🔎تحلیل بقا (Survival Analysis) در تحقیقات #پزشکی

تحلیل بقا به مطالعه و بررسی زمانی که طول می‌کشد تا یک رویداد خاص رخ دهد، می‌پردازد. در پزشکی، این روش برای پیش‌بینی مدت زمان بقا بیماران، ارزیابی اثربخشی درمان‌ها و مقایسه روش‌های درمانی مختلف استفاده می‌شود.
تحلیل بقا به پژوهشگر این امکان را می‌دهد تا زمان وقوع یک رویداد را مدل سازی کند.

برای مثال،  خطر مرگ پس از جراحی قلب بلافاصله پس از عمل بیشتر است، با بهبودی بیمار کاهش می‌یابد، سپس با افزایش سن بیمار دوباره به آرامی افزایش می یابد یا میزان عود سرطان‌های مختلف در طول زمان بسیار متفاوت است و به ژنتیک تومور، درمان و سایر عوامل محیطی بستگی دارد.

زبان 🔤 یکی از قوی‌ترین ابزارها برای تحلیل بقا است و با کتابخانه‌هایی مثل Survival می‌توان مدل‌های بقا را به سادگی پیاده‌سازی کرد.
نمونه کد اجرایی نمودار Kaplan-Meier  را در تصویر پیوست می‌توانید ببینید.

علاوه بر نمودار Kaplan-Meier که برای نمایش احتمال بقا در طول زمان استفاده می‌شود، ابزارهای دیگری نیز در تحلیل بقا استفاده می‌شود که می‌توان از آزمون log-rank که به‌عنوان یک آزمون آماری برای مقایسه بقای دو یا چند گروه مختلف کاربرد دارد و مدل Cox که یک مدل رگرسیونی نیمه‌پارامتریک است و اثر متغیرهای مختلف را بر بقا بررسی می‌کند، بدون آنکه نیاز به فرض توزیع خاصی برای زمان بقا داشته باشد نیز نام برد.

⭕️ اگر علاقه‌مند به یادگیری «طراحی مطالعه و تحلیل داده در تحقیقات پزشکی و زیستی با R» هستید ، این دوره برای شما طراحی شده‌است.
🔗 d-learn.ir/rmda
❌ فراموش نکنید برای استفاده از کدهای تخفیف فقط تا 6 آبان فرصت دارید.

📞 اگر سوالی داشتید:
🌐@dlearnsup

@dlearn_ir

📊تحلیل داده، مزیت رقابتی استراتژیک
نوشته‌ی توماس دِیوِنپورت

«اگر بخواهید کسب و کار خود را صرفاً با تکیه بر ویژگی‌های محصول خود با دیگران متمایز کنید راه به جایی نخواهید برد. رقبا هم به منابعی که شما دسترسی دارید دسترسی دارند و ویژگی‌هایی شبیه به ویژگی‌های محصول شما را توسعه می‌دهند.»

مجله بررسی‌های کسب‌وکار دانشگاه هاروارد (Harvard Business Review)مجموعه‌ای دارد «مقاله‌های ضروری‌» The Essentials که گلچینی از بهترین مقالاتی است که این مجموعه پیش از این کار کرده‌است.
در این یادداشت، شما ترجمه‌ی خلاصه‌ شده‌ی مقاله‌ی «تحلیل داده به عنوان مزیت رقابتی» را از مجموعه The Essentials می‌خوانید که نوشته توماس دِیوِنپورت است و با ترجمه علیرضا کدیور در مدرسه دقیقه منتشر شده است. اگر علاقه به خواندن متن کامل هستید، لینک یادداشت در انتهای متن در درسترس است.

