After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Cos'è la data science, perché è così popolare e perché l'Harvard Business Review l'ha definita il "lavoro più sexy del XXI secolo"? In questo corso non tecnico, scoprirai tutto ciò che hai sempre voluto sapere su questo campo in rapida crescita e appassionante, senza dover scrivere una sola riga di codice. Con esercizi pratici, conoscerai i diversi ruoli dei data scientist, argomenti fondamentali come A/B testing, analisi delle serie temporali e Machine Learning, e come i data scientist estraggono conoscenza e insight dai dati del mondo reale. Niente paura per le parole alla moda: inizia a imparare, sviluppa competenze molto richieste e scopri perché la data science è per tutti!I video includono trascrizioni in tempo reale, accessibili cliccando su "Show transcript" in basso a sinistra nei video.Il glossario del corso è disponibile a destra nella sezione delle risorse.Per ottenere i crediti CPE devi completare il corso e raggiungere un punteggio del 70% nella valutazione qualificata. Puoi accedere alla valutazione cliccando sul riquadro dei crediti CPE sulla destra.
Prerequisiti
Non ci sono prerequisiti per questo corso
Curriculum
Programma del corso
1
Introduzione alla Data Science
Inizieremo definendo che cos'è la data science. Vedremo il flusso di lavoro della data science e come viene applicata a problemi reali. Concluderemo il capitolo esplorando i diversi ruoli all'interno del campo della data science.
- Che cos'è la data science o scienza dei dati?50 XP
- Data science ovunque!50 XP
- Perché la data science è importante50 XP
- Applicazioni della data science50 XP
- Dose giornaliera di data science50 XP
- La scienza degli assistenti smart50 XP
- Ruoli e strumenti della data science50 XP
- Selezionare la persona giusta50 XP
- Un ruolo da data scientist50 XP
2
Raccolta e archiviazione dei dati
Ora che conosciamo il flusso di lavoro della data science, approfondiremo il primo passo: la raccolta e l'archiviazione dei dati. Vedremo le diverse fonti da cui puoi attingere, l'aspetto che possono avere i dati, come conservarli una volta raccolti e come una data pipeline può automatizzare il processo.
3
Preparazione, esplorazione e visualizzazione
La preparazione dei dati è fondamentale: i data scientist trascorrono l'80% del tempo a pulire e manipolare i dati e solo il 20% ad analizzarli davvero. Questo capitolo ti mostrerà come diagnosticare i problemi nei tuoi dati e gestire valori mancanti e outlier. Poi passerai alla visualizzazione, un altro strumento essenziale sia per esplorare i dati sia per comunicare i risultati.
4
Sperimentazione e previsione
In questo capitolo finale parleremo di sperimentazione e previsione! Partendo dagli esperimenti, tratteremo l'A/B testing, per poi passare al forecasting su serie temporali, dove impareremo a prevedere eventi futuri. Infine, concluderemo con il Machine Learning, concentrandoci sul supervised learning e sul clustering.
Capire la Data Science
Corso
completato
