Indrukken enz. Omdat ik heb deelgenomen aan "Data Science Exercise for Working People (Statistics Bureau)"
De 3e Ministerie van Binnenlandse Zaken en Communicatie Datawetenschap online cursus "Datawetenschapoefeningen voor werkende mensen" is nu geopend.
In deze cursus ben je in staat om praktische data-analysemethoden in het bedrijfsleven te leren door middel van videocolleges en oefeningen met Excel.
Deze keer ben ik klaar met het volgen van alle lezingen, dus ik zal het overzicht en de impressies van de lezing samenvatten.Omdat ik basiskennis had (hoewel het eigenlijk de basis van de basis is), slaagde ik erin om alle oefeningen correct te beantwoorden.
Doelcursus
"Data Science-oefeningen voor werkende mensen" verstrekt door Bureau voor de Statistiek, Ministerie van Binnenlandse Zaken en Communicatie
http://gacco.org/stat-japan2
Aanvullend materiaal voor deze cursus (4 pagina's in A135-formaat) is ook te koop.U kunt het officieel kopen bij amazon of de Japan Statistical Association.
Data Science-oefeningen voor werkende mensen Officiële studienota Herziene uitgave
Als je de les hebt gemist, waarom wacht je dan niet tot de volgende les of kijk je hier.
概要
Totale studietijd: (XNUMX keer XNUMX-XNUMX minuten x XNUMX-XNUMX hoorcolleges) x XNUMX weken
Week 1: Wat is datawetenschap?
Wat is "data science"?
Vereiste achtergrond, vereiste vaardigheden / kennis
Hoe te werk te gaan en analysemethode
Week 2: Analytische concepten en voorbeelden
Begrijp en vergelijk gegevens over praktische zakelijke kwesties.
Week 3: Specifieke analysemethode
Kruistabellen
Spreidingsdiagram en correlatie
Hoe tijdreeksgegevens te lezen en te interpreteren
Week 4: rapporteer zakelijke prognoses en analyseresultaten
Regressieanalyse en modelevaluatie
Rapport van analyseresultaten
Typische methoden zoals voorspelling en classificatie en gebruikssituaties
Week 5: Data Science in Business realiseren
Review, samenvatting
Probleemoplossende case study op basis van data-analyse
Diverse datawetenschappers
Kernpunten voor het realiseren van data science in een bedrijf
Indrukken
Cursusniveau
De indruk dat veel van de inhoud eenvoudig was.Het lijkt erop dat het is genomen na "Inleiding tot datawetenschap voor werkende mensen".
Als u echter kennis heeft van basisstatistieken zoals mediaan, correlatiecoëfficiënt, variantie en regressieanalyse, was er geen probleem, zelfs als u geen "introductie" kreeg.
Over de inhoud
Aangezien het een oefening zou zijn, wordt ervan uitgegaan dat u over basiskennis beschikt, en de inhoud is om een voorbeeld te geven van hoe u verder moet gaan bij het daadwerkelijk analyseren van gegevens in een zakelijke omgeving.
De docenten die verantwoordelijk waren voor elke lezing waren leden als deskundigen die betrokken zijn bij datawetenschap, universiteitsprofessoren en medewerkers van het Bureau voor de Statistiek van het ministerie van Binnenlandse Zaken en Communicatie.Het was erg verfrissend en plezierig voor mij als leerling om de gelijkenissen te horen waarmee de leraren in het veld te maken leken te hebben gehad.
Over oefeningen
Het was eigenlijk meer een oefening dan een lezing. Ik zal het oplossen met Excel, maar ik dacht dat het goed zou zijn als ik het zou oplossen met R of python voor degenen die serieus met data science beginnen.
Aan de andere kant werd ik eraan herinnerd dat ik geavanceerde dingen kan doen met Excel.Ik wist niet dat tijdreeksanalyse trends, seizoensfluctuaties en onregelmatige fluctuaties zou kunnen opsplitsen ...
Elke week is er een toets, maar ik kreeg een perfecte score omdat de lezing beleefd was.Ik kijk er naar uit om een certificaat van voltooiing af te geven.
Probeer het op te lossen met Python
Als ik serieus met data science en machine learning wil beginnen, wil ik nog steeds flexibel data analyseren met python en R.Dus ik probeerde het op te lossen met python en ook met leren programmeren.
Klik hier voor de code.Als je python op dezelfde manier wilt oefenen, gebruik het dan alsjeblieft.
https://github.com/echomint/Data-science-practice-for-workers
Het kostte me veel tijd om het op te lossen terwijl ik de basiscode en gegevens leerde.
Voor routinematige analyse is GUI-software zoals Excel voldoende.
Als je probeert om meer gecompliceerde analyses uit te voeren, het voorspellingsmodel te verfijnen, de binnenkant van het model te begrijpen, zal programmeren flexibeler zijn en kun je ermee omgaan, en ik denk dat het goed was in termen van het ervaren van de basisprincipes van analyse met python ...