آیا می خواهید شغل خود را در علم داده و تجزیه و تحلیل تسریع کنید؟ کسب اعتبار حرفه ای تجزیه و تحلیل خبره (CAP) را در نظر بگیرید. این گواهینامه برتر علم داده به کارفرمایان بالقوه نشان می دهد که می توانید بینش هایی را از داده ها به دست آورید و از یافته های خود برای تعیین مراحل منطقی بعدی استفاده کنید. در این دوره، Jungwoo Ryoo به داوطلبان آزمون درکی از چگونگی مرتبط بودن و ضروری بودن یک مجموعه اصلی از موضوعات علم داده برای به دست آوردن یک اعتبار CAP به شیوه ای سریع ارائه می دهد. Jungwoo هفت حوزه امتحان را پوشش می‌دهد: چارچوب‌بندی مسائل تجاری، چارچوب‌بندی مشکلات تحلیلی، داده‌ها، روش‌شناسی، ساخت مدل، استقرار و مدیریت چرخه حیات. او همچنین مطالعات موردی را به اشتراک می گذارد که نشان می دهد مفاهیم حوزه دانش CAP چگونه در دنیای واقعی کار می کنند.

 

با این دوره عمیق که به شما کمک می کند تا با تمرکز بر مهارتهای اندازه گیری شده توسط اهداف امتحان ، برای امتحان PL-300 آماده شوید که به شما کمک می کند تا به شما در کنترل داده ها ، از منابع و تمیز کردن گرفته تا مدل سازی و تجسم ، تسلط داشته باشید. بیاموزید که چگونه به منابع مختلف داده متصل شوید ، تنظیمات داده ها را تنظیم کنید ، داده ها را وارد کنید و داده های خود را برای تجزیه و تحلیل دقیق تمیز کنید. به تکنیک های مدل سازی داده مانند ایجاد جداول محاسبه شده ، بهینه سازی عملکرد مدل و اجرای اقدامات امنیتی شیرجه بزنید. سپس ، موارد ضروری تجسم داده ها را برای ایجاد گزارش های قانع کننده و تعاملی مرور کنید. سپس ، یاد بگیرید که چگونه گزارش ها را با ویژگی های پیشرفته قابلیت استفاده ، شناسایی الگوهای کلیدی و استفاده از بینش های AI محور برای بالا بردن تجزیه و تحلیل تقویت کنید. این دوره با درسهایی در مورد استقرار و نگهداری دارایی های داده به طور مؤثر در چارچوب های سازمانی به پایان می رسد. این که آیا شما یک تحلیلگر تجارت ، تحلیلگر داده یا مهندس داده هستید ، این دوره می تواند مهارت های لازم برای تبدیل داده های خام را به بینش های عملی مجهز کند.

 اقتصاد هر روز بر همه ما تأثیر می گذارد - از مسائلی مانند تورم گرفته تا سلامت اقتصاد و خطر رکود. در این دوره آموزشی، یاد بگیرید که چگونه از داده های اقتصادی برای انجام تحلیل و پیش بینی اقتصادی برای به دست آوردن بینش های کلیدی تجاری و تجزیه و تحلیل شرایط بازار استفاده کنید. برای پیش بینی آمارهایی مانند رشد صنعت، تولید ناخالص داخلی و نرخ بیکاری و همچنین عواملی که مستقیماً بر تجارت شما تأثیر می گذارد مانند قیمت ملک، افزایش نرخ بهره در آینده، مسائل زنجیره تأمین و موارد دیگر. تنها چیزی که نیاز دارید فرمول ها، توابع و محاسبات داخلی مایکروسافت اکسل است. در طول مسیر، نکاتی را در مورد استفاده از تحلیل رگرسیون، فواصل اطمینان و ابزارهای پیش‌بینی با شاخص‌های کلیدی عملکرد (KPIs) شرکت خود دریافت کنید و مجموعه مهارت‌های خود را در تجزیه و تحلیل داده‌ها برای برآورده کردن بهتر نیازهای کسب‌وکارتان ایجاد کنید.

 این دوره برای کسانی که به دنبال افزایش توانایی های تصمیم گیری خود با استفاده از هوش مصنوعی ، به ویژه از طریق ChatGPT ، بدون نیاز به مهارت های فنی پیشرفته هستند ، طراحی شده است. با هوش مصنوعی ، می توانید داده های خام را به بینش های قدرتمندی تبدیل کنید که تصمیمات سریعتر و سریعتر را هدایت می کنند. فراتر از استفاده از داده های منسوخ یا بدتر از آن "رفتن با روده خود" ، و به مربی جاستین بیته بپیوندید زیرا او ابزارهای عملی AI را به اشتراک می گذارد که می تواند به شما در تصمیم گیری های دقیق تر و آگاهانه تر کمک کند.

