خرج کردن پول آسان است، اما بدست آوردن ارزش آن سخت است. از سال 2007 تا 2010، اپل 27 میلیارد دلار از آیفون با سود 15.6 میلیارد دلار به دست آورد. اپل بدون استراتژی منبع یابی جهانی خود نمی توانست به این موفقیت مالی دست یابد. با این حال، یکی از تامین کنندگان کلیدی اپل، سامسونگ الکترونیکس، تبدیل به یک رقیب شد و از مزیت هزینه خود برای پیشی گرفتن از اپل در بازار جهانی استفاده کرد. در همین حال، بسیاری از تامین کنندگان و محصولات جدید به طور مداوم در حال ظهور هستند. برای ادامه موفقیت، اپل باید بازارهای جهانی را برای شناسایی و انتخاب تامین کنندگان جدید که توانمند، ارزان و از نظر مالی قوی هستند، بررسی کند. سوال این است که چگونه این کار را برای امسال درست انجام دهیم؟ آنچه اپل تجربه کرد در عمل معمول است، زیرا یک شرکت ممکن است هزاران تامین کننده داشته باشد، و تعداد زیادی تامین کننده و محصولات/خدمات جدید به طور مداوم و در سطح جهانی ظاهر می شوند، که نیاز به تنظیم مکرر پایه تامین دارد. در این دوره، تجزیه و تحلیل منبع یابی را یاد می گیرید که تجزیه و تحلیل داده ها و هوش تجاری را برای توسعه و مدیریت تامین کنندگان به کار می برد. به طور خاص، شما هوش بازار، تجزیه و تحلیل قدرت چانه زنی، و تجزیه و تحلیل تامین کننده را یاد خواهید گرفت تا تامین کنندگان را با هدف به دست آوردن ارزش بیشتر با هزینه کمتر، شناسایی و انتخاب کنید.

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

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.

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.

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.

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 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!

با نحوه ایجاد تجسم داده ها و داشبورد با استفاده از صفحات گسترده و ابزارهای تجزیه و تحلیل آشنا شوید. این دوره برخی از اولین گام ها را برای بیان یک داستان قانع کننده با داده های شما با استفاده از انواع مختلف نمودارها و نمودارها پوشش می دهد. شما اصول تجسم داده ها را با Excel و IBM Cognos Analytics بدون نیاز به نوشتن کد یاد خواهید گرفت. شما با ایجاد نمودارهای ساده در اکسل مانند نمودارهای خطی، دایره ای و میله ای شروع می کنید. سپس تجسم های پیشرفته تری را با Treemaps، نمودارهای پراکنده، هیستوگرام ها، نمودارهای نقشه پر شده و Sparklines ایجاد خواهید کرد. در مرحله بعد با ویژگی Excel PivotChart نیز کار خواهید کرد و همچنین چندین تصویرسازی را در داشبورد اکسل جمع آوری خواهید کرد. این دوره همچنین به شما می آموزد که چگونه از ابزارهای هوش تجاری (BI) مانند Cognos Analytics برای ایجاد داشبوردهای تعاملی استفاده کنید. در پایان دوره، شما از نقش کلیدی که تجسم داده ها در انتقال یافته های تجزیه و تحلیل داده های شما ایفا می کند و توانایی ایجاد موثر آنها را قدردانی خواهید کرد. در طول این دوره، آزمایشگاه های عملی متعددی وجود خواهد داشت که به شما کمک می کند تا تجربه عملی را برای کار با Excel و Cognos ایجاد کنید. همچنین یک پروژه نهایی وجود دارد که در آن مجموعه ای از تجسم داده ها و یک داشبورد تعاملی برای اضافه کردن به مجموعه خود ایجاد می کنید، که می توانید آن را با همتایان، جوامع حرفه ای یا کارفرمایان آینده به اشتراک بگذارید.

