Analisi dei dati
( 24 Moduli )

modulo #1
Introduzione all'analisi dei dati
Panoramica dell'analisi dei dati, importanza e applicazioni

modulo #2
Tipi e fonti di dati
Tipi di dati, fonti di dati e metodi di raccolta dati

modulo #3
Preparazione e pulizia dei dati
Importanza della pulizia dei dati, gestione dei valori mancanti e trasformazione dei dati

modulo #4
Fondamenti della visualizzazione dei dati
Introduzione alla visualizzazione dei dati, tipi di grafici e best practice

modulo #5
Statistica descrittiva
Misure di tendenza centrale, variabilità e distribuzione dei dati

modulo #6
Riepilogo e aggregazione dei dati
Tecniche di aggregazione, raggruppamento e riepilogo dei dati

modulo #7
Visualizzazione dei dati per analisi univariata
Visualizzazione di singole variabili mediante istogrammi, box plot e altro

modulo #8
Visualizzazione dei dati per analisi bivariata
Visualizzazione delle relazioni tra due variabili mediante grafici a dispersione e altro

modulo #9
Introduzione alla statistica inferenziale
Fondamenti della statistica inferenziale, campionamento distribuzioni e intervalli di confidenza

modulo #10
Test di ipotesi
Formulare ipotesi, tipi di test e ipotesi di test

modulo #11
Intervalli di confidenza e stima
Costruire intervalli di confidenza e stimare parametri di popolazione

modulo #12
ANOVA e analisi di regressione
Analisi della varianza, regressione semplice e multipla e creazione di modelli

modulo #13
Analisi delle serie temporali
Introduzione all'analisi delle serie temporali, componenti e creazione di modelli

modulo #14
Metodi di previsione
Smoothing esponenziale, ARIMA e altre tecniche di previsione

modulo #15
Data Mining e apprendimento automatico
Panoramica di data mining, apprendimento automatico e apprendimento supervisionato

modulo #16
Algoritmi di apprendimento supervisionato
Alberi decisionali, foreste casuali e altri algoritmi di apprendimento supervisionato

modulo #17
Algoritmi di apprendimento non supervisionato
Clustering, k-means e clustering gerarchico

modulo #18
Analisi del testo e Natural Language Processing
Introduzione all'analisi del testo, NLP e analisi del sentiment

modulo #19
Analisi dei dati con Python
Utilizzo di Python per l'analisi dei dati, pandas, NumPy e Matplotlib

modulo #20
Analisi dei dati con R
Utilizzo di R per l'analisi dei dati, la manipolazione dei dati e la visualizzazione

modulo #21
Analisi dei dati con Excel
Utilizzo di Excel per l'analisi dei dati, le tabelle pivot e la creazione di grafici

modulo #22
Analisi dei Big Data
Introduzione ai Big Data, Hadoop e Spark

modulo #23
Data Storytelling e comunicazione
Comunicazione efficace di approfondimenti e risultati alle parti interessate

modulo #24
Riepilogo e conclusione del corso
Pianificare i prossimi passi nella carriera di Data Analysis

Pronto per imparare, condividere e competere?