آموزش هوش تجاری (برق و کامپیوتر)

جلسه اول: نمای کلی از هوش تجاری، تحلیل‌شناسی و علوم داده

تغییر محیط‌های کسب‌وکار و تکامل نیازها برای پشتیبانی از تصمیم‌گیری و تحلیل‌شناسی

تکامل پشتیبانی از تصمیم‌گیری کامپیوتری به تحلیل‌شناسی/ علوم داده

چارچوب هوش تجاری

بررسی تحلیل‌شناسی

نمونه‌هایی از تحلیل‌شناسی در حوزه‌های برگزیده

معرفی اجمالی تحلیل‌شناسی داده‌های بزرگ

مروری بر اکوسیستمتحلیل‌شناسی

جلسه دوم: تحلیل‎شناسی توصیفی 1: ماهیت داده‌ها، مدل‏سازی آماری و مصورسازی....

ماهیت داده‌ها

طبقه‌بندی ساده داده‌ها

هنر و علم پیش‌پردازش داده‌ها

مدل‏سازی آماری برای تحلیل‌شناسی کسب‌وکار

مدل‏سازی رگرسیون برای آمار استنباطی

گزارش‏گیری کسب‌وکار

مصورسازی داده‌ها

انواع مختلف نمودارها و گراف‌ها

پیدایش تحلیل‌شناسی بصری

داشبوردهای اطلاعات

جلسه سوم: تحلیل‎شناسی توصیفی 2: هوش تجاری و انبارش داده‌ها

هوش تجاری و انبارش داده‌ها

فرایند انبارش داده‌ها

معماری‌های انبارش داده‌ها

یکپارچه‌سازی داده‌ها و فرایندهای استخراج، تبدیل و بارگذاری (ETL)

توسعه انبار داده‌ها

مسائل مربوط به پیاده‌سازی انبار داده

مدیریت اجرایی انبار داده، مسائل امنیتی و روند‌های آینده

مدیریت عملکرد کسب‌وکار (BPM)

اندازه‌گیری عملکرد

کارت‌های امتیازی متوازن

شش سیگما به‌مثابه سیستم اندازه‌گیری عملکرد

جلسه چهارم: تحلیل‌شناسی پیش‌بینانه 1: فرایند، متدها و الگوریتم‌های داده‌کاوی

مفاهیم و کاربردهای داده‌کاوی

کاربردهای داده‌کاوی

فرایند داده‌کاوی

روش‌های داده‌کاوی

ابزارهای نرم‌افزاری داده‌کاوی

مسائل حریم خصوصی، تصورات غلط و اشتباهات فاحش داده‌کاوی

جلسه پنجم: تحلیل‌شناسی پیش‌بینانه 2: تحلیل‌شناسی متن، وب و رسانه‌های اجتماعی     

مروری بر تحلیل‌شناسی متن و متن‌کاوی

پردازش زبان طبیعی (NLP)

کاربردهای متن‌کاوی

فرایند متن‌کاوی

تحلیل احساسات

مروری بر وب‌کاوی

موتورهای جستجو

کاوش مصرف وب (تحلیل‌شناسی وب)

تحلیل‌شناسی اجتماعی

جلسه ششم: تحلیل‌شناسی تجویزی: بهینه‌سازی و شبیه‌سازی

قطعه توصیفی ابتدایی

تصمیم‌گیری مدل‌محور

ساختار مدل‌های ریاضی برای پشتیبانی از تصمیم

قطعیت، عدم قطعیت و ریسک

مدل‌سازی تصمیم با صفحه گسترده‌ها

بهینه‌سازی برنامه‌ریزی ریاضی

چند هدفی، تحلیل حساسیت، تحلیل چه می‌شود- اگر و هدف‌جویی

تحلیل تصمیم با جداول تصمیم و درختان تصمیم

مقدمه‌ای بر شبیه‌سازی

شبیه‌سازی تعاملی مصور

جلسه هفتم: مفاهیم و ابزارهای داده‌های بزرگ

تعریف داده‌های بزرگ

مبانی تحلیل‌شناسی داده‌های بزرگ

فناوری‌های داده‌های بزرگ

داده‌های بزرگ و انبارش داده‌ها

فروشندگان و پلت‌فرم‌های داده‌های بزرگ

داده‌های بزرگ و تحلیل‌شناسی جریانی

کاربردهای تحلیل‌شناسی جریانی

جلسه هشتم: روندهای آینده، حریم خصوصی و ملاحظات مدیریتی در تحلیل‌شناسی

اینترنت اشیا

رایانش ابری و تحلیل‎شناسی کسب‌وکار

تحلیل‌شناسی مکان‌محور برای سازمان‌ها

مسائل مربوط به جنبه‌های حقوقی، حریم خصوصی و اخلاقی

پیامدهای تحلیل‌شناسی در سازمان‌ها: مرور اجمالی

دانشمند داده به‌عنوان یک حرفه تخصصی