|
3 سال پیش
Data science with sarvi!

توی دوتا پست مسئله مون تعریف کردیم حالا نوبت جمع آوری داده میرسه تو تعریف مسیله گفتیم که چه اطلا

توی دوتا پست مسئله مون تعریف کردیم حالا نوبت جمع آوری داده میرسه تو تعریف مسیله گفتیم که چه اطلا
توی دوتا پست مسئله مون و تعریف کردیم!
حالا نوبت جمع آوری داده میرسه!
تو تعریف مسیله گفتیم که چه اطلاعات و فاکتورهایی مهم و تاثیر گذار هستند در پیش بینی هدف که همون نرخ کلیک هستش!

مثل: مشخصات سایت، وسیله جستجو موبایل یا لپتاپ، مشخصات محصول!

حالا باید این داده ها رو پیدا کنیم یا جمع آوری کنیم.

الان چون اکثر شرکتها به اهمیت داده واقف هستند میزان زیادی داده جمع اوری شده اما مشکل اینجاست که اغلب مشخص نیست که کی داده را جمع اوری کرده و یا اینکه اصلا کجا ذخیره شده!
یکی از چالشها و مهارتهای دیتاساینس همینه که بگرده توی دیتابیسهای شرکت و با واحدهای دیگر سازمان ارتباط برقرار کنه تا داده های مورد نیازش و اصطلاحا جمع اوری کنه!
خیلی وقتها صاحب داده حاضر نیست که داده رو به اشتراک بگذاره! حتی داخل سازمانی!
به نظرتون چرا؟ و چطور میشه راضی شون کرد برای دریافت داده؟

یک کوئیز کوچیک: از فاکتورهای موثر بر پیش بینی نرخ کلیک یکیش و جا انداختم، کدومه؟

#‌دیتاساینس #‌دیتاساینتیست #‌دیتاساینس_با_سروی#‌دیتاساینس_چیست#‌علم_داده #‌تحلیل_داده_های_آماری #‌دیتاساینتیست
#‌اسپارک #‌آپاچی_اسپارک #‌بیگدیتا #‌پایتون #‌برنامه_نویسی #‌کدنویسی
#‌datascience #‌databricks #‌spark #‌womenindatascience
#‌تحلیل_داده #‌هوش_مصنوعی #‌دکترای_کامپیوتر
#‌نرخ_کلیک_سایت #‌دیجیتال_مارکتینگ #‌ماشین_لرنینگ #‌نرخ_کلیک #‌اینگیجمنت #‌کارگاه_آموزشی #‌کارگاه_آموزشی_آنلاین #‌آموزشی #‌آموزش_دیتابیس #‌کارگاه_گروهی

بیشتر...


تبلیغات

تبلیغات


مطالب مرتبط