✅چهار بعد دیتا ساینتس و زیر مجموعه های آن
💎 به زودی اطلاعات بیشتری از علم داده منتشر خواهد شد 💎
#data_science
@iehouse

💎داده کاوی چیست؟
🧨گروهی از معدن چیان را تصور کنید که در یک معدن طلا مشغول کاوش و جست و جو برای یافتن طلا هستند.

🔥وجود طلا در معدن عامل و شرط لازم برای وجود انگیزه برای کاوش آن جهت یافتن طلا است اما شرط کافی نیست.

❗️شرط کافی این است که توان فنی در کنار توجیه اقتصادی، به کاوش طلا در آن معدن مشروعیت ببخشد.

💢در آن صورت است که  از برای جستجوی طلایی کوچک، محنت کاوش تمام معدن را به جان و دل خرید

✅اجازه دهید از همین منظر در مورد سازمان ها بحث نماییم.

💠در گذشته تصمیم گیری های سازمان ها مبتنی بر خرد جمعی و نبوغ فردی افراد و تصمیم گیران آنها بوده است.

⚜تمام امور استراتژیک کسب و کار در مغز افراد آن کسب و کار مدل شده و حل می شد.

اما این پایان ماجرا نبود

〽️پیچیدگی های روز افزون کسب و کار ها در کنار رشد سریع فناوری های مرتبط با ذخیره سازی داده ها، سازمان ها را بر آن داشت که برای مستند سازی و پایش مولفه های اساسی کسب و کار خود اقدام به ذخیره سازی داده های مربوط به کسب و کارشان بکنند چرا که جز این نیز راهی نداشتند.

💹این تغییر و تحول نه تنها در عرصه کسب و کار که در عرصه های دیگر و به قولی دقیق تر در تمام جنبه های زندگی رشد روز افزونی را شاهد شد

🔰با گسترش این فناوری ها و ظهور اینترنت و رشد افسانه ای تولید داده ها و حرکت آن ها از سمت داده های معمول و ساختار یافته (از قبیل عدد) به سمت داده های ساختار نیافته ( از قبیل متن و تصویر و فیلم)، نیاز به وجود ساختار های جدیدی به منظور تحلیل و کشف دانش از دل این داده ها را آرام آرام اما پیوسته به وجود آورد.

⚡️اگر در گذشته اطلاعات اندک بود و با همان رویکرد های تحلیلی سنتی از قبیل آمار می شد چرخ کسب و کار را چرخاند اما با گذشت زمان دیگر این گونه نبود و این حجم و تنوع داده ها، نیاز به ظهور عرصه ی جدیدی در علم کامپیوتر و علم تصمیم گیری و علوم مرتبط با آن شد.

💫علمی که به آن عبارت «کشف دانش از داده» را اتلاق می کردند و قرار بود با رویکرد های جدیدتر، الگوریتم های پیچیده تر، از میان حجم انبوه داده های در دسترس در پایگاه داده ها، دانش کاربردی که همان حکم طلا را برای سازمان ها داشت را کشف کرده و در اختیار مدیران قرار دهد.

☄نا گفته پیداست که همواره این نیاز در سازمان ها و کسب و کار ها وجود داشته اما همان طور که برای یافتن طلا داشتن توان فنی و توجیه اقتصادی شرط کافی بود، برای کشف دانش نیز ابتدا لازم بود علم کامپیوتر از لحاظ سخت افزاری و نرم افزاری خود را به پای تئوری های موجود در این عرصه برساند و آنگاه شاخه های نازک درخت «کشف دانش از دل داده های خام» بارورتر شده و اکنون به درخت تنومندی تبدیل شود.



🔴یکی از شاخه های اصلی و مادر این درخت تنومند امروز، علم داده کاوی است.

🔵اسم داده کاوی همان کاویدن داده ها برای یافتن دانش با ارزش برای تصمیم گیری می باشد.

🔶داده کاوی با استفاده از داده های موجود، روابط پنهان و دانش نهفته در دل این داده ها را که نه با هوش انسانی و نه با رویکرد های تحلیلی سنتی قابل احصاء می باشد را کشف کرده و بینشی بس فراتر از اطلاعات موجود در اختیار مدیران و تصمیم گیران قرار می دهد.

🔷امروزه مرزهای درخت تنومند «کشف دانش از داده» به قدری بزرگ شده که هر کدام از شاخه هایش خود به درختی می ماند که میوه ها دارد برای عرضه کردن و رو کردن

✔️شاخه هایی مثل یادگیری ماشین، تحلیل پیش گویانه، Big Data، هوش مصنوعی و … از عرصه های نوظهور تر نسبت به داده کاوی می باشند.


