آموزش مدیریت و بصری‌سازی داده‌ها - آخرین آپدیت

دانلود Data Management and Visualization

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: داده‌ها، چه برای شخصی‌سازی تبلیغات برای میلیون‌ها بازدیدکننده وب‌سایت و چه برای بهینه‌سازی سفارش موجودی در یک رستوران کوچک، به بخشی جدانشدنی از موفقیت تبدیل شده‌اند. اغلب ما اطمینان نداریم که چگونه از داده‌ها برای یافتن پاسخ‌هایی استفاده کنیم که ما را در مسیر شغلی یا تحصیلی موفق‌تر سازد. در این دوره، شما مفهوم داده‌ها را کشف خواهید کرد و یاد می‌گیرید چه سوالاتی را می‌توان با استفاده از داده‌ها پاسخ داد؛ حتی اگر پیش از این هرگز به دنیای داده‌ها فکر نکرده باشید. بر اساس داده‌های موجود، شما یاد می‌گیرید که یک سوال پژوهشی تدوین کنید، متغیرها و روابط آن‌ها را توصیف نمایید، آمارهای پایه را محاسبه کنید و نتایج خود را به صورت شفاف ارائه دهید. در پایان این دوره، شما قادر خواهید بود از ابزارهای قدرتمند تحلیل داده‌ها (SAS یا Python) برای مدیریت و بصری‌سازی داده‌های خود، از جمله نحوه برخورد با داده‌های مفقود (Missing Data)، گروه‌بندی متغیرها و رسم نمودارها استفاده کنید. در طول دوره، پیشرفت خود را با دیگران به اشتراک می‌گذارید تا بازخوردهای ارزشمندی دریافت کنید و همزمان بیاموزید که همتایان شما چگونه از داده‌ها برای پاسخ به سوالاتشان استفاده می‌کنند.

سرفصل ها و درس ها

انتخاب سوال پژوهشی Selecting a research question

  • ویدیو خوش‌آمدگویی Welcome Video

  • درس ویدئویی: مراحل تحلیل داده‌ها Video Lesson - Steps in data analysis

  • درس ویدئویی: منظور ما از داده چیست؟ Video Lesson - What do we mean by data?

  • درس ویدئویی: مجموعه‌داده‌ها و کدباکس‌ها Video Lesson - Datasets and codebooks

  • درس ویدئویی: تدوین یک سوال پژوهشی Video Lesson - Developing a research question

نوشتن اولین برنامه با SAS یا پایتون Writing your first program - SAS or Python

  • درس ۱ SAS: تعریف تحلیل اکتشافی داده‌ها SAS Lesson 1 - Defining exploratory data analysis

  • درس ۲ SAS: قراردادهای کدنویسی در SAS SAS Lesson 2 - SAS coding conventions

  • درس ۳ SAS: اجرای برنامه و بررسی توزیع فراوانی SAS Lesson 3 - Running your program and examining frequency distribution

  • درس ۴ SAS: اصلاح سوال پژوهشی از طریق انتخاب ردیف‌ها SAS Lesson 4 - Refining your research question by selecting rows

  • درس ۱ پایتون: تعریف تحلیل اکتشافی داده‌ها Python Lesson 1 - Defining Exploratory Data Analysis

  • درس ۲ پایتون: قراردادهای کدنویسی در پایتون Python Lesson 2 - Python Coding Conventions

  • درس ۳ پایتون: اجرای برنامه و بررسی توزیع فراوانی Python Lesson 3 - Running your program and examining frequency distributions

  • درس ۴ پایتون: اصلاح سوال پژوهشی از طریق انتخاب ردیف‌ها Python Lesson 4 - Refining your research question by selecting rows

مدیریت داده‌ها Managing Data

  • درس ۱ SAS: مدیریت داده‌های مفقود SAS Lesson 1 - Setting aside missing data

  • درس ۲ SAS: کدگذاری داده‌های معتبر و بازبینی مقادیر SAS Lesson 2 - Coding in valid data and recoding values

  • درس ۳ SAS: ایجاد متغیرهای ثانویه SAS Lesson 3 - Creating secondary variables

  • درس ۴ SAS: گروه‌بندی متغیرها در قالب متغیرهای منفرد SAS Lesson 4 - Grouping variables within individual variables

  • درس ۱ پایتون: مدیریت داده‌های مفقود Python Lesson 1 - Setting aside missing data

  • درس ۲ پایتون: کدگذاری داده‌های معتبر و بازبینی مقادیر Python Lesson 2 - Coding valid data and recoding values

  • درس ۳ پایتون: ایجاد متغیرهای ثانویه Python Lesson 3 - Creating secondary variables

  • درس ۴ پایتون: گروه‌بندی مقادیر در قالب متغیرهای منفرد Python Lesson 4 - Grouping values within individual variables

بصری‌سازی داده‌ها Visualizing Data

  • درس ۱ SAS: رسم نمودار متغیرهای منفرد SAS Lesson 1 - Graphing individual variables

  • درس ۲ SAS: توصیف بصری توزیع‌ها SAS Lesson 2 - Describing distributions visually

  • درس ۳ SAS: معیارهای مرکزیت و پراکندگی SAS Lesson 3 - Measures of center and spread

  • درس ۴ SAS: طراحی نقش هر یک از متغیرها SAS Lesson 4 - Designing the role each of your variables will play

  • درس ۵ SAS: تصمیمات نموداری: متغیرهای پاسخ طبقه‌بندی شده SAS Lesson 5 - Graphing decisions: categorical response variables

  • درس ۶ SAS: تصمیمات نموداری: متغیرهای پاسخ کمی SAS Lesson 6 - Graphing decisions: quantitative response variable

  • درس ۱ پایتون: رسم نمودار متغیرهای منفرد Python Lesson 1 - Graphing individual variables

  • درس ۲ پایتون: توصیف بصری توزیع‌ها Python Lesson 2 - Describing distributions visually

  • درس ۳ پایتون: معیارهای مرکزیت و پراکندگی Python Lesson 3 - Measures of Center and Spread

  • درس ۴ پایتون: طراحی نقش هر یک از متغیرها Python Lesson 4 - Designing the role each of your variables will play

  • درس ۵ پایتون: تصمیمات نموداری: متغیرهای پاسخ طبقه‌بندی شده Python Lesson 5 - Graphing Decisions: Categorical response variables

  • درس ۶ پایتون: تصمیمات نموداری: متغیرهای پاسخ کمی Python Lesson 6 - Graphing decisions: quantitative response variable

منابع تکمیلی (تمامی هفته‌ها) Supplemental Materials (All Weeks)

نمایش نظرات

آموزش مدیریت و بصری‌سازی داده‌ها
جزییات دوره
12h 11m
33
(آخرین آپدیت)
85,594
4.5 از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده