تبدیل شدن به یک تحلیلگر داده - Become a Data Analyst

بیشتر آموزشهای علوم داده فقط بر روی فناوریهای کلیدی تمرکز دارند. اما مشاغل علوم داده در دنیای واقعی نیاز به مواردی بیش از تیزبینی فنی ندارند. هنگامی که دانشمندان داده های جدید تمرکز خود را از کلاس به اتاق هیئت مدیره تغییر می دهند، اگر می خواهند پروژه هایی را ایجاد کنند که تحول تجاری ایجاد می کنند، باید بتوانند دیگران را همدل، متقاعد و رهبری کنند. این دوره برای کمک به شما در یادگیری این مهارت ها و سایر مهارت های غیر فنی طراحی شده است که می تواند به شما کمک کند اولین شغل علوم داده خود را به یک حرفه مادام العمر تبدیل کنید. وقتی مدل های پیش بینی تغییر ایجاد می کنند، باید چالش های قابل پیش بینی وجود داشته باشد در سازمانها در طول این دوره، مربی کیت مک کورمیک این چالش ها را پشت سر می گذارد و نشان می دهد که چگونه بر آنها غلبه کنید. کشف کنید که چگونه با اطمینان از کار خود در زمین کار دفاع کنید، کنجکاوی طبیعی خود را تقویت کنید، تعهد خود را نسبت به کار خود عمیق تر کنید، زبان تجزیه و تحلیل را به زبان تجارت، دیپلماسی عملی و موارد دیگر ترجمه کنید. موضوعات شامل: - ابهام ذاتی در پروژه های علوم داده را توصیف کنید. - همدلی شناختی و چگونگی دستیابی به آن را تعریف کنید. - نقش تردید، کنجکاوی، اقناع و دیپلماسی را در علم داده حرفه ای متمایز کنید. - فعالیت های مناسب برای ادامه پیشرفت حرفه ای را لیست کنید. - تعاملات مشترک بین دانشمندان و مدیران ارشد را شرح دهید. - زمان مناسب برای محدود کردن جزئیات در بحث را توصیف کنید.

مایکروسافت اکسل یک ابزار مهم برای تجزیه و تحلیل داده ها است. این به شرکت ها کمک می کند تا موقعیت ها را به دقت ارزیابی کنند و تصمیمات تجاری بهتری بگیرند. این دوره به شما کمک می کند تا با استفاده از ابزارهای تجزیه و تحلیل داده ها و تجسم سازی که در اکسل تعبیه شده است، قدرت داده های سازمان خود را باز کنید. نویسنده کرت فرای با مفاهیم اساسی، از جمله محاسبات اساسی مانند میانگین، میانه و انحراف معیار شروع می کند و مقدمه ای بر قضیه حد مرکزی ارائه می دهد. سپس نحوه تجسم داده ها، روابط و نتایج آینده را با هیستوگرام ها، نمودارها و نمودارهای اکسل نشان می دهد. او همچنین فرضیه های آزمایش را پوشش می دهد. مدل سازی توزیع های مختلف داده؛ محاسبه کوواریانس و همبستگی بین مجموعه داده ها. و محاسبه احتمالات، ترکیب ها و جایگشت ها. در نهایت، او روند محاسبه احتمالات بیزی در اکسل را بررسی می کند. هر فصل شامل مثال‌های عملی است که نشان می‌دهد چگونه می‌توان تکنیک‌ها را برای مشکلات تجاری دنیای واقعی به کار برد.

تجزیه و تحلیل داده ها فقط برای متخصصانی نیست که باید مجموعه داده های عظیم را درک کنند. تصمیم گیرندگان در هر صنعتی می توانند از درک اولیه اهداف و مفاهیم تجزیه و تحلیل داده های کاربردی بهره مند شوند. در این دوره، به بارتون پولسون بپیوندید زیرا او بر مبانی تسلط بر داده ها تمرکز می کند، یا توانایی کار با داده ها برای استخراج بینش و تعیین مراحل بعدی شما. بارتون نشان می دهد که چگونه کاوش داده ها با نمودارها و توصیف داده ها با آمار می تواند به شما در رسیدن به اهداف و تصمیم گیری بهتر کمک کند. به جای تمرکز بر ابزارهای خاص، او روی روشهای کلی تمرکز می کند که می تواند به شما در حل مشکلات خاص کمک کند. نحوه تهیه داده ها، کشف بصری و استفاده از روش های آماری برای توصیف آن را بیاموزید. اهداف یادگیری ROI روان بودن داده ها اخلاق داده ها آماده سازی داده ها ارزیابی کیفیت داده ها تجسم داده ها با نمودارهای میله ای، پایینی و خطی توصیف تنوع با واریانس و انحراف معیار توصیف ارتباطات با همبستگی