 

پیش‌بینی عملی سری‌های زمانی را با Python با استفاده از مجموعه داده‌های دنیای واقعی از انرژی (EIA - اداره اطلاعات انرژی ایالات متحده) و اقتصاد (FRED - داده‌های اقتصادی فدرال رزرو) بیاموزید.

مهارت‌ها را گام به گام ایجاد کنید، از بارگیری و پیش پردازش داده‌های سری زمانی گرفته تا تجزیه روندها و فصلی، تجسم الگوها با Plotly، و استفاده از مدل‌های پیش‌بینی مانند ARIMA، SARIMA، هموارسازی نمایی، و پیامبر. ارزیابی عملکرد مدل را با استفاده از معیارهای خطا و تکنیک‌های اعتبارسنجی متقاطع مانند اعتبار سنجی قدم به جلو یاد بگیرید.

این دوره بر تمرین‌های عملی در محیط GitHub Codespace تأکید دارد، بنابراین می‌توانید فوراً آنچه را که یاد می‌گیرید در مجموعه داده‌های خود اعمال کنید. فرقی نمی‌کند با داده‌های فروش، انرژی یا مالی کار می‌کنید، مهارت‌هایی را برای ایجاد پیش‌بینی‌های دقیق و قابل تفسیر به دست خواهید آورد که تصمیم‌گیری در دنیای واقعی را هدایت می‌کند.

 تجزیه و تحلیل موضوع بسیار گسترده ای است که به سختی می توان از کجا شروع کرد. در این دوره آموزشی که برای دانش‌آموزان طراحی شده است، نحوه استفاده از تجزیه و تحلیل داده‌ها را برای تصمیم‌گیری آگاهانه و ایجاد مهارت‌های اصلی تجزیه و تحلیل که می‌تواند شما را برای ورود به عرصه کسب‌وکار یا علم داده آماده کند، بررسی کنید. در مورد اصول اولیه تجزیه و تحلیل، نحوه جمع‌آوری داده‌ها، و تأثیر آن بر روزمره یک تجارت بیاموزید. این دوره همچنین مقدمه‌ای بر ابزارهای رایج مورد استفاده در تجزیه و تحلیل و همچنین داستان‌هایی را ارائه می‌کند که برای کمک به دانش‌آموزان طراحی شده‌اند تا دیدی کلی از مشاغلی داشته باشند که به مهارت‌های تحلیلی قوی نیاز دارند.

 تجزیه و تحلیل داده ها برای تجارت شما چه کاری می تواند انجام دهد؟ درسی از شرکت هایی مانند Xerox و UPS درس بگیرید ، با نمونه های کیفی و کمی در طول مسیر. تجزیه و تحلیل داده ها می تواند به کاهش هزینه ها ، سرعت بخشیدن به تحویل ، تولید پیش بینی ها و بهبود نتایج برای تجارت شما در طول زمان کمک کند. در این دوره مقدماتی ، اقتصاددان و نویسنده جان جانسون به شما نشان می دهد که چگونه می توانید از تجزیه و تحلیل برای تصمیم گیری های مبتنی بر داده استفاده کنید و از مزیت رقابتی استفاده کنید.

نمونه هایی از تجزیه و تحلیل زندگی واقعی در عمل ، تمایز بین رویکردهای پیش بینی و تجویز و یادگیری نحوه تدوین و ایجاد سؤالات خود را کشف کنید. نحوه جمع آوری ، تمیز کردن و جمع آوری داده ها را از منابع مختلف در سراسر سازمان خود پیدا کنید و هنگام نقص داده ها را مشخص کنید. جان در مورد برنامه ریزی و استفاده از یک استراتژی تحلیلی که متناسب با نیازهای خاص تجارت شما باشد ، به شما اشاره می کند و انواع تکنیک های ساده را پوشش می دهد: میانگین ، نمونه گیری ، انتخاب گیلاس ، پیش بینی ، همبستگی ، علیت و موارد دیگر.

 آیا به دنبال یک مرور کلی از تجزیه و تحلیل داده های شطرنجی در پایتون هستید؟ این دوره که یک مناسب برای دانشمندان داده و پزشکان جغرافیایی است ، این دوره به منظور کمک به شما در استفاده از داده های بردار و ابزارهای مختلف در پایتون ، مانند ژئوپاندا و شکل ، طراحی شده است. مربی میلان Janosov اصول اولیه را پوشش می دهد ، از ایجاد داده های شطرنجی مصنوعی گرفته تا جمع آوری ، تجسم و اصلاح داده های شطرنجی موجود در دنیای واقعی. در طول راه ، تجربه عملی را در مورد کاوش در داده های شطرنجی هم از نظر آماری و هم بصری کسب کنید. در پایان این دوره ، شما به مهارت های تقاضا برای تغییر شکل مجدد و دوباره ساخت مجدد داده های شطرنجی ، ترکیب داده های شطرنجی تک باند در داده های شطرنجی چند منظوره ، انجام تجزیه و تحلیل پیشرفته بر روی داده های شطرنجی چند بندی و موارد دیگر مجهز خواهید شد.

