Tietojen analysointi
( 24 Moduulit )

moduuli #1
Introduction to Data Analysis
Tietojen analysoinnin, tärkeyden ja sovellusten yleiskatsaus

moduuli #2
Tietotyypit ja -lähteet
Tietotyypit, tietolähteet ja tiedonkeruumenetelmät

moduuli #3
Tietojen valmistelu ja puhdistus
Tietojen puhdistamisen tärkeys, puuttuvien arvojen käsittely ja tietojen muuntaminen

moduuli #4
Datan visualisoinnin perusteet
Johdatus tietojen visualisointiin, kaaviotyypit ja parhaat käytännöt

moduuli #5
Kuvaavat tilastot
Toimenpiteet keskeinen suuntaus, vaihtelu ja tietojen jakautuminen

moduuli #6
Tiedon yhteenveto ja yhdistäminen
Tietojen yhdistämis-, ryhmittely- ja yhteenvetotekniikat

moduuli #7
Tiedon visualisointi yksimuuttuja-analyysiä varten
Yksittäisten muuttujien visualisointi histogrammeilla, laatikkokaavioilla , ja enemmän

moduuli #8
Tietojen visualisointi kaksimuuttuja-analyysiä varten
Kahden muuttujan välisten suhteiden visualisointi sirontakaavioiden ja muiden avulla

moduuli #9
Johdatus päättelytilastoihin
Johdatustilastojen perusteet, otantajakaumat ja luottamusvälit

moduuli #10
Hypoteesin testaus
Hypoteesien, testityyppien ja testioletusten muotoilu

moduuli #11
Luottamusvälit ja estimointi
Luottamusvälien muodostaminen ja populaatioparametrien arviointi

moduuli #12
ANOVA ja regressioanalyysi
Varianssianalyysi, yksinkertainen ja moninkertainen regressio ja mallin rakentaminen

moduuli #13
Aikasarjaanalyysi
Johdatus aikasarjaanalyysiin, komponentteihin ja mallin rakentamiseen

moduuli #14
Ennustemenetelmät
Eksponenttitasoitus, ARIMA ja muut ennustustekniikat

moduuli #15
Tietojen louhinta ja koneoppiminen
Tietojen louhinnan, koneoppimisen ja ohjatun oppimisen yleiskatsaus

moduuli #16
Valvotut oppimisalgoritmit
Päätöspuut, satunnaiset metsät ja muut valvotut oppimisalgoritmit

moduuli #17
Valvomattomat oppimisalgoritmit
klusterit, k-keskiarvot ja hierarkkinen klusterointi

moduuli #18
Tekstianalyysi ja luonnollisen kielen käsittely
Johdatus tekstin analytiikkaan, NLP- ja mielipideanalyysiin

moduuli #19
Data-analyysi Pythonilla
Pythonin käyttäminen tietojen analysointiin, pandat, NumPy ja Matplotlib

moduuli #20
Data Analysis with R
R:n käyttäminen tietojen analysointiin, tietojen käsittelyyn ja visualisointiin

moduuli #21
Tietojen analysointi Excelillä
Excelin käyttäminen tietojen analysointiin, pivot-taulukoihin ja kaavioiden luomiseen

moduuli #22
Big Data Analytics
Johdatus big dataan, Hadooppiin ja Sparkiin

moduuli #23
Data Storytelling and Communication
Tehokas näkemysten ja tulosten kommunikointi sidosryhmille

moduuli #24
Kurssin yhteenveto ja johtopäätökset
Suunnittele seuraavat askeleet data-analyysiuralla

Oletko valmis oppimaan, jakamaan ja kilpailemaan?