حالت مطالعه
سرفصلها:
1- مقدمات، بررسی روشهای شناخت سازمان، تعریف دقیق مساله و شناخت و ذخیره‌سازی داده
- تاریخچه
- متدولوژی علم داده
- شناخت نیاز سازمان
- شناسایی منابع داده‌ها در سازمان و شناسایی کاربردهای نوآورانه به منظور آنالیز این داده‌ها
- تعریف دقیق مساله مورد نظر
- ایجاد شناخت نسبت به ویژگیهای داده
- جمع‌آوری داده و Data Engineer
- Data Lake، Big Data، Data Ingestion
2- پیش پردازش داده و مهندسی ویژگی (Feature Engineering)
3- مدلها و الگوریتمهای رایج و پر استفاده علم داده در مدیریت منابع انسانی
الگوریتمهای علم داده باعث می‌شوند، دیدگاههای فراوانی در جهت بهبود، پیش بینی، و … از داده‌های موجود سازمان بدست آوریم. در این فاز به بررسی مهمترین و پرکاربردترین الگوریتمها و ابزارهای علم داده، در حیطه منابع انسانی می‌پردازیم.
4- طراحی و توسعه مدل علم داده و پیاده‌سازی الگوریتمهای فاز قبل در نرم افزار Modeler
(Model Deployment & Scaling)
5- Model Assessment & Validation
6- ارائه نتایج
- ارائه گرافیکی مناسب از داده و دستاوردهای مدل علم داده
- طراحی و ایجاد گزارشهای مرتبط
- فرایند ارائه نتایج
- مستندسازی
- Excel
- Power BI
برچسب: Data Science Data Science for HR Data Science for HRM Data Science for Human Resource علم داده علم داده برای کارشناسان منابع انسانی علم داده برای کارشناسان و مدیران منابع انسانی علم داده برای مدیریت منابع انسانی علم داده برای منابع انسانی علم داده در مدیریت منابع انسانی
قوانین ثبت دیدگاه
لطفا دیدگاه خود را در مورد این دوره مطرح نمائید.