После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Что такое наука о данных, почему она так популярна и почему Harvard Business Review назвал её «самой сексуальной профессией XXI века»? В этом нетехническом курсе вы познакомитесь со всем, о чём когда-либо боялись спросить, — без единой строчки кода. Через практические упражнения вы узнаете о различных ролях специалистов по данным, познакомитесь с такими темами, как A/B-тестирование, анализ временных рядов и машинное обучение, а также поймёте, как извлекаются знания и выводы из реальных данных. Не пугайтесь сложных терминов. Начните учиться, освойте навыки в одной из самых востребованных областей и убедитесь, что наука о данных доступна каждому!Видеоуроки содержат интерактивные субтитры — их можно открыть, нажав «Show transcript» в левом нижнем углу плеера.Глоссарий курса находится справа в разделе ресурсов.Для получения кредитов CPE необходимо пройти курс и набрать не менее 70% на квалификационной оценке. Перейти к оценке можно, нажав на блок CPE credits справа.
Предварительные требования
Для этого курса нет предварительных требований
Программа
План курса
1
Введение в науку о данных
Мы начнём курс с определения понятия «наука о данных». Вы познакомитесь с рабочим процессом специалиста по данным и узнаете, как наука о данных применяется для решения реальных задач. В конце главы мы рассмотрим различные роли в этой области.
2
Сбор и хранение данных
Теперь, когда вы понимаете рабочий процесс науки о данных, мы подробнее остановимся на первом его этапе: сборе и хранении данных. Вы узнаете, из каких источников можно получать данные, как они выглядят, как их хранить после сбора и как конвейер данных позволяет автоматизировать этот процесс.
3
Подготовка, исследование и визуализация
Подготовка данных — это основа работы: специалисты по данным тратят 80% своего времени на очистку и преобразование данных и лишь 20% — на их анализ. В этой главе вы научитесь выявлять проблемы в данных, работать с пропущенными значениями и выбросами. Затем вы познакомитесь с визуализацией — незаменимым инструментом как для исследования данных, так и для представления результатов.
4
Эксперименты и прогнозирование
В завершающей главе мы поговорим об экспериментах и прогнозировании. Начнём с A/B-тестирования, затем перейдём к прогнозированию временных рядов и методам предсказания будущих событий. В финале рассмотрим машинное обучение: обучение с учителем и кластеризацию.
Понимание науки о данных
Курс
завершён