آیا شما علاقه مند به دنبال کار در تجزیه و تحلیل داده ها هستید؟ در این دوره ، استاد Robin Hunt شما را به ذهن یک تحلیلگر می کشاند. وی مفاهیم بنیادی ، مانند چگونگی اندیشیدن درباره داده ها ، نحوه کار با دیگران در نقش های مختلف برای بدست آوردن داده های مورد نیاز و ابزارهایی را که برای کار با داده ها از جمله اکسل و مایکروسافت اکسس نیاز دارید ، تعریف و توضیح می دهد. او شما را با پرس و جوهای SQL ، PowerBI و موارد دیگر آشنا می کند. رابین وارد نحو می شود و نحوه تفسیر داده هایی را که می بینید ، پیدا کردن داده های مورد نیاز و تمیز کردن داده ها برای کار موثر داده ها ، توضیح می دهد. وی حاکمیت داده ها و چگونگی پرسیدن سوالات صحیح از بخشهای مختلف برای جمع آوری داده های مورد نیاز را توضیح می دهد. رابین نحوه کار با داده ها ، از جمله نحوه وارد کردن داده ها ، کار با پرونده های تخت مانند CSV و ایجاد مجموعه داده برای دیگران را نشان می دهد. رابین به معنای تمیز کردن و مدل سازی و همچنین نحوه استفاده از Power Query در Excel است. وی همچنین مجموعه چالش/راه حل را در هر فصل برای ارزیابی مهارتهای شما به شما کمک کرده است.

کار با داده ها یک چیز است. تهیه مجموعه داده های با کیفیت و تجسم دقیق برای تصمیم گیری ها ، مورد دیگری است. اگر قصد تأکید در دوره یا حرفه تجزیه و تحلیل داده را دارید ، این دوره می تواند به شما کمک کند شروع خوبی داشته باشید. رابین هانت ، مدیرعامل و بنیانگذار ThinkData Solutions، مهارت های عملی را برای کمک به شما در استفاده حداکثر از داده های خود و شروع به کار حرفه ای خود در داده ها، به اشتراک می گذارد. رابین در مورد قوانین تجارت، فیلتر کردن سر و صدا در داده هایی که همه ما با آنها سر و کار داریم و نحوه ارائه آنچه تصمیم گیرندگان می خواهند بحث می کند. وی چگونگی ایجاد مجموعه داده ها با پرس و جوها، پیوستن ها و ضمیمه ها را پوشش می دهد، و سپس به ساخت داده های کل با کل درخواست ها می پردازد. رابین از محورها، نحوه استفاده از محوری ها برای ساخت داشبورد و تجسم های اساسی و همچنین استفاده از Power Query برای تبدیل داده ها استفاده می کند. او با بهترین روشها برای جلسات و انتقال کار شما به سطح بعدی سازمان شما نتیجه گیری می کند.

داده‌ها، تا زمانی که شما آن را به خوبی استفاده نکنید، ارزشمند نیستند. آمار داده‌ها را به اطلاعات معنی‌دار تبدیل می‌کند و سازمان‌ها را قادر می‌سازد که تصمیمات و پیش‌بینی‌های بهتری بگیرند. به همین دلیل است که جمع‌آوری، تحلیل و ارائه داده‌ها - یک مهارت ارزشمند برای هر کسی در رشته کسب‌وکار یا دانشگاه است. در این درس، مربی Joseph Schmuller اصول آمار توصیفی و آمار استنباطی را آموزش می‌دهد و نشان می‌دهد که چگونه آن‌ها را در مایکروسافت اکسل استفاده کنید - یک برنامه ارزان و قابل‌دسترسی که مجموعه‌ای از ابزارهای آماری قدرتمند را ارایه می‌دهد. او با استفاده از توابع ساخته‌شده، و نمودارها، همراه با Analysis Toolpak، توضیح می‌دهد که چگونه داده‌ها را سازماندهی و ارایه دهد، توزیع نمونه‌گیری را درک کنید، فرضیه‌های تست را درک کنید، و نتیجه‌گیری کنید. او احتمالات، میانگین‌ها، توزیع، تخمین، واریانس، آزمون رگرسیون و غیره را پوشش می‌دهد. در پایان این دوره، شما باید بتوانید به طور کامل مفاهیم آماری اساسی را به طیف گسترده‌ای از داده‌ها اعمال کنید. اهداف یادگیری نحوه محاسبه احتمال ساده را توضیح دهید. فرمول های آماری Excel را برای یافتن میانگین، میانه و حالت مرور کنید. هنگام محاسبه واریانس، نامگذاری آماری را متمایز کنید. هنگام رسم نمودار چند ضلعی های فرکانسی، اجزا را شناسایی کنید. نحوه عملکرد توزیع های t را توضیح دهید. فرایند تعیین مربع کای را توضیح دهید.

