روانی داده: کاوش و توصیف داده ها

مدرس Barton Poulson

انتشار 2022/03/25

مدت زمان 5h 18m

سطح مناسب همه

فایل تمرینی دارد

آموزش Data Fluency: Exploring and Describing Data

تجزیه و تحلیل داده ها فقط برای متخصصانی نیست که نیاز به درک مجموعه داده های عظیم دارند. تصمیم گیرندگان در هر صنعتی می توانند از درک اساسی اهداف و مفاهیم تحلیل داده های کاربردی بهره مند شوند. در این دوره، بارتون پولسون بر اصول روانی داده ها یا توانایی کار با داده ها برای استخراج بینش و تعیین مراحل بعدی شما تمرکز می کند. بارتون نشان می دهد که چگونه کاوش داده ها با نمودارها و توصیف داده ها با آمار می تواند به شما در رسیدن به اهداف و تصمیم گیری بهتر کمک کند. او به جای تمرکز بر ابزارهای خاص، روی روش های کلی تمرکز می کند که می تواند به شما در حل مشکلات خاص کمک کند. بارتون نحوه تهیه و تطبیق داده ها، کاوش بصری آنها و استفاده از روش های آماری برای توصیف آنها را پوشش می دهد. او به عمق احتمالات و تداخل می پردازد و همچنین به اخلاق داده ها و هوش مصنوعی قابل توضیح اشاره می کند.

Data Science

Introduction

Make better decisions with your data ()

1. Think with Data

The meaning of data fluency ()

Data fluency is for everyone ()

Data fluency in practice ()

Making intuitive thinking explicit ()

Thinking about causes ()

How to develop data fluency ()

Data-driven decision-making ()

ROI and the 80/20 rule for data fluency ()

Putting data in context ()

2. Prepare Data

Data ethics ()

Use in-house data ()

Use open data ()

Gather new data ()

Use third-party data ()

Assess the quality of data ()

Assess the generalizability of data ()

Assess the meaning of data ()

Assess the ambiguities in data ()

3. Adapt Data

Sort data ()

Filter data ()

Combine and split categories ()

Code text ()

Calculate sums and means ()

Calculate rates ()

Calculate ratios ()

Adjust ratios in practice ()

4. Explore Data

Visual primacy: The importance of starting with pictures ()

Bar charts ()

Grouped bar charts ()

Pie charts ()

Dot plots ()

Box plots ()

Histograms ()

Line charts ()

Sparklines ()

Scatterplots ()

Data maps ()

5. Describe Data

Numerical descriptions ()

Describe measures of center ()

Describe variability with the range and IQR ()

Describe variability with the variance and standard deviation ()

Rescale data with z-scores ()

Interpret z-scores ()

Describe group differences with effect sizes ()

Predict scores with regression ()

Describe associations with correlations ()

Effect size for correlation and regression ()

Exploring tables ()

6. Probability and Inference

Basic probability ()

Conditional probability ()

Expected values ()

Sampling variation ()

Inference as describing populations ()

7. Continuing Your Data Fluency Learning Quest

Next steps and additional resources ()

Ex_Files_Data_Fluency_Exploring_and_Describing.zip (180 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش روانی داده: کاوش و توصیف داده ها

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Data Fluency: Exploring and Describing Data در 4 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

تحلیلگران داده ها اطلاعات را با استفاده از ابزارهای تجزیه و تحلیل داده ها بررسی می کنند و به تیم های خود در توسعه بینش و استراتژی های تجاری کمک می کنند. شما به مهارت هایی در ریاضیات، آمار، ارتباطات و کار با ابزارهای طراحی شده برای تجزیه و تحلیل داده ها و تجسم داده ها نیاز دارید. این حرفه پر تقاضا را کاوش کنید.

آموزش روانی داده: کاوش و توصیف داده ها ، ایستگاه شماره 3 در مسیر یادگیری یک تحلیلگر داده شوید ، است.

مسیر یادگیری یک تحلیلگر داده شوید

چه در IT کار می کنید و چه به سادگی علاقه مند به ورود به حوزه هیجان انگیز هستید، این مسیر یادگیری شما را در توسعه حرفه ای در علم داده پشتیبانی می کند. در مورد مراحل اساسی کار علم داده، از مهندسی آمار و سیستم گرفته تا داده کاوی و یادگیری ماشین بیاموزید.

آموزش روانی داده: کاوش و توصیف داده ها ، ایستگاه شماره 10 در مسیر یادگیری دانشمند داده شوید ، است.

مسیر یادگیری دانشمند داده شوید

اگر شغل شما شامل تجزیه و تحلیل داده ها به هر درجه ای است و با مفاهیم و کاربردهای اصلی تجزیه و تحلیل داده ها (از جمله ابزارهای محبوب) آشنا هستید، مهارت های خود را به سطح بعدی ارتقا دهید. برای به دست آوردن مهارت های داده ای که برای رشد یا تغییر شغل خود نیاز دارید، در این مسیر یادگیری تنظیم کنید.

آموزش روانی داده: کاوش و توصیف داده ها ، ایستگاه شماره 1 در مسیر یادگیری مهارت های تجزیه و تحلیل داده های خود را توسعه دهید ، است.

مسیر یادگیری مهارت های تجزیه و تحلیل داده های خود را توسعه دهید

رهبران فناوری فراتر از تسلط بر مهارت های کدنویسی و دانش فناوری هستند تا تیم های خود را برای موفقیت در موقعیت قرار دهند. در این مسیر یادگیری، مهارت های ضروری مورد نیاز به عنوان یک رهبر فناوری، از هوش تجاری و توسعه گرفته تا رهبری فکری، راهنمایی و مدیریت تیم را به دست خواهید آورد.

آموزش روانی داده: کاوش و توصیف داده ها ، ایستگاه شماره 2 در مسیر یادگیری مهارت های مورد نیاز برای رهبری فناوری ، است.