در این دوره آموزشی، نحوه کاوش و تجزیه و تحلیل داده ها را در Looker که قبلاً عمدتاً توسط توسعه دهندگان یا تحلیلگران SQL انجام می شد، یاد می گیرید. پس از اتمام این دوره، شما قادر خواهید بود از پلتفرم تحلیلی مدرن Looker برای یافتن و کاوش محتوای مرتبط در نمونه Looker سازمان خود استفاده کنید، از داده های خود سؤال بپرسید، در صورت نیاز معیارهای جدیدی ایجاد کنید، و تجسم ها و داشبوردهایی را برای تسهیل داده ها بسازید و به اشتراک بگذارید. -تصمیم گیری محوری

این دوره بر تجزیه و تحلیل و تفسیر داده ها تمرکز دارد. تمرکز بر تهیه و توصیف داده ها و تجزیه و تحلیل کمی و کیفی داده ها خواهد بود. این دوره با بحث در مورد آماده سازی داده ها، سازگاری درونی مقیاس، تجزیه و تحلیل داده های مناسب و همبستگی پیرسون شروع می شود. ما به آماری خواهیم پرداخت که می تواند برای بررسی روابط مورد استفاده قرار گیرد و در مورد آمار برای بررسی روابط با تمرکز بر رگرسیون چندگانه بحث خواهیم کرد. این دوره با تمرکز بر رگرسیون لجستیک، تحلیل عاملی اکتشافی و نتیجه تحلیل عاملی ادامه می یابد. ما قصد داریم نحوه انجام آزمایش و مطالعه مشاهده ای و همچنین تجزیه و تحلیل محتوا و استفاده از تجزیه و تحلیل دیجیتال در تحقیقات بازار را بررسی کنیم. این دوره با در نظر گرفتن تجزیه و تحلیل دیجیتال، با تاکید بر تجزیه و تحلیل برند دیجیتال، تجزیه و تحلیل مخاطب، تجزیه و تحلیل اکوسیستم دیجیتال، بازگشت سرمایه (ROI) و نقش تجزیه و تحلیل دیجیتال در تحقیقات بازار به پایان می رسد.

در این دوره، ما در مورد تأثیر متقابل قانون، تجزیه و تحلیل داده ها و نمایندگی ورزشکاران با استفاده از مسیر مسیر شغلی ورزشکار به عنوان تمرکز بحث خواهیم کرد. هدف معرفی ابزارهای تحلیلی داده ها، قوانین و مقررات قابل اجرا برای نمایندگی ورزشکاران در طول مراحل مختلف حرفه یک ورزشکار است. تمرکز اصلی بر توسعه و نمایندگی ورزشکاران در چارچوب‌های نظارتی قوانین فدرال و ایالتی و سایر مقامات مربوطه، از جمله اتحادیه‌های ورزشی حرفه‌ای است.

در این دوره، مهارت های عملیاتی پیشرفته تری را که شما و تیمتان برای اجرای یک کارآزمایی بالینی موفق نیاز دارید، یاد خواهید گرفت. شما در مورد محاسبه اندازه نمونه و نحوه ایجاد یک محاسبه اندازه نمونه که برای طراحی آزمایشی و معیارهای نتیجه شما مناسب است، یاد خواهید گرفت. همچنین یاد خواهید گرفت که از روش‌های آماری برای نظارت بر کارآزمایی خود از نظر ایمنی، یکپارچگی و اثربخشی استفاده کنید. در مرحله بعد، یاد خواهید گرفت که چگونه نتایج کارآزمایی های بالینی خود را از طریق مقالات مجلات و گزارش های نظارت بر داده ها گزارش دهید. در نهایت، نقش تحلیلگر را در طول فرآیند آزمایشی، به علاوه چند موضوع اضافی مانند شبیه‌سازی و طرح‌های تطبیقی ​​مورد بحث قرار خواهیم داد.

هدف این ماژول معرفی مفاهیم اساسی ادراک بصری به کار رفته در تجسم اطلاعات است. این مفاهیم به دانش‌آموز کمک می‌کند تا طرح‌های تجسم را از نظر اینکه چقدر از قابلیت‌های ماشین ادراکی انسان استفاده می‌کنند، ایده‌پردازی و ارزیابی کند.

