Złóż wniosek przed 16 listopada 2021 r., aby uzyskać 150 USD zniżki na opłatę programową. Użyj kodu SMU150EBTA podczas płatności. Co ten Program zrobi dla Ciebie? Po pomyślnym zakończeniu programu uczestnicy będą mogli: Twórz i wdrażaj strategie biznesowe wykorzystujące naukę o danych. Podejmuj decyzje oparte na danych, aby rozwiązywać problemy biznesowe, korzystając z analizy danych. Zademonstruj, w jaki sposób można łączyć analizy z eksperymentami, aby tworzyć oparte na danych zalecenia dotyczące rozwoju firmy. Wyjaśnij kluczowe wyzwania i zagrożenia w projektach data science. Oceń strategię organizacji w zakresie danych i zarekomenduj sposoby osiągnięcia trwałej przewagi konkurencyjnej. Analizuj potrzeby organizacyjne i kieruj usprawnieniami biznesowymi dzięki przyszłym trendom w nauce danych. Moduły programu Program składa się z 8 modułów. Każdy moduł jest prowadzony przez eksperta wydziału SMU z doświadczeniem w terenie specyficznym dla omawianych tematów Data Science & Analytics. Moduł 1: Wykorzystanie danych jako przewagi konkurencyjnej Poznaj kluczowe terminologie nauki o danych, różne poziomy analizy danych i ich znaczenie dla podejmowania decyzji, cechy danych i spostrzeżenia w celu osiągnięcia trwałej przewagi konkurencyjnej oraz zastosowania analizy danych i jej rolę w tworzeniu nowych możliwości biznesowych. Moduł 2: Analiza danych w działaniu Odkryj odpowiednie podejście analityczne do rozwiązania problemu biznesowego, niezależnie od tego, czy Twoja organizacja jest oparta na danych, trendów w danych i uzyskiwania powiązanych spostrzeżeń w celu zwiększenia wydajności biznesowej, wpływu strategii wielokanałowych organizacji na sprzedaż i jak zidentyfikować odpowiednie dane / spostrzeżenia. Moduł 3: Podstawowe statystyki do analizy danych Uzyskaj głębsze zrozumienie porównywania niezależnych zestawów danych, aby uzyskać wgląd i jak zastosować strategiczne podejmowanie decyzji przy użyciu wspomnianych technik. Moduł 4: Analityka predykcyjna Naucz się podstaw regresji, aby analizować siłę/wpływ zmiennych, jak przewidywać wpływ zmiennych przy użyciu optymalnego dopasowania modelu i efektów regresji, jak zbudować model regresji logistycznej do testowania i przewidywania oczekiwanych wyników oraz jak stosować analitykę predykcyjną do organizowania wydarzeń wzmacniać mocne strony i przeciwdziałać zagrożeniom. Moduł 5: Eksperymenty terenowe i przyczynowość Zbadaj korelację i przyczynowość oraz ich znaczenie dla poprawy wyników biznesowych, eksperymentuj z problemami biznesowymi w celu skutecznego wnioskowania; Testy wielowymiarowe, A/B i wieloręki bandyta; oraz skuteczność wykorzystania projektów eksperymentalnych do tworzenia opartych na danych zaleceń dotyczących rozwoju biznesu. Moduł 6: Modele uczenia maszynowego do analizy danych Zbuduj swoją wiedzę na temat uczenia maszynowego i jego roli w zwiększaniu produktywności organizacji, sposobu zastosowania algorytmów uczenia maszynowego w celu uzyskania optymalnej dokładności analitycznej, aspektów tworzenia programów sieci neuronowych i uczenia głębokiego oraz tego, jak można łączyć analitykę z eksperymentami w celu uzyskania skutecznego strategie biznesowe. Moduł 7: Odnoszenie się do kluczowych wyzwań i zagrożeń w projektach Data Science Poznaj kluczowe wyzwania związane z projektami z zakresu analizy danych i ich rozwiązaniami, modele Delta Framework i Delta Plus, ryzyka na poziomie projektu i przykłady nieudanych projektów z zakresu analizy danych oraz dowiedz się, jak przewidzieć sukces projektu Big Data przy użyciu techniki DATA. Moduł 8: Nauka o danych i przyszłość Zanurz się w czynnikach napędzających, oczekiwanych wynikach i technologiach umożliwiających rozwój Przemysłu 4.0; elementy sukcesu AI, które można wykorzystać do wzmocnienia zdolności organizacyjnych; wyzwania we wdrażaniu AI w systemach; oraz jak ocenić drogę transformacji cyfrowej organizacji i utrzymać przewagę konkurencyjną. Studium przypadku The Weather Company: tworzenie aplikacji konsumenckich wykorzystujących Big Data Wyzwanie Iuigi: czy omni-kanałowy jest tego wart? 3M koncentruje się na kliencie, korzystając z globalnej hurtowni danych Eksperymenty reklamowe w RestaurantGrades Przewidywanie rezygnacji klientów w QWE Inc Cyfrowa transformacja Grupy Certis Symulacje Uczniowie zdobędą praktyczne doświadczenie w prowadzeniu różnych metodologii analizy danych, a także będą mieli bezpłatny dostęp do XLSTAT przez rok wraz z tym programem. Symulacja analizy danych: podejmowanie strategicznych decyzji Symulacja marketingu cyfrowego: atrybucja mediów w ExerciseMinder Wydział Programowy dr Sandeep R. Chandukala Profesor nadzwyczajny marketingu Sandeep pełni funkcję profesora nadzwyczajnego