تجزیه و تحلیل داده های یادگیری بخش 2: گسترش و بکارگیری دانش اصلی

مدرس Robin Hunt

انتشار 2021/06/29

به‌روز‌رسانی 2023/12/19

مدت زمان 3h 22m

سطح مناسب همه

فایل تمرینی دارد

آموزش Learning Data Analytics Part 2: Extending and Applying Core Knowledge

کار با داده ها یک چیز است. ارائه مجموعه داده‌های با کیفیت و تجسم‌های دقیق برای تصمیم‌گیری، دیگری است. اگر به یک دوره آموزشی یا حرفه ای در تجزیه و تحلیل داده ها فکر می کنید، این دوره می تواند به شما کمک کند تا شروع خوبی داشته باشید. رابین هانت، مدیرعامل و یکی از بنیانگذاران ThinkData Solutions، مهارت‌های عملی را به اشتراک می‌گذارد تا به شما کمک کند از داده‌های خود بیشترین بهره را ببرید و حرفه خود را در داده‌ها شروع کنید. رابین در مورد قوانین کسب و کار، فیلتر کردن نویز در داده‌هایی که همه ما با آن سروکار داریم، و نحوه ارائه آنچه تصمیم گیرندگان می‌خواهند صحبت می‌کند. او نحوه ایجاد مجموعه‌های داده با پرس‌و‌جوها، پیوستن و ضمیمه‌ها را پوشش می‌دهد، سپس به ساخت داده‌های انبوه با کل کوئری‌ها می‌پردازد. رابین به محورها، نحوه استفاده از محورها برای ساخت داشبوردها و تجسم‌های اولیه و نحوه استفاده از Power Query برای تبدیل داده‌ها می‌پردازد. او با بهترین شیوه ها برای جلسات و رساندن کار شما به سطح بعدی برای سازمان شما به پایان می رسد.

Data Analytics

Introduction

Extending your data analysis skills ()

What you should know ()

Required software ()

1. Working with Business Data

Understanding business rules ()

Understanding noise in data ()

Breaking down the ask ()

Challenge: Getting started ()

Solution: Getting started ()

2. Building Data Sets with Queries

Understanding queries ()

Building basic select queries ()

Building distinct queries ()

Building queries with Joins ()

Building append queries ()

Building total queries ()

Challenge: Total number of orders by customer ()

Solution: Total number orders by customer ()

3. Chart Data Anytime and Anywhere

Ad hoc reporting ()

Building basic charts visual ()

Visuals using conditional formatting ()

Setting templates and default charts ()

Linking verus embedding charts and data ()

Challenge: Ad hoc presentation ()

Solution: Ad hoc presentation ()

4. Pivot Data Anytime and Anywhere

What are pivots? ()

Build basic pivot tables ()

Modifying pivots for readability ()

Visualizing pivot tables ()

Using pivots to filter data sets ()

Challenge: Best customer year ()

Solution: Best customer year ()

5. Building in Power BI Desktop

Building dashboards ()

Building a matrix and visuals ()

Use cards for numbers ()

Using visuals in Power BI for filters ()

Publishing visuals and data sets ()

Challenge: Product dashboard ()

Solution: Product dashboard ()

6. Power Query Tips and Tricks for Data Analysts

Using column profile to learn the data ()

Appending data by leveraging folders ()

Duplicate or reference data sets ()

Unpivoting data from existing reports ()

Custom sorting in Power BI ()

Challenge: Custom sort by education ()

Solution: Custom sort by education ()

7. Presenting Data in Meetings

Consider how to present data in meetings ()

What to do before going company wide ()

Leveraging PowerPoint for presentations ()

Documenting data procedures ()

Challenge: Highlight dashboard using PowerPoint ()

Solution: Highlight dashboard using PowerPoint ()

Conclusion

Continuing on with data analysis ()

Ex_Files_Learning_Data_Analytics_P2.zip (108.4 MB)

Glossary_LearningDataAnalytics_ExtendingApplyingCoreKnowledge.zip (136 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 بخش 2: گسترش و بکارگیری دانش اصلی

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 Part 2: Extending and Applying Core Knowledge در 3 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 بخش 2: گسترش و بکارگیری دانش اصلی ، ایستگاه شماره 5 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 بخش 2: گسترش و بکارگیری دانش اصلی ، ایستگاه شماره 4 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 بخش 2: گسترش و بکارگیری دانش اصلی ، ایستگاه شماره 3 در مسیر یادگیری الزامات شغلی در تجزیه و تحلیل داده توسط مایکروسافت و لینکدین ، است.