 GenAI این پتانسیل را دارد که افراد بیشتری را قادر به کار و تجزیه و تحلیل داده ها کند، اما برای موفقیت، به یک پایه محکم در مدیریت داده، آمار و یادگیری ماشین نیاز دارید. این دوره آن پایه را فراهم می کند. مدرس Dan Sullivan به شما آموزش می‌دهد که چگونه سؤالات کسب‌وکار و سؤالات علم داده را به اجزایی که می‌توان به صورت برنامه‌نویسی به آنها پرداخت و سپس چگونه از genAI برای ایجاد برنامه‌ها و اسکریپت‌ها برای پیاده‌سازی یک راه‌حل استفاده کرد. این دوره بر روی سه رکن مورد نیاز برای یک تحلیلگر داده یا دانشمند داده موفق تمرکز می کند: مهارت های حل مسئله، درک آمار و یادگیری ماشین، و تجربه عملی با رویه های مدیریت داده.

 این دوره مفصل موضوعات و مهارتهای مورد نیاز برای موفقیت را به عنوان یک مهندس تحلیلی در بر می گیرد. مربی کانر دیکسون نشان می دهد که چگونه مهندسی تحلیلی شکاف بین مهندسی داده ها و تجزیه و تحلیل داده ها را نشان می دهد و می تواند به شما کمک کند یک چاقوی ارتش سوئیس مهارت های تحلیلی باشید. پس از اتمام این دوره ، شما باید بتوانید با استفاده از محبوب ترین ابزارهایی مانند SQL ، Python ، DBT ، Tableau و موارد دیگر با داده ها کار کنید.

 در این دوره آموزشی، به مربی هاوارد فریدمن بپیوندید تا مفاهیم اصلی قانون 20/80 را برای علم داده و چگونگی به دست آوردن بیشترین ارزش با حداقل تلاش بیان می کند. گام‌های اساسی مورد نیاز برای ارزش دادن به بخش‌های مختلف کارتان، از جمله تعریف موفقیت، به‌دست آوردن مجموعه داده‌های با کیفیت بالا، شروع با آمار اولیه، ساخت مدل‌های اولیه اولیه، و اجتناب از گرفتار شدن در جزئیات کمتر تاثیرگذار را بررسی کنید. این دوره برای رهبران تیم داده و اعضای ارشد تیم داده در دنیای فناوری که علاقه مند به شرکای تجاری کارآمد و مؤثر هستند، هدف قرار می گیرد.

 

در این دوره دستی که شما را با مهارت های کد نویسی دستی در یک محیط ماسهبازی مجهز می کند ، به جنبه های عملی کیفیت داده ها شیرجه بزنید. مهندس داده مارک فریمن به شما نشان می دهد که چگونه می توانید با استفاده از رویکردهای قوی مانند تجزیه و تحلیل علت اصلی و مهندسی هرج و مرج ، مسائل مربوط به کیفیت داده ها را شناسایی ، تجزیه و تحلیل و حل کنید. نحوه استفاده از پرسشنامه های SQL و آزمایشات DBT را برای محافظت از خطوط لوله داده و اطمینان از قابلیت اطمینان مجموعه داده های خود کشف کنید. در مورد تحقیقات خط لوله پایین دست بیاموزید و از منطق کسب و کار که بر کیفیت داده ها تأثیر می گذارد ، کشف کنید. نحوه استفاده از استراتژی های SBAR را برای انتقال بینش خود به ذینفعان پیدا کنید. این که آیا شما یک دانشمند داده ، تحلیلگر و چه به سادگی مشتاق بهبود گردش کار داده ها هستید ، این دوره به شما کمک می کند تا پتانسیل خود را برای حل مشکلات پیچیده کیفیت داده ها در عین حال تأثیر بسزایی در محیط های مبتنی بر داده باز کنید.

این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار "استفاده از Codespaces GitHub" را با این دوره بررسی کنید.

