آیا تا به حال به وب سایتی برخورد کرده اید که داده های زیادی مانند آمار، بررسی محصول یا قیمت ها را در قالبی نمایش دهد که برای تجزیه و تحلیل داده ها آماده نیست؟ اغلب مقامات و سایر ارائه دهندگان داده داده های خود را در جداول با فرمت منظم منتشر می کنند. با این حال، همه این سایت ها دارای دکمه دانلود نیستند، اما ناامید نشوید. در این دوره آموزشی، نحوه جمع‌آوری و دانلود کارآمد داده‌ها را از هر وب‌سایتی با استفاده از R. یاد خواهید گرفت که چگونه با استفاده از بسته‌های rvest و httr، استخراج و تجزیه ویکی‌پدیا را خودکار کنید. از طریق تمرین‌های عملی، همچنین درک خود را از HTML و CSS، بلوک‌های سازنده صفحات وب، گسترش می‌دهید، زیرا گردش کار جمع‌آوری داده‌های خود را کمتر مستعد خطا و کارآمدتر می‌کنید.

نحوه آماده سازی، تمیز کردن و تجزیه و تحلیل داده ها را در Alteryx Designer کشف کنید! چه در تجزیه و تحلیل داده ها به طور کلی تازه کار باشید و چه یک تحلیلگر باتجربه در پلتفرم های دیگر، این دوره شما را به سطوح جدیدی از درک ملزومات آماده سازی داده های جامد راهنمایی می کند. شما یاد خواهید گرفت که چرا داده های تمیز و آماده برای تجزیه و تحلیل بهینه مهم هستند و چگونه تشخیص دهید که چه جنبه هایی از مجموعه داده های شما نیاز به تمیز کردن دارند. با استفاده از مجموعه ابزار آماده سازی، حذف داده های پوچ، فیلتر کردن بر اساس معیارهای خاص، اعمال فرمول های مختلف، تجزیه و تحلیل داده های تکراری و بسیاری از ویژگی های دیگر را بررسی خواهید کرد که شما را به انجام تجزیه و تحلیل سطح متوسط ​​تر در پلت فرم همه کاره Alteryx Designer سوق می دهد. به دانش عمیق تر از بهترین شیوه های Alteryx Designer دست یابید و دانش خود را با تجربه عملی به سطح بعدی ببرید. اکنون زمان آن است که سفر Alteryx خود را شروع کنید!

در این دوره آموزشی تعاملی Power BI، یاد خواهید گرفت که چگونه از ویرایشگر Power Query برای تبدیل و شکل دادن به داده های خود برای آماده شدن برای تجزیه و تحلیل استفاده کنید. همچنین با تبدیل‌های متنی و عددی مختلف، از جمله ضرب، گرد کردن، و تقسیم و ادغام ستون‌های متن، آشنا خواهید شد تا به شما کمک کند در آماده‌سازی داده‌ها کارآمدتر شوید.

در این دوره آموزشی، نحوه آماده سازی و پاکسازی داده های خام در کاربرگ های Excel را خواهید آموخت. شما یاد خواهید گرفت که داده ها را از منابع مختلف وارد کنید و داده ها را با فیلتر کردن، حذف کردن، و سازماندهی ستون ها و ردیف های خود آماده کنید تا اطمینان حاصل کنید که کارهای تجزیه و تحلیل بعدی تا حد امکان کارآمد انجام می شود. علاوه بر ویژگی‌های داخلی ارائه شده توسط اکسل، یاد خواهید گرفت که از توابع مختلف برای مدیریت و دستکاری تاریخ‌ها و رشته‌های متنی استفاده کنید. شما با توابع منطقی آشنا می شوید که به شما امکان می دهد پرچم ها و دسته بندی های جدیدی را در داده های خام خود ایجاد کنید و در عین حال درک کنید که چگونه توابع منطقی مختلف را می توان در فرمول های تو در تو ترکیب کرد. همچنین خواهید فهمید که چگونه از توابع جستجو در اکسل برای وارد کردن داده ها از برگه های مختلف و شناسایی نتایج خاص در مجموعه داده های بزرگ استفاده کنید. در نهایت، اولین نگاه خود را به PivotTables خواهید دید - یک ویژگی قدرتمند اکسل که به شما امکان می دهد حجم زیادی از داده ها را با استفاده از جداول پویا خلاصه و تجزیه و تحلیل کنید.