در این دوره آموزشی یاد خواهید گرفت که چگونه از D3.js برای ایجاد تجسم های قدرتمند برای وب استفاده کنید. یادگیری D3.js شما را قادر می سازد انواع مختلفی از تجسم ایجاد کنید و انواع مختلف داده را تجسم کنید. این به شما آزادی می دهد تا چیزی به سادگی یک نمودار میله ای و همچنین تکنیک انقلابی جدید خود را ایجاد کنید. در این دوره به اصول ایجاد تجسم با D3 و همچنین نحوه برخورد با داده های جدولی، جغرافیا و شبکه ها خواهیم پرداخت. در پایان این دوره شما قادر خواهید بود: - ایجاد نمودارهای میله ای و خطی - ایجاد نقشه های choropleth و نمادها - ایجاد نمودارهای پیوند گره و نقشه های درختی - پیاده سازی زوم و براشینگ - پیوند دو یا چند نمایش از طریق تعامل. و سخنرانی های عملی ما گام به گام به شما نشان خواهیم داد که چگونه از کتابخانه برای ایجاد تجسم های واقعی استفاده کنید و چه مفاهیم نظری در پشت آنها نهفته است. در طول دوره شما مهارت هایی را یاد خواهید گرفت که شما را به ساخت یک برنامه کامل در پایان سخنرانی ها هدایت می کند (یک سیستم تجسم کاملاً کارآمد برای تجسم مسیرهای خطوط هوایی). این دوره سومین دوره از "تخصص در تجسم اطلاعات" است.این دوره از شما انتظار دارد که دانش اولیه برنامه نویسی و همچنین مهارت های اولیه تجسم را داشته باشید.

این دوره با هدف آشنایی فراگیران با تکنیک های تجسم پیشرفته فراتر از نمودارهای اساسی تحت پوشش در تجسم اطلاعات: مبانی است. این تکنیک‌ها حول انواع داده‌ها سازماندهی شده‌اند تا روش‌های پیشرفته را برای: داده‌های زمانی و مکانی، شبکه‌ها و درختان و داده‌های متنی پوشش دهند. در این ماژول همچنین به زبان آموزان یاد می دهیم که چگونه تکنیک های نوآورانه را در D3.js توسعه دهند. اهداف یادگیری هدف: تجزیه و تحلیل فضای طراحی راه حل های تجسم برای انواع مختلف مشکلات تجسم داده ها. بیاموزید که چه طرح هایی برای یک مشکل مشخص وجود دارد و مزایا و معایب مربوط به آنها چیست. - زمانی - مکانی - فضایی- زمانی - شبکه ها - درختان - متن این چهارمین دوره تخصصی تجسم اطلاعات است. این دوره از شما انتظار دارد که برخی از دانش های اولیه برنامه نویسی و همچنین برخی از مهارت های اولیه تجسم (همانطور که در اولین دوره تخصصی معرفی شد) داشته باشید.

هدف اصلی این تخصص، ارائه دانش و مهارت های عملی لازم برای ایجاد یک پایه قوی در تجسم اطلاعات و طراحی و توسعه برنامه های کاربردی پیشرفته برای تجزیه و تحلیل داده های بصری است. هدف این دوره معرفی دانش اساسی برای تجسم اطلاعات است. هدف اصلی این است که دانش‌آموزان را با "واژگان" لازم برای توصیف تجسم‌ها به گونه‌ای که به آنها کمک کند در مورد طرح‌هایی که برای یک مسئله معین مناسب هستند، استدلال کنند. این ماژول همچنین یک نمای کلی از زمینه تجسم ارائه می دهد و اهداف، روش ها و کاربردهای آن را معرفی می کند. یادگیرنده ای که دانش قبلی در زمینه تجسم اطلاعات داشته باشد یا بدون آن باشد، متوجه می شود که تجسم چیست، برای چیست و در چند موقعیت مختلف می توان آن را به کار برد. تمرین خواهد کرد که داده ها را به گونه ای توصیف کند که برای طراحی تجسم مفید باشد. با نمودارهای اساسی آشنا می شود تا در مورد مفهوم رمزگذاری و رمزگشایی بصری صحبت کند.

