دوره آموزشی یادگیری علم داده: درک مبانی
1 ساعت 16 دقیقهمبتدی2016-11-16
مدرسین

Doug Rose
Teaching Fortune 500s and professionals how to lead change
جزئیات دوره
بسیاری از افرادی که روی تیم های علم داده کار می کنند دانشمندان داده نخواهند بود. آنها مدیران و همکارانی خواهند بود که می خواهند از داده های سازمان شما ارزش تجاری واقعی کسب کنند. این اعضای تیم باید زبان علم داده ها را بفهمند تا بتوانند سوالات بهتری بپرسند، فرایندها را درک کرده و به طور موثر تیم ها و سازمان های خود را در تصمیم گیری های بهتر مبتنی بر داده هدایت کنند. این دوره مقدمه ای بر علم داده برای افرادی است که قصد ندارند دانشمندان تمام وقت داده باشند. این مفاهیم، ابزارها و تکنیک های کلان داده شامل جمع آوری و مرتب سازی داده ها، کار با پایگاه داده ها، درک انواع داده های ساختار یافته و بدون ساختار و استفاده از تجزیه و تحلیل آماری را معرفی می کند. مربی و نویسنده تجارت داگ رز به شما کمک می کند تا با زبان علم داده صحبت کنید تا بتوانید سازمان خود را از طریق فرصت ها و محدودیت ها در این زمینه به طور چشمگیری در حال رشد راهنمایی کنید.
اهداف یادگیری
علم داده چیست؟
ایجاد ارتباط با پایگاه داده های ارتباطی
وارد کردن داده ها به انبارها
شناخت انواع مختلف داده ها
استفاده از تجزیه و تحلیل آماری
تمرکز بر دانش
اهداف یادگیری
علم داده چیست؟
ایجاد ارتباط با پایگاه داده های ارتباطی
وارد کردن داده ها به انبارها
شناخت انواع مختلف داده ها
استفاده از تجزیه و تحلیل آماری
تمرکز بر دانش
مهارت ها
Data Science FoundationsTech Career SkillsFoundationsCybersecurityCloud ComputingData ScienceSoftware Development
سرفصل ها
0. مقدمه
- 01 - خوش آمدید
1. علم داده چیست؟
- 02 - یک تمرین چند رشته ای را با معانی متعدد تعریف کنید
- 03 - از آمار و نرمافزار استفاده کنید
- 04 - بینشها را کشف کنید و دانش ایجاد کنید
2. کار با پایگاههای داده
- 05 - با پایگاه دادههای رابطه ای ارتباط برقرار کنید
- 06 - دادهها را با استفاده از ETL وارد انبارها کنید
- 07 - با NoSQL گذشته را رها کنید
- 08 - مشکلات کلان داده را برطرف کنید
3. شناخت انواع دادههای مختلف
- 09 - کارها را با دادههای ساختاریافته ساده نگه دارید
- 10 - دادههای نیمه ساختار یافته را به اشتراک بگذارید
- 11 - جمعآوری دادههای بدون ساختار
- 12 - زبالههای بزرگ را الک کنید
4. استفاده از تجزیهوتحلیل آماری
- 13 - با آمار توصیفی شروع کنید
- 14 - احتمال را درک کنید
- 15 - یک همبستگی پیدا کنید
- 16 - ببینید چگونه همبستگی دلالت بر علیت ندارد
- 17 - تکنیکهای شانه برای تجزیهوتحلیل پیش بینی
5. اجتناب از دام
- 18 - تمرکز بر دانش
نتیجه
- 19 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی یادگیری علم داده
- دوره آموزشی محافظت از دادهها برای تحلیل و یادگیری ماشین
- دوره آموزشی یادگیری R Tidyverse آپدیت (2017)
- دوره آموزشی اکسل هوش تجاری: مدل سازی داده 101
- دوره آموزشی یادگیری جامع تحلیل پیشبینی برای مدیران ارشد
- دوره آموزشی یادگیری جامع تجارت الگوریتمی و مدلهای مالی با زبانهای پایتون، R و استاتا
- دوره آموزشی پایتون برای پروژههای هوش مصنوعی: از کاوش داده تا ایجاد اثرگذاری
- دوره آموزشی برنامه نویسی پیشرفته SAS برای کاربران R، بخش دوم
مسیرهای مرتبط
- مسیر آموزشی ایجاد مهارت های ضروری در داده ها
- مسیر آموزشی الزامات شغلی در تجزیه و تحلیل کسب و کار
- مسیر آموزشی تبدیل به یک دانشمند داده شوید
- مسیر آموزشی تسلط بر تجزیه و تحلیل داده ها در سطح اجرایی
- مسیر آموزشی کاوش شغلی در تجزیه و تحلیل داده ها
- مسیر آموزشی تبدیل شدن به یک متخصص تجزیه و تحلیل دادهها
- مسیر آموزشی پیشرو بودن در علوم داده
- مسیر آموزشی مقدمهای بر مهارتهای پایه برای کار با داده: تحلیل و تفسیر دادهها