مدل سازی مناسب داده ها اساس تجزیه و تحلیل داده ها و ایجاد گزارش ها در Power BI است. این دوره به شما امکان می دهد جعبه ابزاری از تکنیک های پاکسازی، شکل دهی و بارگذاری داده ها را کشف کنید که می توانید آنها را روی داده های خود اعمال کنید. شما با نحوه انتخاب بین Power Query و Power BI آشنا خواهید شد و با رفتن به طرحواره های ستاره و دانه های برف پایه های مدل سازی داده ها را کشف خواهید کرد. همه این موارد را در مجموعه داده‌های دنیای واقعی صادر شده توسط اداره سرشماری ایالات متحده اعمال خواهید کرد.

در این دوره، دانش خود را در مورد حقایق، ابعاد و روابط آنها گسترش خواهید داد. شما در مورد اصلی بودن روابط و نحوه استفاده از فیلتر متقابل دو جهته در مدل خود یاد می گیرید. همچنین استفاده از اندازه‌گیری‌ها و سلسله‌مراتب‌های سریع را بررسی کرده و DAX را برای سفارشی‌سازی کامل مدل داده‌های خود بنویسید. در نهایت، با بهترین شیوه های گزارش دهی Power BI برای بهبود عملکرد گزارش های خود آشنا می شوید.

این دوره آموزشی عملی با داده‌های اعتبار واقعی به شما می‌آموزد که چگونه ریسک اعتباری را با استفاده از رگرسیون لجستیک و درخت‌های تصمیم در R مدل‌سازی کنید. مدل‌سازی ریسک اعتباری برای وام‌های شخصی و شرکتی برای بانک‌ها اهمیت زیادی دارد. احتمال اینکه بدهکار نکول کند، یک جزء کلیدی در دستیابی به معیاری برای ریسک اعتباری است. در حالی که مدل‌های دیگری نیز در این دوره معرفی می‌شوند، با دو نوع مدل که اغلب در زمینه امتیازدهی اعتبار استفاده می‌شوند، آشنا می‌شوید. رگرسیون لجستیک و درختان تصمیم شما یاد خواهید گرفت که چگونه از آنها در این زمینه خاص استفاده کنید، و چگونه این مدل ها توسط بانک ها ارزیابی می شوند.

مدل های افزودنی تعمیم یافته ابزار قدرتمندی برای پیش بینی و استنتاج هستند. انعطاف‌پذیرتر از مدل‌های خطی، و قابل درک‌تر از روش‌های جعبه سیاه، GAMها روابط در داده‌ها را به‌عنوان توابع غیرخطی مدل‌سازی می‌کنند که بسیار سازگار با انواع مختلف داده‌ها و مسائل علم داده هستند. در این دوره، نحوه عملکرد GAM ها و نحوه ساخت آنها با بسته محبوب mgcv را خواهید آموخت. شما یاد خواهید گرفت که چگونه نتایج مدل خود را تفسیر، توضیح و تجسم کنید، و چگونه مشکلات مدل را تشخیص داده و رفع کنید. شما با مجموعه داده‌هایی کار خواهید کرد که به شما نشان می‌دهند چگونه GAMها را در موقعیت‌های مختلف اعمال کنید: داده‌های عملکرد خودرو برای ساخت مدل‌های خطی و غیرخطی مختلط، داده‌های آلودگی خاک برای ساخت مدل‌های مکانی، و داده‌های خرید مصرف‌کننده برای طبقه‌بندی و پیش‌بینی. در پایان این دوره، جعبه ابزاری برای حل بسیاری از مسائل علم داده خواهید داشت.

این دوره برای تبدیل شما به یک تحلیلگر مالی ماهر با استفاده از اکسل طراحی شده است. با شروع با مبانی تجزیه و تحلیل جریان نقدی، شما یاد خواهید گرفت که مدل های مالی بسازید، درآمد خالص را محاسبه کنید، و صورت های درآمد را تجزیه کنید، و پایه ای قوی در مدل سازی مالی ایجاد کنید. سپس این دوره به سمت تکنیک های پیشرفته تجزیه و تحلیل سناریو پیش می رود و به شرکت کنندگان آموزش می دهد تا نتایج مختلف را پیش بینی کنند و تجزیه و تحلیل های حساسیت را با استفاده از عملکردهای متنوع اکسل انجام دهند. یکی از مؤلفه‌های کلیدی این دوره تسلط بر ارزش زمانی پول است، مفهومی حیاتی در تصمیم‌گیری مالی، که در آن دانش‌آموزان یاد خواهند گرفت که ارزش‌های حال و آینده را با دقت محاسبه کنند. بخش آخر بر مهارت‌های بودجه‌بندی سرمایه تمرکز می‌کند و شما را با توانایی تصمیم‌گیری مبتنی بر داده‌ها با استفاده از معیارهای کلیدی مانند ارزش فعلی خالص و نرخ بازده داخلی و ارائه توصیه‌های عملی در سناریوهای مالی مختلف مجهز می‌کند. در پایان دوره، شما نه تنها مفاهیم پیچیده مالی را درک خواهید کرد، بلکه دارای مهارت های عملی برای به کارگیری موثر آنها خواهید بود و در مدل سازی مالی در اکسل ماهر خواهید شد.

آیا تا به حال خواسته اید برای بازنشستگی برنامه ریزی کنید، بازار سهام را درک کنید، یا یک جریان نقدی برای کسب و کار خود ایجاد کنید؟ در این دوره آموزشی با نحوه ساخت مدل های تجاری و مالی در Sheets آشنا می شوید. Google Sheets یک فناوری عالی برای مدل های تجاری است! شما می توانید چارچوبی برای هدف خود ایجاد کنید، مانند درک رشد سرمایه گذاری ها، و سپس آن چارچوب را بر اساس داده های فعلی به روز کنید. شما اصول مدل سازی کسب و کار را با تمرکز بر جریان های نقدی، سرمایه گذاری ها، مستمری ها، استهلاک وام و پس انداز برای بازنشستگی یاد خواهید گرفت. در پایان دوره، مهارت‌های ارجاع و عملکرد را در Sheets به دست خواهید آورد که می‌توانید در انواع مدل‌ها اعمال کنید.