marketingu. Przed dołączeniem do SMU Sandeep pracował w 3M, a wcześniej pracował jako Jr Faculty Fellow w Kelley School of Business na Uniwersytecie Indiana. Posiada doktorat. w marketingu (z niepełnoletnim w statystykach) z Ohio State University, MS (MAS) MBA na University of Texas w Dallas oraz MS (Computer Engineering) na University of Minnesota. Zainteresowania naukowe docenta Chandukali związane są z opracowywaniem ilościowych modeli zachowań konsumenckich z wykorzystaniem danych przemysłowych. Jego badania skupiają się przede wszystkim na analityce handlu detalicznego. W szczególności zrozumienie i pomiar wpływu promocji, reklam i nowych produktów oraz zaproponowanie nowych podejść do segmentacji rynku przy użyciu metod Bayesa i Markowa Chain Monte Carlo (MCMC). Jego badania pojawiły się w Marketing Science, Journal of Marketing, Journal of Retailing, Marketing Letters oraz Customer Needs and Solutions. Profesor nadzwyczajny Chandukala otrzymał stypendium Lee Kong Chian Research Fellowship w latach 2016-17, a także znalazł się na Liście Honorowej Dziekana ds. Nauczania Podyplomowego w 2018 roku. dr Michelle Cheong profesor systemów informatycznych (edukacja); Prodziekan, Podyplomowe Kształcenie Zawodowe SCIS; Dyrektor, Doktor Inżynierii Profesor Cheong od 2005 roku pełnił różne funkcje akademickie w SMU, w tym jako wykładowca, adiunkt i profesor nadzwyczajny systemów informatycznych. Oprócz swojej obecnej roli profesora systemów informatycznych, profesor Cheong zajmuje również stanowiska administracyjne w SMU, pełniąc funkcję prodziekana podyplomowego kształcenia zawodowego SIS oraz dyrektora doktora nauk technicznych. Zainteresowania naukowe profesora Cheonga obejmują analitykę danych i decyzji, modelowanie arkuszy kalkulacyjnych i pedagogikę oraz analitykę uczącą się i eksplorację tekstu. W 2018 roku została nagrodzona SMU Teaching Excellence Award – Postgraduate Professional Programs przez SMU Center of Teaching Excellence. Praca profesora Cheonga została opisana w wielu artykułach w czasopismach, książkach i rozdziałach książkowych, materiałach konferencyjnych i artykułach oraz artykułach z czasopism. Jej najnowsza praca na temat wpływu szkolenia rówieśników w SMU została opublikowana przez International Journal of Evidence-Based Coaching and Mentoring. Program Podróży Edukacyjnej 90+ wykładów wideo 32 zadania 10+ przykładów branżowych 6 forów dyskusyjnych 6 studiów przypadku 2 symulacje Dlaczego warto rejestrować się w Data Science & Analytics w celu podejmowania strategicznych decyzji? Przedsiębiorstwa na całym świecie skupiają się na celach opartych na danych i podejmowaniu decyzji. W rzeczywistości International Data Corporation informuje, że do 2025 r. dane na całym świecie wzrosną o 61% do 175 zetabajtów. Dlaczego więc nauka o danych jest tak ważna? Ponieważ umożliwia organizacjom wydajne przetwarzanie i interpretowanie danych, które mogą być wykorzystywane do podejmowania świadomych decyzji biznesowych oraz napędzania wzrostu, optymalizacji i wydajności. W internetowym programie Data Science & Analytics for Strategic Decisions — oferowanym przez Singapore Management University — możesz dowiedzieć się, jak przetwarzać i rozumieć dane, które można wykorzystać do podejmowania lepszych, mądrzejszych decyzji w organizacji. Źródło: IDC, 2021 22% to oczekiwany wzrost zatrudnienia naukowców zajmujących się danymi do 2030 r. - znacznie szybszy niż średnia dla wszystkich zawodów. źródło: US Bureau of Labor Statistics, 2021 95% firm wymienia potrzebę zarządzania nieustrukturyzowanymi danymi jako problem dla ich działalności. źródło: Sharespost, 2019 Dla kogo jest ten program? Program jest przeznaczony zarówno dla specjalistów technicznych, jak i nietechnicznych z 6-20+ letnim doświadczeniem zawodowym — nie jest wymagane kodowanie; jednak podstawowa znajomość programu Excel byłaby korzystna. Branże i funkcje, które mogą skorzystać, obejmują: Branże: IT, e-commerce, oprogramowanie komputerowe, finanse, marketing i reklama, bankowość, zarządzanie edukacją i doradztwo w zakresie zarządzania Funkcje: Inżynieria, programowanie, technologia, zarządzanie ogólne, marketing, finanse, operacje i funkcje HR Ten program jest szczególnie pomocny dla profesjonalistów, którzy dążą do: Przejście na stanowisko kierownicze wyższego szczebla zorientowane na dane Zbierz wiedzę analityczną, aby poradzić sobie z większą odpowiedzialnością Wykorzystaj modele predykcyjne do budowania skutecznych strategii, które rozwiązują kluczowe problemy w działalności biznesowej i jakości produktów Zostań liderem zrównoważonego rozwoju biznesu Stań na czele pełnej własności kluczowych zadań biznesowych i zrozum podstawowe implikacje strategiczne
-