آیا شما یک متخصص علوم داده هستید و به دنبال توسعه یا تقویت مهارت های خود در تجزیه و تحلیل پیش بینی و داده کاوی هستید؟ این دوره از طریق مربی کیث مک کورمیک، تمرین کننده کهنه کار که ده ها پروژه در دنیای واقعی را به اتمام رسانده است، چندین بینش "کلی" را ارائه می دهد. کیت شروع به معرفی تعاریف و فرایندهای کلیدی می کند که برای تکمیل موفقیت آمیز دوره لازم است. او شما را در تعریف مشکلی که برای حل آن نیاز به تجزیه و تحلیل پیش بینی خود دارید قدم می گذارد، سپس بر نحوه اطمینان از مطابقت با الزامات داده و نحوه آماده سازی خوب داده ها در پروژه های داده کاوی شما تمرکز می کند. کیت به مجموعه مهارت ها و منابع مورد نیاز خود و مشکلاتی که با آن روبرو خواهید شد، شیرجه می زند. سپس مراحل را برای یافتن راه حل می گذراند و آن را با احتمالات، گرایش ها، داده های از دست رفته، مدل سازی متا و موارد دیگر کار می کند. کیث با توضیحات مفصل در مورد نه قانون داده کاوی CRISP-DM و تام خبازا، به علاوه قانون دهم جدید تام، کار خود را به پایان می رساند.

کشف کنید که چگونه با استفاده از Power BI به سرعت از داده های خود اطلاعات جمع آوری کنید. این مجموعه قدرتمند از ابزارهای تجزیه و تحلیل کسب و کار - که شامل سرویس Power BI، Power BI Desktop و Power BI Mobile می‌شود - می‌تواند به شما کمک کند تا تجسم‌های تاثیرگذار را با دیگران در سازمانتان به‌طور مؤثرتری ایجاد کرده و به اشتراک بگذارید. در این دوره آموزشی، Gini von Courter به شما کمک می کند تا با این مجموعه ابزار قدرتمند شروع کنید. Gini با پوشش سرویس مبتنی بر وب Power BI شروع می‌کند و نحوه وارد کردن داده‌ها، ایجاد تجسم‌ها و ترتیب آن تجسم‌ها را در گزارش‌ها توضیح می‌دهد. او درباره نحوه پین ​​کردن تجسم‌ها به داشبورد برای اشتراک‌گذاری و همچنین نحوه پرسیدن سؤالات در مورد داده‌های خود با Power BI Q&A بحث می‌کند. او همچنین Power BI Mobile را پوشش می‌دهد و نحوه استفاده از قابلیت‌های مدل‌سازی داده در Power BI Desktop را نشان می‌دهد. اهداف یادگیری برای اجرای موفقیت آمیز Power BI، سخت افزار مورد نیاز را اعمال کنید. بین انواع داده های مختلف در Power BI تمایز قائل شوید. شباهت های بین تجسم ها را در Power BI مرتبط کنید. هنگام ایجاد تغییرات در Power BI و Power BI Desktop، نتایج را شناسایی کنید. بین داشبورد و گزارش ها در Power BI تفاوت قائل شوید. نقش های کاربر را در یک فضای کاری در Power BI تعیین کنید. فضاهای کاری و ابزارها را در برنامه موبایل Power BI مدیریت کنید.

