دوره آموزشی استفاده از Excel، Python و Copilot به عنوان یک دانشمند داده غیرحرفه‌ای

"دانشمند داده شهروندی" یک اصطلاح جدید است که به افرادی اطلاق می‌شود که قادر به انجام بیشتر کارهایی هستند که پیش از این، به یک دانشمند داده واقعی اختصاص داشت، از جمله تجهیز به مهارت‌ها و دانش مفهومی برای پرسش‌های مرتبط با داده‌ها و ادغام ابزارهای معتبری مانند Excel با قدرت هوش مصنوعی. در این دوره، مدرس کریس هویی فریم‌ورک‌های هوش مصنوعی مورد نیاز برای بهینه‌سازی درخواست‌های GPT-4 LLM را پوشش می‌دهد و همچنین پیاده‌سازی‌های عملی ترکیب Excel با Power Query، Python و Copilot را بررسی می‌کند. آیا آماده‌اید که توانایی‌های خود را به عنوان یک دانشمند داده شهروندی مبتنی بر هوش مصنوعی تقویت کنید؟

اهداف یادگیری:
تفاوت‌های بین نقش‌ها و جریان‌های کاری یک دانشمند داده سنتی و یک دانشمند داده شهروندی را درک کرده و فهمید که چگونه مدل‌های زبان بزرگ (LLMها) و دستیارهای هوش مصنوعی مانند Copilot می‌توانند جریان کاری دانشمند داده شهروندی را تقویت و ساده کنند.
استفاده از فریم‌ورک‌های کاری و درخواست‌دهی مانند فریم‌ورک COSTAR برای بهره‌برداری مؤثر از دستیارهای هوش مصنوعی مانند Copilot در تحلیل داده‌ها، که امکان درخواست‌دهی و تفکر زنجیره‌ای را فراهم می‌کند.
استفاده از Power Query و Python برای وارد کردن، آماده‌سازی و تبدیل داده‌ها، شامل تمیز کردن داده‌های عددی و دسته‌بندی شده، و ادغام خطوط لوله داده Power Query و Python در صفحات Excel.
اتوماسیون تحلیل‌های عددی و تحلیل داده‌های اکتشافی (EDA) در Excel با استفاده از پنل Analyze Data و ادغام اسکریپت‌های Python، که امکان اکتشاف داده‌ها را به صورت کارآمد و ساده فراهم می‌کند.
ادغام خروجی‌های LLMها در صفحات Excel با بهره‌برداری از توانایی‌های دستیارهای هوش مصنوعی برای تقویت و بهبود جریان‌های کاری تحلیل داده‌ها در محیط Excel.