این دوره اصول اساسی رادیوگرافی معمولی، توموگرافی محوری کامپیوتری (CT)، تصویربرداری رزونانس مغناطیسی (MRI) و سونوگرافی را به فراگیران آموزش می دهد. رادیولوژی قفسه سینه، شکم، لگن، اندام‌ها، ستون فقرات و مغز در این دوره با استفاده از ترکیبی از سخنرانی‌ها و فعالیت‌ها و ارزیابی‌های عملی گسترده آموزش داده می‌شود. در پایان دوره شما قادر خواهید بود: اصول رادیوگرافی معمولی، سی تی ام آر آی و سونوگرافی را شرح دهید رویکردهای سیستماتیک برای تفسیر تصویربرداری را شرح دهید کاربرد پنجره سازی در سی تی را شرح دهید توالی در MRI و ارتباط آنها را شرح دهید. این دوره قسمت 4/4 در تخصص آناتومی انسان ییل است. موضوعات مطرح شده در این سخنرانی ها عبارتند از: مقدمه ای بر رادیوگرافی معمولی، توموگرافی کامپیوتری (CT)، سونوگرافی، تصویربرداری رزونانس مغناطیسی (MRI)، رادیولوژی قفسه سینه، سی تی قفسه سینه، رادیولوژی قفسه سینه: مقدمه ای بر آسیب شناسی، سی تی آناتومی طبیعی شکم، آناتومی کلیه سرطان کولون، نئوپلاسم کلیه، تصویربرداری لگن طبیعی، تصویربرداری لگن طبیعی مردان، زنان طبیعی تصویربرداری لگن، رادیولوژی اندام فوقانی، رادیولوژی اندام تحتانی، روش های تصویربرداری اسکلتی عضلانی، مقدمه ای بر رادیوگرافی ستون فقرات، رادیوگرافی جمجمه، اصول تصویربرداری CT مغز، آسیب شناسی تصویربرداری CT مغز، تصویربرداری رزونانس مغناطیسی مغز (MRI) و آسیب شناسی MRI مغز

در حالی که داستان‌گویی با داده‌ها بخشی از رویه خبری از روزهای اولیه آن بوده است، اما در بحبوحه یک رنسانس است. میزهای گرافیکی که قبلاً به عنوان "بخش هنر" در نظر گرفته می شدند، زیر شاخه ای خارج از کار اتاق های خبر، در حال تبدیل شدن به بخش اصلی فعالیت اتاق های خبر هستند. انتظار می رود از افرادی که گرافیک خبری طراحی می کنند (آنها اغلب عناوین مختلفی دارند: روزنامه نگاران داده، هنرمندان خبری، گزارشگران گرافیکی، توسعه دهندگان و غیره) روزنامه نگاران تمام عیار باشند و از نزدیک با خبرنگاران و سردبیران کار کنند. هدف از این کلاس این است که یاد بگیریم چگونه در مورد ارائه بصری داده ها فکر کنیم، چگونه و چرا کار می کند، و چگونه به روش صحیح انجام دهیم. ما یاد خواهیم گرفت که چگونه نمودارهایی مانند The New York Times، Vox، Pew و FiveThirtyEight بسازیم. در پایان، می‌توانید نمودارهای زیبای خود را در نشریات، پست‌های وبلاگ و وب‌سایت‌ها به اشتراک بگذارید. این دوره فرض می کند که شما مهارت های اولیه کدنویسی، ترجیحا پایتون را درک می کنید. با این حال، ما در ماژول 1 نیز بررسی مختصری در مورد پایتون ارائه می‌کنیم، در صورتی که می‌خواهید خود را در اصول اولیه تجدید کنید و تجزیه و تحلیل ساده داده‌ها را انجام دهید.