این دوره مقدمه ای بر تجسم داده های علمی سه بعدی، با تاکید بر ارتباطات علمی و طراحی سینمایی برای جذابیت برای مخاطبان گسترده است. شما سواد تجسم را از طریق توانایی در تفسیر/تحلیل (خواندن) تجسم ها و ایجاد (نوشتن) تجسم های خود توسعه خواهید داد. در پایان این دوره، شما: -سواد تجسم را توسعه دهید. عملی بودن کار با داده های مکانی را بیاموزید. - درک آنچه که تجسم علمی را معنادار می کند. -یاد بگیرید چگونه تجسم های آموزشی ایجاد کنید که دقت علمی را حفظ کند. - بفهمید چه چیزی یک تجسم علمی را سینمایی می کند. -یاد بگیرید چگونه تجسمی ایجاد کنید که برای مخاطبان گسترده جذاب باشد. -آموزش کار با نرم افزارهای تصویرسازی (برای کسانی که آهنگ Honors را تکمیل می کنند)

دوره «تحلیل رگرسیون» دانشجویان را با مفاهیم اساسی یکی از مهم ترین روش های یادگیری تحت نظارت یعنی رگرسیون مجهز می کند. شرکت کنندگان تکنیک های مختلف رگرسیون را بررسی می کنند و یاد می گیرند که چگونه آنها را به طور موثر ارزیابی کنند. علاوه بر این، دانش‌آموزان در موضوعات پیشرفته، از جمله رگرسیون چند جمله‌ای، تکنیک‌های منظم‌سازی (ریج، کمند، و شبکه الاستیک)، اعتبارسنجی متقاطع و روش‌های گروهی (کیسه‌بندی، تقویت، و انباشتن) تخصص کسب خواهند کرد. از طریق آموزش های تعاملی و مطالعات موردی عملی، دانش آموزان تجربه عملی در استفاده از تحلیل رگرسیون در سناریوهای داده های دنیای واقعی به دست خواهند آورد. در پایان این دوره، دانشجویان قادر خواهند بود: 1. درک اصول و اهمیت تحلیل رگرسیون در یادگیری تحت نظارت. 2. مفاهیم و کاربردهای رگرسیون خطی و تفسیر آن را در مجموعه داده های دنیای واقعی درک کنید. 3. رگرسیون چند جمله ای را برای به دست آوردن روابط غیرخطی بین متغیرها کاوش کنید. 4. برای جلوگیری از برازش بیش از حد و بهبود تعمیم مدل، از تکنیک های منظم سازی (ریج، کمند، و شبکه الاستیک) استفاده کنید. 5. روش های اعتبارسنجی متقابل را برای ارزیابی عملکرد مدل و بهینه سازی هایپرپارامترها اجرا کنید. 6. درک روش های مجموعه (کیسه، تقویت، و پشته) و نقش آنها در افزایش دقت مدل رگرسیون. 7. ارزیابی و مقایسه عملکرد مدل های رگرسیون مختلف با استفاده از معیارهای مناسب. 8. استفاده از تکنیک های تحلیل رگرسیون برای مطالعات موردی در دنیای واقعی، تصمیم گیری مبتنی بر داده. در طول دوره، دانش آموزان فعالانه در آموزش ها و مطالعات موردی شرکت می کنند، مهارت های تحلیل رگرسیون خود را تقویت می کنند و تجربه عملی در استفاده از تکنیک های رگرسیون در مجموعه داده های متنوع به دست می آورند. با دستیابی به اهداف یادگیری، شرکت کنندگان برای برتری در وظایف تحلیل رگرسیون و تصمیم گیری آگاهانه با استفاده از مدل های رگرسیون به خوبی مجهز خواهند شد.