➕چگونه تحلیل داده‌ را به مزیت رقابتی خود بدل کنیم؟

دیونپورت چاره کار را در ایجاد مزیت رقابتی مبتنی بر «بهره‌برداریِ تحلیلی از داده‌ها» معرفی می‌کند. منظور او از این کار گردآوری و تحلیل داده از منابع گوناگون از جمله تمامی فعل و انفعالاتی که در فرایندهای کسب‌وکار اتفاق می‌افتد و خلق ارزش با استفاده از آن‌ها است. او معتقد است برای ایجاد تمایز با دیگران باید بهره‌برداریِ تحلیلی از داده‌ها (Analytics) را به عنوان بخشی جدایی‌ناپذیر از استراتژی رقابتی خود تعریف کنید. دستورالعمل‌های دیونپورت به مدیران این است:

1️⃣ حمایت از تحلیل داده در بالاترین سطوح
پشتیبانی و تشویق تحلیل داده در بالاترین سطوح سازمان ضروری است. مدیران باید دانش خود را در این زمینه ارتقا دهند.
2️⃣ نقشه جامع بهره‌برداری از داده‌ها
داشتن طرح کلی و تعیین مسئول برای هماهنگی فعالیت‌های مرتبط با داده در سازمان اهمیت دارد ا راهبری کلی آن‌ها را از ابزارها گرفته تا روش‌ها به عهده بگیرد.

3️⃣ تمرکز بر الویت‌های استراتژیک
نیروی انسانی مختصص و سایر منابع خود را به سمت اولویت‌هایی که در استراتژی رقابتی خود تعریف کرده‌اید، کانالیزه کنید و در آن راستا به کار بگیرید.
4️⃣ گسترش فرهنگ تحلیل داده
اهمیت استفاده از داده‌ها در سازمان را در تمام سطوح آشکار کنید و احترام به این فرآیندها را ترویج دهید. نیروی انسانی را تشویق کنید تصمیمات خود را بر پایه داده‌های مستند بگیرند.

5️⃣ جذب متخصص مناسب
افرادی را استخدام کنید که علاوه بر مهارت‌های فنی، بتوانند مفاهیم پیچیده را  ساده‌سازی کنند و ارتباط مؤثری با تصمیم‌گیرندگان داشته باشند.
6️⃣ انتخاب فناوری مناسب
از فناوری استفاده کنید که نیازهای شما را پوشش دهد و امکان توسعه و یکپارچه‌سازی داشته باشد.

✅ کاربردهای تحلیل داده در کسب و کار

۱- بهینه‌سازی زنجیره تامین
۲- وفادارسازی مشتریان
۳- قیمت‌گذاری هوشمند
۴- مدیریت منابع انسانی
۵- بهبود عملکرد مالی
۶- کنترل کیفیت محصولات و خدمات
۷- تحقیق و توسعه

🟡برای مطالعه‌ی یادداشت کامل، از لینک زیر استفاده کنید:
🔗 d-learn.ir/p/competing-analytics

@dlearn_ir

📊 ادغام دو یا چند سلول در #اکسل با استفاده از عملگر &
مدرس: امیر خسرو بهادری

🫥🫥🫥
اگر به تحلیل داده با اکسل علاقه دارید، ثبت‌نام دوره جدید «📊اکسل برای تحلیل داده‌های کسب و کار» شروع شده؛
🔗 d-learn.ir/xlsb

فراموش نکنید که اعتبار کدهای تخفیف تا ۲۷ مهر ۱۴۰۳ است.
⭕️ به دلیل درخواست همراهان مدرسه، کدهای تخفیف تا 6 آبان تمدید شد.

📞 اگر سوالی داشتید:
🌐@dlearnsup

@dlearn_ir

🔵 تست A/B چیست؟

کسب و کارها همیشه بر سر دوراهی هستند. می‌خواهند بدانند این راه بهتر است یا آن یکی راه. مثلا خود را جای مدیری بگذارید که دو طرح برای وب‌سایت کسب و کارش در دست دارد  و یا دو نسخه برای طراحی محصول جدید.کدام را باید انتخاب کند؟ پاسخ روشن است: طرحی بهتر است که مشتریان بیشتر دوست دارند. برای اینگونه دوراهی‌ها یک روش مبتنی بر داده وجود دارد.

