمار وب سایت glassdoor در سال جاری Data Scientist در سطح بالاترین نقطه از لیست 50 مشاغل خوب در آمریکا برای سال 2019 می باشد.
☑️ پایه حقوق متوسط برای این پوزیشن شغلی 108,000 دلار و دارای رضایت شغلی 4.3/5 می باشد
© تمام حقوق این سایت متعلق به انجمن علمی گروه مهندسی صنایع دانشگاه یزد می باشد.