این دوره طراحی شده است تا به معنای واقعی کلمه از چیزی در قلب جامعه "علم بسازد": شبکه های اجتماعی. انسان‌ها دانشمندان شبکه طبیعی هستند، زیرا ما همیشه پیکربندی‌های شبکه جدید را محاسبه می‌کنیم، تقریباً بی‌اطلاع، هنگام فکر کردن به دوستان و خانواده (که اشکال خاصی از شبکه‌های اجتماعی هستند)، در مورد همکاران و روابط سازمانی (سایر، ساختارهای شبکه‌ای همپوشانی) و در مورد چگونه پیکربندی‌های شبکه‌ای ظریف یا فرصت‌طلبانه را برای حفظ حراست یا پیشرفت در جایگاه اجتماعی خود (که جامعه خود یک شبکه اجتماعی بزرگ است) هدایت کنیم. در حالی که چنین ساختارهای شبکه ای همیشه وجود داشته است، علوم اجتماعی محاسباتی به آشکارسازی و مطالعه سیستماتیک تر آنها کمک کرده است. در بخش اول دوره ما بر ساختار شبکه تمرکز می کنیم. این به عنوان عکس های فوری ثابت از شبکه ها به نظر می رسد که می تواند پیچیده باشد و جنبه های مهمی از سیستم های اجتماعی را نشان دهد. در آزمایشگاه عملی ما، شما همچنین خودتان یک شبکه را با یک نرم افزار تجسم و تجزیه و تحلیل خواهید کرد، که به درک پیچیدگی شبکه های اجتماعی کمک می کند. در بخش دوم دوره، به چگونگی تکامل شبکه ها در زمان خواهیم پرداخت. ما می‌پرسیم چگونه می‌توانیم پیش‌بینی کنیم که چه نوع شبکه‌ای شکل می‌گیرد و آیا و چگونه می‌توانیم بر پویایی شبکه تأثیر بگذاریم.

در این دوره شما یاد خواهید گرفت که چگونه از وزن های نظرسنجی برای تخمین آمار توصیفی، مانند میانگین ها و مجموع، و کمیت های پیچیده تر مانند پارامترهای مدل برای رگرسیون های خطی و لجستیک استفاده کنید. قابلیت‌های نرم‌افزار با R® پوشش داده می‌شود که تاکید خاصی دارد. این دوره همچنین مبانی پیوند رکورد و تطبیق آماری را پوشش می دهد - که هر دو به عنوان روش هایی برای ترکیب داده ها از منابع مختلف اهمیت بیشتری پیدا می کنند. ترکیب مجموعه داده ها مسائل اخلاقی را مطرح می کند که دوره بررسی می کند. ممکن است لازم باشد رضایت آگاهانه از افراد گرفته شود تا داده‌های آنها پیوند داده شود. شما در مورد تفاوت در الزامات قانونی در کشورهای مختلف یاد خواهید گرفت.

برنامه نویسی R Capstone

این دوره در مورد سوگیری ها و محدودیت های مغز انسان، استراتژی هایی برای غلبه بر این سوگیری ها بحث می کند و هنگام تصمیم گیری و توصیه ها، داده ها را به طور انتقادی تجزیه و تحلیل می کند. تجزیه و تحلیل موثر و عینی داده ها سفری طولانی است و اولین قدم آگاهی از این سوگیری ها، پیش داوری ها و ادراکات است. در پایان این دوره، شما درک عمیقی از سوگیری‌هایی که بر تصمیم‌گیری انسانی تأثیر می‌گذارند و روش‌هایی که برای مقابله با این سوگیری‌ها به کار می‌روند، ایجاد خواهید کرد. شما همچنین به چارچوب هایی برای تصمیم گیری موثر مجهز خواهید شد. در این دوره ثبت نام کنید تا پیچیدگی های تصمیم گیری انسانی را کشف کنید و شروع به کاوش در تصمیم گیری انسانی کنید. بدون نیاز به تجربه قبلی

به تصمیم گیری مبتنی بر داده خوش آمدید. در این دوره آموزشی، با تجزیه و تحلیل داده ها و نقش آن در تصمیم گیری های تجاری آشنا می شوید. شما یاد خواهید گرفت که چرا داده ها مهم هستند و چگونه تکامل یافته اند. شما با "داده های بزرگ" و نحوه استفاده از آن آشنا خواهید شد. همچنین با چارچوبی برای انجام تجزیه و تحلیل داده ها و ابزارها و تکنیک هایی که معمولاً استفاده می شود آشنا خواهید شد. در نهایت، شما فرصتی خواهید داشت که دانش خود را در یک محیط تجاری شبیه سازی شده به کار ببرید. این دوره توسط PricewaterhouseCoopers LLP با آدرسی در 300 Madison Avenue, New York, New York, 10017 ایجاد شده است.