آزمایش A/B یک تکنیک آماری است که برای مقایسه دو نسخه مختلف از یک محصول یا خدمات استفاده می‌شود تا مشخص شود کدام یک عملکرد بهتری دارد. این کار شامل تقسیم تصادفی یک نمونه از کاربران به دو گروه است: گروه A، که نسخه اصلی محصول به آن‌ها نشان داده شده، و گروه B، که نسخه اصلاح شده محصول به آن‌ها نشان داده شده است. هدف این است که مشخص شود کدام نسخه منجر به نتایج بهتری مانند افزایش فروش یا تعامل بیشتر کاربر می‌شود.

آزمون (تست) AB یک روش برای فهمیدن علیت است. برای نمونه اگر آزمایشی ترتیب دهید که برخی بازدیدکنندگان یک وب‌سایت دکمه‌ تعبیه شده برای خرید اشتراک را قرمز و برخی دیگر آن را زرد ببینند به شرط آن‌که تمام شرایط دیگر یکسان باشد می‌توانید نتیجه بگیرید که دلیل کلیک بیشتر روی یکی از دکمه‌ها رنگ آن است. این کار به کسب و کارها اجازه می‌دهد بطور مداوم کالاها و خدمات خود را بهبود دهند.

🔘 مراحل انجام آزمایش A/B

۱.طراحی فرض تحقیق
فرض تحقیق همان‌چیزی است که شما در پی کشف آن هستید. اگر فکر می‌کنید انجام دادن فلان تغییر باعث می‌شود محصول شما بهتر بفروش برسد شما یک فرضیه دارید که می‌توانید آن را آزمون کنید. یک نمونه از فرضیه به این صورت است:

تغییر رنگ دکمه خرید اشتراک به زرد (این همان متغیر تست شونده است)باعث افزایش کلیک (این همان متغیری است که مطلوب آزمون کننده است) خواهد شد.

۲.ایجاد گروه‌های کنترل و آزمایش
از اسم آزمایش مشخص است که شما به ۲ گروه A و B احتیاج دارید. به این دو گروه معمولا گروه‌های کنترل و آزمایش هم می‌گویند. گروه کنترل همان گروهی است که دکمه مورد نظر در وبسایت شما را به همان صورت قبلی مشاهده می کند. گروه دوم همان کاربرانی هستند که دکمه مورد نظر در وبسایت شما به رنگ زرد مشاهده می‌کنند.

۳.تعیین تعداد آزمایش شوندگان
بسته به سایز کسب و کارها، تقریبا در تمام موارد انجام دادن آزمایش AB روی تمام بازدیدکنندگان غیر ممکن است. برای اینکار باید نمونه‌ای از جمعیت کل بازدیدکنندگان انتخاب کنید. این نمونه باید به اندازه کافی بزرگ باشد که شما بتوانید پس از انجام دادن آزمایش، نتایج آن را روی جمعیت مورد نظر تعمیم دهید.

۴. فرایند تصادفی
پس از تعیین تعداد نمونه برای انجام AB تست، لازم است شرکت‌کنندگان در آزمایش به گروهای آزمایش و کنترل تخصیص داده شوند. نکته مهم در این فرایند آن است که تمام انتخاب شوندگان شانس برابری برای اختصاص به یکی از گروه‌های آزمایش و یا کنترل داشته باشند. این شانس برابر تضمیم می‌کند که شرکت‌کنندگان بصورت تصادفی در گروه‌ها جای گرفته‌اند.

۵.انجام آزمایش
اگر مراحل قبلی را به درستی انجام داده باشید حالا می‌توانید کار تجزیه و تحلیل را انجام دهید. کار اصلی در این مرحله اندازه‌گیری شاخص مورد نظر (مثلا نرخ تبدیل کلیک به سفارش) و مقایسه آن بین گروه‌های کنترل و آزمایش است. اگر این تفاوت به اندازه کافی قابل توجه باشد می‌توانید نتیجه بگیرید که تغییرات انجام شده مفید بوده است یا خیر.

