دوره آموزشی آمادگی گواهینامه متخصص تجزیه و تحلیل خبره (CAP)
2 ساعت 35 دقیقهمتوسط2023-02-01
مدرسین

Jungwoo Ryoo
Teaches IT, cybersecurity, and risk analysis at Penn State
جزئیات دوره
آیا می خواهید شغل خود را در علم داده و تجزیه و تحلیل تسریع کنید؟ کسب اعتبار حرفه ای تجزیه و تحلیل خبره (CAP) را در نظر بگیرید. این گواهینامه برتر علم داده به کارفرمایان بالقوه نشان می دهد که می توانید بینش هایی را از داده ها به دست آورید و از یافته های خود برای تعیین مراحل منطقی بعدی استفاده کنید. در این دوره، Jungwoo Ryoo به داوطلبان آزمون درکی از چگونگی مرتبط بودن و ضروری بودن یک مجموعه اصلی از موضوعات علم داده برای به دست آوردن یک اعتبار CAP به شیوه ای سریع ارائه می دهد. Jungwoo هفت حوزه امتحان را پوشش میدهد: چارچوببندی مسائل تجاری، چارچوببندی مشکلات تحلیلی، دادهها، روششناسی، ساخت مدل، استقرار و مدیریت چرخه حیات. او همچنین مطالعات موردی را به اشتراک می گذارد که نشان می دهد مفاهیم حوزه دانش CAP چگونه در دنیای واقعی کار می کنند.
مهارت ها
RStudioTableauTableau SoftwareRData AnalysisCert PrepData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen Source
سرفصل ها
0. مقدمه
- 01 - زمینه رو به رشد تجزیه و تحلیل
- 02 - آنچه باید بدانید
1. متخصص تجزیه و تحلیل خبره (CAP)
- 03 - مقدمه
- 04 - سابقه CAP
- 05 - دامنه های CAP
- 06 - گواهینامه های مرتبط
- 07 - مسیرهای شغلی
2. چارچوب مشکل کسب و کار
- 08 - شناسایی مشکلات تجاری
- 09 - شناسایی و تجزیه و تحلیل ذینفعان
- 10 - جمع آوری نیازمندی ها
- 11 - تعیین امکان سنجی
- 12 - رفع مشکل
3. چارچوب مسئله تجزیه و تحلیل
- 13 - تبدیل مشکلات تجاری به مشکلات تحلیلی
- 14 - تنظیم مجدد بیانیه های مسئله
- 15 - تعریف محرک ها و روابط با خروجی ها
- 16 - بیان مفروضات
- 17 - تعریف معیارهای موفقیت
- 18 - اخذ توافق سهامداران
4. داده ها
- 19 - کار موثر با داده ها
- 20 - شناسایی و اولویت بندی نیازهای داده ای
- 21 - کسب داده ها
- 22 - پاکسازی، تبدیل و اعتبارسنجی داده ها
- 23 - شناسایی روابط در داده ها
- 24 - مستندسازی و گزارش یافته ها
- 25 - بازتعریف عبارات مسئله
5. روش شناسی (رویکرد) انتخاب
- 26 - شناسایی روش های حل مسئله موجود
- 27 - ارزیابی و انتخاب تحلیل توصیفی
- 28 - ارزیابی و انتخاب تحلیل پیش بینی
- 29 - ارزیابی و انتخاب تحلیل تجویزی
- 30 - انتخاب ابزارهای نرم افزاری
- 31 - استفاده از R برای تجزیه و تحلیل داده ها
- 32 - استفاده از Tableau برای تجسم داده ها
6. مطالعه موردی 1
- 33 - تحلیل اجاره دوچرخه
- 34 - قاب بندی یک مشکل
- 35 - استفاده از RStudio برای تحلیل پیش بینی
- 36 - استفاده از Tableau برای تجسم آمار
- 37 - استفاده از Tableau برای پیش بینی
7. ساختمان نمونه
- 38 - شناخت مدل سازی
- 39 - شناسایی ساختارهای مدل
- 40 - مدل ها را بسازید و تایید کنید
- 41 - اجرا و ارزیابی مدل ها
- 42 - کالیبراسیون مدل ها و داده ها
- 43 - یکپارچه سازی مدل ها
- 44 - مستندسازی یافته ها - ROC
- 45 - ارتباط یافته ها
8. استقرار
- 46 - درک استقرار
- 47 - انجام اعتبارسنجی تجاری مدل
- 48 - تدوین طرح استقرار و ارائه آن
- 49 - ایجاد الزامات مدل
- 50 - ارائه، نظارت و حفظ مدل یا سیستم تولید
- 51 - درک رویکردهای استقرار
- 52 - شناخت DMAIC و CRISP-DM
- 53 - رویکردهای مدیریت پروژه برای استقرار
9. مدل مدیریت چرخه عمر
- 54 - درک مدیریت چرخه عمر مدل
- 55 - ردیابی کیفیت مدل
- 56 - کالیبراسیون مجدد مدل از طریق اعتبارسنجی
- 57 - حفظ مدل
- 58 - حمایت از فعالیت های آموزشی
- 59 - ارزیابی سود تجاری مدل در طول زمان
10. مطالعه موردی 2
- 60 - مثال های هوش تجاری
- 61 - انتخاب روش
- 62 - ساخت ماکت
- 63 - استقرار مدل
- 64 - مدیریت چرخه عمر مدل
نتیجه
- 65 - مراحل بعدی و منابع مطالعاتی تکمیلی
دوره های مرتبط
- دوره آموزشی تصویرسازی دادهها در R با استفاده از ggplot2
- دوره آموزشی گردآوری داده ها با زبان آر
- دوره آموزشی پاک کردن داده های بد در R
- دوره آموزشی راهنمای کامل زبان برنامه نویسی R: بحث، تجسم، و مدل سازی داده ها
- دوره آموزشی کامل کردن اولین پروژه خود با زبان R
- دوره آموزشی R برای علم داده: درس های Lunchbreak
- دوره آموزشی یادگیری ماشین با کاهش داده در Excel، R و Power BI
- دوره آموزشی تمرین های کدنویسی: علم داده های R