Online-kursused koos ekspertide mentoritega.

Meie kursused on täiesti online, kuid nad ei ole nagu online-kursused, mida olete näinud. Te ei vaata igavaid videoid ega teste; Te õpid seda tehes, ekspertide mentorite abil, kes on alati kättesaadavad, et anda oma töö kohta sisukat nõu ja tagasisidet.

Data Analytics / Big Data Certificate programm on loodud ülikoolide poolt: Carnegie Mellon, Northwsetern ja Yale.

Programm on mõeldud inimestele, kes keskenduvad andmete põhjal otsuste tegemisele. Õpilane õpib analüüsima struktureeritud ja struktureerimata andmeid, tõlgendama neid tulemusi väärtuse saamiseks, edastama need otsustajatele ja muudele mittetehnilistele publikutele.

Õpilased õpivad neid meetodeid väärtusraamistikus ja tegutsevad rollides, esitades tõelise projekti projektid koos kogenud mentoriga. Mentorid ei õpeta, vaid aitavad õpilastel õppida ja arendada oskusi, mis on nende töö seisukohalt olulised. Mentorid annavad üliõpilaste projektide kohta põhjalikud kommentaarid ja annavad soovitusi protsessi parandamiseks ja õpilaste täiendava kasvu soodustamiseks.

Õpilased kasutavad võimsaid andmeanalüüsi vahendeid, täiustades samas pehmeid oskusi, näiteks tuvastades probleemide tüüpe, mida andmeanalüütika suudab lahendada ja mis on huvitatud isikutele tõhusalt esitatud. Kogu materjal on inglise keeles ning istungid ja aruanded tehakse hispaania keeles.

Lisaks õpid ja harjutate kognitiivseid oskusi, mis on edu saavutamiseks vajalikud kõigis Data Analytics / Big Data valdkondades. Nende hulka kuuluvad:

  • Töötamiseks vajalike oskuste meisterlikkus.
  • Põhjalik projekti kogemus reaalsetes probleemides.
  • Professionaalse kvaliteediga töökohtade portfell.
  • Lõpetamise tunnistus.

kursused

  • Andmete analüüs: klientide mõistmine. (6 ECTS)
  • Andmete analüüs: kasumlikkuse ja klientide eelistuste prognoosimine. (6 ECTS)
  • Sügav analüüs ja visualiseerimine. (6 ECTS)
  • Big Data: veebi kaevandamine. (6 ECTS)

Märkus: 1 ECT on 25 tundi

1. kursus: andmete analüüs: klientide mõistmine.

Mida ta kursusel teeb

  • See kasutab andmehaldustööriistu, et uurida mustreid keerulistes andmekogumites.
  • Pre töötleb andmeid kaevandamiseks, näiteks: see muudab arvulised väärtused nimiväärtusteks, see dekrüpteerib andmed, hakkab tegelema mitteolevate andmetega.
  • Parameetriliste ja mitteparameetriliste andmete mõistmine ja tuvastamine.
  • See kasutab otsustuspuu algoritme, et vastata nimiandmeid puudutavatele küsimustele.
  • Ta kasutab regressioonialgoritme pidevate numbriliste andmetega seotud probleemide uurimiseks.
  • See kuvab andmeid ja tuvastab andmejaotuse tüüpe.
  • Ta rakendab ristvalideerimist ja loob prognoositavaid mudeleid.
  • Tõlgendada ja visandada järeldusi andmete hankimise tulemuste kohta.
  • See hindab masinõppemudelite ennustavat jõudlust võtmevigade meetrika abil.
  • See määrab kindlaks, millal mudelid ebaõnnestuvad, või saada veaanalüüsi käigus mõttekäiku.
  • See kirjeldab seoseid jõudluse ja automaatse õppemudeli mõõdetud omaduste vahel, et aidata mõista mudeli toimivust.
  • Uurib ja tegeleb kollisiooniga ja korrigeerimisega seotud probleemidega.
  • Tuvastage ja mõistke mõõtmete vähendamist.
  • Koostada ja esitada andmete hankimise tulemused huvitatud isikutele ilma tehnilise profiilita.

2. kursus: andmete analüüs: kliendi eelistuste prognoosimine.

Mida ta kursusel teeb

  • See uurib andmete mudeleid, et luua mudeleid uute ennustamiseks, näiteks: ennustada eeliseid internetipõhistele klientidele).
  • Sellega viiakse läbi sarnasuse analüüse, et soovitada tooteid kasutades assotsiatsioonieeskirju.
  • See loob SQL päringuid, et saada andmeid olemasolevast andmebaasist.
  • See süvendab otsustuspuudega seotud kogemusi, et ennustada brändi eelistusi.
  • See kasutab selliseid klassifikaatoreid nagu Lähim naaber ja tugi-vektori masinad.
  • Teostage klassifitseerimise analüüs.
  • Te kasutate turukärude analüüsi ja assotsieerimise reegleid toodete vaheliste suhete järeldamiseks.
  • Rakenda ristvalideerimise meetodeid.
  • See hindab klassifikaatorite ennustavat jõudlust, uurides võtmevigade meetrikaid.
  • See optimeerib klassifikaatori algset jõudlust, reguleerides selle parameetreid.
  • Tõlgendage klassifikaatori väljundeid ja kasutage seda tõlgendust, et valida erinevate klassifikaatorite vahel nende toimivusnäitajate alusel.
  • Eeltöötleb andmeid kaevandamiseks, näiteks: rakendage filtreid, käsitle kaotatud andmeid.
  • Rakendage funktsionaalset tehnikat mudeli toimimise parandamiseks.
  • Ta rakendab andmehaldust e-kaubanduses, näiteks kliendi segmenteerimine, soovituste strateegia.
  • Esitage andmehalduse tulemused juhtkonnale.

