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 آنالیز داده‌ها است. این کار به شرکت‌ها کمک می‌کند تا شرایط را به دقت ارزیابی کرده و تصمیمات کسب‌وکار بهتری بگیرند. این درس به شما کمک می‌کند تا قدرت داده‌های سازمان خود را با استفاده از آنالیز داده‌ها و ابزار تجسم سازی شده در اکسل باز کنید. نویسنده Curt Frye با مفاهیم بنیادین از جمله محاسبات پایه مانند میانگین، میانه و انحراف استاندارد شروع می‌کند و مقدمه‌ای بر قضیه حد مرکزی ارایه می‌دهد. او سپس نشان می‌دهد که چگونه داده‌ها، روابط و نتایج آینده را با هیستوگرام، نمودارهای اکسل نشان دهید. او همچنین فرضیه‌های تست، مدل‌سازی توزیع‌های مختلف داده، و محاسبه کواریانس و همبستگی بین مجموعه‌های داده را پوشش می‌دهد. در نهایت، او فرآیند محاسبه احتمالات Bayesian در اکسل را مورد بررسی قرار می‌دهد. هر فصل شامل مثال‌های عملی است که نشان می‌دهند چگونه این تکنیک‌ها را به مشکلات کسب‌وکار دنیای واقعی اعمال کنید. اهداف یادگیری میانگین، میانگین و حالت را تشخیص دهید. رابطه بین واریانس و انحراف معیار را شرح دهید. یک فرضیه غیر جهت دار را مشخص کنید. به تفاوت بین COVARIANCE.P و COVARIANCE.S اشاره کنید. همبستگی را توضیح دهید. قاعده بیز را تحلیل کنید.

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.

یک ایده بزرگ داری؟ شما باید آن را به سرعت و به طور موثر انجام دهید، یا مخاطبان مدرن به داستان بعدی که در پی جلب توجه آن‌ها است، حرکت خواهند کرد. تجسم داده‌ها به شما این امکان را می‌دهد که ساده، غیر محسوس، و نامریی (داده‌ها) با تصاویر عالی قابل مشاهده باشد. در این درس، مدرس Bill Shander نشان می‌دهد که چطور اطلاعات و مخاطبین شما را درک میکنند، داستانی را که نیاز دارید تعریف کنید، و بهترین مدل دیداری و جزئیات برای آن داستان را تعیین کنید. موضوعات شامل: فرایندی که منافع افراد در تجسم داده ها ادغام می شود را توصیف کنید. استفاده از Ws را در تجسم داده ها متمایز کنید. تکنیک های مربوط به تعریف روایت خود را هنگام تجسم داده ها توضیح دهید. عواملی را شناسایی کنید که تجسم داده ها را با علایق و نیازهای مخاطبان مرتبط می کند. استفاده مناسب از نمودارها را در تجسم داده ها مرور کنید. فرآیندی را که در استفاده از تعامل در تجسم داده ها وجود دارد، تعریف کنید.

Tableau ابزاری قدرتمند و همه کاره برای تجزیه و تحلیل و تجسم داده است که بسیاری آن را برای کار علم داده ضروری می دانند. رابط کشیدن و رها کردن آن ، مرتب سازی ، مقایسه و تجزیه و تحلیل داده ها از چندین منبع از جمله اکسل ، SQL سرور و مخازن داده مبتنی بر ابر را آسان می کند. در این دوره ، یاد بگیرید چگونه با استفاده از Tableau 2021 داده ها را تجزیه و تحلیل و نمایش دهید - و تصمیمات بهتر و مبتنی بر داده برای شرکت خود بگیرید. مربی Curt Frye نحوه نصب Tableau ، اتصال به منابع داده و مرتب سازی و فیلتر کردن داده های شما را نشان می دهد. Curt از نمونه های دنیای واقعی برای نشان دادن نحوه ایجاد و دستکاری تجسم داده ها - از جمله جداول برجسته ، نمودارها ، نمودارهای پراکنده ، هیستوگرام ها ، نقشه ها و داشبورد - استفاده می کند و نحوه به اشتراک گذاری تجسم های شما را نشان می دهد.

آیا برای بدست آوردن داده‌های مورد نیاز خود به IT تکیه می‌کنید؟ آیا شما غالباً در انتظار خط داده هستید و آرزو می‌کنید که بتوانید خودتان آن را بازیابی کنید؟ در این دوره یاد بگیرید که چگونه با نوشتن کمی کد SQL می‌توانید داده‌های مورد نظر خود را بدست آورید. شما فقط قادر به بیرون کشیدن داده‌ها از پایگاه داده نخواهید بود، بلکه شما قادر خواهید بود تا آن را دستکاری کنید: ادغام آن، گروه‌بندی آن، و مجدداً گزارش موردنظر خود را انجام دهید. به Emma Saunders بپیوندید زیرا او نحوه‌ی نوشتن نمایش داده‌های SQL برای گزارش و تجزیه و تحلیل داده‌ها را به شما نشان می‌دهد. با استفاده از توابع داخلی SQL برای قالب بندی یا محاسبه نتایج، نحوه فیلتر کردن، گروه‌بندی و مرتب‌ سازی داده‌ها را یاد بگیرید. نحوه انجام نمایش داده‌های پیچیده تر، مانند joining به داده‌ها از جداول پایگاه داده‌های مختلف را کشف کنید. آخر اینکه، وی نماها، رویه‌ها، عملکردها و متغیرها را معرفی می‌کند. اهداف یادگیری بازیابی داده ها با دستورات SELECT فیلتر کردن و مرتب کردن نتایج شما تغییر نتایج با توابع SQL داخلی گروه بندی نتایج SQL ادغام داده ها از جداول متعدد استفاده از متغیرها، توابع و رویه ها

آیا باید بدانید که چگونه داده ها را برای شرکت خود تمیز و منظم نگه دارید؟ در این دوره، مربی Miki Tebeka توضیح می دهد که چرا داده های تمیز بسیار مهم هستند، چه چیزی می تواند باعث خطا شود و چگونه می توان خطاها را تشخیص داد، از آنها جلوگیری کرد و آنها را تمیز نگه داشت. میکی انواع خطاهایی که ممکن است در داده ها رخ دهد و همچنین مقادیر مفقود شده یا مقادیر بد در داده ها را توضیح می دهد. او می گوید که چگونه خطاهای انسانی، خطاهای معرفی شده توسط ماشین و خطاهای طراحی می توانند به داده های شما راه پیدا کنند، سپس نحوه تشخیص این خطاها را به شما نشان می دهد. میکی با تکنیک هایی مانند امضای دیجیتال، خطوط داده و اتوماسیون و معاملات به پیشگیری از خطا می پردازد. وی با روش هایی که می توانید خطاها را برطرف کنید، از جمله تغییر نام فیلدها، رفع انواع، پیوستن و تقسیم داده ها و موارد دیگر، به پایان می رساند.