Дополнительно
Понимание данных
Этот курс разработан, чтобы помочь пользователям получить представление о данных, узнать о различных типах и атрибутах данных и помочь им понять, почему эта информация важна в современном мире.
Цели обучения:
- Получить представление о данных
- Узнать о различных типах и атрибутах данных
- Понять, почему изучение данных важно в современном мире аналитики.
Введение в науку о данных
В этом модуле представлена концепция науки о данных.
Цели обучения:
- Изучить истоки науки о данных
- Обсудить определения науки о данных
- Рассмотреть различные промышленные и академические приложения
- Пройтись по жизненному циклу науки о данных
- Советы и предостережения для того, чтобы сделать науку о данных частью вашей организации.
Понимание сигнала и шума
Этот курс предназначен для того, чтобы помочь пользователям получить представление о том, что такое сигнал и шум.
Цели обучения:
- Получить понимание сигнала и шума
- Как это применимо к аналитике
- Несколько способов улучшить свой набор навыков в аналитике
Аналитическое A/B тестирование
Данный курс предназначен для того, чтобы помочь пользователям получить представление о A/B тестировании, узнать об этой концепции и ее роли в аналитике, а также помочь им понять, почему эта информация важна в современном мире.
Цели обучения:
- Понять, что такое A/B тестирование
- Почему эти темы важны для аналитики
- Почему A/B тестирование важно в современном мире.
Планирование экспериментов
В этом модуле представлена концепция планирования экспериментов.
Цели обучения:
- Изучить историю планирования экспериментов
- Обсудить различные компоненты экспериментов
- Изучить разницу между наблюдениями и экспериментами.
- Пройтись по традиционному дизайну фреймворка планирования экспериментов
Введение в процесс принятия решений на основе данных
Этот модуль познакомит вас с процессом принятия решений на основе данных.
Цели обучения:
- Объяснить, что такое принятие решений на основе фактических данных.
- Изучить, как организации могут превращать данные в ценность
- Получить представление о навыках и компетенциях, необходимых для надлежащего использования данных.
Система принятия решений на основе данных
Этот модуль исследует систему принятия решений, основанную на данных.
Цели обучения:
- Объяснить шаги, которые необходимо предпринять при принятии решения, основанного на данных.
- изучить различные модели и инструменты, которые могут помочь в процессе принятия решений
Методы анализа принятия решений
Этот модуль фокусируется на шаге "Анализ" в системах принятия решений на основе данных, чтобы предоставить вам информацию о различных техниках, которые вы можете использовать для принятия решений.
Цели обучения:
- Понять различные виды аналитики, доступные лицам, принимающим решения.
- Определить случаи использования, в которых может быть применен один или несколько из этих методов.
Анализ дерева решений
Этот курс предназначен для того, чтобы помочь пользователям получить представление о деревьях принятия решений, узнать об этой концепции и ее роли в аналитике, а также помочь им понять, почему эта информация важна в современном мире.
Цели обучения:
- Понять, что такое деревья решений и как они функционируют.
- Узнать, почему эта тема важна для аналитики.
- Открыть для себя разницу между деревьями регрессии и классификации
- Уловить важность разграничения между этими двумя понятиями
Интеграция продвинутой аналитики с Qlik Sense
В этом модуле рассматривается интеграция расширенного анализа с Qlik Sense.
Цели обучения:
- Понять основы интеграции продвинутой аналитики (AAI).
- Изучить интеграции R в Qlik Sense с последующей демонстрацией.
- Исследовать возможность интеграции Python в Qlik Sense с последующей демонстрацией.
Анализ на основе множественной линейной регрессии
Этот модуль исследует применение множественных переменных к линейной регрессии.
Цели обучения:
- Расширить простую линейную регрессию до множественной линейной регрессии
- Обсудить применение множественной линейной регрессии
- Понимать потенциальные ловушки множественной линейной регрессии
- Анализ набора данных с помощью простых методов линейной регрессии
- Использовать возможности инструментария Advanced Analytics Toolbox для изучения множественной линейной регрессии.
- Data Informed Decision Making Takeaway (pdf)
- Data Science Takeaway (pdf)
- Data Storytelling Takeaway (pdf)
- Desgin Of Experiments Takeaway (pdf)
- DIDM_Framework takeaway (pdf)
- Distributions Takeaway Document (pdf)
- DMAT Takeaway (pdf)
- Multiple Linear Regression Takeaway (pdf)
- Signal Noise Takeaway (pdf)
- Simple Linear Regression Analysis Takeaway (pdf)
- Takeaway Document Aggregations (pdf)
- Understanding Data_Takeaway (pdf)
- WP Developing a Data Literate Workforce EN (pdf)
#dataliteracy, #информационная грамотность, #DataLiteracyProject