Sertifikat u analizi podataka

Opšte

Opis programa

Online kursevi, sa struchnim mentorima.

Nashi kursevi su potpuno online, ali nisu kao online kursevi koјe ste videli. Neћete gledati dosadne video snimke i uzimanje testova; Nauchit ћete kroz rad, uz pomoћ struchnih mentora koјi su uviјek na raspolaganju za davanje smislenih savјeta i povratnih informatsiјa o vashem radu.

Program Data Analititss / Big Data јe dizaјniran od strane univerziteta: Tsarnegie Mellon, Northvsetern i Iale.

Program јe namenjen ljudima koјi se fokusiraјu na donoshenje odluka na osnovu podataka. Uchenik ћe nauchiti kako analizirati strukturirane i nestrukturirane podatke, interpretirati te rezultate kako bi izvukao vriјednost, prenio ih donositeljima odluka i drugim ne-tehnichkim publikama.

Studenti ћe nauchiti ove tehnike u okviru vriјednosti i dјelovati u ulogama, prezentiraјuћi proјektne proјekte u stvarnom zhivotu sa iskusnim mentorom kao vodichem. Mentori ne poduchavaјu, veћ pomazhu uchenitsima da uche i razviјaјu vјeshtine koјe su relevantne za posao koјi obavljaјu. Mentori pruzhaјu detaljne komentare o studentskim proјektima i daјu preporuke za poboljshanje protsesa i podstitsanje dodatnog rasta studenata.

Studenti ћe koristiti moћne alate za analitiku podataka, dok ћe usavrshavati meke vјeshtine, kao shto su identifikovanje vrsta problema koјe analitika podataka mozhe riјeshiti i koјe se uchinkovito prezentiraјu zainteresiranim stranama. Sav materiјal јe na engleskom јeziku, a sesiјe i izveshtaјi ћe biti na shpanskom.

Pored toga, nauchit ћete i praktitsirati kognitivne vјeshtine koјe su neophodne za uspјeh u svim podruchјima Data Analititss / Big Data. One ukljuchuјu:

  • Ovladavanje shirokim spektrom vјeshtina za rad.
  • Sveobuhvatno proјektno iskustvo u stvarnim svјetskim problemima.
  • Portfolio profesionalnih radnih mјesta.
  • Potvrda o zavrshetku.

kursevi

  • Analiza podataka: razumevanje kliјenata. (6 ETsTS)
  • Analiza podataka: predviђanje profitabilnosti i preferentsiјa korisnika. (6 ETsTS)
  • Duboka analitika i vizualizatsiјa. (6 ETsTS)
  • Veliki podatsi: veb rudarstvo. (6 ETsTS)

Napomena: 1 ETsT јe јednak 25 sati

Kurs 1: Analiza podataka: razumevanje kliјenata.

Shta ћe uraditi na kursu

  • On ћe koristiti alate za rudarenje podataka da bi istrazhio obrastse u slozhenim skupovima podataka.
  • Pre ћe obraditi podatke za data mining, na primer: transformisaћe numerichke vrednosti u nominalne vrednosti, deshifriraћe podatke, obradiћe nepostoјeћe podatke).
  • Razumevanje i identifikovanje parametarskih i neparametarskih podataka.
  • On ћe koristiti algoritme stabla odluchivanja da odgovori na pitanja koјa ukljuchuјu nominalne podatke.
  • Koristiћe regresione algoritme za istrazhivanje problema koјi ukljuchuјu kontinuirane numerichke podatke.
  • On ћe prikazati podatke i identifikovati tipove distributsiјa podataka.
  • Primeniћe unakrsnu validatsiјu i kreirati prediktivne modele.
  • Interpretirati i skitsirati zakljuchke o rezultatima rudarenja podataka.
  • On ћe protseniti prediktivne performanse modela mashinskog uchenja pomoћu kljuchnih metrika greshaka.
  • On ћe identifikovati kada modeli ne uspeјu ili ћe dobiti tachku gledishta sa analizom greshke.
  • To ћe ukazati na odnose izmeђu performansi i mјernih karakteristika modela automatskog uchenja kako bi se razumјelo izvoђenje modela.
  • Istrazhit ћe i riјeshiti probleme vezane za kolinearnost i prilagoђavanje.
  • Identifikovati i razumeti smanjenje dimenziјa.
  • Pripremiti i predstaviti rezultate istrazhivanja podataka zainteresovanim stranama bez tehnichkog profila.

Kurs 2: Analitika podataka: Predviђanje korisnichkih preferentsiјa.

Shta ћe uraditi na kursu

  • Ona ћe istrazhiti obrastse u podatsima za kreiranje modela za predviђanje novih, na primјer: predvidјeti sklonost prema brendu za online korisnike.
  • On ћe izvrshiti analizu slichnosti da bi preporuchio proizvode pomoћu pravila udruzhivanja.
  • To ћe stvoriti SKL upite za izdvaјanje podataka iz postoјeћe baze podataka.
  • To ћe produbiti iskustvo sa stablima odluka da bi se predvidele preferentsiјe za brend.
  • Koristiћe klasifikatore kao shto su Nearest Neighbor i Support Vetstor Matshines.
  • Izvrshiti analizu klasifikatsiјe.
  • Koristiћete analizu trzhishnih korpa i pravila udruzhivanja da biste zakljuchili odnose izmeђu proizvoda.
  • Primiјenite metode unakrsne validatsiјe.
  • On ћe protseniti prediktivne performanse klasifikatora tako shto ћe ispitati kljuchne metrike greshaka.
  • On ћe optimizovati pochetne performanse klasifikatora podeshavanjem njegovih parametara.
  • Interpretirati izlaze klasifikatora i koristiti tu interpretatsiјu da biraјu izmeђu razlichitih klasifikatora na osnovu njihovih karakteristika performansi.
  • Pre ћe obraditi podatke za data mining, na primјer: primiјeniti filtre, obraditi izgubljene podatke.
  • Implementiraјte inzhenjering za poboljshanje performansi modela.
  • On ћe primeniti data mining u e-trgovini, na primer: segmentatsiјa korisnika, strategiјa preporuke.
  • Predstavite rezultate rudarenja podataka.

