After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Що таке data science, чому воно таке популярне і чому Harvard Business Review назвало його «найпривабливішою професією XXI століття»? У цьому нетехнічному курсі ви отримаєте відповіді на все, що соромилися запитати про цю динамічну галузь, і для цього не доведеться писати жодного рядка коду. На практичних вправах ви дізнаєтеся про різні ролі дата-сайентів, базові теми на кшталт A/B-тестування, аналізу часових рядів і машинного навчання, а також про те, як фахівці з даних отримують знання та інсайти з реальних даних. Тож не лякайтеся модних термінів. Починайте навчання, опановуйте затребувані навички й переконайтеся, що data science — для кожного!У відео є живі транскрипти — їх можна відкрити, натиснувши «Show transcript» у нижньому лівому куті відео.Глосарій курсу розміщено праворуч у розділі з матеріалами.Щоб отримати кредити CPE, вам потрібно завершити курс і набрати 70% у кваліфікаційному оцінюванні. Перейти до оцінювання можна, натиснувши на блок про кредити CPE праворуч.
Попередні вимоги
Для цього курсу немає попередніх вимог
Навчальний план
Зміст курсу
1
Вступ до Data Science
Почнемо курс із визначення, що таке data science. Розглянемо робочий процес у data science і те, як його застосовують до реальних задач. Завершимо розділ оглядом різних ролей у цій галузі.
2
Збирання та зберігання даних
Тепер, коли ми розуміємо робочий процес data science, зануримося глибше в перший крок — збирання та зберігання даних. Розглянемо різні джерела даних, з якими ви можете працювати, як виглядають ці дані, як їх зберігати після збирання, а також як конвеєр даних може автоматизувати процес.
3
Підготовка, дослідження та візуалізація
Підготовка даних — це основа: дата-сайенти витрачають 80% часу на очищення й опрацювання даних і лише 20% — на власне аналіз. У цьому розділі ви навчитеся виявляти проблеми у даних, працювати з пропущеними значеннями та викидами. Далі ви опануєте візуалізацію — ще один ключовий інструмент для дослідження даних і подання результатів.
4
Експерименти та передбачення
У фінальному розділі ми поговоримо про експерименти та передбачення. Почнемо з експериментів і A/B-тестування, далі перейдемо до прогнозування часових рядів, де навчимося передбачати майбутні події. Завершимо машинним навчанням, розглянувши навчання з учителем і кластеризацію.
Розуміння Data Science
Курс
завершено