 از زمانی که برای اولین بار در سال 2003 منتشر شد، Tableau به یکی از پرکاربردترین پلتفرم های هوش تجاری در جهان تبدیل شده است. ابزارهای داخلی و عملکرد یکپارچه آن به کاربران اجازه می دهد تا داده ها را به راحتی در یک محیط کاملاً پشتیبانی شده کاوش، مدیریت و تجسم کنند. از نقشه‌های فضایی گرفته تا پیش‌بینی‌ها، رندرهای تعاملی، ابزارهای داستان‌گویی بصری و موارد دیگر، Tableau می‌تواند به تغییر روش تصمیم‌گیری‌های تجاری، صرف نظر از تجربه، تحصیلات یا صنعت شما کمک کند.

به مربی تیم نگونا در این کتاب غیر فنی بپیوندید. مروری بر اجزای اصلی پلتفرم با کاوش در برخی از رایج ترین ابزارهای Tableau، از جمله Tableau Server، Tableau Cloud، Tableau Prep، CRM Analytics، Advanced Management، API ها، رابط ها، برنامه های افزودنی، برنامه ها و موارد دیگر، ارزش هوش تجاری را کشف کنید. در طول مسیر، تیم تعداد انگشت شماری از بینش های کاربردی کاربر را به اشتراک می گذارد که از نمونه های کسب و کار در دنیای واقعی استخراج شده اند.

 آیا به عنوان یک تحلیلگر داده آماده هستید تا اولین قدم را در سفر خود بردارید؟ اهداف شما هرچه که باشند، برای شروع امروز نیازی به پیشینه در علوم کامپیوتر ندارید. در این دوره، مربی، رابین هانت، نگاهی جامع و پشت صحنه به شما می دهد که واقعاً چگونه یک تحلیلگر داده است، از استفاده از مفاهیم داده و مهارت های هوش تجاری گرفته تا رسیدن به اولین نقش و پیشرفت شغلی.

قدرت داده ها و تجزیه و تحلیل داده ها را بررسی کنید تا درک بهتری از نقش ایجاد کنید. در مورد هوش تجاری، تصمیم گیری مبتنی بر داده، روش های جمع آوری داده ها، کشف و تفسیر، و همچنین نحوه ساختار، ارزیابی و تبدیل داده ها با استفاده از توابع اصلی در Excel و Power BI بیاموزید. از رابین در مورد مدل‌سازی، تجسم و ترسیم بازار کار به‌عنوان یک تحلیل‌گر حرفه‌ای، بینش جمع‌آوری کنید. در پایان این دوره، شما مهارت هایی را خواهید داشت که برای شروع یک مسیر شغلی جدید و مقابله با آزمون گواهینامه Microsoft GSI Data Analytics نیاز دارید.

 

مهندسی تجزیه و تحلیل نقش نسبتا جدیدی در زمینه داده است. اگر به دنبال شروع حرفه ای به عنوان یک مهندس تجزیه و تحلیل یا استخدام برای یک موقعیت مهندسی تجزیه و تحلیل در شرکت خود هستید، این دوره می تواند اطلاعاتی را که برای شروع کار نیاز دارید در اختیار شما قرار دهد. مربی و مهندس تجزیه و تحلیل Amataverna Lee شما را راهنمایی می کند که مهندسی تجزیه و تحلیل چیست، چرا اهمیت دارد و کدام نقش ها می توانند به راحتی به مهندسی تجزیه و تحلیل تبدیل شوند. او مدل سازی داده ها، انبارهای داده ابری، ابزارهای خط لوله داده و ابزارهای هوش تجاری را توضیح می دهد. Amataverna چندین روش برتر مهندسی نرم افزار را بررسی می کند. به علاوه، او به شما نشان می‌دهد که چگونه اسناد و ارتباطات در نقش‌های مهندسی تحلیل مهم هستند.

 داده ها در همه جا وجود دارد و شرکت ها برای درک بهتر مشتریان و رقبای خود و اتخاذ تصمیمات تجاری صحیح به آن نیاز دارند. آژور یکی از بهترین گزینه های موجود در بازار است. در این دوره، مدرس Emilio Melo مهمترین موضوعات در آزمون DP-900، اولین گواهینامه مسیر داده مایکروسافت را پوشش می دهد. Emilio گواهینامه و آزمون DP-900 را توضیح می دهد، سپس به مفاهیم اصلی داده، مانند پردازش داده ها و تجزیه و تحلیل داده ها می پردازد. او راه‌هایی را برای کار با داده‌های رابطه‌ای در Azure، از جمله گزینه‌های میزبانی و ارائه پایگاه داده رابطه‌ای در Azure دنبال می‌کند. Azure همچنین راه هایی برای مدیریت داده های غیر رابطه ای دارد و Emilio چندین گزینه را مورد بحث قرار می دهد. او بارهای کاری تجزیه و تحلیل را بررسی می کند، سپس با بینش هایی در مورد ذخیره سازی داده در Azure و Power BI نتیجه گیری می کند.