۶.تکرار
حالا ورژن بهتری از محصول و یا خدمت خود در دست دارید که می‌تواند به مشتریان ارائه شود. وقت آن است که ایده‌های جدیدتری را به آزمون بگذارید و رفتار مشتریان خود را شناسایی کنید.

➕ اگر به این حوزه علاقه دارید یادداشت‌های بیشتر را در مجله پرانتز در مدرسه دقیقه دنبال کنید:
🔗 d-learn.ir/p

@dlearn_ir

🔵 یادگیری ماشین با رویکرد بهینه‌سازی در پایتون

در لایه زیرین تمامی الگوریتم‌های یادگیری ماشین یک مسئله بهینه‌سازی وجود دارد. در واقع بهینه‌سازی یکی از پایه‌های فهم عمیق‌تر یادگیری ماشین است. این دوره آموزشی فرصتی منحصر به فرد برای شماست تا روش‌های یادگیری ماشین را با تمرکز بر حل مسائل بهینه‌سازیِ درون آن‌ها فرا بگیرید و به این ترتیب دانش و مهارت خود را در این حوزه تقویت کنید. در این دوره آموزشی برخی از مهم‌ترین روش‌های یادگیری ماشین با تمرکز بر چگونگی مینیمم‌سازی خطا با توجه به قیود ریاضی موجود در آن‌ها ارائه خواهند شد.

🎓 علیرضا سرودی؛ متخصص ارشد علوم داده و راهبر پروژه‌های بهینه‌سازی و تحقیق در عملیات در شرکت ایرگرید و عضو ارشد موسسه مهندسان برق و الکترونیک، استاد سابق دوبلین‌کالج ایرلند

🎥 ویدئوی معرفی دوره 🎥
🔻 ویدئو: نمونه‌های کاربردی از بهینه‌سازی در یادگیری ماشین


🕰️ جمعه‌ها ۱۷:۳۰ تا ۲۰:۴۵
🗓 از ۲۸ دی ۱۴۰۳
6️⃣ ۶ هفته ۱۸ ساعت
🎞 دسترسی به فیلم جلسات


📍 کد تخفیف 15% برای پرداخت کامل: mlosoc10


اعتبار کدهای تخفیف تا ۷ دی ۱۴۰۳



لینک ثبت نام:
https://d-learn.ir/mlopt?utm=social


تماس:
@dlearnsup

@dlearn_ir

🏆فراخوان دومین جایزه دیتاژورنالیسم دقیقه (۱۴۰۳)

جایزه دیتاژورنالیسم دقیقه نخستین جایزه تحلیل داده و روایتگری در حوزه عمومی در ایران است. این جایزه برای تشویق تحلیلگران داده، پژوهشگران و روزنامه‌نگاران طراحی شده و هدف آن ترویج شفافیت، تقدیر از تحلیل‌های گیرا و روشمند و نوآوری در روزنامه‌نگاری و تولید محتواست.

✅ شرکت در این مسابقه برای همه علاقه‌مندان آزاد و رایگان است.

7️⃣ این رقابت در هفت بخش برگزار خواهد شد:

🏅 بهترین تحلیل داده
🏅 بهترین روایتگری و داستان‌پردازی
🏅 بهترین روزنامه‌نگاری تحقیقی
🏅 بهترین مصورسازی داده
🏅 بهترین تحلیلگر جوان
🏅 بهترین اثر از نگاه هیئت‌ داوران

📆 مهلت ارسال: ۳۰ دی ۱۴۰۳

برای کسب اطلاعات بیشتر درباره معیارهای ارزیابی و ثبت نام جهت شرکت در مسابقه به آدرس زیر مراجعه کنید:
🔗 d-award.ir

در صورت نیاز به اطلاعات بیشتر با ما تماس بگیرید:

📞 اطلاعات تماس:
02188349244 | 09103209837 | [email protected]