تحلیل عالی با داده های عالی شروع می شود. اما چگونه می‌توانید Tableau را به پایگاه‌های داده و سایر انواع فایل‌های خود متصل کنید تا بتوانید یک نما بسازید و داده‌های خود را تجزیه و تحلیل کنید؟ در این دوره آموزشی، نحوه استفاده از کانکتورها در Tableau برای ایجاد یک اتصال زنده به فایل های CSV و Excel را خواهید آموخت. از طریق تمرینات عملی، همچنین یاد خواهید گرفت که چگونه جداول داده های متعدد را با پیوندها، اتحادها و روابط ترکیب کنید. در نهایت، یاد می‌گیرید که ویژگی‌های داده‌های مختلف را مدیریت کنید، مانند تغییر نام فیلدهای داده، تخصیص نام مستعار، تغییر انواع داده‌ها، و تغییر ویژگی‌های پیش‌فرض برای یک فیلد داده.

توانایی ساخت ابزارهایی با قابلیت بازیابی و تجزیه اطلاعات ذخیره شده در اینترنت در بسیاری از رگه های علم داده ارزشمند بوده و همچنان ادامه دارد. در این دوره آموزشی، پیمایش و تجزیه کدهای html و ساخت ابزارهایی برای خزیدن خودکار وب سایت ها را خواهید آموخت. اگرچه خراش دادن ما با استفاده از اسکرپی کتابخانه همه کاره Python انجام خواهد شد، بسیاری از تکنیک‌هایی که در این دوره یاد می‌گیرید می‌توانند در کتابخانه‌های محبوب پایتون از جمله BeautifulSoup و Selenium نیز اعمال شوند. پس از اتمام این دوره، شما یک مدل ذهنی قوی از ساختار html خواهید داشت، قادر خواهید بود ابزارهایی برای تجزیه کد html و دسترسی به اطلاعات مورد نظر بسازید، و یک عنکبوت خراش ساده برای خزیدن در وب در مقیاس ایجاد کنید.

کار با داده ها مشکل است - کار با میلیون ها یا حتی میلیاردها ردیف بدتر است. آیا مقداری کد پردازش داده که روی یک لپ تاپ با داده های نسبتاً بکر نوشته شده بود دریافت کردید؟ به احتمال زیاد شما مسئول انتقال یک فرآیند داده اولیه از نمونه اولیه به تولید شده اید. ممکن است با مجموعه داده‌های دنیای واقعی، با فیلدهای گمشده، قالب‌بندی عجیب و غریب و داده‌های بزرگ‌تر کار کرده باشید. حتی اگر همه اینها برای شما جدید باشد، این دوره به شما کمک می کند تا آنچه را که برای آماده سازی فرآیندهای داده با استفاده از Python با Apache Spark لازم است را بیاموزید. اصطلاحات، روش‌ها و برخی از بهترین روش‌ها را برای ایجاد یک پلت فرم پردازش داده کارآمد، قابل نگهداری و قابل درک می‌آموزید.

غلبه بر مشکلات رایج داده مانند حذف موارد تکراری در R

در چالش های داده های پیشرفته

استفاده از Record Linkage در حین پاکسازی داده را بیاموزید

معمولاً گفته می شود که دانشمندان داده 80٪ از زمان خود را صرف تمیز کردن و دستکاری داده ها می کنند و فقط 20٪ از زمان خود را صرف تجزیه و تحلیل آنها می کنند. زمان صرف شده برای تمیز کردن حیاتی است زیرا تجزیه و تحلیل داده های کثیف می تواند شما را به نتیجه گیری نادرست هدایت کند.

پاکسازی داده ها یک کار ضروری در علم داده است. بدون داده‌های تمیز شده مناسب، نتایج هر مدل تحلیل داده یا یادگیری ماشینی ممکن است نادرست باشد. در این دوره آموزشی، نحوه شناسایی، تشخیص و درمان انواع مشکلات پاکسازی داده ها در پایتون، از ساده تا پیشرفته را یاد خواهید گرفت. شما با انواع داده های نامناسب برخورد خواهید کرد، بررسی کنید که داده های شما در محدوده صحیح قرار دارند، داده های از دست رفته را مدیریت کنید، پیوند رکورد را انجام دهید و موارد دیگر!

با تکیه بر دانش پایه Power Query شما در اکسل، این دوره متوسط ​​شما را به سطح بعدی تسلط بر تبدیل داده ها می برد. تکنیک‌های یکپارچه‌سازی داده‌های پیشرفته، از جمله افزودن و ادغام مجموعه‌های داده با انواع مختلف اتصال را کشف کنید. برای ایجاد ستون‌های شرطی سفارشی و استفاده از تبدیل‌های جدول پیشرفته، به نحو زبان M کاوش کنید. ویرایشگر پیشرفته Power Query را باز کنید، عملکردهای داخلی M را بررسی کنید، بر بهترین روش‌ها مانند گروه‌بندی پرس و جو مسلط شوید، و معیارهای فیلتر را به‌صورت پویا با پارامترها تنظیم کنید. با ایجاد توابع زبان فرمول M سفارشی، مهارت‌های خود را ارتقا دهید، و قابلیت‌های طراحی جستجوی پیشرفته را آزاد کنید که به شما قدرت می‌دهد تا بینش‌های عمیق‌تری را از داده‌های خود استخراج کنید.

