احتمال داره دوره با یک الی سه هفته تاخیر شروع بشه.

Quantitative Modeling & Decision Making

$730

شناسه محصول: نامعلوم دسته:
بدون پیش نیاز
آنلاین (لایو)

Quantitative Modeling & Decision Making

مدرس: ساعد علی‌ضمیر

در این دوره با مبانی مدل‌سازی کمّی برای تصمیم‌گیری مدیریتی آشنا می‌شوید و یاد می‌گیرید چگونه مسائل تصمیم‌گیری را ساختاردهی, مدل‌سازی و تحلیل کنید. مباحث با مثال‌های واقعی و کاربردی توضیح داده می‌شوند و در طول دوره آن‌ها را در قالب یک پروژه‌ی عملی پیاده‌سازی می‌کنید.

calendar-icon

تاریخ شروع دوره:

به زودی

time-clock-icon

روز و ساعت برگزاری دوره: 

شنبه ساعت ۹ صبح تا ۱۲ ظهر

ساعت کلاس بر اساس تایم‌زون غرب آمریکا می‌باشد.

price-icon

هزینه دوره

$730

course-length-icon

طول دوره

۱۲-۱۴ هفته

number-of-session-icon

تعداد جلسات

10 جلسه 3 ساعته

course-method-icon

رویکرد آموزشی

پروژه محور

language-icon

زبان تدریس

فارسی

course-approach-icon

شکل برگزاری دوره

لایو

Doodle

درباره‌ی دوره

icons final-68

در این دوره یاد می‌گیرید به صورت ساختاریافته به مسائل تصمیم‌گیری مدیریتی نگاه کنید و با استفاده از سه چارچوب رایج مدل‌سازی کمّی در بیزنس برای تصمیم‌گیری‌های پیچیده و پر از عدم‌قطعیت انتخاب‌های سنجیده‌تری داشته باشید.

Group Mate Icon

شما در ابتدای دوره، گروه‌بندی می‌شید و علاوه بر تمرین‌های هفتگی، بر روی یک پروژه با دیتای واقعی کار می‌کنید.

ساختار این دوره شامل تمرکز بر سه بخش اصلی است: کاربرد Decision Tree برای حل مسائل در شرایط عدم‌قطعیت، شبیه‌سازی Monte Carlo برای تحلیل مسائل پیچیده و بهینه‌سازی برای پیدا کردن بهترین راه‌حل در میان گزینه‌های مختلف.

Feedback Icon

در طول دوره علاوه بر اینکه جلسات رفع اشکال با مدرس دوره خواهید داشت، در پایان دوره هم پروژه‌تون رو ارائه می‌دید و فیدبک نهایی رو دریافت می‌کنید

certificate-icon

بعد از گذروندن این دوره و ارائه پروژه به صورت کامل، بهتون یک مدرک پایان دوره داده می‌شه.

در طول این دوره از Microsoft Excel به‌عنوان محیط اصلی مدل‌سازی استفاده می‌کنید و با افزونه‌هایی مانند TreePlan، ChanceCalc، SensIt و Solver کار خواهید کرد.

Lamp with Sparkle

مطالب آموزشی که قراره در این دوره یاد بگیرید

particle-vector

مباحث تکنیکال

  • شناسایی عناصر کلیدی تصمیمات بیزنسی و ساختاردهی آن‌ها
  • ترکیب ورودی‌های کمی و کیفی در چارچوب‌های تصمیم‌گیری
  • درک و مدل‌سازی مفاهیم ریسک، عدم‌قطعیت و ابهام
  • تبدیل مسائل دنیای واقعی به مدل‌های تصمیم‌گیری
  • انتخاب ابزار و مدل تصمیم‌گیری متناسب با ویژگی‌های مسئله پیچیده مدیریتی
  • استفاده از Decision Trees برای ارزیابی گزینه‌ها و تحلیل پیامد انتخاب هر گزینه
  • ساخت مدل‌های شبیه‌سازی Monte Carlo برای تحلیل و تفسیر ریسک
  • توسعه مدل‌های بهینه‌سازی برای تعیین بهترین مسیر با وجود محدودیت‌ها
  • ارزیابی و تفسیر خروجی‌های مدل برای گرفتن بهترین تصمیم مدیریتی
particle-vector

مهارت‌های نرم

  • شیوه برقراری ارتباط موثر و حرفه‌ای
  • تقویت مهارت کار تیمی
  • تمرین نحوه‌ی پرزنت کردن
  • مدیریت زمان و تعهد به تحویل پروژه در زمان مشخص
Doodle