@dmag_ir

💻 توضیحات علیرضا چمن‌زار، در مورد وبینار مقدماتی سواد داده در سازمان‌های غیرانتفاعی

🗓پنجشنبه ۱۷ آبان، ۱۵ تا ۱۷

▫️سواد داده چطور می‌تواند به ماموریت سازمان شما سرعت دهد؟ اگر پاسخ به بزرگترین چالش‌های سازمان شما در داده‌هایی است که از قبل دارید، راهکار چیست؟

تصور کنید قدرت دارید الگوها را کشف کنید، روندها را پیش‌بینی کنید و تصمیماتی بگیرید که ماموریت‌های شما را به جلو می‌برد - همه با استفاده از سواد داده و قدرت تحلیل داده‌ها.

🗯این وبینار را موسسه مجتبی معین و مدرسه پردازش و تحلیل داده دقیقه، با درک اهمیت افزاینده علوم داده در تمامی حوزه‌ها، با تمرکز بر مدیریت پروژه‌های اجتماعی طراحی کرده‌اند و رایگان برای کارشناسان و مدیران سازمان‌های غیرانتفاعی برگزار می‌کنند.

برای ثبت نام، به آیدی زیر پیام دهید:
⭐ @moinngo_admin

@moinngo
@dlearn_ir

🔴 یادگیری ماشین با رویکرد بهینه‌سازی در پایتون

🖥 جزئیات بیشتر و لینک ثبت نام:

d-learn.ir/mlopt

📽️ ویدئوهای معرفی دوره: ۱ و ۲


🎓 علیرضا سرودی؛ متخصص ارشد علوم داده و راهبر پروژه‌های بهینه‌سازی و تحقیق در عملیات در شرکت ایرگرید و عضو ارشد موسسه مهندسان برق و الکترونیک، استاد سابق دوبلین‌کالج ایرلند

۱. پردازش و پاک‌سازی داده‌ها
۲. مبانی ریاضی بهینه‌سازی، کاربرد روش‌های KKT، ماتریس کوواریانس و بردار ویژه
۳. یادگیری بانظارت (رگرسیون و دسته‌بندی)
۴. یادگیری بدون نظارت (مدل‌های خوشه‌بندی)
۵. تحلیل مؤلفه‌های اصلی (PCA)
۶. پروژه پایانی

📝 مطالب مرتبط:
چرا یادگیری ماشین با رویکرد بهینه‌سازی؟
نقش اساسی بهینه‌سازی در یادگیری ماشین و هوش مصنوعی


🔴 شروع از جمعه ۲۸ دی ۱۴۰۳:

d-learn.ir/mlopt

تماس:
@dlearnsup
09103209837
02188349244

@dlearn_ir

📊 چرا #اکسل را می‌توان کلید ورود به دنیای کسب‌وکار دانست؟

📊 اکسل یک نرم‌افزار ساده اما قدرتمند است که شما را به دنیای شغل‌های پردرآمد متصل می‌کند. این مهارت برای ورود به بسیاری از حرفه‌های امروزی ضروری شده و در بهبود عملکرد شغلی افراد نقش کلیدی دارد. از تحلیل داده‌ها و مالی گرفته تا مشاوره مدیریت و تحقیقات بازار، اکسل ابزاری است که تقریباً در هر صنعتی به کار می‌آید.

🔎 ۸ شغل پرتقاضا که با اکسل می‌توانید وارد آن‌ها شوید:

1️⃣ تحلیلگر داده
تحلیلگران داده به شرکت‌ها کمک می‌کنن تصمیم‌های دقیق‌تری بگیرند.

🎯 وظایف:
تمیز کردن و آماده‌سازی داده‌ها
شناسایی الگوها و روندها در داده‌ها
ایجاد داشبوردهای داده‌محور برای تصمیم‌گیری مدیران

💡 مهارت‌های اکسل لازم: Pivot Table، نمودارهای مناسب و Power Query و ...

2️⃣ تحلیل‌گر مالی
شرکت‌ها برای تحلیل سود و مدیریت ریسک به تحلیل‌گران مالی نیاز دارند.