💈چند سالی هست که دیگر کسی به دنبال این مرز بندی ها نیست و هر کسی که ادعایی در «کشف دانش از داده» ها داشته باشد، می بایست سفر بی پایانی را در این شاخه های در هم تنیده شروع کند.

🔖و چند سالی هست که دیگر به همه ی این علوم جدیده پیرامون داده، علم داده و یا «Data Science» گویند و افراد آن را «متخصص علم داده» لقب دهند.

💎آینده متعلق به این علوم جدیده است چرا که داده ها به شدت زیاد شده و رویکرد های تازه ای نیاز است که بتواند دانش را سریع تر و با هزینه کمتر کشف کرده و در اختیار قرار دهد.

ادامه دارد ...

#علم_داده
#data_science

〰〰〰〰〰〰〰〰
💯مهندسی صنايع و مديريت تخصص ماست💯
@iehouse
💎جامع ترین اموزش های تخصصی 💎
🔻🔻🔻🔻🔻🔻🔻🔻🔻🔻
https://t.me/joinchat/AAAAADvRIzsxMnTroA6Wag

🔘 مزایای علم داده

⭕️ مزیت اصلی علم داده، توانمندسازی و تسهیل تصمیم‌گیری است. سازمان‌هایی که بر علم داده سرمایه‌گذاری می‌کنند، می‌توانند از شواهد قابل سنجش و مبتنی بر داده برای تصمیم‌سازی در کسب‌و‌کار خود استفاده کنند. تصمیم‌های داده‌محور می‌تواند منجر به افزایش سود و بهبود بهره‌وری عملیاتی، کارایی کسب‌و‌کار و جریان‌های کاری بشود. در سازمان‌هایی که با ارباب رجوع سر و کار دارند، علم داده به شناسایی و جلب مخاطبان هدف کمک می‌کند. این دانش همچنین می‌تواند به سازمان‌ها در استخدام نیروهایشان کمک کند. علم داده با پردازش داخلی کاربردها و آزمون‌های احراز صلاحیت داده‌محور، می‌تواند به واحد منابع انسانی سازمان‌ها در انجام انتخاب‌های صحیح‌تر و سریع‌تر در طول فرآیند استخدام کمک کند.

❄️ مزایای علم داده بستگی به اهداف شرکت و صنعت مربوط به آن دارد. برای مثال دپارتمان‌های فروش و بازاریابی می‌توانند داده‌های مشتریان را برای بهبود نرخ جذب مشتری و ساخت کمپین‌های فرد به فرد کاوش کنند. موسسات بانکی، داده‌های خود را جهت ارتقا وظیفه شناسایی کلاهبرداری کاوش می‌کنند. سرویس‌های استریم مثل «نتفلیکس» (Netflix) داده‌ها را برای شناسایی آنچه کاربران به آن علاقمند هستند و استفاده از آن‌ها برای دانستن اینکه تولید چه فیلم‌ها یا برنامه‌های تلویزیونی بهتر است کاوش می‌کنند.

🌀 همچنین، در نتفلیکس از الگوریتم‌های مبتنی بر پایگاه داده به‌منظور ساخت توصیه‌های شخصی‌سازی شده متناسب با عقاید کاربران استفاده شده است. شرکت‌های حمل‌و‌نقل مانند FedEx ،DHL و UPS از علم داده برای کشف بهترین مسیرها، زمان‌ها و نوع حمل‌و‌نقل کالا استفاده می‌کنند. با وجود کاربردهای متعدد علم داده، این زمینه در کسب‌و‌کار هنوز نوظهور است، زیرا شناسایی و تحلیل حجم انبوهی از داده‌های ساختار نیافته می‌تواند برای شرکت‌ها بسیار پیچیده، گران قیمت و زمان‌بر باشد.
#علم_داده
#data_science
-----------------------------------
🎓 خانه مهندسي صنايع
@iehouse
💎دسترسي به اموزش هاي تخصصي مهندسي صنايع و مديريت 💎
🔻🔻🔻🔻🔻🔻🔻🔻🔻🔻
https://t.me/joinchat/AAAAADvRIzsxMnTroA6Wag

💎۲۰ توانمندی دانشمند داده که بیشترین تقاضا را در آگهی های استخدامی به خود اختصاص داده اند.
#Data_Scientist
#data_science
#دانشمند_داده
#علم_داده

@iehouse