Marketing Source

Recap Workshop: “Đi làm nghề Data, mở màn như thế nào”

Xin chào các bạn, trong bài tổng hợp ngày bữa qua, sếp Tuấn Lê đã san sẻ ý kiến, cách nhìn nhận dữ liệu dưới giác độ điều hành nhé các bạn C-level. Bữa nay mình sẽ nói chung sâu hơn các vấn đề liên can tới kỹ thuật qua phần san sẻ của chị Nga và anh Luân bên phía Tinh Tế. Mục tóm lược lại Về Tham số kỹ thuật phần I này chủ chốt dành cho doanh nhân, phần II sẽ dành 1 chút cho các bạn kỹ sư dữ liệu Làm ưng ý!

PHẦN I: DỮ LIỆU CHO BẤT KỲ AI ĐANG KINH DOANH (MKT, TÀI CHÍNH, CHUỖI CUNG ỨNG, …)

SQL (Excel của mai sau) – Structured Query Language: Thực ra nó không hề là 1 thứ gì ấy quá cao cấp hay hoa mỹ, nó chỉ là 1 dạng câu lệnh để lấy dữ liệu ở nhiều bảng không giống nhau. Nó giống như việc bạn có 1 đống file Excel và phải ngồi ghép chúng lại với nhau, chỉ có SQL mới giúp bạn tiến hành điều ấy 1 cách hết sức hiệu quả, tiết kiệm thời kì và công huân. có thể truy cập 1 lượng bự dữ liệu của doanh nghiệp (được phân cấp tốt) nhưng mà ko cần phải đợi các anh IT xuất Excel.Tham khảo để học tập: http://www.postgresqltutorial.com.

Toán học: Làm việc với Dữ liệu, con số và toán học là chẳng thể, phải ko? Nếu bạn là sinh viên, hãy để mắt học các môn như Xác suất thống kê, Bí quyết tính toán.

Thuyết phục: Thuyết phục các đội khác tin cậy dữ liệu, hãy tin cậy vào các quyết định của bạn dựa trên dữ liệu. Thuyết phục người khác rằng dữ liệu của bạn thực thụ hữu ích- Python: Nó ko thực thụ cấp thiết (Điều này chỉ dành cho các nhà phân tách dữ liệu nhiều năm kinh nghiệm). Tiếng nói lập trình bậc cao này sẽ giúp bạn rất nhiều trong việc Tưởng tượng dữ liệu cũng như tính toán, (bạn nhà phân tách dữ liệu Cái nào tốt hơn, hãy mày mò về máy học xoành xoạch)

PHẦN II. CÁCH ỨNG DỤNG HỌC MÁY (TRONG PHẠM VI BÀI ĐĂNG, MÌNH SẼ KHÔNG NÓI VỀ PHẦN NÀY NHƯNG MỌI NGƯỜI QUAN TÂM VUI LÒNG ĐỂ LẠI EMAIL MÌNH SẼ GỬI MỘT SỐ TÀI LIỆU THAM KHẢO)

Để vận dụng machine learning, chị Nga san sẻ 1 mẹo nhưng mà mình thấy rất hay ấy là thay vì đọc nhiều báo, tập hợp vào các báo cáo chuyên sâu, hãy tuân theo các bước sau:

  • Mày mò về các trường hợp kinh doanh: Hãy xem Công ty thực thụ cần gì, cần cải thiện điều gì, vận dụng ML vào đâu?
  • Mày mò cách những người khác đã xử lý trường hợp ấy: Hăng hái đọc trên Medium, Kaggle, nó sẽ giúp ích rất nhiều
  • Vận dụng thử: Cứ thử vận dụng xem có hiệu quả ko, rút ​​kinh nghiệm rồi thử lại. Đấy là tất cả

>>>>>>> Tham khảo: 10 cuốn sách MIỄN PHÍ bạn nên đọc về Khoa học dữ liệu và Máy học

Ngoài Học máy, bạn được định hướng biến thành nhà khoa học dữ liệu nên mày mò thêm về 10 Bí quyết điều này để trau dồi thêm các kĩ năng ML:

  1. hồi quy
  2. Phân loại
  3. Phân cụm
  4. Giảm kích tấc
  5. Bí quyết liên kết
  6. Nets tâm thần và học sâu
  7. Chuyển giao học tập
  8. Học tăng mạnh
  9. Xử lý tiếng nói thiên nhiên
  10. Nhúng từ




Người điều hành

Giám đốc bộ phận (Tiếp thị / bán hàng)

