План на курса
- Въведение
-
Какво е данните анализ?
• Примери за анализ на данни
• Започване с тълкуването на данните
• Използване на основна статистика за тълкуване на данните
• Използване на графики за тълкуване на данните -
R и Python
• Сравнение между R и Python за анализ на данни -
Работна среда
• Подготовка за кодиране
• Запис на данни от R във файл
• Приготвяне на работната среда
• Изтегляне и подготвяне на R и RStudio - проверка дали средата работи -
Получаване на синтеза данни и наблюдения
• Наблюдения за данните
• Филтриране на данните - наблюдения за данните
• Използване на предоставените R скриптове, модифицирани и изпълнявани за получаване на резултатите и проверка -
RMarkdown
• R Markdown
• Изпълнение на RMD файла след обновяване според вашата среда, и валидация. -
Статистически мерки
• Статистически мерки -
Графики и диаграми
• Създаване на графики и диаграми
• Диаграма с пет мерки - box plot • Обновяване на R скриптовете според вашата среда, изпълнение и проверка. -
Корелация
• Коефициент на корелация -
Mosaic диаграми
• Създаване на mosaic диаграма
• Разбиране и корекция на кода, за да се правят ясни етикети в рамките на диаграмата -
Делова диаграма
• Създаване на делова диаграма
• Обновяване на кода за създаване на делова диаграма за продажби в различните сегменти в едно и също набор данни -
Диаграма scatter
• Създаване на диаграма scatter
• Използване на предоставения R скрипт за обновяване и създаване на диаграма scatter за всички променливи. -
Линейна графика
• Създаване на линейна графика
• Използване на първите 20 реда от набора данни и обновяване на R скрипта за изпълнение -
Q-Q графика
• Q-Q графика - Quantile-Quantile графики
• Обновяване на R скрипта за създаване на Q-Q графика за отстъпки -
Python среда
• Python среда
• Добавяне на коментари към Python код (Data_Summary.py)
• Използване на VS Code IDE за изпълнение на скрипта
• Започване с Python
• Изпълнение на скрипта в RStudio средата; обновяване на скрипта при нужда -
Python и графика
• Използване на Python код от R код
• Python nulls и NAs
• Графика в Python
• Използване на Python за създаване на графики и гистограми, базирани на R скриптовете от предходните раздели -
Проект
• Анализ на данните за даден набор данни - Financial Sample.xlsx
• Работа по проект -
База данни и SQL
• Бази данни и структуриран език за запитвания (SQL)
• Инсталиране на MySQL база данни и проверка на средата
• Работа с Python и SQL
• Инсталиране на MySQL библиотеки
• GUI инструмент за MySQL база данни
• Инсталиране на DB Visualizer
• Използване на Python с SQL
• Изпълнение на запитвания в MySQL база данни с Python
Изисквания
Работно знание за компютри и софтуер, както и основни познания по математика/статистика. Предходно програмиране помага. Подходящо за технически и бизнес професионалисти с интерес към ученето.
Отзиви от потребители (5)
Разнообразни практически упражнения ни позволиха да се запознаем с действието на програмата. Goясни обяснения и интеграция на теоретични концепции и как те са свързани с практическото им приложение.
Ian - Archeoworks Inc.
Курс - ArcGIS Fundamentals
Машинен превод
Всички теми, които той покрива, включително и примери. И обясни как те са полезни в нашата ежедневна работа.
madduri madduri - Boskalis Singapore Pte Ltd
Курс - QGIS for Geographic Information System
Машинен превод
Хареса ми стила на Пабло, факта, че той покриваше много теми от дизайна на отчети, персонализиране с html до прилагане на прости ML алгоритми. Goот баланс теоретична информация / упражнения. Пабло наистина обхвана всички теми, които ме интересуваха, и даде изчерпателни отговори на въпросите ми.
Cristian Tudose - SC Automobile Dacia SA
Курс - Advanced Data Analysis with TIBCO Spotfire
Машинен превод
Практично приложение на Spotfire и всички базови функции.
Michael Capili - STMicroelectronics, Inc.
Курс - Introduction to Spotfire
Машинен превод
Когато ми харесах най-много в обучението беше организацията и местоположението
Hamid Tuama - Ability with Innovation General Contracting (DMCC Branch)
Курс - ArcGIS for Spatial Analysis
Машинен превод