3. kursus: sügav analüüs ja visualiseerimine

Mida ta kursusel teeb

  • See määratleb andmeanalüüsi projekti ärilise eesmärgi ja loob esialgu realistliku analüüsiplaani.
  • Käitab andmeid R.-s
  • See loob SQL päringuid, et saada andmeid olemasolevast andmebaasist ja eksportida see CSV-faili.
  • Uurib andmeid kasutades visualiseerimistehnikat ja kirjeldavat statistikat R.
  • Vali ja hinnata R. klassifikatsiooni modelleerimise tehnikaid.
  • Valib ja hindab R. regressioonitehnikat
  • Analüüsige aegridade andmeid.
  • Tehke veaanalüüs.
  • Tõlgendab erinevaid toimivusnäitajaid.
  • See esitab ettevõtte publikule väga tehnilisi andmeid kaevandamise kohta.

4. kursus: suured andmed: veebi kaevandamine.

Mida ta kursusel teeb

  • See toob ettevõtte eesmärgid üle kaevandamisvõimalustesse.
  • Omandada, töödelda ja analüüsida äärmiselt suuri andmekogumeid, kasutades selleks kaevandamismeetodeid, et avastada mustreid või teostada andmete uurimist.
  • Installige, käivitage ja rakendage automaatseid õppevahendeid erinevat tüüpi andmetele.
  • Andmete analüüsiks töötab see Amazon Web Services (AWS) pilvandmetöötluse platvormi.
  • Avastate ja kogute AWS platvormil äärmiselt suuri avalikke andmekogumeid.
  • See konfigureerib ja teostab elastse kaardi vähendamise (EMR) ja Hadoopi klastri andmete analüüsimiseks, mis teostab leksikaalseid analüüse, et ekstraktida veebilehtede omadusi.
  • Töötage välja ja rakendage tunde analüüsiks automaatseid õppemudeleid.
  • Tõlgendage andmete analüüsi ja andmete hankimise tulemusi ennustuste tegemiseks ja nende prognooside usaldusväärsuse kindlakstegemiseks.
  • See väldib arusaamatusi ja vigu, mida tavaliselt kasutatakse masinõppemeetodite rakendamisel.
  • Ta edastab tulemused juhtkonnale ja teistele mittetehnilistele sihtrühmadele.

Oskused, mida te omandate

Pärast andmete analüüsi / Big Data programmi lõpetamist saavad õpilased:

  • Nimetage äritegevuse probleemide liigid, mille puhul andmete analüüs võib anda olulist teavet, et toetada äriotsuste tegemist.
  • Tõlgi ettevõtte eesmärgid andmekaevandamisvõimalusteks.
  • Paigaldage, rakendage ja rakendage statistilisi masinaõppevahendeid erinevat tüüpi andmetele.
  • Rakenda elektrooniline kaubandus andmehaldust, muutudes väga kompetentseks masinõppe statistiliste meetodite, nagu klassifitseerimine ja regressioon, kasutamisel.
  • Omandada, töödelda ja analüüsida äärmiselt suuri andmekogumeid, kasutades pilvepõhiseid kaevandamismeetodeid andmete uurimiseks, mustrite avastamiseks ja äriküsimustele vastamiseks.
  • Visualiseeri andmed võimalike mustrite tuvastamiseks.
  • Tõlgendage andmete analüüsi tulemusi, et teha ennustusi ja määrata nende prognooside usaldusväärsus.
  • Andmeedastuse tulemuste edastamine juhtkonnale ja teistele mittetehnilistele sihtrühmadele.

töövahendid

Tööriistade kogum areneb pidevalt, et kohaneda tööstuse muutustega. Praegu kasutatakse järgmisi vahendeid:

  • WEKA masinõppepakett.
  • R Statistiline programmeerimiskeel ja R-analüüsi pakettide valik
  • Amazon veebiteenuste elastne kaart.

Eeltingimused

  • Vähemalt üks aasta töökogemust.
  • Teadmised Windows, Mac, Linux.
  • Statistika põhiteadmised.
Programmi õpetamise keel:
Hispaania
Inglise

Vaata veel 2 kursust Universidad Cenfotecis »

Viimati uuendatud May 8, 2019
See kursus on Online
Start Date
okt 1, 2019
Duration
1 - 10 kuud
Osakoormus
Price
5,500 USD
Makse vorm: $ 1000 registreerimisest, saldo tühistatakse 9 kuu kaupa, igaüks $ 500.
Asukohtade järgi
Kuupäeva järgi
Start Date
okt 1, 2019
Avalduste vastuvõtu lõppkuupäev

okt 1, 2019

Location
Avalduste vastuvõtu lõppkuupäev
End Date