❓چه روند تکاملی‌ای طی شد تا به ChatPGT برسیم؟

در این ویدئو از مسیری گفته شده که در انتها، به دست آورد بزرگی به نام ChatGPT و مدل‌های زبانی بزرگ رسید.

🟡 وبینار رایگان ماشین لرنینگ ۲۰۲۴

🗓 جمعه، ۱۱ خرداد
⏰ ساعت ۲۰:۳۰

▶️ این وبینار ضبط نمیشه و فقط به صورت لایو در دسترس خواهند بود.

برای مطالعه سرفصل‌ها و دریافت جزئیات بیشتر، روی لینک زیر کلیک کنین.

🟢 رایگان ثبت‌نام کنین:‌

👉📎 https://ctdrs.ir/cr15594

@DSLanders | دی‌اس‌لندرز

➖ نکات مقدماتی Excel برای تجزیه و تحلیل داده

اکسل (Excel) یکی از نرم‌افزارهای بسیار قدرتمند مجموعه مایکروسافت آفیسه که برای تحلیل داده‌ها، محاسبات ریاضی، آمار و مدیریت اطلاعات کاربرد داره. هر چند که ابزارهای پیشرفته‌ای برای مصورسازی داده‌ها به وجود اومدن، اما هنوز بسیاری از سازمان‌های کوچک و متوسط از اکسل استفاده می‌کنن و مهارت کار با اکسل از مهارت‌های واجب برای یک تحلیلگر داده است.

🔵 فرمول‌ها و سلول‌ها

در اکسل، هر صفحه‌کار (Worksheet) از تعدادی سلول (Cell) تشکیل شده که در قالب شبکه‌ای از سطرها (Rows) و ستون‌ها (Columns) سازماندهی شدن. هر سلول دارای آدرس خاصیه که از ترکیب شماره سطر و حرف ستون تشکیل میشه.

فرمول‌ها در اکسل برای انجام محاسبات مختلف کاربرد دارن. برای نوشتن یک فرمول در یک سلول، اول با گذاشتن = شروع کرده و سپس عملیات ریاضی یا تابع مورد نظر رو وارد می‌کنیم.

🔵 استفاده از ویژگی‌های مرتب‌سازی و فیلتر کردن

اکسل امکاناتی برای مرتب‌سازی و فیلتر کردن داده‌ها فراهم می‌کنه تا داده‌ها رو بهتر مدیریت کنیم. می‌توانیم داده‌ها رو بر اساس یک یا چند ستون به ترتیب صعودی یا نزولی مرتب کنیم. همچنین با استفاده از ابزار Filter می‌توانیم فقط داده‌هایی که معیارهای خاصی رو دارن نمایش بدیم و بقیه رو پنهان کنیم.

🔵 معرفی فرمول‌های ساده

فرمول‌های ساده در اکسل شامل عملیات ریاضی ابتدایی مثل جمع (+)، تفریق (-)، ضرب (*) و تقسیم (/) میشن. برای مثال، برای جمع دو عدد در سلول‌های A1 و B1، می‌تونیم در سلول C1 فرمول =A1+B1 رو وارد کنیم.

🔵 استفاده از توابع ریاضی و آماری ساده

اکسل دارای توابع ریاضی و آماری بسیاریه که امکان انجام محاسبات پیچیده‌ رو ممکن می‌کنه. از جمله این توابع میشه به SUM (برای جمع کردن مقادیر چند سلول)، AVERAGE (برای محاسبه میانگین)، MAX (برای پیدا کردن بیشترین مقدار) و MIN (برای پیدا کردن کمترین مقدار) اشاره کرد.

🔵 استفاده از توابع متنی

توابع متنی به ما کمک می‌کنن تا عملیات مختلفی رو روی متن انجام دهیم. برای مثال، تابع CONCATENATE برای ترکیب متن دو یا چند سلول استفاده می‌شه. تابع LEFT و RIGHT به ترتیب برای استخراج تعدادی از حروف از سمت چپ یا راست یک متن استفاده می‌شن.