Nhà phân tách dữ liệu

tập sự sinh

Marketing online


Thông tin thêm

Recap Workshop: “Đi làm nghề Data, mở màn như thế nào”

#Recap #Workshop #Đi #làm #nghề #Data #bắt #đầu #như #thế #nào
[rule_3_plain] #Recap #Workshop #Đi #làm #nghề #Data #bắt #đầu #như #thế #nào

Recap Workshop: “Đi làm nghề Data, mở màn như thế nào”

Chào mọi người, trong bài tóm lược bữa qua, sếp Tuấn Lê đã share ý kiến, và cách nhìn data dưới giác độ điều hành, các anh cấp C-level. Bữa nay, mình sẽ recap lại những vấn đề technical sâu hơn qua phần san sẻ của chị Nga và anh Luân bên Tinh tế. Bài recap về Technical Data này phần I chủ chốt dành cho những bạn làm Business, phần II sẽ dành chút chút cho các bạn data engineer nhé!

PHẦN I: DATA CHO BẠN NÀO ĐANG LÀM BUSINESS (PERFORMANCE MKT, FINANCE, SUPPLY CHAIN,…)

– SQL (Excel của mai sau) – Structured Query Language: Thật ra không hề là cái gì quá cao cấp hay Fancy, nó cũng chỉ là 1 loại câu lệnh để lấy dữ liệu trong nhiều bảng không giống nhau nhưng mà thôi. Nó cũng giống như việc bạn có 1 đống các file Excel và bạn phải ngồi ghép nối chúng lại với nhau, chỉ khác là SQL giúp bạn làm chuyện ấy 1 cách cực kì hiệu quả, tiết kiệm thời kì, công huân, và bạn có thể tiếp cận với lượng dữ liệu bự của doanh nghiệp (được phân quyền tỉ mỉ) nhưng mà không hề đợi mấy ông IT xuất Excel.Reference for learning: http://www.postgresqltutorial.com.

– Mathematics: Làm việc với Data, sốmá, ngu toán là điều chẳng thể đúng ko. Nếu đang là sinh viên, hãy để mắt học những môn như Xác xuất thống kê, bí quyết tính nhé.

– Persuasion: Thuyết phục các team khác tin vào data, tin vào quyết định của mình dựa trên data. Hãy thuyết phục người khác rằng data của bạn thực thụ có ích- Python: Thật ra cũng ko quá cấp thiết (Cái này dành cho các bạn data analyst hardcore chút thôi). Tiếng nói lập trình bậc cao này sẽ giúp bạn rất nhiều trong việc Visualize dữ liệu cũng như tính toán, (bạn data analyst nào đỉnh hơn thì mày mò về machine learning luôn nhé)

PHẦN II. CÁCH APPLY MACHINE LEARNING (TRONG PHẠM VI BÀI VIẾT, MÌNH SẼ KHÔNG NÓI SÂU VỀ PHẦN NÀY, NHƯNG BẠN NÀO QUAN TÂM THÌ ĐỂ LẠI EMAIL MÌNH SẼ GỬI MỘT SỐ REFERENCES NHÉ)

Để apply machine Learning, Nga có san sẻ 1 tips mình thấy rất hay, thay vì đọc rất nhiều paper, focus vào các report chuyên sâu, hãy follow up các Steps sau:

Mày mò về Business Case: Hãy xem Business thực thụ cần gì, cần cải tiến gì, vận dụng ML chỗ nào?
Mày mò cách khắc phục của người khác trong case ấy: Hăng hái tìm đọc trên Medium, Kaggle nhé, sẽ giúp ích rất rất nhiều đó
Apply thử: Cứ thử xem apply vào có hiệu quả ko, rút kinh nghiệm rồi lại thử. Thế thôi

>>>>>>>Tham khảo: 10 cuốn sách FREE nên đọc về Data Science và Machine Learning

Ngoài Machine Learning, các bạn các định hướng biến thành data scientist nên mày mò về thêm về 10 Methods này để trau dồi thêm ML skills nhé:

Regression
Classification
Clustering
Dimensionality Reduction
Ensemble Methods
Neural Nets and Deep Learning
Transfer Learning
Reinforcement Learning
Natural Language Processing
Word Embeddings

Họ và tên
This is required.

Email liên hệ
This is required.

SĐT liên hệ
This is required.

