تجزیه و تحلیل داده های یادگیری: 1 مبانی

مدرس Robin Hunt

انتشار 2021/04/22

به‌روز‌رسانی 2023/12/19

مدت زمان 3h 29m

سطح مناسب همه

فایل تمرینی دارد

آموزش Learning Data Analytics: 1 Foundations

آیا شما علاقه مند به دنبال کردن حرفه ای در تجزیه و تحلیل داده هستید؟ در این دوره، مربی رابین هانت شما را به ذهن یک تحلیلگر می آورد. او مفاهیم اساسی را تعریف و توضیح می دهد، مانند نحوه تفکر در مورد داده ها، نحوه کار با دیگران در نقش های مختلف برای به دست آوردن داده های مورد نیاز، و ابزارهایی که برای کار با داده ها نیاز دارید، مانند اکسل و مایکروسافت اکسس. او شما را با پرس و جوهای SQL، PowerBI و موارد دیگر آشنا می کند. رابین وارد نحو می شود و توضیح می دهد که چگونه داده هایی را که می بینید تفسیر کنید، داده های مورد نیاز خود را پیدا کنید و داده ها را برای کار داده موثر پاک کنید. او درباره حاکمیت داده ها و نحوه پرسیدن سؤالات صحیح از بخش های مختلف برای جمع آوری داده های مورد نیاز توضیح می دهد. Robin نحوه کار با داده ها، از جمله نحوه وارد کردن داده، کار با فایل های مسطح مانند CSV و ایجاد مجموعه داده برای دیگران را نشان می دهد. رابین به معنای تمیز کردن و مدل‌سازی و همچنین نحوه استفاده از Power Query در اکسل می‌پردازد. او همچنین مجموعه‌های چالش/راه‌حل را در هر فصل اضافه کرده است تا به شما در ارزیابی مهارت‌هایتان کمک کند.

Data Analytics

Introduction

Beginning your data analysis journey ()

What you should know ()

Using the exercise files ()

1. Getting Started with Data Analysis

Defining data analysis and data analyst ()

Discovering if you are an analyst ()

Organizational roles in data ()

Understanding types of data job roles ()

Discovering skills of the data analyst ()

2. Fundamentals of Data Understanding

Learning to identify data ()

Learning about data fields and types ()

Dealing with the data you don't have ()

Learning syntax ()

Learning basic SQL statements ()

Challenge: Reading SQL ()

Solution: Reading SQL ()

3. Key Elements to Understand when Starting Data Analysis

Learning to interpret existing data ()

Finding existing data ()

Cleaning data ()

Understanding data and workflow ()

Understanding joins ()

Working with joins and validation ()

Challenge: Products are not categorized ()

Solution: Products are not categorized ()

4. Getting Started with a Data Project

Getting started with data projects ()

Discovering common beginner mistakes ()

Learning Excel datasets ()

Learning database datasets ()

Maintaining original data ()

Understanding truths ()

5. Data Importing, Exporting, and Connections

Learning about data governance ()

Understanding source data ()

Working with flat files ()

Working with connections ()

Creating datasets for others ()

6. Getting Started with Data Cleaning and Modeling

Understanding ETL in data ()

Cleaning data using Excel macros ()

Cleaning data with Power Query ()

Working with reusable data ()

Modeling data with queries ()

Modeling data in Power Query ()

Challenge: Rename headers in Power Query ()

Solution: Rename headers in Power Query ()

7. Applying Common Techniques for All Data Analysts

Convert data in Power Query ()

Finding and removing duplicates ()

Changing case and replace values ()

Combining data with merge columns ()

Creating logical functions ()

Building aggregate datasets ()

Challenge: Count and amounts of products ()

Solution: Count and amounts of products ()

Conclusion

More resources for your learning data analytics journey ()

Ex_Files_Data_Analytics.zip (181.2 MB)

Glossary_LearningDataAnalytics_Foundations.zip (135 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 تجزیه و تحلیل داده های یادگیری: 1 مبانی

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 Learning Data Analytics: 1 Foundations در 5 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 کمک می کنند تا بینش ها و استراتژی های تجاری را توسعه دهند. 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 تجزیه و تحلیل داده های یادگیری: 1 مبانی ، ایستگاه شماره 4 در مسیر یادگیری یک تحلیلگر داده شوید ، است.

مسیر یادگیری یک تحلیلگر داده شوید

مفاهیم و مهارت های مورد نیاز برای تجزیه و تحلیل داده ها، از جمله آمار، پیش بینی مالی، داده کاوی، تجزیه و تحلیل پیش بینی و متاآنالیز را به طور کامل به دست آورید.

آموزش تجزیه و تحلیل داده های یادگیری: 1 مبانی ، ایستگاه شماره 3 در مسیر یادگیری یک متخصص تجزیه و تحلیل داده ها شوید ، است.

مسیر یادگیری یک متخصص تجزیه و تحلیل داده ها شوید

مهارت های مورد نیاز برای یک حرفه در تجزیه و تحلیل داده ها را کشف کنید. مفاهیم اساسی مورد استفاده در تجزیه و تحلیل داده ها و تمرین با استفاده از ابزارهای نرم افزاری برای تجزیه و تحلیل داده ها و تجسم داده ها را بیاموزید.

آموزش تجزیه و تحلیل داده های یادگیری: 1 مبانی ، ایستگاه شماره 2 در مسیر یادگیری الزامات شغلی در تجزیه و تحلیل داده توسط مایکروسافت و لینکدین ، است.

مسیر یادگیری الزامات شغلی در تجزیه و تحلیل داده توسط مایکروسافت و لینکدین

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 تجزیه و تحلیل داده های یادگیری: 1 مبانی ، 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

پس از تکمیل این مسیر یادگیری، درک کاملی از مهارت های مورد نیاز برای مشاغل در تجزیه و تحلیل و تجزیه و تحلیل داده ها خواهید داشت. شما انواع مختلفی از نقش های شغلی را به همراه مفاهیم و مهارت های نرم افزاری که کارفرمایان در استخدام آینده نگر به دنبال آن هستند بررسی خواهید کرد.

آموزش تجزیه و تحلیل داده های یادگیری: 1 مبانی ، ایستگاه شماره 5 در مسیر یادگیری کاوش شغلی در تجزیه و تحلیل داده ها ، است.