تغییر داده در KNIME برای تجهیز شما به تکنیک های اساسی و میانی برای دستکاری و تبدیل داده ها با استفاده از KNIME طراحی شده است. شما با یادگیری مهارت های اولیه تبدیل داده ها، از جمله تقسیم ستون ها و استفاده از عبارات شرطی، شروع خواهید کرد. این دوره به سمت وظایف پیچیده تر، مانند تبدیل های مبتنی بر بیان و تلفیق داده ها، پیشرفت می کند. در نهایت، شما یاد خواهید گرفت که با ایجاد اجزای قابل استفاده مجدد و بهینه سازی قابلیت استفاده مجدد، گردش کار KNIME را بهبود ببخشید. این دوره برای هر کسی که به دنبال تقویت مهارت های مدیریت داده خود با استفاده از KNIME است عالی است.

با نحوه استفاده از Tableau برای تجزیه و تحلیل عملکرد بازاریابی و بهبود را بیاموزید. در این دوره تعاملی، اصول اولیه بازاریابی مدرن، مانند چالش دشوار انتساب بازاریابی و عناصر منحصر به فرد بازاریابی B2B در مقابل بازاریابی B2C را خواهید آموخت. همچنین با توابع Tableau، مانند FIXED، DATEPARSE، و COTAINS تمرین عملی خواهید داشت که اغلب هنگام کار با داده های بازاریابی استفاده می کنید.

شما از این توابع برای انجام یک سری تجزیه و تحلیل، مانند روند عملکرد در طول زمان، و مشاهده نمودارهای مهم 2x2، که تحلیلگران بازاریابی به طور منظم انجام می دهند، استفاده خواهید کرد. شما این تحلیل ها را در یک سری انواع مختلف بازاریابی انجام خواهید داد، از جمله تبلیغاتی که هنگام گشت و گذار در اینترنت مشاهده می کنید یا ایمیل هایی که در صندوق ورودی خود پیدا می کنید. در پایان دوره، شما با داده‌های هر یک از این روش‌های بازاریابی محبوب کار خواهید کرد و درک عمیق‌تری از هر یک به دست خواهید آورد.

سوالات کلیدی را برای هدایت تجزیه و تحلیل خود، نحوه محک زدن عملکرد با استفاده از معیارهای استاندارد مانند LTV/CAC و نرخ تعامل، و روش‌هایی برای شناسایی زمینه‌های بهبود یاد خواهید گرفت.

در این دوره آموزشی، به طیف گسترده‌ای از قالب‌های داده‌ای که وجود دارد، نگاه عمیق‌تری خواهید داشت. به طور خاص، نحوه وارد کردن داده ها از پایگاه های داده رابطه ای و نحوه وارد کردن و کار با داده های دریافتی از وب را یاد خواهید گرفت. در نهایت، با وارد کردن داده‌ها از بسته‌های نرم‌افزاری آماری مانند SAS، STATA و SPSS، تجربه عملی خواهید داشت.

این دوره واژگان Google Sheets شما را گسترش می دهد. شما عمیق‌تر در انواع داده‌ها غوطه‌ور خواهید شد، دستکاری داده‌های عددی و منطقی را تمرین می‌کنید، داده‌های از دست رفته و انواع خطا را کاوش می‌کنید و برخی آمار خلاصه را محاسبه می‌کنید. در حین حرکت، مجموعه داده‌های رکوردهای جهانی سرعت 100 متری، برخوردهای نزدیک سیارک‌ها، ادعاهای سود و پروانه‌ها را کاوش خواهید کرد.

قبل از اینکه بتوانید داده ها را تجزیه و تحلیل کنید، ابتدا باید آنها را بدست آورید. این دوره به شما می آموزد که چگونه خطوط لوله بسازید تا داده های ذخیره شده در قالب های ذخیره سازی رایج را وارد کنید. شما از پانداها، یک کتابخانه اصلی پایتون برای تجزیه و تحلیل، برای دریافت داده‌ها از منابع مختلف، از صفحات گسترده پاسخ‌های نظرسنجی، پایگاه داده درخواست‌های خدمات عمومی، تا یک API برای یک سایت بررسی محبوب استفاده خواهید کرد. در طول مسیر، یاد می‌گیرید که چگونه واردات را تنظیم کنید تا فقط آنچه را که نیاز دارید به دست آورید و به مشکلاتی مانند انواع داده‌های نادرست رسیدگی کنید. در نهایت، یک مجموعه داده سفارشی را از ترکیبی از منابع جمع آوری خواهید کرد.