Chức phận

Manager

Điều hành bộ phận (Marketing/sale)

Data analyst

Tập sự sinh

NHẬN TÀI LIỆU

#Recap #Workshop #Đi #làm #nghề #Data #bắt #đầu #như #thế #nào
[rule_2_plain] #Recap #Workshop #Đi #làm #nghề #Data #bắt #đầu #như #thế #nào
[rule_2_plain] #Recap #Workshop #Đi #làm #nghề #Data #bắt #đầu #như #thế #nào
[rule_3_plain]

#Recap #Workshop #Đi #làm #nghề #Data #bắt #đầu #như #thế #nào

Recap Workshop: “Đi làm nghề Data, mở màn như thế nào”

Chào mọi người, trong bài tóm lược bữa qua, sếp Tuấn Lê đã share ý kiến, và cách nhìn data dưới giác độ điều hành, các anh cấp C-level. Bữa nay, mình sẽ recap lại những vấn đề technical sâu hơn qua phần san sẻ của chị Nga và anh Luân bên Tinh tế. Bài recap về Technical Data này phần I chủ chốt dành cho những bạn làm Business, phần II sẽ dành chút chút cho các bạn data engineer nhé!

PHẦN I: DATA CHO BẠN NÀO ĐANG LÀM BUSINESS (PERFORMANCE MKT, FINANCE, SUPPLY CHAIN,…)

– SQL (Excel của mai sau) – Structured Query Language: Thật ra không hề là cái gì quá cao cấp hay Fancy, nó cũng chỉ là 1 loại câu lệnh để lấy dữ liệu trong nhiều bảng không giống nhau nhưng mà thôi. Nó cũng giống như việc bạn có 1 đống các file Excel và bạn phải ngồi ghép nối chúng lại với nhau, chỉ khác là SQL giúp bạn làm chuyện ấy 1 cách cực kì hiệu quả, tiết kiệm thời kì, công huân, và bạn có thể tiếp cận với lượng dữ liệu bự của doanh nghiệp (được phân quyền tỉ mỉ) nhưng mà không hề đợi mấy ông IT xuất Excel.Reference for learning: http://www.postgresqltutorial.com.

– Mathematics: Làm việc với Data, sốmá, ngu toán là điều chẳng thể đúng ko. Nếu đang là sinh viên, hãy để mắt học những môn như Xác xuất thống kê, bí quyết tính nhé.

– Persuasion: Thuyết phục các team khác tin vào data, tin vào quyết định của mình dựa trên data. Hãy thuyết phục người khác rằng data của bạn thực thụ có ích- Python: Thật ra cũng ko quá cấp thiết (Cái này dành cho các bạn data analyst hardcore chút thôi). Tiếng nói lập trình bậc cao này sẽ giúp bạn rất nhiều trong việc Visualize dữ liệu cũng như tính toán, (bạn data analyst nào đỉnh hơn thì mày mò về machine learning luôn nhé)

PHẦN II. CÁCH APPLY MACHINE LEARNING (TRONG PHẠM VI BÀI VIẾT, MÌNH SẼ KHÔNG NÓI SÂU VỀ PHẦN NÀY, NHƯNG BẠN NÀO QUAN TÂM THÌ ĐỂ LẠI EMAIL MÌNH SẼ GỬI MỘT SỐ REFERENCES NHÉ)

Để apply machine Learning, Nga có san sẻ 1 tips mình thấy rất hay, thay vì đọc rất nhiều paper, focus vào các report chuyên sâu, hãy follow up các Steps sau:

Mày mò về Business Case: Hãy xem Business thực thụ cần gì, cần cải tiến gì, vận dụng ML chỗ nào?
Mày mò cách khắc phục của người khác trong case ấy: Hăng hái tìm đọc trên Medium, Kaggle nhé, sẽ giúp ích rất rất nhiều đó
Apply thử: Cứ thử xem apply vào có hiệu quả ko, rút kinh nghiệm rồi lại thử. Thế thôi

>>>>>>>Tham khảo: 10 cuốn sách FREE nên đọc về Data Science và Machine Learning

Ngoài Machine Learning, các bạn các định hướng biến thành data scientist nên mày mò về thêm về 10 Methods này để trau dồi thêm ML skills nhé:

Regression
Classification
Clustering
Dimensionality Reduction
Ensemble Methods
Neural Nets and Deep Learning
Transfer Learning
Reinforcement Learning
Natural Language Processing
Word Embeddings

Họ và tên
This is required.

Email liên hệ
This is required.

SĐT liên hệ
This is required.

Chức phận

Manager

Điều hành bộ phận (Marketing/sale)

Data analyst

Tập sự sinh

NHẬN TÀI LIỆU

Related Articles

Trả lời

Email của bạn sẽ không được hiển thị công khai.

Back to top button