وبلاگ
مقالات و محتوای متنوع من — از یادداشتهای تخصصی تا تجربه و دیدگاه، جدا از هر موضوع خاصی.
نوبتهای سوختهی کلینیک: پیشبینی بیماری که نمیآید
روشهای مدلسازی داده برای شناسایی نوبتهای پرریسک در کلینیکها و راهکارهای مدیریتی برای کاهش اتلاف ظرفیت درمان.
اتصال سیستمهای جدا از هم؛ وقتی داده بین نرمافزارها گم میشود
راهنمای کاربردی یکپارچهسازی نرمافزارهای سازمانی و جلوگیری از دوبارهکاری و خطای انسانی در انتقال دادهها.
از داده تا تصمیم: چطور دادههای پراکنده سازمان را به تصمیم قابلاجرا تبدیل کنیم
راهنمای عملی یکپارچهسازی دادههای پراکنده سازمان و تبدیل آنها به مدلهای تصمیمگیری قابلاجرا، بدون هزینههای زائد و ابزارهای تجملاتی.
راهنمای عملی مدلسازی با داده کم: چطور با دیتاست کوچک پروژه یادگیری ماشین موفق بسازیم
برای اجرای پروژههای تحلیل داده و هوش مصنوعی نیازی به میلیونها داده ندارید. با چندصد نمونه تمیز و روشهای درست، میتوان مدلهای کاربردی و سودآور ساخت.
قیمتگذاری دادهمحور: چگونه داده به شما میگوید قیمت درست کجاست
راهنمای عملی قیمتگذاری دادهمحور برای مدیران ایرانی: روشهای محاسبه کشش قیمتی، چالش تورم، و زمانهایی که نباید سراغ این روش رفت.
هوش مصنوعی قابلتوضیح: وقتی مدیر میپرسد «چرا مدل این را گفت؟»
بررسی کاربردی هوش مصنوعی قابلتوضیح (XAI)، روشهای SHAP و LIME، و راهکارهای غلبه بر چالش جعبهسیاه بودن مدلها در تصمیمگیریهای مدیریتی.
کشف ناهنجاری در دادههای مالی و عملیاتی؛ پیدا کردن آنچه چشم نمیبیند
کشف ناهنجاری با الگوریتمهای آمار و یادگیری ماشین، خطاهای پنهان، باگهای سیستم و تخلفات مالی را قبل از ثبت خسارت سنگین کشف میکند. این مقاله مسیر عملی پیادهسازی آن را توضیح میدهد.
بخشبندی مشتریان با RFM؛ سادهترین تحلیلی که بیشترین بازگشت را دارد
تحلیل RFM با بررسی سه متغیر زمان آخرین خرید، تعداد خرید و مبلغ پرداختی، مشتریان را بدون نیاز به مدلهای پیچیده هوش مصنوعی دستهبندی و سودآوری بازاریابی را شفاف میکند.
بینایی ماشین در صنعت: کنترل کیفیت و ایمنی بدون خطای انسانی
راهنمای عملی پیادهسازی سیستمهای بینایی ماشین برای کنترل کیفیت و ایمنی در صنایع ایران؛ هزینهها، معمار تجهیزات، چالشهای نورپردازی و زمانهایی که نباید از این فناوری استفاده کرد.
۹۰ روز اول پروژه دادهمحور: چه انتظاری داشته باشیم
راهنمای عملی برای مدیران جهت مدیریت انتظارات، هزینهها و خروجیهای ملموس در سه ماه اول پروژههای داده و هوش مصنوعی.
یادگیری ماشین یا قواعد ساده؟ کِی واقعاً به مدل نیاز دارید
بیشتر کسبوکارها پیش از نیاز به یادگیری ماشین، به قواعد شفاف و دادههای تمیز نیاز دارند. این مقاله معیارهای دقیق انتخاب بین مدلهای هوش مصنوعی و سیستمهای مبتنی بر قانون را بررسی میکند.
پیشبینی تقاضا برای کسبوکارهای کوچک و متوسط؛ از اکسل تا مدل واقعی
راهنمای عملی ارتقای پیشبینی تقاضا از فایلهای اکسل به مدلهای آماری و یادگیری ماشین؛ بدون بزرگنمایی، همراه با پیشنیازها و حدود هزینه.