🔵 ایجاد نمودارهای ستونی و خطی

نمودارها ابزار برای نمایش تصویری داده‌ها هستن. اکسل امکانات گسترده‌ای برای ایجاد انواع نمودارها مثل نمودارهای ستونی (Column) و خطی (Line) فراهم می‌کنه. برای ایجاد یک نمودار، کافیه محدوده‌ای از داده‌ها رو انتخاب کرده و از زبانه Insert نوع نمودار مورد نظر رو وارد کنیم.

🔵 سفارشی‌سازی نمودارها

بعد از ایجاد نمودار، می‌تونیم با تغییر رنگ‌ها، نوع خطوط، اندازه‌ها و بسیاری از ویژگی‌های دیگه سفارشی‌سازیش کنیم تا بهتر با نیازهای ما مطابقت داشته باشه. همچنین امکان اضافه یا حذف کردن عناصر مختلفی مثل عناوین، برچسب‌ها و راهنماها به نمودار وجود داره.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡روش‌های پاکسازی داده در اکسل

🔵 حذف داده‌های تکراری

یکی از اولین مراحل در پاکسازی داده‌ها، حذف مقادیر تکراریه. برای این کار میشه از ابزار Remove Duplicates در تب Data استفاده کرد.

🔵 استفاده از ابزار Flash Fill

ابزار Flash Fill به شما کمک می‌کنه تا الگوهای خاصی رو در داده‌ها شناسایی و به صورت خودکار داده‌ها رو تکمیل کنین.

🔵 استفاده از توابع متنی

توابع متنی مثل TRIM، CLEAN و SUBSTITUTE به شما کمک می‌کنن تا فضای‌های اضافی، کاراکترهای ناخواسته و متن‌های خاص رو از داده‌ها حذف کنین.

🔵TRIM: حذف فضای‌های اضافی از ابتداء، انتها و میان متن
🔵CLEAN: حذف کاراکترهای غیرقابل چاپ
🔵SUBSTITUTE: جایگزینی یک متن خاص با متن دیگر

🔵 استفاده از ابزار Text to Columns

این ابزار برای جدا کردن داده‌ها به ستون‌های جداگانه بر اساس جداکننده‌های خاص (مثل کاما، تب یا فضای خالی) استفاده میشه. برای استفاده ازش محدوده‌ای که می‌خواین جدا کنین رو انتخاب و از تب Data گزینه Text to Columns رو بزنین.

🔵 استفاده از توابع IFERROR و ISERROR

برای مدیریت خطاها در داده‌ها، میشه از توابع IFERROR (جایگزینی مقدار خطا با یک مقدار مشخص) و ISERROR (بررسی وجود خطا در یک سلول) استفاده کرد تا خطاهای موجود رو شناسایی و با مقادیر مناسب جایگزین کرد.

🔵 استفاده از ابزارهای فیلتر و مرتب‌سازی

فیلتر و مرتب‌سازی داده‌ها به شما کمک می‌کنه تا داده‌های نامربوط رو پنهان و داده‌های مرتبط رو بهتر مشاهده کنین.

🔵 استفاده از Power Query

ابزار Power Query برای وارد کردن، تبدیل و تمیز کردن داده‌ها از منابع مختلف کاربرد داره. با استفاده از Power Query میشه فرآیندهای پیچیده پاکسازی داده‌ها رو به صورت خودکار انجام داد.

برای این کار از تب Data گزینه Get Data، منبع داده مورد نظر رو انتخاب کرده و داده‌ها رو وارد کنین. از رابط کاربری Power Query برای تمیز کردن و تبدیل داده‌ها استفاده کنین.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 نکات پیشرفته Excel برای تجزیه و تحلیل داده

🔵 استفاده از توابع شرطی (IF، SUMIF، COUNTIF)

توابع شرطی امکان فیلتر کردن داده‌ها بر اساس شرط رو ممکن می‌کنن. تابع IF به شما امکان می‌ده یک شرط منطقی رو بررسی کنین و بر اساسش یکی از دو پاسخ متفاوت رو برگردونین. تابع SUMIF و COUNTIF هم به شما امکان می‌دن جمع یا تعداد داده‌هایی که یک شرط خاص رو برآورده می‌کنن رو محاسبه کنین.