تجسم داده ها یک مهارت حیاتی برای هر کسی است که به طور معمول از داده های کمی در کار خود استفاده می کند - به این معنی که تجسم داده ها ابزاری است که تقریباً هر کارگر امروزی به آن نیاز دارد. امروزه یکی از ابزارهای حیاتی برای تجسم داده ها، زبان برنامه نویسی آماری R است. به خصوص در ارتباط با بسته‌های نرم‌افزاری tidyverse، R به یک پلتفرم بسیار قدرتمند و انعطاف‌پذیر برای ساختن شکل‌ها، جداول و گزارش‌های قابل تکرار تبدیل شده است. با این حال، R می‌تواند برای کاربرانی که برای اولین بار استفاده می‌کنند ترسناک باشد، و منابع زیادی به صورت آنلاین وجود دارد که مرتب کردن آن بدون راهنمایی دشوار است. این دوره سومین دوره تخصصی "تجسم داده ها و داشبورد در R" است. زبان آموزان با استفاده از R برای ایجاد بسیاری از انواع اصلی تجسم، عمدتاً با بسته ggplot2، وارد این دوره می شوند. بر این اساس، این دوره بر گسترش فهرست موجودی زبان آموزان از گزینه های تجسم داده ها تمرکز دارد. با استفاده از بسته‌های اضافی برای تکمیل ggplot2، زبان‌آموزان انواع بیشتری از شکل‌های سنتی را ایجاد می‌کنند و همچنین به داده‌های مکانی می‌پردازند. پایان دوره ساخت فیگورهای تعاملی و متحرک. برای رفع این نیاز، این دوره برای زبان آموزانی در نظر گرفته شده است که تجربه کمی با R دارند یا اصلاً تجربه ندارند اما به دنبال معرفی این ابزار هستند. در پایان این دوره، دانش‌آموزان می‌توانند داده‌ها را به R وارد کنند، آن داده‌ها را با استفاده از ابزارهای بسته محبوب tidyverse دستکاری کنند و با استفاده از R Markdown گزارش‌های ساده‌ای تهیه کنند. این دوره برای دانش آموزان با مهارت های محاسباتی پایه خوب طراحی شده است، اما در صورت داشتن تجربه در برنامه نویسی محدود است.

دوره تجسم پیشرفته داده با تابلو به شما می آموزد که چگونه تجسم داده های پیشرفته مانند نمودارهای دو محوره، نمودارهای نوار در میله و غیره ایجاد کنید. همچنین می‌آموزید که چگونه با استفاده از ویژگی‌هایی مانند نقشه‌ها، سفارشی‌سازی نقشه، داده‌های فضایی چند ضلعی و غیره، تجسم‌های خود را سفارشی کنید و به آن پیچیدگی اضافه کنید. این مهارت ها به شما این امکان را می دهد که بینش های خود را به طور موثر به ذینفعان خود انتقال دهید. این دوره برای هرکسی است که کنجکاو در مورد نقش‌های سطح ابتدایی است که به مهارت‌های اساسی جدول نیاز دارند، مانند نقش‌های تحلیلگر هوش تجاری یا نقش‌های تحلیلگر گزارش داده. توصیه می شود (اما نه الزامی) که تجربه ای با Tableau Public داشته باشید، اما حتی اگر در Tableau Public تازه کار هستید، همچنان می توانید در این برنامه موفق باشید. در پایان دوره، شما قادر خواهید بود: -تجسم‌های پیشرفته داده‌ها را برای برقراری ارتباط بینش‌های تحلیلی با ذینفعان مورد نظر ایجاد کنید، مانند نمودارهای دو محوره، نمودارهای میله‌ای و غیره. -تجسم داده های تجزیه و تحلیل مکانی را ایجاد و سفارشی کنید تا بینش ها را به ذینفعان مورد نظر منتقل کنید، مانند نقشه ها، سفارشی سازی نقشه، داده های فضایی چند ضلعی و موارد دیگر. -با ترکیب جزئیات و چند لایه، به تجسم های تولید شده در تحلیل خود پیچیدگی اضافه کنید.

