این کلاس قسمت 2 از مجموعه دو قسمتی تجسم دادههای اکسل است که برای درک عمیق و 100٪ جامع از جدیدترین دادههای تصویری اکسل طراحی شده است. ..
با یک متخصص علوم داده ، اصول داده های بزرگ را کشف کنید. در مورد چگونگی انجام وظایف اصلی مهندسی داده از جمله مرحله بندی ، پروفایل ، پاکسازی و مهاجرت اطلاعات بیاموزید.
جف سلینگو از استودیوی LinkedIn بازدید می کند تا در مورد اهمیت استفاده از داده هنگام تصمیم گیری در مورد استخدام سنجیده شود.
بیاموزید که چگونه به تیم های علوم داده کمک کنیم تا یافته های بهتری پیدا کنند و داده ها را ارزیابی کنند. س questionsالات مهم ، استدلال انتقادی ، سازماندهی س questionsالات ، برگزاری جلسات و موارد دیگر را کاوش کنید.
بیاموزید که چگونه از DC.js با هماهنگی Crossfilter و D3.js برای ایجاد داشبورد و ابزارک تعاملی استفاده کنید که نمودارهای میله ای ، نمودارهای پراکنده ، نقشه های حرارتی و موارد دیگر را نمایش می دهد.
بن سالینز ، متخصص علوم داده ، 12 افسانه رایج در زمینه علوم داده را برهم زد و واقعیت را از داستان درباره اینکه داده های کلان چیست جدا کرد.
آیا باید آرایه های بزرگ و پیچیده داده های JavaScript را با حداکثر سرعت و اثربخشی تقسیم کنید؟ بیاموزید که چگونه از Crossfilter.js برای گروه بندی و فیلتر کردن داده ها به طور مستقیم در یک مرورگر وب استفاده کنید.
هر دو هفته بینش ارزشمندی در زمینه داده های علمی ارائه دهید. بیاموزید که چگونه در چرخه زندگی علوم داده (DSLC) کار کنید و با استفاده از ابزارهایی مانند صفحه سوالات کار خود را خراب کنید.
مقدمه ای در مورد علم داده تهیه کنید که برای افرادی طراحی شده است که دانشمند تمام وقت داده نیستند. اصول جمع آوری و تجزیه و تحلیل داده های بزرگ را بیاموزید.
استخدام ، پرورش و مدیریت تیم های علوم داده را که بینش عمیق تر و گزارش ها و تجسم های موثرتری تولید می کنند ، بیاموزید.
علم داده برای محل کار و اقتصاد جهانی بیش از پیش ارزشمند می شود. بیاموزید که چگونه از عمل علم داده و زبان برنامه نویسی R برای تبدیل داده های خود به بینش عملی استفاده کنید.
مقدمه ای در مورد پانداها ، کتابخانه پایتون برای تجزیه و تحلیل داده ها و علم داده دریافت کنید. بر ابزارهای آن برای سری های زمانی تسلط پیدا کرده و نحوه کار کردن ابزار داده ها و قاب ها را بیاموزید.