ایده بزرگی دارید؟ شما باید آن را به سرعت و کارآمد منتقل کنید، در غیر این صورت مخاطبان مدرن به سراغ داستان بعدی خواهند رفت و برای جلب توجه خود فریاد می زنند. تجسم داده ها به شما امکان می دهد پیچیده را ساده، انتزاعی را ملموس و نامرئی را قابل مشاهده کنید. در این دوره، بیل شاندر نشان می دهد که چگونه در مورد داده ها، مخاطبان و اهداف خود فکر کنید تا تصاویری بسازید که تأثیر را به حداکثر برسانید. بعلاوه، درباره درک بصری انسان و استراتژی‌های انتخاب نمودار بیاموزید، که در هنگام تجسم داده‌ها تفاوت ایجاد می‌کند.

Tableau یک ابزار تجزیه و تحلیل و تجسم داده قدرتمند و همه کاره است که بسیاری آن را برای کارهای علم داده ضروری می دانند. رابط کشیدن و رها کردن آن، مرتب‌سازی، مقایسه و تجزیه و تحلیل داده‌ها را از منابع متعدد از جمله Excel، SQL Server و مخازن داده‌های مبتنی بر ابر آسان می‌کند. در این دوره آموزشی، نحوه تجزیه و تحلیل و نمایش داده ها با استفاده از Tableau 2022 را بیاموزید و تصمیمات بهتر و مبتنی بر داده را برای شرکت خود بگیرید. Instructor Curt Frye نحوه نصب Tableau، اتصال به منابع داده و مرتب‌سازی و فیلتر کردن داده‌های خود را نشان می‌دهد. Curt از مثال‌های دنیای واقعی برای نشان دادن نحوه ایجاد و دستکاری تجسم داده‌ها - از جمله جداول برجسته، نمودارها، نمودارهای پراکندگی، هیستوگرام‌ها، نقشه‌ها و داشبوردها - استفاده می‌کند و نشان می‌دهد که چگونه تجسم‌های خود را به اشتراک بگذارید.

آیا برای به دست آوردن داده های مورد نیاز خود به فناوری اطلاعات متکی هستید؟ آیا اغلب در صف انتظار برای داده‌ها مانده‌اید و آرزو می‌کنید که خودتان آن‌ها را بازیابی کنید؟ در این دوره یاد بگیرید که چگونه با نوشتن کمی کد SQL به داده های مورد نظر خود دست یابید. شما فقط نمی‌توانید داده‌ها را از پایگاه داده بیرون بکشید، بلکه می‌توانید آن‌ها را دستکاری کنید - آن‌ها را ادغام کنید، گروه‌بندی کنید و دوباره برچسب بزنید تا فقط گزارشی را که می‌خواهید دریافت کنید. به اما ساندرز بپیوندید تا نحوه نوشتن پرس‌و‌جوهای ساده SQL را برای گزارش‌دهی و تجزیه و تحلیل داده‌ها با استفاده از یک پایگاه داده آنلاین در دسترس عموم نشان دهد. با استفاده از توابع داخلی SQL برای قالب‌بندی یا محاسبه نتایج، نحوه فیلتر کردن، گروه‌بندی و مرتب‌سازی داده‌ها را بیاموزید. نحوه انجام پرس و جوهای پیچیده تر، مانند اتصال داده ها از جداول پایگاه داده مختلف را کشف کنید. آخرین اما نه کم اهمیت، او نماها، رویه ها، توابع و متغیرها را معرفی می کند.

اگر به دنبال راه‌های کارآمدتری برای آماده‌سازی داده‌های خود برای تجزیه و تحلیل هستید، زمان آن رسیده است که مجموعه مهارت‌های خود را ارتقا دهید و رویکرد خود را برای پاکسازی داده‌ها ارزیابی مجدد کنید. در این دوره، مربی Miki Tebeka برخی از مهم ترین ویژگی های پاکسازی و جمع آوری داده های تولیدی را با مثال های کدنویسی عملی با استفاده از پایتون برای آزمایش مهارت های شما به شما نشان می دهد. در مورد ارزش سازمانی داده های تمیز با کیفیت بالا بیاموزید، توانایی خود را برای تشخیص خطاهای رایج و رفع سریع آنها در حین حرکت توسعه دهید. در طول مسیر، Miki استراتژی‌های تمیز کردنی را ارائه می‌کند که می‌تواند به بهینه‌سازی گردش کار شما کمک کند، از جمله نکاتی برای تجزیه و تحلیل علّی و ابزارهای آسان برای جلوگیری از خطا.