🔵 توابع جستجو (VLOOKUP، HLOOKUP، INDEX، MATCH)

توابع جستجو برای پیدا کردن داده‌ها در یک جدول بزرگ استفاده می‌شن. VLOOKUP داده‌ها رو در یک ستون مشخص جستجو می‌کنه و HLOOKUP در یک ردیف. INDEX و MATCH هم به صورت ترکیبی کاربرد دارن تا موقعیت یک داده رو در یک جدول پیدا کنن و مقدار مربوطه ر برگردونن.

🔵 توابع تاریخی و زمانی

توابع تاریخ و زمان در اکسل به شما کمک می‌کنن تا داده‌های مربوط به زمان و تاریخ رو مدیریت کنین. مثلاً، ()TODAY تاریخ امروز رو برمی‌گردونه و NETWORKDAYS تعداد روزهای کاری بین دو تاریخ رو محاسبه می‌کنه.

🔵 تحلیل داده‌های مالی

اکسل ابزارهای بسیار قدرتمندی برای تحلیل داده‌های مالی داره. شما می‌تونین از توابعی مثل XNPV و XIRR برای محاسبه‌ی خالص ارزش فعلی و نرخ بازده داخلی تعدیل شده استفاده کنین.

🔵 استفاده از ابزارهای تحلیل مثل What-If Analysis

ابزار What-If Analysis به شما کمک می‌کنه تا سناریوهای مختلف رو بررسی و تأثیر تغییرات در فرضیات رو ارزیابی کنین. این ابزار شامل Data Tables، Scenario Manager و Goal Seek هست.

🔵 استفاده از PivotTables برای خلاصه‌سازی داده‌ها

ویژگی PivotTables یکی از قدرتمندترین ابزارهای اکسل برای تجزیه و تحلیل داده‌هاست. با استفاده ازش می‌تونین داده‌ها رو خلاصه کرده، گروه‌بندی کنین و از دیدگاه‌های مختلف مشاهده کنین.

🔵 ماکروها و VBA

ماکروها اسکریپت‌هایی هستن که می‌تونن فرآیندهای تکراری رو در اکسل خودکار سازی کنن. با استفاده از ماکروها، میشه زمان زیادی صرفه‌جویی کرد و خطاها رو کاهش داد.

ضبط ماکروها برای اتوماسیون وظایف ساده بسیار مؤثره. VBA یا Visual Basic for Applications، زبان برنامه‌نویسیه که برای نوشتن ماکروها و اسکریپت‌های پیچیده‌تر در اکسل استفاده می‌شه.

🔵 ابزار تحلیل داده Solver

ابزار تحلیل محدودیت‌بندی یک نوع ابزار تحلیلیه که در مدیریت و تحلیل داده‌ها به کار می‌ره تا بهترین راه‌حل‌ها رو برای مسائلی که دارای محدودیت‌های مختلف هستن، پیدا کنه.

این نوع تحلیل به شما کمک می‌کنه تا با در نظر گرفتن محدودیت‌هایی مثل بودجه، زمان، یا منابع دیگه، بهینه‌ترین استفاده ممکن از منابع موجود رو داشته باشین.

در اکسل، ابزار Solver یک مثال برجسته از ابزارهای تحلیل محدودیت‌بندیه. این ابزار به شما امکان می‌ده که یک هدف مشخص (مثل حداکثر کردن سود یا کاهش هزینه‌ها) رو تعیین کنین.