داده های از دست رفته بخشی از هر تجزیه و تحلیل داده های دنیای واقعی است. می‌تواند در مکان‌های غیرمنتظره ظاهر شود و درک تحلیل‌ها را دشوار کند. در این دوره آموزشی، نحوه استفاده از ابزار tidyverse و پکیج naniar R را برای تجسم مقادیر از دست رفته یاد خواهید گرفت. شما مقادیر از دست رفته را مرتب می کنید تا بتوان از آنها در تجزیه و تحلیل استفاده کرد و مقادیر گمشده را برای یافتن سوگیری در داده ها کاوش کرد. در نهایت، دیگر الگوهای زیربنایی غیبت را آشکار خواهید کرد. همچنین می‌آموزید که چگونه «جای‌های خالی» مقادیر از دست رفته را با مدل‌های انتساب پر کنید، و چگونه می‌توانید بر اساس این مجموعه داده‌های منتسب، تجسم، ارزیابی و تصمیم بگیرید.

KNIME یک پلتفرم علمی و تجزیه و تحلیل داده رایگان و منبع باز با رابط بصری است که در آن می‌توانید گردش‌های کاری بصری ایجاد کنید تا داده‌های خود را درک کنید. شرکت‌ها در سراسر جهان از KNIME برای خودکارسازی وظایف تکراری و ساخت و استقرار مدل‌های یادگیری ماشینی استفاده می‌کنند. در این دوره آموزشی، یاد می گیرید که چگونه داده ها را از چندین منبع بخوانید و ادغام کنید و در صورت عدم تمایل، داده های خود را بدون کد نویسی، تبدیل و تجمیع کنید. KNIME بدون کد/ سفر ارتقای مهارت داده کم کد خود را اکنون شروع کنید.

پتانسیل واقعی داده های خود را باز کنید! با بحث دستی داده ها خداحافظی کنید و به تبدیل داده های کارآمد و کارآمد سلام کنید. در این دوره مقدماتی Excel Power Query، یاد خواهید گرفت که چگونه به طور یکپارچه به چندین منبع داده متصل شوید، داده های خود را به راحتی تمیز کرده و شکل دهید، و آن را بارگذاری کنید تا برای تجزیه و تحلیل آماده شود. در طول مسیر، با بسیاری از توابع موجود که Power Query ارائه می‌کند آشنا می‌شوید و به شما اطمینان می‌دهد که گزارش بعدی مبتنی بر اکسل خود را ساده کنید. چه یک تحلیلگر داده، حرفه ای کسب و کار یا علاقه مند به صفحات گسترده باشید، این دوره به شما این امکان را می دهد که در زمان خود صرفه جویی کنید، تصمیمات آگاهانه تری بگیرید و بینش های ارزشمندی را از داده های خود استخراج کنید.

Alteryx Designer یک پلت فرم پیشرو برای تجزیه و تحلیل داده است که یک رابط بصری ایده آل برای حرفه ای ها در همه سطوح ارائه می دهد. این دوره شما را با ملزومات Alteryx Designer Desktop آشنا می‌کند، از پیمایش رابط آن گرفته تا استفاده از قابلیت کشیدن و رها کردن آن برای گردش کار داده‌های کارآمد. وارد کردن، پاکسازی و پیوستن داده ها را خواهید آموخت و به سمت تکنیک های پیشرفته پیش بینی، آماری و تجزیه و تحلیل فضایی می روید. در پایان این دوره، شما در تبدیل داده‌های خام به بینش‌های عملی مهارت خواهید داشت و مهارت‌های پردازش و تحلیل داده‌های خود را افزایش می‌دهید. سفر Alteryx Designer خود را برای باز کردن قابلیت های قدرتمند تجزیه و تحلیل داده آغاز کنید!

به‌عنوان یک دانشمند داده، باید داده‌ها را پاکسازی کنید، آن‌ها را با هم درگیر کنید، آن‌ها را تجسم کنید، مدل‌های پیش‌بینی‌کننده بسازید، و این مدل‌ها را تفسیر کنید. قبل از اینکه بتوانید این کار را انجام دهید، باید بدانید که چگونه داده ها را به پایتون وارد کنید. در این دوره آموزشی، راه های زیادی برای وارد کردن داده ها به پایتون خواهید آموخت: از فایل های مسطح مانند txt. و .csv. از فایل‌های بومی به نرم‌افزارهای دیگر مانند صفحات گسترده Excel، Stata، SAS و فایل‌های MATLAB. و از پایگاه داده های رابطه ای مانند SQLite و PostgreSQL.