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 appassionante e in rapida crescita, 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 conoscenze e insight da dati reali. Quindi non farti intimidire dai termini tecnici. 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 "Mostra trascrizione" 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 il corso chiarendo cos'è la data science. Esploreremo il suo flusso di lavoro e come può essere applicata a problemi reali. Concluderemo il capitolo imparando a conoscere i principali ruoli professionali all'interno di questo settore.
- Che cos'è la Data Science o scienza dei dati?50 XP
- Scienza dei dati ovunque!50 XP
- L’importanza della data science50 XP
- Applicazioni della Data Science50 XP
- Dose giornaliera di Data Science50 XP
- La scienza degli assistenti intelligenti50 XP
- Ruoli e strumenti della Data Science50 XP
- Selezionare il candidato giusto50 XP
- Un ruolo da data scientist50 XP
2
Raccolta e Archiviazione dei dati
Ora che abbiamo compreso il flusso di lavoro della data science, approfondiamo la prima fase: la raccolta e l'archiviazione dei dati. Scopriremo quali sono le diverse fonti di dati a cui puoi attingere, come si presentano i dati, come archiviarli una volta raccolti e come una pipeline di dati può automatizzare il processo.
3
Preparazione, esplorazione e visualizzazione
La preparazione dei dati è fondamentale: i data scientist dedicano l'80% del loro tempo alla pulizia e alla manipolazione dei dati e solo il 20% del loro tempo all'analisi effettiva. Questo capitolo ti mostrerà come diagnosticare i problemi nei tuoi dati, come gestire i valori mancanti e gli outlier o valori anomali. Imparerai poi a conoscere la visualizzazione, un altro strumento essenziale per esplorare i tuoi dati e comunicare i tuoi risultati.
4
Sperimentazione e previsione
In questo capitolo finale, parleremo di sperimentazione e previsione! Iniziando con gli esperimenti, parleremo dei test A/B e passeremo alla previsione di serie temporali, dove impareremo a prevedere eventi futuri. Infine, concluderemo con il machine learning, esaminando l'apprendimento supervisionato e il clustering.
Comprendere la Data Science
Corso
completato
