Cảm nhận khi tham gia "Bài tập Khoa học Dữ liệu cho Người đi làm (Cục Thống kê)"
Khóa học trực tuyến về khoa học dữ liệu "Thực hành khoa học dữ liệu cho người đi làm" lần thứ 3 của Bộ Nội vụ và Truyền thông hiện đang mở.
Trong khóa học này, bạn có thể học các phương pháp phân tích dữ liệu thực tế trong kinh doanh thông qua các video bài giảng và bài tập sử dụng excel.
Lần này tôi đã hoàn thành một loạt các bài giảng, vì vậy tôi sẽ tóm tắt các đại cương và ấn tượng của bài giảng.Tôi đã có kiến thức cơ bản (nó thực sự là nền tảng của những điều cơ bản), vì vậy tôi đã trả lời đúng tất cả các bài tập.
khóa học mục tiêu
Cục Thống kê, Bộ Nội vụ và Truyền thông "Bài tập Khoa học Dữ liệu cho Người đi làm"
http://gacco.org/stat-japan2
Tài liệu giảng dạy bổ sung cho khóa học này (khổ A4, tổng cộng 135 trang) cũng có sẵn.Bạn có thể mua nó từ trang web chính thức của Amazon hoặc Hiệp hội Thống kê Nhật Bản.
Bài tập khoa học dữ liệu cho người đi làm Ghi chú nghiên cứu chính thức Phiên bản sửa đổi
Nếu bạn bỏ lỡ tiết học, tại sao không đợi cho đến khi lớp học tiếp theo bắt đầu hoặc tham khảo liên kết này?
概要
Tổng thời lượng học: (XNUMX-XNUMX phút/bài x XNUMX-XNUMX bài) x XNUMX tuần
Tuần 1: Khoa học dữ liệu là gì
"khoa học dữ liệu" là gì?
Nền tảng cần thiết, kỹ năng và kiến thức cần thiết
Quy trình và phương pháp phân tích
Tuần 2: Phân tích các khái niệm và ví dụ
Hiểu và so sánh dữ liệu cho các vấn đề kinh doanh thực tế.
Tuần 3: Kỹ thuật phân tích cụ thể
bảng chéo
Biểu đồ phân tán và tương quan
Cách đọc và diễn giải dữ liệu chuỗi thời gian
Tuần 4: Báo cáo phân tích và dự báo kinh doanh
Phân tích hồi quy và đánh giá mô hình
Báo cáo kết quả phân tích
Các phương pháp điển hình như dự đoán/phân loại và tình huống sử dụng
Tuần 5: Đưa khoa học dữ liệu vào cuộc sống trong kinh doanh
Đánh giá, Tổng hợp
Nghiên cứu trường hợp giải quyết vấn đề dựa trên phân tích dữ liệu
Các nhà khoa học dữ liệu khác nhau
Các điểm để hiện thực hóa khoa học dữ liệu trong doanh nghiệp
Số lần hiển thị
cấp độ khóa học
Ấn tượng rằng hầu hết các nội dung là cơ bản.Có vẻ như nó được thực hiện sau "Giới thiệu về Khoa học Dữ liệu cho Người đi làm".
Tuy nhiên, nếu bạn có kiến thức thống kê cơ bản như trung vị, hệ số tương quan, phương sai và phân tích hồi quy, thì sẽ không có vấn đề gì đặc biệt ngay cả khi bạn không học "nhập môn".
Về nội dung
Vì nó được cho là một bài tập, nó giả định rằng bạn có kiến thức cơ bản và cung cấp một mô hình về cách tiến hành khi thực sự phân tích dữ liệu trong môi trường kinh doanh.
Các giáo sư phụ trách mỗi bài giảng đều là những thành viên đáng chú ý như chuyên gia khoa học dữ liệu, giáo sư đại học và nhân viên Cục Thống kê của Bộ Nội vụ và Truyền thông.Là một sinh viên, thật là sảng khoái và thú vị khi nghe những câu chuyện ngụ ngôn mà các giáo viên đã thực sự gặp phải trên cánh đồng.
Về bài tập
Đó là một bài tập hơn là một bài giảng. Tôi sẽ giải quyết nó bằng excel, nhưng tôi nghĩ sẽ rất tuyệt nếu giải quyết nó bằng R hoặc python đối với những người đang bắt đầu nghiên cứu khoa học dữ liệu một cách nghiêm túc.
Mặt khác, tôi lại được nhắc nhở rằng ngay cả excel cũng có thể làm được những điều nâng cao ngoài mong đợi.Tôi không biết rằng phân tích chuỗi thời gian có thể được chia thành các xu hướng, biến động theo mùa và biến động bất thường...
Có một bài kiểm tra cho mỗi tuần, nhưng tôi đã có thể đạt điểm tuyệt đối vì các bài giảng rất lịch sự.Tôi rất mong nhận được chứng chỉ hoàn thành khóa học.
Giải quyết bằng Python
Nếu bạn muốn bắt đầu khoa học dữ liệu và học máy một cách nghiêm túc, bạn vẫn muốn phân tích dữ liệu linh hoạt với python hoặc R.Vì vậy, tôi đã cố gắng giải quyết nó bằng python cũng như học lập trình.
Đây là mã.Nếu bạn muốn thực hành python theo cách tương tự, vui lòng sử dụng nó.
https://github.com/echomint/Data-science-practice-for-workers
Tôi đã mất khá nhiều thời gian để giải quyết nó trong khi học mã và dữ liệu cơ bản.
Phần mềm GUI như Excel là đủ để phân tích điển hình.
Nếu bạn muốn thực hiện các phân tích phức tạp hơn, thực hiện các điều chỉnh tốt cho mô hình dự đoán hoặc hiểu rõ bên trong của mô hình, việc lập trình sẽ linh hoạt hơn và bạn có thể xử lý được.