Kurzusleírás
- Bevezetés
- Mi az a Data Analytics
• Példák adatelemzésre
• Az adatok értelmezésének megkezdése
• Alapvető statisztikák használata az adatok értelmezéséhez
• Diagramok használata az adatok értelmezéséhez - R és Python
• R vs Python használata Data Analysis esetén - Munkakörnyezet
• Felkészülés a kódolásra
• Adatok írása R-ből fájlba
• Munkakörnyezet előkészítése
• Töltse le és készüljön fel az R és az RStudio segítségével – győződjön meg arról, hogy a környezet működik - Adatösszegzés és megfigyelések lekérése
• Adatmegfigyelések
• Adatmegfigyelések – Az adatok szűrése
• A módosításhoz használja a mellékelt R szkripteket; hajtsa végre őket, hogy megkapja az eredményeket és ellenőrizze - RMarkdown
• R Markdwon
• Használja az RMD-fájlt a végrehajtáshoz a környezetnek megfelelő frissítés és érvényesítés után. - Statisztikai mérőszámok
• Stats Measure - Plots és diagramok
• Ábrázolás és ábrázolás
• Box Plots – öt mérőszám
• Frissítse az R szkripteket a környezetének megfelelően, majd futtassa és ellenőrizze. - Korreláció
• Korrelációs együttható - Mozaik telkek
• Mozaik telek építése
• Oldja meg a kódot, hogy a diagramcímkék olvashatóan jelenjenek meg a területen - Kördiagram
• Kördiagram
• Frissítse a kódot, hogy megkapja az értékesítési kördiagramot a szegmensekhez ugyanazon az adatkészleten belül - Scatter Plots
• Szórványábrázolás
• Használja a mellékelt R szkriptet az összes változó frissítéséhez és szóródási diagramjának lekéréséhez. - Vonal grafikon
• Vonal grafikon
• Vegye fontolóra az adatkészlet első 20 sorát, frissítse az R szkriptet, és futtassa - QQ telkek
• QQ Plots - Quantile-Quantile plots
• Frissítse az R szkriptet a QQ plot for Discounts lekéréséhez - Python Környezet
• Python Környezet
• Megjegyzések hozzáadása a Python kódhoz (Data_Sumamry.py)
• Használja a VS Code IDE-t a szkript futtatásához
• Kezdő lépések a Python segítségével
• Használja a szkriptet az RStudio környezetben való futtatáshoz; szükség szerint frissítse a szkriptet - Python és Ploting
• Működő Python kód az R kódból
• Python Nullok és NA-k
• Tervezés Python
• Kódolja a Python-ban az oszlopokat és a hisztogramokat az előző szakaszokból származó R szkriptek alapján - Projekt
• Elemezze az adott adatkészlet adatait - Pénzügyi minta.xlsx
• Projekt munka - Database és SQL
• Database és Strukturált lekérdezési nyelv
• Telepítse a MySQL adatbázist és ellenőrizze a környezetét
• Munkavégzés a Python plusz SQL
• Telepítsen MySQL könyvtárat
• GUI eszköz MySQL adatbázishoz
• Telepítse a DB Visualizer programot
• A Python és a SQL használata
• Python MySQL adatbázissal a lekérdezések futtatásához
Követelmények
Számítógépes és szoftveres munkaismeretek, valamint matematikai/statisztikai alapismeretek. Előzetes programozási tudás segít. Alkalmas a tanulás iránt érdeklődő műszaki és üzleti szakemberek számára.
Vélemények (5)
Hands-on examples allowed us to get an actual feel for how the program works. Good explanations and integration of theoretical concepts and how they relate to practical applications.
Ian - Archeoworks Inc.
Kurzus - ArcGIS Fundamentals
Labor gyakorlat
Tse Kiat - ST Engineering Training & Simulation Systems Pte. Ltd.
Kurzus - Automated Monitoring with Zabbix
Gépi fordítás
All the topics which he covered including examples. And also explained how they are helpful in our daily job.
madduri madduri - Boskalis Singapore Pte Ltd
Kurzus - QGIS for Geographic Information System
Tetszett Pablo stílusa, az a tény, hogy rengeteg témával foglalkozott a jelentéskészítéstől, a html-el történő testreszabáson át az egyszerű ML algoritmusok megvalósításáig. Good egyensúly elméleti információk / gyakorlatok. Pablo valóban lefedett minden olyan témát, ami érdekelt, és átfogó választ adott a kérdéseimre.
Cristian Tudose - SC Automobile Dacia SA
Kurzus - Advanced Data Analysis with TIBCO Spotfire
Gépi fordítás
Actual application of spotfire and all basic functions.