After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Czym jest data science, dlaczego cieszy się taką popularnością i dlaczego Harvard Business Review okrzyknął tę dziedzinę „najseksowniejszą pracą XXI wieku"? W tym kursie bez kodu zostaniesz wprowadzony(-a) w świat data science – bez potrzeby pisania choćby jednej linii kodu. Dzięki praktycznym ćwiczeniom poznasz różne role data scientistów, podstawowe zagadnienia, takie jak testy A/B, analiza szeregów czasowych i uczenie maszynowe, oraz sposoby, w jakie data science pozwala wydobywać wiedzę i wnioski z danych ze świata rzeczywistego. Nie zrażaj się żargonem – zacznij się uczyć, zdobądź umiejętności w jednej z najbardziej poszukiwanych dziedzin i przekonaj się, że data science jest dla każdego!Filmy zawierają napisy, które możesz wyświetlić, klikając „Pokaż transkrypt" w lewym dolnym rogu odtwarzacza.Słownik pojęć kursu znajdziesz po prawej stronie, w sekcji z zasobami.Aby uzyskać punkty CPE, musisz ukończyć kurs i zdobyć co najmniej 70% punktów w kwalifikowanym teście. Do testu możesz przejść, klikając informację o punktach CPE widoczną po prawej stronie.
Wymagania wstępne
Ten kurs nie ma wymagań wstępnych
Program kursu
Plan kursu
1
Wprowadzenie do data science
Kurs zaczniemy od zdefiniowania pojęcia data science. Omówimy przepływ pracy w data science i sposób, w jaki stosuje się tę dziedzinę do rozwiązywania rzeczywistych problemów. Na koniec rozdziału poznasz różne role w obszarze data science.
2
Zbieranie i przechowywanie danych
Skoro rozumiemy już przepływ pracy w data science, czas przyjrzeć się bliżej pierwszemu jego etapowi – zbieraniu i przechowywaniu danych. Poznasz różne źródła danych, dowiesz się, jak wyglądają te dane, jak je przechowywać po zebraniu oraz w jaki sposób potok danych może zautomatyzować cały ten proces.
3
Przygotowanie, eksploracja i wizualizacja danych
Przygotowanie danych to fundament pracy analitycznej – data scientyści poświęcają aż 80% czasu na czyszczenie i przekształcanie danych, a jedynie 20% na ich faktyczną analizę. W tym rozdziale nauczysz się, jak diagnozować problemy w danych oraz jak radzić sobie z brakującymi wartościami i wartościami odstającymi. Następnie poznasz wizualizację – kolejne niezbędne narzędzie, które pomaga zarówno eksplorować dane, jak i prezentować wyniki.
4
Eksperymentowanie i prognozowanie
W ostatnim rozdziale zajmiemy się eksperymentowaniem i prognozowaniem. Zaczniemy od testów A/B, przejdziemy do prognozowania szeregów czasowych i nauki przewidywania przyszłych zdarzeń, a zakończymy na uczeniu maszynowym – przyjrzymy się uczeniu nadzorowanemu i klastrowaniu.
Zrozumieć data science
Kurs
ukończony