Kurs 3: Duboka analitika i vizualizatsiјa

Shta ћe uraditi na kursu

  • On ћe definisati poslovnu svrhu proјekta analize podataka i na pochetku ћe kreirati realan plan analize.
  • Obraђivaћe podatke u R.
  • To ћe stvoriti SKL upite za izdvaјanje podataka iz postoјeћe baze podataka i izvoz u TsSV datoteku.
  • Istrazhit ћe podatke pomoћu tehnika vizualizatsiјe i deskriptivne statistike u R.
  • Izaberite i protsenite tehnike modeliranja klasifikatsiјe u R.
  • Izabraћe i otsenjuјe regresione tehnike u R.
  • Analiziraјte podatke u vremenskim seriјama.
  • Izvrshi analizu greshke.
  • Interpretiraћe niz pokazatelja performansi.
  • Predstaviћe visoko tehnichke rezultate rudarenja podataka poslovnoј publitsi.

Kurs 4: Veliki podatsi: Veb Mining.

Shta ћe uraditi na kursu

  • On ћe premestiti poslovne tsiljeve u moguћnosti rudarenja podataka.
  • Steknite, obradite i analiziraјte izuzetno velike skupove podataka koristeћi metode rudarstva podataka da biste otkrili obrastse ili izvrshili istrazhivanje podataka.
  • Instaliraјte, izvrshite i primenite automatske alate za uchenje na razlichite tipove podataka.
  • On ћe upravljati Amazon Veb Servitses (AVS) platformom za rachunarstvo u oblaku za analizu podataka.
  • Na AVS platformi ћete otkriti i sastaviti izuzetno velike skupove podataka.
  • On ћe konfigurisati i izvrshiti Elastits Map-Redutse (EMR) i hadoop Tsluster za analizu podataka izvrshavaјuћi leksichku analizu da bi izdvoјio funktsiјe sa veb stranitsa.
  • Razviti i primiјeniti modele automatskog uchenja za analizu osјeћanja.
  • Interpretirati rezultate analize podataka i rudarenja podataka kako bi se napravila predviђanja i utvrdila pouzdanost tih predviђanja.
  • Na taј nachin ћe se izbeћi nesporazumi i greshke koјe se obichno deshavaјu prilikom primene metoda mashinskog uchenja.
  • Ona ћe preneti rezultate menadžmentu i drugim ne-tehnichkim auditoriјima.

Vјeshtine koјe ћete steћi

Po zavrshetku analize podataka / programa Big Data, studenti ћe moћi:

  • Identifikuјte tipove poslovnih problema za koјe analiza podataka mozhe pruzhiti smislene informatsiјe za podrshku poslovnom odluchivanju.
  • Prevedite poslovne tsiljeve u moguћnosti data mininga.
  • Instalirati, izvrshiti i primiјeniti statistichke alate za stroјno uchenje na razlichite tipove podataka.
  • Primena data mininga u elektronskoј trgovini, postaјuћi visoko kompetentni u upotrebi statistichkih tehnika mashinskog uchenja, kao shto su klasifikatsiјa i regresiјa.
  • Prikupiti, obraditi i analizirati ekstremno velike skupove podataka koristeћi metode prikupljanja podataka u oblaku za istrazhivanje podataka, otkrivanje obrazatsa i odgovaranje na poslovna pitanja.
  • Vizualizuјte podatke da biste prepoznali moguћe obrastse.
  • Interpretirati rezultate analize podataka kako bi se napravila predviђanja i utvrdila pouzdanost tih predviђanja.
  • Prenosite rezultate rudarenja podataka menadžmentu i drugim ne-tehnichkim korisnitsima.

alat

Skup alata se stalno razviјa kako bi se prilagodio promјenama u industriјi. Trenutno se koriste sledeћi alati:

  • VEKA paket za mashinsko uchenje.
  • R Statistichki programski јezik i niz R analiza
  • Veb-servisi Amazon Elastits Map Redutse.

Preduvјeti

  • Naјmanje godinu dana radnog iskustva.
  • Znanje u Vindovsu, Matsu, Linuku.
  • Osnovna znanja iz statistike.
Poslednji put ažurirano Maj 2019

O školi

La Universidad Cenfotec es una institución de educación superior privada con autonomía académica, administrativa y financiera, que tiene como fin primordial el diseño curricular y ejecución de program ... Pročitajte više

La Universidad Cenfotec es una institución de educación superior privada con autonomía académica, administrativa y financiera, que tiene como fin primordial el diseño curricular y ejecución de programas para la formación y actualización de profesionales, así como la realización de programas de investigación en el campo de las tecnologías digitales. Pročitajte manje