آنچه این دوره را متفاوت می‌سازد

live-class-icon

آموزش لایو

همراه با پرسش و پاسخ و فیدبک مستمر و ایجاد فضای امن و مستقل برای فکر کردن

diamond-icon

آموزش ساده و روان

برای درک بهتر مفاهیم و جلوگیری از سردرگمی در مسیر یادگیری

class-video-icon

دسترسی به ویدئوهای دوره

برای مرور و یادگیری عمیق آموزش‌های کلاسی تا پایان دوره

project-based-icon

پروژه محور

با یک پروژه بر روی دیتای واقعی در طول دوره همراه با حل تمرین‌ در کلاس

teamwork-icon

کار گروهی

با هدف آموزش چگونگی ارتباط موثر و تقویت مهارت‌های نرم بازار کار

network-icon

کامیونیتی گسترده

تشکیل شده از افراد با انگیزه و
هم مسیر از سراسر دنیا

Doodle

پیش‌نیازهای دوره

check-mark-icon

آنچه نیاز دارید

  • آشنایی مقدماتی با کامپیوتر و اِکسل

برای شرکت در این دوره،‌ لازمه در حد استفاده‌ی روزمره با نرم افزار Excel یا نرم افزارهای مشابه آشنا باشید و به یک سیستم کامپیوتری مجهز به دوربین، میکروفون و یک اتصال اینترنت خوب هم نیاز دارید.

  • آشنایی مقدماتی با مفاهیم آمار و احتمال

داشتن دانش آمار و احتمال به پیشرفت شما در این دوره کمک می‌کنه، هرچند همه‌ی مفاهیم لازم در طول دوره مرور خواهد شد و اگر از قبل با مبانی آمار و احتمال به صورت محدود آشنایی داشته باشید با کمی تمرین بیشتر هم می‌تونید به‌خوبی دوره رو پیش ببرید.

  • زمان کافی

برای یادگیری بهتر مباحث آموزشی دوره و انجام تمرین‌ها، بهتره که حداقل 3 ساعت در هفته وقت بذارید.
علاوه بر این، شما روی یک پروژه با دیتای واقعی كار می‌کنید و مباحث آموزشى رو بر روى پروژه‌ پیاده می‌کنید بنابراین به جز حضور در كلاس‌ها و مطالعه شخصی و انجام تمرین‌ها، بهتره حداقل 2 ساعت در هفته جلسه گروهى برای انجام پروژه داشته باشید.

  • انگیزه درونی

مهمترین چیزی که نیاز دارید تلاش، پشتکار، انگیزه، اراده، زمان، همدلی و صبره. این دوره بیشتر به یادگیری شما جهت می‌ده و این خود شما هستید که با تلاش و پشتکار پیشرفت می‌کنید و موفق می‌شید.

  • روحیه کار تیمی

از اونجایی که شما در ابتدای دوره گروه‌بندی می‌شید و برای یادگیری عمیق‌تر مباحث، باید تمرينات هفتگی رو همراه با گروهتون انجام ‌بدید پس باید آماده مشارکت در کار تیمی، اشتراک‌گذاری ایده‌ها و احترام به دیدگاه‌های مختلف باشید.

cross-mark-icon

آنچه نیاز ندارید

  • سابقه تحصیلی یا شغلی مرتبط با حوزه دیتا

برای ورود به این دوره نیازی به بک‌گراند تخصصی در زمینه مدیریت، کامپیوتر، ریاضی و آمار ندارید. در طول این دوره شما به صورت عملی یاد می‌گیرید که چطوری یک چالش تصمیمی‌گیری رو تحلیل کنید و با مدل‌سازی و استفاده‌ از ابزار مناسب بهینه‌ترین تصمیم رو انتخاب کنید.

  • گذروندن دوره‌های قبلی دیتا

گذراندن دوره‌های قبلی در حوزه‌ی دیتا برای شرکت در این دوره الزامی نیست.
در آن دوره‌ها بیشتر روی ابزارهای توصیفی و پیش‌بینی (descriptive and predictive) برای استخراج بینش (insights) از داده‌ها تمرکز می‌شود، در حالی که در این دوره یاد می‌گیرید چگونه از این بینش‌های تحلیلی به‌عنوان ورودی برای مدل‌های تصمیم‌گیری استفاده کنید و به انتخاب‌های بهتر برسید. در واقع این دوره مکمل دوره‌هایی مثل Intro to ML & Data Analytics و Intro to Forecasting & Predictive Analytics است.

  • دانش برنامه‌نویسی

در این دوره به دانش برنامه‌نویسی و کدنویسی نیازی ندارید.