با تعیین محدودیت‌هایی روی متغیرهای مختلف، Solver سعی می‌کنه بهترین راه حل رو برای رسیدن به اون هدف با توجه به محدودیت‌ها پیدا کنه. این ابزار می‌تونه در مواردی مثل برنامه‌ریزی منابع، مدیریت بودجه یا سایر تصمیم‌گیری‌های استراتژیک که نیاز به در نظر گرفتن چندین فاکتور و محدودیت دارن، استفاده شه.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

🎞 ساخت یک داشبورد تعاملی از صفر تا ۱۰۰ در اکسل

اکسل یکی از ابتدایی ترین و کاربردی ترین ابزارهای تحلیل داده‌ست که به صورت گسترده در اکثر کمپانی‌های کوچیک و متوسط استفاده میشه.

این ویدئو یوتیوب قسمتی از جلسه اول دوره آنلاین هوش تجاری و تحلیل داده با Tableau و Power BI هست و داخلش خیلی ساده، گام‌های لازم برای طراحی و ساخت یک داشبورد تعاملی آموزش داده شدن.

👉📎 https://youtu.be/JcgCBoSMYlE

#YouTube
#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 آشنایی با Google Sheet در تحلیل داده‌

گوگل شیت امکان ایجاد، مدیریت و تحلیل داده‌ها رو به صورت آنلاین فراهم می‌کنه. این ابزار منعطف، به کاربران اجازه می‌ده تا با استفاده از صفحات گسترده (spreadsheet)، داده‌های رو سازمان‌دهی کرده و تحلیل‌ کنن.

از اونجایی که Google Sheets آنلاینه، به راحتی می‌تونین به اسناد از هر دستگاهی دسترسی داشته باشین و با دیگران به صورت همزمان روی یک سند کار کنین. همچنین فرمول‌ها و توابعی، اکسل اینجا هم در دسترسن.

🔵 بصری‌سازی داده‌ها

در گوگل شیت هم امکان مصورسازی داده‌ها و ایجاد انواع مختلف نمودارها (Charts) مثل نمودارهای خطی، میله‌ای، دایره‌ای و پراکنده فراهمه. این نمودارها کمک می‌کنن تا الگوها و روندهای موجود در داده‌ها بهتر درک شن و تحلیل‌های دقیق‌تری انجام شه.

🔵 افزونه‌ها و سفارشی‌سازی

گوگل شیت از افزونه‌های مختلفی (Add-ons) پشتیبانی می‌کنه که می‌تونن قابلیت‌های اضافی رو به این ابزار اضافه کنن. این افزونه‌ها شامل ابزارهای پیشرفته تحلیل داده، ابزارهای بصری‌سازی و حتی اتصال به منابع داده خارجی هستن. با استفاده از افزونه‌ها، می‌توانید Google Sheets رو بر اساس نیازهای خاص سفارشی‌سازی کنین و بهره‌وری رو افزایش بدین.

🔵 مدیریت و تمیز کردن داده‌ها

برای تحلیل داده‌ها، اول باید داده‌ها رو تمیز و مرتب کرد. مثلا حذف داده‌های تکراری و فاصله‌ها با استفاده از توابعی مثل CLEAN و TRIM فراهمه. همچنین میشه با استفاده از افزونه‌های مختلف، داده‌ها رو از منابع خارجی وارد و به طور موثر مدیریت کرد.

🔵 استفاده از توابع و فرمول‌های پیشرفته

گوگل شیت شامل توابعیه که به شما امکان تحلیل‌های پیچیده‌تر رو می‌ده. توابعی مثل SUMIF و SUMIFS برای جمع کردن داده‌ها بر اساس شرایط خاص، VLOOKUP برای جستجو و تطبیق داده‌ها و QUERY برای انجام کوئری‌های پیشرفته روی داده‌ها بسیار مفیده.

🔵 تحلیل‌های آماری

گوگل شیت دارای افزونه‌های بسیاری برای انجام تحلیل‌های آماری پیشرفته‌ است. افزونه Statistical Analysis Tools شامل ابزارهایی برای انجام تحلیل‌هایی مثل همبستگی، نمونه‌برداری، هموارسازی نمایی، میانگین متحرک و تحلیل‌های واریانسه.