این در صورتی است که دوره نهایی در تخصص است که بر اساس دانش آموخته شده در اصول برنامه نویسی پایتون، نمایش داده های پایتون و تجزیه و تحلیل داده های پایتون است. ما یاد خواهیم گرفت که چگونه بسته های خارجی را برای استفاده در پایتون نصب کنیم، داده ها را از منابع موجود در وب به دست آوریم، و سپس آن داده ها را تمیز، پردازش، تجزیه و تحلیل و تجسم خواهیم کرد. این دوره مهارت های آموخته شده در طول تخصص را ترکیب می کند تا شما را قادر سازد برنامه های جالب، کاربردی و مفید بنویسید. در پایان دوره، نصب بسته‌های پایتون، تجزیه و تحلیل داده‌های موجود و ایجاد تجسم آن داده‌ها راحت خواهید بود. این دوره آموزش شما را به عنوان یک اسکریپت تکمیل می کند و به شما امکان می دهد بسته های پایتون را که توسط دیگران نوشته شده است را مکان یابی، نصب و استفاده کنید. شما می توانید به طور موثر از ابزارها و بسته هایی که به طور گسترده در دسترس هستند برای تقویت اثربخشی و نوشتن برنامه های مفید استفاده کنید.

در عصر کلان داده، دستیابی به توانایی تجزیه و تحلیل و نمایش بصری "داده های بزرگ" به شیوه ای قانع کننده بسیار مهم است. بنابراین، برای دانشمندان داده ضروری است که مهارت های تولید و تفسیر انتقادی نقشه ها، نمودارها و نمودارهای دیجیتال را توسعه دهند. تجسم داده ها موضوع مهمی در جامعه جهانی و دیجیتالی ما است. این شامل نمایش گرافیکی داده ها یا اطلاعات است و تصمیم گیرندگان در صنایع مختلف را قادر می سازد تا مفاهیم و فرآیندهای پیچیده ای را درک کنند که در غیر این صورت ممکن است درک آنها چالش برانگیز باشد. DSCI 605 تجسم داده ها به عنوان پایه ای برای درک اصول، مفاهیم، ​​تکنیک ها و ابزارهای مورد استفاده برای تجسم اطلاعات در مجموعه داده های بزرگ و پیچیده عمل می کند. همچنین تجربه عملی را در تجسم داده‌های بزرگ با استفاده از نرم‌افزار منبع باز R فراهم می‌کند. از طریق این دوره، دانش‌آموزان یاد می‌گیرند که اثربخشی طرح‌های تجسم را ارزیابی کنند و درباره تصمیم‌هایی مانند انتخاب رنگ و رمزگذاری بصری فکر انتقادی کنند. علاوه بر این، دانش آموزان تجسم داده های خود را ایجاد می کنند و در استفاده از R مهارت خواهند داشت. این دوره شامل چهار بخش است. بخش اول به یادگیرندگان با حداقل یا بدون تجربه در R پاسخ می‌دهد و زمینه را برای تجسم داده‌ها با R ایجاد می‌کند. بخش دوم تکنیک‌های اولیه تجسم داده‌ها را معرفی می‌کند و به دانش‌آموزان اجازه می‌دهد تا تجربه عملی با شیوه‌های تجسم رایج برای تجزیه و تحلیل داده‌های اکتشافی (EDA) به دست آورند. ) با استفاده از ggplot2. این بخش بر کاوش داده ها قبل از پرداختن به داده کاوی پیشرفته تاکید دارد. بخش سوم بر مهارت‌های موجود در تجسم داده‌ها با بررسی موضوعات پیشرفته تجسم داده‌ها، از جمله تجسم داده‌های تعاملی، ترسیم سری‌های زمانی، و نقشه‌برداری فضایی استوار است. هدف اصلی سه بخش اول تجهیز دانش‌آموزان به مجموعه‌ای از مهارت‌های توسعه‌یافته است که آنها را قادر می‌سازد تا طیف وسیعی از تجسم‌ها را در R ایجاد کنند. ، و تجربیات به دست آمده از بخش های قبلی. این پروژه مستلزم ایجاد یک تجسم داده است که به طور مؤثر یک داستان جذاب را به مخاطبان و خوانندگان منتقل می کند.

