Dataanalys
( 24 Moduler )

modul #1
Introduktion till dataanalys
Översikt över dataanalys, betydelse och tillämpningar

modul #2
Datatyper och källor
Typer av data, datakällor och datainsamlingsmetoder

modul #3
Dataförberedelse och rengöring
Vikten av datarensning, hantering av saknade värden och datatransformation

modul #4
Datavisualiseringsgrundläggande
Introduktion till datavisualisering, typer av plotter och bästa praxis

modul #5
Beskrivande statistik
Åtgärder av central tendens, variabilitet och datadistribution

modul #6
Datasummering och aggregering
Dataaggregations-, grupperings- och summeringstekniker

modul #7
Datavisualisering för univariat analys
Visualisering av enskilda variabler med histogram, boxplots , och mer

modul #8
Datavisualisering för bivariat analys
Visualisering av samband mellan två variabler med hjälp av spridningsdiagram med mera

modul #9
Introduktion till inferentialstatistik
Grunderna för inferentiell statistik, samplingsfördelningar och konfidensintervall

modul #10
Hypotestestning
Formulera hypoteser, typer av tester och testantaganden

modul #11
Konfidensintervall och uppskattning
Konstruera konfidensintervall och uppskatta populationsparametrar

modul #12
ANOVA och regressionsanalys
Variansanalys, enkel och multipel regression och modellbyggnad

modul #13
Time Series Analysis
Introduktion till tidsserieanalys, komponenter och modellbyggnad

modul #14
Prognosmetoder
Exponentiell utjämning, ARIMA och andra prognostekniker

modul #15
Datautvinning och maskininlärning
Översikt över datautvinning, maskininlärning och övervakad inlärning

modul #16
Övervakade inlärningsalgoritmer
Beslutsträd, slumpmässiga skogar och andra övervakade inlärningsalgoritmer

modul #17
Oövervakade inlärningsalgoritmer
Klustring, k-medel och hierarkisk klustring

modul #18
Textanalys och naturlig språkbehandling
Introduktion till textanalys, NLP och sentimentanalys

modul #19
Dataanalys med Python
Använda Python för dataanalys, pandor, NumPy och Matplotlib

modul #20
Dataanalys med R
Använda R för dataanalys, datamanipulation och visualisering

modul #21
Dataanalys med Excel
Använda Excel för dataanalys, pivottabeller och diagram

modul #22
Big Data Analytics
Introduktion till big data, Hadoop och Spark

modul #23
Data Storytelling and Communication
Effektivt kommunicera insikter och resultat till intressenter

modul #24
Kursavslutning och avslutning
Planera nästa steg i dataanalyskarriären

Redo att lära sig, dela och tävla?