🔵 خودکارسازی وظایف

گوگل شیت با استفاده از Google Apps Script به کاربران امکان می‌ده وظایف تکراری رو خودکار کنن. با استفاده از این زبان اسکریپت‌نویسی مبتنی بر جاوااسکریپت، میشه توابع سفارشی ایجاد کرد، افزونه‌ ساخت و پردازش داده‌ها رو خودکار و در مصرف زمان صرفه جویی کرد.

🔵 ایجاد داشبوردهای تعاملی

یکی از کاربردهای جذاب Google Sheets، امکان ایجاد داشبوردهای تعاملی برای نمایش داده‌ها و گزارش‌هاست. با استفاده از افزونه‌هایی مانند Awesome Table، میشه داده‌ها رو به قالب‌های وب پویا و تعاملی تبدیل و به راحتی با دیگران به اشتراک گذاشت.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡تابع GOOGLETRANSLATE در Google Sheets

تابع GOOGLETRANSLATE امکان ترجمه از یک زبان به زبان دیگه رو فراهم می‌کنه.

=GOOGLETRANSLATE(text, [source_language], [target_language])

🔵 text: متنی که می‌خواین ترجمه شه (می‌تونه مستقیماً در فرمول وارد شه یا به یک سلول اشاره کنه).
🔵 source_language: کد زبانی که متن مبدأ نوشته شده
🔵 target_language: کد زبانی که متن باید بهش ترجمه شه

🔵 کد زبان‌ها: کد زبان‌ها باید به صورت دو حرفی و مطابق با استاندارد ISO 639-1 وارد شن. مثلا "en" برای انگلیسی، "fa" برای فارسی، "es" برای اسپانیایی و "fr" برای فرانسوی.

🔵 پشتیبانی از زبان‌ها: تابع GOOGLETRANSLATE از بسیاری از زبان‌های دنیا پشتیبانی می‌کنه، اما ممکنه بعضی زبان‌ها به طور کامل پشتیبانی نشن.

🔵 دقت ترجمه: دقت ترجمه بستگی به پیچیدگی متن و جفت زبانی داره که استفاده می‌شه. برای متن‌های پیچیده، ممکنه ترجمه‌ها نیاز به ویرایش دستی داشته باشن.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 طراحی داشبورد تعاملی در Google Sheets

🔵 برنامه‌ریزی و طراحی داشبورد

قبل از شروع به ساخت داشبورد، باید اهداف و نیازهای پروژه رو مشخص کنین.

🔵 جمع‌آوری و آماده‌سازی داده‌ها

بعد از وارد کردن داده‌ها از منابع مختلف مثل فایل‌های CSV، Excel یا دیتابیس‌ها، باید اونها رو تمیز و مرتب کرد. این کار شامل حذف داده‌های تکراری، تصحیح اشتباهات و فرمت‌بندی مناسب داده‌هاست.

🔵 استفاده از افزونه‌ها (Add-ons)

افزونه‌ها ابزارهای جانبی هستن که قابلیت‌های Google Sheets رو افزایش می‌دن. مثلا Awesome Table برای تبدیل داده‌ها به جداول و نمودارهای تعاملی، ChartExpo برای ایجاد نمودارها و گراف‌های پیچیده و Power Tools برای انجام وظایف تکراری و پیچیده.

🔵 طراحی داشبورد

طراحی داشبورد به معنی سازمان‌دهی و چیدمان نمودارها، جداول و سایر عناصر بصریه. برای طراحی یک داشبورد موثر:

🔵از رنگ‌ها و قالب‌های مناسب استفاده کنین تا داشبورد خوانا و جذاب باشه.
🔵نمودارها و جداول رو به شکلی قرار بدین که به راحتی قابل دسترس و فهم باشن.
🔵از عناوین و توضیحات مناسب برای هر بخش استفاده کنین تا کاربران بدونن هر قسمت به چه چیزی اشاره داره.

