Tableau 10 for Data Scientists (2017)

مدرس Matt Francis

انتشار 2016/09/12

به‌روز‌رسانی 2017/04/21

مدت زمان 2h 24m

سطح مناسب همه

فایل تمرینی دارد

آموزش Tableau 10 for Data Scientists (2017)

Tableau برای علم داده طراحی شده است! فراتر از اصول اولیه حرکت کنید و در قدرت این نرم افزار تجسم داده ها عمیق تر شوید. بیاموزید که چگونه با داده های نامرتب یا بد فرمت شده برخورد کنید، از Tableau برای پاسخ به سوالات کلیدی تجزیه و تحلیل داده ها استفاده کنید و نتایج خود را با نقشه ها و داشبوردها تجسم کنید. مت فرانسیس "Zen Master" دارای گواهی تابلو به شما نشان می دهد که چگونه از پارامترها برای بهبود تجسم ها، ایجاد فیلترهای متقابل منبع، استفاده از استخراج داده ها برای بهینه سازی اتصالات آهسته و موارد دیگر استفاده کنید.rnrn سپس نحوه اضافه کردن نقشه‌های جدید و ایجاد داشبوردهای مؤثرتر را بیابید که املاک و مستغلات صفحه را به حداکثر برسانند. کشف کنید که چگونه کنش‌ها می‌توانند برگه‌ها را به هم پیوند دهند و سطوح بیشتری از تعامل و عملکرد را ارائه دهند، و چگونه قالب‌بندی می‌تواند یک داشبورد معمولی را به توجه نیاز داشته باشد. به‌علاوه، نکات پاداشی در مورد انجام محاسبات تاریخ و زمان در Tableau دریافت کنید. این دوره به مهارت‌های عملی، کاربردی و ضروری می‌پردازد که هر کسی که در یک محیط حرفه‌ای به انجام تجسم و تجزیه و تحلیل داده‌ها نیاز دارد، باید داشته باشد.

Big Data Business Intelligence (BI) Data Analysis Data Visualization Tableau Web Analytics

Introduction

Welcome ()

What you should know ()

Exercise files ()

Learning supports ()

1. Green and Blue Pills

Discrete versus continuous ()

Rows and columns ()

Filters ()

Colors ()

Dates ()

Pills: Challenge ()

Pills: Solution ()

2. Connect and Extract Data

Connect to data ()

How to create a data extract ()

Filter extract ()

Extract: Challenge ()

Extract: Solution ()

3. Transform Data

Clean and prep your data ()

Split fields ()

Pivoting the data ()

Merge data using unions ()

Cross database joins ()

Join transformations ()

Join: Challenge ()

Join: Solution ()

4. Analytics

Colors to highlight data ()

Visual highlighter ()

The Analytics pane ()

Cross-database filtering ()

Analytics: Challenge ()

Analytics: Solution ()

5. Map Your Data

When to map your data ()

Create new maps using MapBox ()

Create custom territories ()

Mapping: Challenge ()

Mapping: Solution ()

6. Parameters

Create calculations based on a parameter ()

Create dynamic reference lines ()

Dynamic dimension and measure selector ()

Dynamic sheet selection using parameters ()

Top N analysis ()

Parameters: Challenge ()

Parameters: Solution ()

7. Dashboard Design

Dashboard layout tips ()

Layout containers ()

Filter actions ()

Highlight actions ()

URL actions ()

Formats ()

Tooltips ()

Device-specific dashboards ()

Dashboard: Challenge ()

Dashboard: Solution ()

8. Useful Calculations

Convert strings to dates ()

Calculate time durations ()

Create an initial filter from a surname ()

9. Tableau 10.2 Updates

Incorporate custom geospatial data into your viz ()

Convert string to dates with automatic dateparse ()

Create custom joins through calculations ()

Export transformed data to CSV ()

Display different color legends per measure ()

Change the format of fonts and lines across a workbook ()

Conclusion

Next steps ()

Ex_Files_Tableau10_DataSci.zip (52.0 MB)

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 Tableau 10 for Data Scientists (2017)

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 Tableau 10 for Data Scientists (2017) در 3 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

لطفاً توجه داشته باشید که LinkedIn Learning این مسیر یادگیری را در تاریخ 21 مارس 2023 بازنشسته خواهد کرد. برای دریافت گواهی پایان کار، باید تمام دوره های موجود در مسیر را قبل از آن تاریخ تکمیل کنید. همکاران عملیات تجاری در سازمان ها برای جمع آوری داده ها و بینش ها و ارزیابی طرح های تجاری داخلی کار می کنند. مهارت های کمی و تحلیلی مورد نیاز برای ترکیب برنامه ریزی استراتژیک، تجزیه و تحلیل مالی و تصمیم گیری با تجزیه و تحلیل داده ها و بینش های عمیق را ایجاد کنید.

آموزش Tableau 10 for Data Scientists (2017) ، ایستگاه شماره 12 در مسیر یادگیری یک همکار عملیات تجاری شوید ، است.

مسیر یادگیری یک همکار عملیات تجاری شوید

پس از تسلط بر مهارت های حیاتی تحت پوشش در مسیر یادگیری متخصص تجسم داده ها: مفاهیم شوید، کشف کنید که چگونه از سه مجموعه ابزار تجسم و تجزیه و تحلیل برتر استفاده کنید: Tableau، کتابخانه های جاوا اسکریپت منبع باز D3.js و dc.js و پردازش.

آموزش Tableau 10 for Data Scientists (2017) ، ایستگاه شماره 2 در مسیر یادگیری به یک متخصص تجسم داده تبدیل شوید: ابزار ، است.

مسیر یادگیری به یک متخصص تجسم داده تبدیل شوید: ابزار

Tableau یک ابزار اختصاصی پیشرو برای تجزیه و تحلیل داده ها و تجسم است. در این مسیر یادگیری، آموزش های ضروری و گسترده ای را که برای تقویت مهارت های Tableau نیاز دارید، دریافت کنید.

آموزش Tableau 10 for Data Scientists (2017) ، ایستگاه شماره 1 در مسیر یادگیری مهارت های تابلوسازی خود را بهبود بخشید ، است.