Doddle
Doodle

مدرس دوره

personal_photo-saed-alizamir

ساعد علی‌ضمیر

سلام. من، ساعد علی‌ضمیر، استاد Data Analytics & Decision Sciences در دانشگاه بیزینس Virginia Darden هستم.
دکترای Decision Sciences رو از Duke University گرفتم و پیش از این، عضو هیئت علمی دانشکده بیزینس دانشگاه Yale بودم.
تمرکز تحقیقاتم روی تصمیم‌گیری در شرایط عدم ‌قطعیت، در حوزه‌هایی مثل انرژی، پایداری، سلامت عمومی و زنجیره تأمین هست.
خیلی خوشحالم که از طریق این دوره‌ها، فرصت آموزش به فارسی‌زبانان در سراسر دنیا رو دارم و امیدوارم به زودی در کلاس‌ها ببینمتون و در کنار هم رشد کنیم.

پروسه ثبت‌نام

1

پر کردن فرم ثبت نام

فرم ثبت نام شامل اطلاعات فردی رو پر می‌کنید. 

با توجه به گروهی انجام شدن پروژه ها ما نیازمند شناخت بیشتری از شما هستیم.

2

دریافت اطلاعات تکمیلی

اطلاعات شما توسط تیم بررسی می‌شه و ظرف ۱۲ ساعت اطلاعات تکمیلی براتون ایمیل می‌شه.

3

پرداخت هزینه

لینک پرداخت در پنل کاربری برای شما فعال می‌شه و می‌تونید پرداختتون رو انجام بدید.

4

شروع یادگیری

اطلاعات لازم برای حضور در جلسه اول کلاس، ۲۴ ساعت قبل از شروع دوره در پنل کاربری شما قرار خواهد گرفت.

rocket doodle
faq doodle

سوالات متداول

اگر بتونید هفته‌ای حداقل 5 ساعت برای مطالعه مطالب ارائه شده، تمرین‌های هفتگی و پروژه وقت بگذارید خیلی عالیه.

بعد هر جلسه، ویدئو ضبط شده اون جلسه در اختیار شما قرار می‌گیره و برای همیشه در دسترس شما خواهد بود.

بعد از اتمام دوره، در صورتی که دوره را با موفقیت پشت سر گذاشته باشید و پروژه و تمرین‌هارو را به صورت کامل انجام داده باشید، مدرکی مبنی بر گواهینامه شرکت در کلاس به شما داده می‌شه. 

– کسانی که هیچ بک‌گراند مرتبط و یا آشنایی با مفاهیم مدل‌های تصمیم‌گیری (Quantitative Decision Techniques) ندارند اما مشتاق به یادگیری آنها هستند.
– کسانی که در موقعیت‌های کاری باید تصمیم‌های مهم بگیرند و دوست دارند به‌جای تکیه بر شهود، با کمک یک چارچوب مشخص و مدل‌های کمی و علمی تصمیم‌گیری، انتخاب‌های دقیق‌تر و آگاهانه‌تری داشته باشند.
– افرادی که در حوزه‌هایی مثل بیزینس، تکنولوژی، سلامت، سیاست‌گذاری عمومی یا مدیریت پروژه فعالیت می‌کنند و نیاز دارند گزینه‌های مختلف را مقایسه کنند، ریسک و عدم‌قطعیت را ارزیابی کنند و میان گزینه‌های مختلف انتخاب بهتری داشته باشند.
– کسانی که می‌خواهند یاد بگیرند چگونه مسائل پیچیده تصمیم‌گیری را ساختاردهی و مدل‌سازی کنند و با استفاده از داده‌ها و بینش تحلیلی، تصمیم‌های بهتر بگیرند.

– این کلاس، کلاس برنامه‌نویسی نخواهد بود و اگه به دنبال دانش برنامه‌نویسی در این حوزه هستید این کلاس مناسب شما نیست.
– اگه با ریاضی و آمار و احتمال میانه خوبی ندارید و اصلاً نمی‌خواید وارد این مباحث بشید، احتمالا این دوره برای شما مناسب نیست.

– برای ورود به این کلاس نیازی به بک گراند تخصصی ندارید.
– تمرکز این دوره بر یادگیری طرز فکر ساختاریافته برای مدل‌سازی مسائل تصمیم‌گیری و تحلیل آن است.

نه، گذراندن دوره‌های قبلی در حوزه‌ی دیتا برای شرکت در این دوره الزامی نیست.
در آن دوره‌ها بیشتر روی ابزارهای توصیفی و پیش‌بینی (descriptive and predictive) برای استخراج بینش (insights) از داده‌ها تمرکز می‌شود، در حالی که در این دوره یاد می‌گیرید چگونه از این بینش‌های تحلیلی به‌عنوان ورودی برای مدل‌های تصمیم‌گیری استفاده کنید و به انتخاب‌های بهتر برسید. در واقع این دوره مکمل دوره‌هایی مثل Intro to ML & Data Analytics و Intro to Forecasting & Predictive Analytics است.