Kesan mengikuti "Latihan Ilmu Data untuk Orang yang Bekerja (Biro Statistik)"
Kursus Daring Ilmu Data Kementerian Dalam Negeri dan Komunikasi ke-3 "Praktik Ilmu Data untuk Pekerja" kini telah dibuka.
Dalam kursus ini, Anda dapat mempelajari metode analisis data praktis dalam bisnis melalui video ceramah dan latihan menggunakan excel.
Kali ini, saya telah selesai mengikuti rangkaian kuliah, jadi saya akan merangkum garis besar dan kesan dari kuliah tersebut.Saya memiliki pengetahuan dasar (itu benar-benar dasar dari dasar), jadi saya berhasil menjawab semua latihan dengan benar.
Kursus sasaran
Biro Statistik, Kementerian Dalam Negeri dan Komunikasi "Latihan Ilmu Data untuk Pekerja"
http://gacco.org/stat-japan2
Bahan ajar tambahan untuk kursus ini (ukuran A4, total 135 halaman) juga tersedia.Anda dapat membelinya dari situs web resmi Amazon atau Asosiasi Statistik Jepang.
Data Science Exercises for Work People Catatan Kajian Resmi Edisi Revisi
Jika Anda melewatkan periode kelas, mengapa tidak menunggu hingga kelas berikutnya dimulai atau lihat tautan ini?
概要
Total waktu belajar: (XNUMX-XNUMX menit per pelajaran x XNUMX-XNUMX kuliah) x XNUMX minggu
Minggu 1: Apa itu Ilmu Data
Apa itu "ilmu data"?
Latar belakang yang diperlukan, keterampilan dan pengetahuan yang dibutuhkan
Prosedur dan metode analisis
Minggu 2: Konsep dan Contoh Analisis
Memahami dan membandingkan data untuk masalah bisnis praktis.
Minggu 3: Teknik Spesifik untuk Analisis
tabulasi silang
Plot pencar dan korelasi
Cara membaca dan menginterpretasikan data deret waktu
Minggu 4: Pelaporan Peramalan dan Analisis Bisnis
Analisis regresi dan evaluasi model
Pelaporan hasil analisis
Metode umum seperti prediksi/klasifikasi dan situasi penggunaan
Minggu 5: Menghidupkan ilmu data dalam bisnis
Rangkuman ulasan
Studi kasus pemecahan masalah berdasarkan analisis data
Berbagai ilmuwan data
Poin untuk mewujudkan ilmu data di perusahaan
kesan
Tingkat kursus
Kesan bahwa sebagian besar konten adalah dasar.Sepertinya itu seharusnya diambil setelah "Pengantar Ilmu Data untuk Orang yang Bekerja".
Namun, jika Anda memiliki pengetahuan statistik dasar seperti median, koefisien korelasi, varians, dan analisis regresi, tidak ada masalah khusus meskipun Anda tidak mengikuti "pengantar".
Tentang isinya
Seperti yang dikatakan sebagai latihan, ini mengasumsikan bahwa Anda memiliki pengetahuan dasar, dan memberikan model bagaimana melanjutkan ketika benar-benar menganalisis data dalam lingkungan bisnis.
Profesor yang bertanggung jawab atas setiap kuliah adalah anggota terkemuka seperti pakar ilmu data, profesor universitas, dan anggota staf Biro Statistik Kementerian Dalam Negeri dan Komunikasi.Sebagai seorang siswa, sangat menyegarkan dan menyenangkan mendengarkan perumpamaan yang dihadapi para guru di lapangan.
Tentang latihan
Itu lebih merupakan latihan daripada ceramah. Saya akan menyelesaikannya dengan excel, tapi saya pikir akan lebih baik menyelesaikannya dengan R atau python untuk orang yang memulai ilmu data dengan sungguh-sungguh.
Di sisi lain, saya kembali diingatkan bahwa excel pun bisa melakukan hal-hal tingkat lanjut secara tidak terduga.Saya tidak tahu bahwa analisis deret waktu dapat dipecah menjadi tren, fluktuasi musiman, dan fluktuasi tidak teratur...
Tiap minggu ada ulangan, tapi saya bisa dapat nilai sempurna karena ceramahnya sopan.Saya berharap untuk menerima sertifikat penyelesaian.
Selesaikan dengan Python
Jika Anda ingin memulai ilmu data dan pembelajaran mesin dengan sungguh-sungguh, Anda masih ingin menganalisis data secara fleksibel dengan python atau R.Jadi saya mencoba menyelesaikannya dengan python sekaligus belajar pemrograman.
Ini kodenya.Jika Anda ingin berlatih python dengan cara yang sama, silakan gunakan.
https://github.com/echomint/Data-science-practice-for-workers
Butuh waktu cukup lama bagi saya untuk menyelesaikannya sambil mempelajari kode dan data dasar.
Perangkat lunak GUI seperti Excel cukup untuk analisis tipikal.
Jika Anda ingin melakukan analisis yang lebih kompleks, melakukan penyesuaian halus pada model prediksi, atau memahami bagian dalam model, pemrograman akan lebih fleksibel dan Anda dapat menanganinya. .