🎯 وظایف:
بودجه‌بندی و پیش‌بینی مالی
تحلیل عملکرد مالی
شبیه‌سازی سناریوهای مالی
ارائه توصیه‌های استراتژیک

💡 مهارت‌های اکسل لازم: مدل‌سازی مالی، فرمول‌های پیچیده، Conditional Formatting

3️⃣ مشاور مدیریت
مشاوران مدیریت، تصمیمات و استراتژی‌های مهم تجاری را شکل می‌دهند و به بهینه‌سازی فرآیندهای کسب‌وکار کمک می‌کنند.

🎯 وظایف:
جمع‌آوری و تحلیل داده‌های عملکرد
شناسایی مشکلات و ارائه راه‌حل
ارائه گزارش‌های تصمیم‌سازی

💡 مهارت‌های اکسل لازم: تحلیل داده‌های چندبعدی، طراحی داشبوردهای حرفه‌ای

4️⃣ تحلیل‌گر کسب‌وکار
تحلیل‌گران کسب‌وکار به توسعه استراتژی‌های کسب‌وکار کمک می‌کنند.

🎯 وظایف:

تحلیل نیازهای کسب‌وکار
پیش‌بینی هزینه‌ها و درآمدها
ارائه پیشنهادهای بهبود فرآیند


💡 مهارت‌های اکسل لازم:فرمول‌‌نویسی، Power Pivot و Conditional Formatting و ...

5️⃣ کارشناس تحقیقات بازار
کارشناسان تحقیقات بازار داده‌های مشتریان و بازار رو بررسی می‌کنند و سپس تحلیل‌های جامعی برای کسب‌و‌کار ارائه می‌کنند.

🎯 وظایف:
تحلیل رفتار مشتریان و داده‌های بازار
بررسی داده‌های فروش و عملکرد کمپین‌های بازاریابی
تهیه گزارش‌های تحلیلی برای استراتژی‌های بازاریابی

💡 مهارت‌های اکسل لازم: فرمول‌های آماری، ساخت نمودارهای حرفه‌‌ای و ...

6️⃣ تحلیلگر زنجیره تأمین
تحلیلگران زنجیره تأمین به بهبود فرآیندهای لجستیکی کمک می‌کنند و فرایندهای جریان تامین کالا و خدمات و ارائه آن به مشتریان را بهینه می‌کنند.

🎯 وظایف:
تحلیل کارایی زنجیره تأمین
پیش‌بینی تقاضا و مدیریت موجودی
بهینه‌سازی هزینه‌ها

💡 مهارت‌های اکسل لازم: توابع پیشرفته، فرمول‌های محاسباتی، ماکرونویسی و ...

7️⃣ تحلیلگر منابع انسانی
تحلیلگران منابع انسانی داده‌های کارکنان را بررسی و تحلیل می‌کنند.

🎯 وظایف:
تحلیل روندهای استخدام و ترک کار
پیش‌بینی نیازهای استخدامی
ارائه گزارش‌های مدیریتی

💡مهارت‌های اکسل لازم: Pivot Tables، نمودارهای پیشرفته و ...


لیست شغل‌هایی که اکسل، ابزار کارشون هست می‌تونه خیلی ادامه داشته باشه؛ مدیر محصول، فروش ، کنترل پروژه، دیتاژورنالیست و ...

🚀 اگر آماده‌اید این مهارت کلیدی را یاد بگیرید، دوره ↗️ "اکسل برای تحلیل داده‌های کسب‌وکار" فرصتی عالی برای شماست.
این دوره کامل و کاربردی با هدف آماده‌سازی حرفه‌ای شما طراحی شده است.
برای مطالعه اطلاعات بیشتر در مورد این دوره و مطالعه سرفصل کامل دوره، به سایت مدرسه دقیقه سر بزنید.
🔗 d-learn.ir/xlsb

📞 اگر سوالی داشتید:
🌐@dlearnsup

@dlearn_ir