در این دوره آموزشی، گرامر گرافیک، سیستمی برای توصیف و ساختن نمودارها، و اینکه چگونه بسته تجسم داده ggplot2 برای R این مفهوم را در نمودارهای میله ای پایه، هیستوگرام ها، نمودارهای دایره ای، نمودارهای پراکنده، نمودارهای خطی و جعبه به کار می برد، یاد خواهید گرفت. توطئه ها همچنین یاد خواهید گرفت که چگونه نمودارها و نمودارهای خود را با استفاده از تم ها و تکنیک های دیگر سفارشی کنید. سپس یاد خواهید گرفت که چگونه از بسته تجسم داده دیگری برای R به نام Leaflet برای ایجاد نمودارهای نقشه استفاده کنید، روشی منحصر به فرد برای رسم داده ها بر اساس داده های موقعیت جغرافیایی. در نهایت با ایجاد داشبوردهای تعاملی با استفاده از پکیج R Shiny آشنا می شوید. شما یاد خواهید گرفت که چگونه برنامه های براق را ایجاد و سفارشی کنید، ظاهر برنامه ها را با افزودن اجزای HTML و تصویر تغییر دهید، و برنامه های داده تعاملی خود را در وب مستقر کنید. شما آنچه را که یاد می گیرید تمرین می کنید و با تکمیل آزمایشگاه ها در هر ماژول و یک پروژه نهایی در پایان دوره، تجربه عملی ایجاد می کنید. ویدیوها را تماشا کنید، از طریق آزمایشگاه‌ها کار کنید و مهارت‌های علم داده خود را مشاهده کنید. موفق باشید! توجه: این دوره به دانش کار با R و داده نیاز دارد. اگر این مهارت ها را ندارید، به شدت توصیه می شود قبل از شروع این دوره، ابتدا دوره های مقدماتی برنامه نویسی R برای علم داده و همچنین دوره های تجزیه و تحلیل داده ها با R را از IBM بخوانید. توجه: پیش نیاز این دوره، مهارت های اولیه برنامه نویسی R است.

دوره تجسم داده ها با تابلو به شما درک اساسی از ارائه داده ها از طریق تصاویر واضح و قابل درک با استفاده از Tableau می دهد. در طول دوره، طیف متنوعی از انواع تجسم و کاربردهای ایده آل آنها را با پلتفرم Tableau Public کاوش خواهید کرد. با بررسی اینکه چگونه کارشناسان از Tableau برای ایجاد نمودارها و نقشه‌های استثنایی استفاده می‌کنند و مهارت‌های ساخت جداول تعاملی را به دست می‌آورند، در تکنیک‌های تجسم ضروری مهارت کسب خواهید کرد. درک این تکنیک ها برای کسانی که به دنبال نقش های سطح ابتدایی در زمینه تجزیه و تحلیل تجاری هستند، بسیار مهم است. این دوره برای هرکسی است که کنجکاو در مورد نقش‌های سطح ابتدایی است که به مهارت‌های اساسی جدول نیاز دارند، مانند نقش‌های تحلیلگر هوش تجاری یا نقش‌های تحلیلگر گزارش داده. توصیه می شود (اما نه الزامی) که تجربه ای با Tableau Public داشته باشید، اما حتی اگر در Tableau Public تازه کار هستید، همچنان می توانید در این برنامه موفق باشید. در پایان دوره، شما قادر خواهید بود: -شناسایی ارزش و ساختار Tableau Public همانطور که برای تجسم داده ها در صنعت تجزیه و تحلیل تجاری کاربرد دارد. -تصویرسازی داده‌ها را ایجاد کنید تا بینش‌های تحلیلی را به مخاطبان مورد نظر، مانند سهامداران تجاری، منتقل کنید. با اتصال، آماده سازی و سفارشی کردن داده ها در Tableau Public جداول تعاملی بسازید.