🔵 یکپارچه‌سازی داده‌ها از منابع مختلف

برای ایجاد داشبوردهای جامع و کامل، ممکنه نیاز به یکپارچه کردن داده‌ها از منابع مختلف باشه. با استفاده از توابعی مثل IMPORTRANGE و IMPORTDATA، میشه داده‌ها رو از شیت‌های دیگه یا منابع خارجی وارد و تحلیل کرد.

🔵 استفاده از Google Data Studio

اگه نیاز به ابزارهای پیشرفته‌تر برای بصری‌سازی داده‌ها و ایجاد داشبوردهای تعاملی باشه، میشه از Google Data Studio استفاده کرد چون به سادگی با Google Sheets یکپارچه میشه.

🔵 ایجاد گزارش‌های پویا با Google Sheets

با استفاده از توابعی مثل QUERY و IMPORTRANGE میشه داده‌ها رو بر اساس معیارهای خاصی فیلتر و داشبوردهایی ایجاد کرد که همیشه با آخرین داده‌ها به‌روز باشن.

🔵 تصویر: داشبورد طراحی شده با گوگل شیت در دوره آنلاین هوش تجاری و تحلیل داده با Tableau و Power BI

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡ارسال خودکار ایمیل با داده‌های Google Sheets

گوگل Apps Script یک زبان برنامه‌نویسی مبتنی بر جاوااسکریپته که به شما امکان می‌ده تا تعامل با Google Sheets و سایر سرویس‌های گوگل رو خودکار کنین.

فرض کنین یک شیت شامل لیستی از افراد و آدرس‌های ایمیل دارین و می‌خواهید به طور خودکار یک ایمیل به هر یک از این افراد ارسال کنین.

۱. ایجاد یک Google Sheet: یک شیت جدید ایجاد و ستون‌های Name،Email و Message رو اضافه کنین.

۲. نوشتن اسکریپت: از منوی Extensions گزینه Apps Script رو انتخاب و کد زیر رو در ویرایشگر اسکریپت وارد کنین:

    function sendEmails() {
      var sheet = SpreadsheetApp.getActiveSpreadsheet().getActiveSheet();
      var data = sheet.getDataRange().getValues();
      
      for (var i = 1; i < data.length; i++) { // Skip header row
        var name = data[i][0];
        var emailAddress = data[i][1];
        var message = data[i][2];
        
        var subject = 'Hello ' + name;
        var body = message;
        
        MailApp.sendEmail(emailAddress, subject, body);
      }
    }

۳. اجرای اسکریپت: از منوی Run گزینه sendEmails رو انتخاب کنین تا اسکریپت اجرا شه و به طور خودکار به هر یک از افراد در لیست ایمیل ارسال می‌کنه.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡متاداده (Metadata)، بیگ کوئری (BigQuery) و ترافور (Teradata) و ارتباط‌شون با Looker

🔵 متاداده (Metadata) به اطلاعاتی برای توصیف و تشریح داده‌های دیگه گفته میشه. این اطلاعات شامل توضیحات، ساختار و مشخصات داده‌هاست و به کاربران کمک می‌کنه تا داده‌ها رو بهتر درک کنن. در زمینه تجزیه و تحلیل داده‌ها، متاداده نقش بسیار مهمی در سازمان‌دهی و مدیریت داده‌ها داره.

🔵ارتباط متاداده با Looker: متاداده در Looker امکان تعریف ساختار داده‌ها، مستندسازی و تحلیل‌ داده رو میده. با استفاده از متاداده، میشه داده‌ها رو به صورت دقیق‌تر و بهتر مستندسازی کرد.

🔵 گوگل BigQuery یک سرویس تجزیه و تحلیل داده‌های بزرگ در بستر ابره که توسط Google Cloud ارائه شده. این سرویس به کاربران امکان می‌ده تا با حجم‌های بسیار بزرگ داده‌ها به سرعت و به صورت تعاملی کار کنن. BigQuery از تکنولوژی MPP (Massively Parallel Processing) برای پردازش سریع داده‌ها استفاده و امکان اجرای کوئری‌های پیچیده‌ رو فراهم می‌کنه.

