Impressionen usw., weil ich an "Data Science Exercise for Working People (Statistikbüro)" teilgenommen habe.
Der 3. Online-Kurs des Ministeriums für innere Angelegenheiten und Kommunikation Data Science "Data Science-Übungen für Berufstätige" ist jetzt geöffnet.
In diesem Kurs lernen Sie praktische Datenanalysemethoden in der Wirtschaft durch Videovorträge und Übungen mit Excel.
Dieses Mal habe ich alle Vorlesungen beendet und werde die Umrisse und Eindrücke der Vorlesung zusammenfassen.Da ich Grundkenntnisse hatte (obwohl es wirklich die Grundlagen der Grundlagen sind), gelang es mir, alle Übungen richtig zu beantworten.
Zielkurs
"Data Science Exercises for Working People", bereitgestellt vom Statistikamt des Ministeriums für innere Angelegenheiten und Kommunikation
http://gacco.org/stat-japan2
Ergänzende Materialien für diesen Kurs (4 Seiten im Format A135) sind ebenfalls erhältlich.Sie können es offiziell bei Amazon oder der Japan Statistical Association kaufen.
Data Science-Übungen für Erwerbstätige Offizielle Studiennotiz Überarbeitete Ausgabe
Wenn Sie die Klasse verpasst haben, warten Sie bis zur nächsten Klasse oder sehen Sie hier.
概要
Gesamtstudienzeit: (XNUMX Mal XNUMX-XNUMX Minuten x XNUMX-XNUMX Vorlesungen) x XNUMX Wochen
Woche 1: Was ist Data Science?
Was ist "Datenwissenschaft"?
Erforderlicher Hintergrund, erforderliche Fähigkeiten / Kenntnisse
Vorgehensweise und Analysemethode
Woche 2: Analytische Konzepte und Beispiele
Daten zu praktischen geschäftlichen Themen verstehen und vergleichen.
Woche 3: Spezifische Analysemethode
Kreuztabelle
Streudiagramm und Korrelation
Lesen und Interpretieren von Zeitreihendaten
Woche 4: Geschäftsprognosen und Analyseergebnisse melden
Regressionsanalyse und Modellbewertung
Bericht über die Analyseergebnisse
Typische Methoden wie Vorhersage und Klassifizierung sowie Verwendungssituationen
Woche 5: Realisierung von Data Science in der Wirtschaft
Zusammenfassung
Fallstudie zur Problemlösung basierend auf Datenanalyse
Verschiedene Datenwissenschaftler
Wichtige Punkte für die Realisierung von Data Science in einem Unternehmen
Impressionen
Kursniveau
Eindruck, dass viele der Inhalte grundlegend waren.Es scheint, dass es nach "Einführung in Data Science für arbeitende Menschen" genommen werden soll.
Wenn Sie jedoch Kenntnisse über grundlegende Statistiken wie Median, Korrelationskoeffizient, Varianz und Regressionsanalyse haben, gab es kein Problem, auch wenn Sie keine "Einführung" erhalten haben.
Über den Inhalt
Da es sich um eine Übung handelt, wird davon ausgegangen, dass Sie über Grundkenntnisse verfügen. Der Inhalt soll ein Beispiel dafür geben, wie bei der tatsächlichen Analyse von Daten in einem Geschäftsumfeld vorgegangen werden soll.
Die für jede Vorlesung zuständigen Lehrkräfte waren Mitglieder wie Experten für Datenwissenschaft, Universitätsprofessoren und Mitarbeiter des Statistikbüros des Ministeriums für innere Angelegenheiten und Kommunikation.Für mich als Lernende war es sehr erfrischend und erfreulich, die Gleichnisse zu hören, mit denen die Lehrer auf dem Gebiet tatsächlich konfrontiert zu sein schienen.
Über Übungen
Es war im Grunde eher eine Übung als ein Vortrag. Ich werde es mit Excel lösen, aber ich dachte, dass es in Ordnung wäre, wenn ich es mit R oder Python für diejenigen lösen würde, die ernsthaft mit Data Science beginnen.
Andererseits wurde ich daran erinnert, dass ich mit Excel fortgeschrittene Dinge tun kann.Ich wusste nicht, dass Zeitreihenanalysen Trends, saisonale Schwankungen und unregelmäßige Schwankungen aufschlüsseln können ...
Es gibt jede Woche einen Test, aber ich habe eine perfekte Punktzahl bekommen, weil der Vortrag höflich war.Ich freue mich auf die Ausstellung eines Abschlusszertifikats.
Versuchen Sie es mit Python zu lösen
Wenn ich ernsthaft mit Data Science / maschinellem Lernen beginnen möchte, möchte ich dennoch Daten mit Python und R flexibel analysieren.Also habe ich versucht, es mit Python zu lösen und Programmieren zu lernen.
Klicken Sie hier für den Code.Wenn Sie Python auf die gleiche Weise üben möchten, verwenden Sie es bitte.
https://github.com/echomint/Data-science-practice-for-workers
Ich habe lange gebraucht, um das Problem zu lösen, während ich den grundlegenden Code und die Daten gelernt habe.
Für die Routineanalyse reicht eine GUI-Software wie Excel aus.
Wenn Sie versuchen, eine kompliziertere Analyse durchzuführen, das Vorhersagemodell zu optimieren, das Innere des Modells zu erfassen, wird die Programmierung flexibler und Sie können damit umgehen, und ich denke, dass es gut war, die Grundlagen der Analyse mit zu erfahren Python. ..