در این دوره آموزشی، توابع پیشرفته اکسل 2013 را به صورت عملی آموزش خواهید دید. شما یاد خواهید گرفت که از PowerPivot برای ساخت پایگاه داده و مدل های داده استفاده کنید. ما به شما نشان خواهیم داد که چگونه انواع مختلف تحلیل سناریو و شبیه سازی را انجام دهید و شما فرصتی خواهید داشت که این مهارت ها را با استفاده از ابزارهای داخلی اکسل از جمله حل کننده، جداول داده، مدیر سناریو و جستجوی هدف تمرین کنید. در نیمه دوم دوره، نحوه تجسم داده ها، گفتن یک داستان و کاوش داده ها با مرور اصول اصلی تجسم داده ها و داشبورد را پوشش می دهد. از اکسل برای ایجاد نمودارهای پیچیده و گزارش های Power View استفاده می کنید و سپس شروع به ترکیب آنها در داشبوردهای پویا می کنید. توجه: زبان آموزان برای تکمیل برخی از تمرینات به PowerPivot نیاز دارند. لطفا از نسخه MS Excel 2013 استفاده کنید. اگر نسخه‌های MS Excel یا MAC دیگری دارید، ممکن است نتوانید همه تکالیف را تکمیل کنید. این دوره توسط PricewaterhouseCoopers LLP با آدرسی در 300 Madison Avenue, New York, New York, 10017 ایجاد شده است.

در دنیای امروزی مبتنی بر داده، توانایی ایجاد تجسم‌های متقاعدکننده و بیان داستان‌های تاثیرگذار با داده‌ها یک مهارت بسیار مهم است. این دوره جامع شما را در فرآیند تجسم با استفاده از ابزارهای کدنویسی با پایتون، صفحات گسترده و ابزارهای BI (هوش تجاری) راهنمایی می کند. چه یک تحلیلگر داده، یک حرفه ای در کسب و کار یا یک داستان نویس مشتاق داده باشید، این دوره دانش و بهترین شیوه ها را برای برتری در هنر داستان سرایی بصری در اختیار شما قرار می دهد. در طول دوره، یک مجموعه داده ثابت برای تمرین ها استفاده خواهد شد، که به شما امکان می دهد به جای گرفتار شدن در پیچیدگی های داده ها، بر تسلط بر ابزارهای تجسم تمرکز کنید. تاکید بر کاربرد عملی است که به شما امکان می دهد ابزارها را در یک زمینه دنیای واقعی یاد بگیرید و تمرین کنید. برای استفاده کامل از بخش های پایتون این دوره، برنامه نویسی با تجربه قبلی در پایتون توصیه می شود. علاوه بر این، درک کاملی از ریاضیات سطح دبیرستان انتظار می رود. آشنایی با کتابخانه پانداها نیز مفید خواهد بود. در پایان این دوره، شما مهارت های لازم برای تبدیل شدن به یک داستان گوی داده و ارتباط تصویری ماهر را خواهید داشت. با توانایی ایجاد تجسم های قانع کننده و استفاده از ابزارهای مناسب، به خوبی مجهز خواهید بود تا در دنیای داده ها حرکت کنید و تصمیمات آگاهانه ای بگیرید که تأثیر معنی داری داشته باشد.

در این دوره مبتنی بر پروژه، شما علایق خود را دنبال خواهید کرد تا یک نمونه کار با ارزش تک فریم یعنی داستان داده چند فریمی ایجاد کنید که در Tableau Public به اشتراک گذاشته شود. شما از تمام مهارت های آموزش داده شده در این تخصص برای تکمیل این پروژه به صورت گام به گام و با راهنمایی مربیان خود در طول مسیر استفاده خواهید کرد. شما ابتدا یک طرح پیشنهادی برای شناسایی اهداف خود برای پروژه ایجاد خواهید کرد، از جمله سوالی که می خواهید به آن پاسخ دهید یا با داده ها بررسی کنید. سپس داده هایی را پیدا خواهید کرد که اطلاعاتی را که به دنبال آن هستید ارائه می دهد. سپس آن داده ها را به Tableau وارد کرده و برای تجزیه و تحلیل آماده می کنید. سپس یک داشبورد ایجاد می‌کنید که به شما امکان می‌دهد داده‌ها را عمیقاً بررسی کنید و بینش‌های معنادار را شناسایی کنید. سپس با نوشتن قوس داستان به صورت روایی به داستان داده خود ساختار می دهید. در نهایت، شما چک لیست طراحی خود را برای دستیابی به مفهوم نهایی یا داستان داده در Tableau مشورت خواهید کرد. این فرصت شماست تا به دنیا نشان دهید که چه توانایی هایی دارید - پس بزرگ فکر کنید و به مهارت های خود اطمینان داشته باشید!

