After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Vad är datavetenskap, varför är det så populärt, och varför utnämnde Harvard Business Review det till "sexigaste jobbet på 2000-talet"? I den här icke-tekniska kursen får du en introduktion till allt du någonsin velat veta om det här snabbväxande och spännande området – utan att behöva skriva en enda rad kod. Genom praktiska övningar lär du dig om olika roller inom datavetenskap, grundläggande ämnen som A/B-testning, tidsserieanalys och maskininlärning, samt hur datavetare utvinner kunskap och insikter från verkliga data. Låt dig inte skrämmas av buzzorden. Börja lära dig, bygg eftertraktade färdigheter och upptäck varför datavetenskap är till för alla!Videorna innehåller live-transkript som du hittar genom att klicka på "Visa transkript" längst ned till vänster i videospelaren.Kursglosset finns till höger i resurssektionen.För att få CPE-poäng behöver du slutföra kursen och nå 70 % på det kvalificerade provet. Du når provet via CPE-länken till höger.
Förkunskapskrav
Det finns inga förkunskapskrav för den här kursen
Kursplan
Kursöversikt
1
Introduktion till datavetenskap
Vi börjar kursen med att definiera vad datavetenskap är. Vi går igenom arbetsflödet inom datavetenskap och hur det tillämpas på verkliga problem. Kapitlet avslutas med en genomgång av olika roller inom datavetenskapsfältet.
2
Datainsamling och lagring
Nu när vi förstår arbetsflödet inom datavetenskap fördjupar vi oss i det första steget: datainsamling och lagring. Vi lär oss om olika datakällor, hur data kan se ut, hur man lagrar insamlad data och hur en datapipeline kan automatisera processen.
3
Förberedelse, utforskning och visualisering
Dataförberedelse är grundläggande: datavetare lägger 80 % av sin tid på att rensa och bearbeta data, och bara 20 % på att faktiskt analysera den. Det här kapitlet visar dig hur du identifierar problem i dina data, hanterar saknade värden och avvikare. Sedan lär du dig om visualisering – ett viktigt verktyg för att både utforska data och kommunicera dina fynd.
4
Experiment och prediktioner
I det här sista kapitlet tar vi upp experiment och prediktioner. Vi börjar med A/B-testning och går sedan vidare till tidsserieprognoser, där vi lär oss förutsäga framtida händelser. Kapitlet avslutas med maskininlärning, där vi tittar på övervakad inlärning och klustring.
Förstå datavetenskap
Kurs
slutförd