🔵ارتباط BigQuery با Looker: ابزار Looker به طور کامل با BigQuery یکپارچه شده. در نتیجه کاربران می‌تونن از توانمندی‌های پردازشی BigQuery مثل MPP برای اجرای کوئری‌های پیچیده روی داده‌های بزرگ استفاده کنن و نتایج رو به صورت بصری در Looker به تصویر بکشن.

🔵 ترافور (Teradata) یک سیستم مدیریت پایگاه داده موازیه (MPP) که به طور خاص برای تجزیه و تحلیل داده‌های بزرگ طراحی شده.

🔵ابزار Looker می‌تونه به Teradata متصل شه و از داده‌های ذخیره شده در این سیستم برای تحلیل‌ استفاده کنه. در نتیجه میشه از توانمندی‌های پردازشی Teradata بهره‌برداری و داده‌های بزرگ رو تحلیل کرد.

🔵 مقایسه Teradata و BigQuery: هر دو، سیستم‌های مدیریت پایگاه داده‌های بزرگ با هدف افزایش کارایی و سرعت پردازش داده‌ها هستن و از تکنولوژی پردازش موازی استفاده می‌کنن. همچنین مقیاس‌پذیری بالایی دارن و می‌توانن با افزایش حجم داده‌ها و تعداد کاربران سازگار شن.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

👨‍🎓 آشنایی با Google Analytics

گوگل Analytics یک ابزار تحلیل وب‌سایته که توسط گوگل ارائه شده و به شما امکان می‌ده تا رفتار کاربران رو در وب‌سایت‌تون پیگیری و تحلیل کنین. این ابزار اطلاعات زیادی در مورد ترافیک وب‌سایت، منابع ترافیک، رفتار کاربران و تبدیل‌ها (conversions) ارائه می‌ده.

🔵 مزایای استفاده از Google Analytics

🔵رایگان: یکی از مهم‌ترین مزایای Google Analytics اینکه استفاده ازش رایگانه.
🔵جامع: این ابزار اطلاعات جامع و کاملی ارائه می‌ده.
🔵گزارش‌دهی قوی: با استفاده از گزارش‌های متنوع و دقیق Google Analytics می‌تونین عملکرد وب‌سایت رو به طور کامل تحلیل کنین.
🔵انتقال داده‌ها به ابزارهای دیگه: امکان انتقال داده‌ها به سایر ابزارهای گوگل و نرم‌افزارهای تحلیل داده وجود داره. مثلا می‌تونین داده‌های Google Analytics رو با Google Ads ترکیب کنین تا به تحلیل دقیق‌تری از عملکرد کمپین‌های تبلیغاتی‌تون بپردازین.

🔵 اصطلاحات مهم در Google Analytics

🔵کاربر (User): شخصی که از وب‌سایت شما بازدید می‌کنه.
🔵نشست (Session): مجموعه‌ای از تعاملات کاربران با وب‌سایت شما که در یک بازه زمانی مشخص انجام می‌شه.
🔵نرخ پرش (Bounce Rate): درصد کاربرانی که بعد از مشاهده یک صفحه، بدون انجام هیچ تعاملی سایت رو ترک می‌کنن.
🔵صفحات در هر نشست (Pages per Session): تعداد صفحاتی که به طور متوسط توسط هر کاربر در هر نشست بازدید می‌شه.
🔵نرخ تبدیل (Conversion Rate): درصد کاربرانی که یک هدف خاص (مثلاً خرید محصول) رو انجام می‌دن.