در عصری که اکنون توسط «داده‌های بزرگ» هدایت می‌شود، باید نویز را کاهش دهیم و اطلاعات کلیدی را به‌گونه‌ای ارائه کنیم که بتوان به سرعت مصرف کرد و با تبدیل کردن تجسم داده‌ها به یک مهارت مهم فزاینده عمل کرد. تجسم‌ها نه تنها باید داده‌ها را به روشی آسان و جذاب ارائه دهند، بلکه باید زمینه‌ای برای داده‌ها فراهم کنند، داستانی را روایت کنند و به تعادل خوب بین فرم و عملکرد دست یابند. اکسل رقبای زیادی در این فضا دارد، اما همچنان یک انتخاب عالی است، به خصوص اگر اطلاعات شما در آن قرار دارد. این مجموعه ابزارهای زیادی را برای ایجاد تجسم‌هایی به غیر از نمودارها ارائه می‌کند و گزینه‌های نمودار موجود دائماً در حال افزایش و بهبود هستند، بنابراین نسخه‌های جدیدتر اکنون شامل نمودارهای آبشار، نمودارهای آفتاب و حتی نمودارهای نقشه هستند. اما چیزی که اکسل را متمایز می‌کند انعطاف‌پذیری آن است، به ما کنترل خلاقانه کامل بر طرح‌هایمان می‌دهد، بنابراین در صورت نیاز می‌توانیم نمودار سفارشی متحرک خود را تولید کنیم تا داستان مناسب برای داده‌هایمان را بگوییم. در طی پنج هفته، مجموعه‌ای غنی از ابزارهای تجسم اکسل را با استفاده از مطالعات موردی عملی که از دید روهان، یک تحلیلگر محیط زیست دیده می‌شود، بررسی خواهیم کرد. روهان باید تصاویری تولید کند که روندها، پیش‌بینی‌ها، تجزیه و مقایسه‌ها را برای طیف وسیعی از مجموعه داده‌های محیطی نشان دهد. علاوه بر استفاده از انواع نمودارهای معمول، او می‌خواهد از قالب‌های شرطی، خطوط جرقه‌ای، نمودارهای تخصصی استفاده کند و حتی نمودارها و اینفوگرافیک‌های متحرک خود را ایجاد کند. در برخی موارد، او همچنین باید داده ها را با استفاده از جداول محوری آماده کند تا به سوالات بسیار خاص پاسخ دهد. ما می‌خواهیم به او کمک کنیم تا به همه این‌ها دست یابد و تجسم‌های نهایی خود را در گزارش‌ها و داشبوردهای جذابی ارائه کنیم که از ابزارهایی مانند برش‌کن‌ها و ماکروها برای اتوماسیون و تعامل استفاده می‌کنند. اینها موضوعاتی هستند که به آنها خواهیم پرداخت: هفته 1: تجسم های پویا با قالب بندی شرطی، قالب بندی اعداد سفارشی، خطوط جرقه و ماکرو هفته دوم: تکنیک های نمودار برای بیان داستان درست هفته سوم: ایجاد نمودارهای تخصصی و سفارشی هفته چهارم: خلاصه کردن و فیلتر کردن داده ها با جداول محوری و نمودارهای محوری هفته پنجم: ایجاد داشبوردهای تعاملی در اکسل این دومین دوره در تخصص ما در تجزیه و تحلیل داده ها و تجسم است. دوره اول: مبانی اکسل برای تجزیه و تحلیل داده ها، آماده سازی و تمیز کردن داده ها را پوشش می دهد، اما برخی از پیش نیازهای این دوره مانند جداول و محدوده های نامگذاری شده و همچنین متن، جستجو و توابع منطقی را نیز آموزش می دهد. برای استفاده بیشتر از این دوره، توصیه می کنیم دوره اول را انجام دهید یا تجربه ای در این زمینه داشته باشید. در این دوره ما بر روی تجسم داده ها در اکسل تمرکز می کنیم، برای این سفر هیجان انگیز با ما همراه باشید.