Впечатления и т. Д., Потому что я посетил "Упражнения по науке о данных для рабочих (Статистическое бюро)"
Открылся 3-й онлайн-курс Министерства внутренних дел и коммуникаций по науке о данных «Упражнения по науке о данных для трудящихся».
В этом курсе вы сможете изучить практические методы анализа данных в бизнесе с помощью видеолекций и упражнений с использованием Excel.
В этот раз я закончил читать все лекции, поэтому подведу итоги лекции и впечатления.Так как у меня были базовые знания (хотя это действительно азы азов), мне удалось правильно ответить на все упражнения.
Целевой курс
«Упражнения по науке о данных для трудящихся», предоставленные Статистическим управлением Министерства внутренних дел и коммуникаций.
http://gacco.org/stat-japan2
Также в продаже есть дополнительные материалы к этому курсу (4 страниц формата А135).Вы можете купить его официально в Amazon или Японской статистической ассоциации.
Упражнения по науке о данных для трудящихся Официальная учебная записка, исправленное издание
Если вы пропустили урок, почему бы не дождаться следующего урока или посмотреть здесь.
概要
Общее время обучения: (XNUMX час XNUMX-XNUMX минут x XNUMX-XNUMX лекций) x XNUMX недель
Неделя 1: Что такое Data Science?
Что такое «наука о данных»?
Требуемый фон, необходимые навыки / знания
Как действовать и метод анализа
Неделя 2: Аналитические концепции и примеры
Разберитесь и сравните данные по практическим вопросам бизнеса.
Неделя 3: Конкретный метод анализа
Кросстабуляция
График разброса и корреляция
Как читать и интерпретировать данные временных рядов
Неделя 4: отчет бизнес-прогнозов и результатов анализа
Регрессионный анализ и оценка модели
Отчет о результатах анализа
Типичные методы, такие как прогнозирование, классификация и ситуации использования
Неделя 5: реализация науки о данных в бизнесе
Итоги обзора
Пример решения проблем на основе анализа данных
Различные специалисты по данным
Ключевые моменты для реализации науки о данных в компании
Впечатления
Уровень курса
Создается впечатление, что многое из содержания было базовым.Похоже, что это должно быть сделано после «Введение в науку о данных для рабочих».
Однако, если у вас есть знания базовой статистики, такой как медиана, коэффициент корреляции, дисперсия и регрессионный анализ, проблем не возникнет, даже если вы не получили «введение».
О содержании
Поскольку это упражнение, предполагается, что у вас есть базовые знания, а содержание должно показать пример того, как действовать при фактическом анализе данных в бизнес-среде.
Преподавателями каждой лекции были такие члены, как специалисты, занимающиеся наукой о данных, профессора университетов и сотрудники Статистического управления Министерства внутренних дел и коммуникаций.Мне, как ученику, было очень приятно и приятно слышать притчи, с которыми учителя, казалось, действительно сталкивались в полевых условиях.
О упражнениях
По сути, это было скорее упражнение, чем лекция. Я решу эту проблему с помощью excel, но я подумал, что было бы хорошо, если бы я решил ее с помощью R или python для тех, кто серьезно занимается наукой о данных.
С другой стороны, мне напомнили, что я могу делать сложные вещи с помощью Excel.Я не знал, что анализ временных рядов может разбить тенденции, сезонные колебания и нерегулярные колебания ...
Каждую неделю проводится тест, но я получил высший балл, потому что лекция была вежливой.С нетерпением жду сертификата об окончании.
Попробуйте решить это с помощью Python
Когда я хочу серьезно заняться наукой о данных / машинным обучением, я все равно хочу гибко анализировать данные с помощью python и R.Поэтому я попытался решить эту проблему с помощью Python, а также изучил программирование.
Щелкните здесь, чтобы увидеть код.Если вы хотите таким же образом попрактиковаться в питоне, используйте его.
https://github.com/echomint/Data-science-practice-for-workers
Мне потребовалось много времени, чтобы решить эту проблему, пока я изучал базовый код и данные.
Для рутинного анализа достаточно программного обеспечения с графическим интерфейсом, такого как Excel.
Если вы попытаетесь провести более сложный анализ, отрегулировать модель прогнозирования, понять внутреннюю часть модели, программирование станет более гибким, и вы сможете справиться с этим, и я думаю, что это было хорошо с точки зрения изучения основ анализа с помощью питон ...