🔵 گزارش‌های مهم در Google Analytics

🔵گزارش مخاطبان (Audience Reports): اطلاعاتی درباره کاربران وب‌سایت، مثل موقعیت جغرافیایی، زبان، دستگاه‌های مورد استفاده و غیره.
🔵گزارش اکتساب (Acquisition Reports): اطلاعاتی درباره منابع ترافیک، مثل موتورهای جستجو، شبکه‌های اجتماعی، تبلیغات و غیره.
🔵گزارش رفتار (Behavior Reports): اطلاعاتی درباره رفتار کاربران در وب‌سایت، مثل صفحات بازدید شده، زمان صرف شده در هر صفحه و غیره.
🔵گزارش تبدیل‌ها (Conversions Reports): اطلاعاتی درباره اهداف تعیین شده و نرخ تبدیل‌ها.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

💡استفاده از گزارش Cohort Analysis

گزارش Cohort Analysis در Google Analytics به شما امکان می‌ده تا گروه‌های خاصی از کاربران رو بر اساس ویژگی‌های مشترک یا رفتارهای مشابه تحلیل کنین.

برای مثال، میشه کاربرانی که در یک روز خاص ثبت‌نام کردن یا یک اقدام خاصی انجام دادن (مثل خرید اولین محصول) رو بررسی و رفتارهای بعدی‌شون رو در طول زمان پیگیری کرد. این تحلیل به شما کمک می‌کنه تا بفهمین کاربران جدید چقدر با سایت شما تعامل دارن و چطور رفتارشون با گذشت زمان تغییر می‌کنه.

استفاده از Cohort Analysis به شما در بهبود نگهداشت کاربران، افزایش نرخ تبدیل و بهینه‌سازی تجربه کاربری کمک می‌کنه.

#Data_Analysis
#Data_Visualization_Tools

@Data_ML | دیتاساینس و ماشین‌ لرنینگ

⏰ پست‌های هفته‌ای که گذشت رو این‌جا پیدا کنین!

🔺 آموزشی

🔵نکات مقدماتی Excel برای تجزیه و تحلیل داده
📎https://t.me/data_ml/526

🔵نکات پیشرفته Excel برای تجزیه و تحلیل داده
📎https://t.me/data_ml/529

🔵آشنایی با Google Sheet در تحلیل داده‌
📎https://t.me/data_ml/532

🔵طراحی داشبورد تعاملی در Google Sheets
📎https://t.me/data_ml/535

🔵آشنایی با Google Looker
📎https://t.me/data_ml/538

🔵آشنایی با Google Analytics
📎https://t.me/data_ml/542

🔺 کوئیز

🔵کوییز شماره ۱۴۶: فرمول‌های اکسل
📎https://t.me/data_ml/527

🔵کوییز شماره ۱۴۷: ایجاد یک لیست کشویی در اکسل
📎https://t.me/data_ml/530

🔵کوییز شماره ۱۴۸: وارد کردن داده‌ها از یک صفحه گسترده دیگه
📎https://t.me/data_ml/533

🔵کوییز شماره ۱۴۹: تفاوت بین Control Widget و Filter در Data Studio
📎https://t.me/data_ml/536

🔵کوییز شماره ۱۵۰: جدول‌های مشتق شده در Looker
📎https://t.me/data_ml/540

🔵کوییز شماره ۱۵۱: Google Analytics و تحلیل مسیرهای کاربر در سایت
📎https://t.me/data_ml/543

🔺 نکته

🔵 روش‌های پاکسازی داده در اکسل
📎https://t.me/data_ml/528

🔵ساخت یک داشبورد تعاملی از صفر تا ۱۰۰ در اکسل
📎https://t.me/data_ml/531

🔵تابع GOOGLETRANSLATE در Google Sheets
📎https://t.me/data_ml/534

🔵ارسال خودکار ایمیل با داده‌های Google Sheets
📎https://t.me/data_ml/537

🔵متاداده، بیگ کوئری و ترافور و ارتباط‌شون با Looker
📎https://t.me/data_ml/541

🔵استفاده از گزارش Cohort Analysis
📎https://t.me/data_ml/544

#Weekend
#Data_Analysis

@Data_ML | دیتاساینس و ماشین‌ لرنینگ