Certificaat in Data Analytics

Algemeen

Beschrijving van opleiding

Online cursussen, met deskundige mentoren.

Onze cursussen zijn volledig online, maar ze zijn niet zoals de online cursussen die je hebt gezien. Je zult geen saaie video's bekijken en testen doen; Je leert door te doen, met de hulp van deskundige mentoren die altijd beschikbaar zijn om zinvol advies en feedback te geven over je werk.

Het Data Analytics / Big Data Certificate-programma is ontworpen door universiteiten: Carnegie Mellon, Northwsetern en Yale.

Het programma is bedoeld voor mensen die zich richten op het nemen van beslissingen op basis van gegevens. De student leert gestructureerde en ongestructureerde gegevens analyseren, interpreteert deze resultaten om waarde te genereren, en deelt deze mee aan beleidsmakers en andere niet-technische doelgroepen.

Studenten zullen deze technieken leren binnen een waardekader en handelen in rollen, waarbij ze real-life projectprojecten presenteren met een ervaren mentor als gids. Mentors geven niet les, maar helpen studenten om vaardigheden te leren en te ontwikkelen die relevant zijn voor het werk dat ze doen. Mentoren geven diepgaande opmerkingen over studentenprojecten en doen aanbevelingen om het proces te verbeteren en extra studentengroei aan te moedigen.

Studenten zullen krachtige tools voor gegevensanalyse gebruiken en tegelijkertijd zachte vaardigheden perfectioneren, zoals het identificeren van de soorten problemen die gegevensanalyses kunnen oplossen en die effectief aan geïnteresseerde partijen worden gepresenteerd. Al het materiaal is in het Engels en de sessies en rapporten zullen in het Spaans worden gedaan.

Daarnaast leer en oefen je de cognitieve vaardigheden die essentieel zijn voor succes op alle gebieden van Data Analytics / Big Data. Deze omvatten:

  • Beheersing van een breed scala aan vaardigheden om te werken.
  • Uitgebreide projectervaring in echte wereldproblemen.
  • Een portfolio met banen van professionele kwaliteit.
  • Een certificaat van voltooiing.

cursussen

  • Gegevensanalyse: inzicht in de klanten. (6 sp.)
  • Gegevensanalyse: voorspelling van winstgevendheid en klantvoorkeuren. (6 sp.)
  • Diepe analyse en visualisatie. (6 sp.)
  • Big Data: web mining. (6 sp.)

Opmerking: 1 ECT is gelijk aan 25 uur

Cursus 1: Gegevensanalyse: de klanten begrijpen.

Wat zal hij in de cursus doen

  • Het gebruikt tools voor datamining om patronen in complexe datasets te onderzoeken.
  • Pre verwerkt gegevens voor datamining, bijvoorbeeld: het transformeert numerieke waarden in nominale waarden, het decodeert gegevens, het zal niet-bestaande gegevens verwerken).
  • Begrijp en identificeer parametrische en niet-parametrische gegevens.
  • Het gebruikt beslissingsboomalgoritmen om vragen te beantwoorden die betrekking hebben op nominale gegevens.
  • Het zal regressie-algoritmen gebruiken om problemen met continue numerieke gegevens te onderzoeken.
  • Het zal gegevens weergeven en soorten gegevensdistributies identificeren.
  • Het zal cross-validatie toepassen en voorspellende modellen maken.
  • Interpretaties en conclusies over de resultaten van datamining interpreteren.
  • Het zal de voorspellende prestaties van machineleermodellen beoordelen aan de hand van belangrijke foutstatistieken.
  • Het zal identificeren wanneer de modellen falen of standpunten verkrijgen met de whys binnen een foutenanalyse.
  • Het beschrijft relaties tussen prestaties en de gemeten kenmerken van een automatisch leermodel om de prestaties van een model te helpen begrijpen.
  • Zal problemen in verband met collineariteit en aanpassing onderzoeken en aanpakken.
  • Identificeer en begrijp de reductie van dimensies.
  • Bereid de resultaten van datamining voor aan geïnteresseerde partijen zonder een technisch profiel.

Cursus 2: Data Analytics: klantvoorkeuren voorspellen.

Wat zal hij in de cursus doen

  • Het onderzoekt patronen in de gegevens om modellen te maken om nieuwe te voorspellen, bijvoorbeeld: voorspel voorkeur voor een merk voor online klanten).
  • Het zal similariteitsanalyses uitvoeren om producten aan te bevelen met behulp van associatieregels.
  • Hiermee worden SQL-query's gemaakt om gegevens uit een bestaande database te extraheren.
  • Het zal de ervaring met beslissingsbomen verdiepen om voorkeuren voor een merk te voorspellen.
  • Het zal classificaties gebruiken zoals Dichtstbijzijnde Buurman en Support Vector Machines.
  • Voer classificatie-analyse uit.
  • U zult gebruik maken van markt-basket analyse en associatie-regels om relaties tussen producten af te leiden.
  • Pas kruisverificatiemethoden toe.
  • Het evalueert de voorspellende prestaties van classifiers door de belangrijkste foutafwijkingen te bekijken.
  • Het optimaliseert de initiële prestaties van een classificator door de parameters aan te passen.
  • Interpreteer de uitvoer van een classificator en gebruik die interpretatie om te kiezen tussen verschillende classifiers op basis van hun prestatiekenmerken.
  • Pre verwerkt gegevens voor datamining, bijvoorbeeld: filters toepassen, omgaan met verloren gegevens.
  • Implementeer feature-engineering om de prestaties van een model te verbeteren.
  • Het zal datamining in e-commerce toepassen, bijvoorbeeld: klantensegmentatie, aanbevelingsstrategie.
  • Presenteer de resultaten van datamining aan management.

Cursus 3: diepgaande analyse en visualisatie

Wat zal hij in de cursus doen

  • Het definieert het zakelijke doel van een gegevensanalyseproject en zal aanvankelijk een realistisch analyseplan maken.
  • Zal gegevens verwerken in R.
  • Hiermee worden SQL-query's gemaakt om gegevens uit een bestaande database te extraheren en naar een CSV-bestand te exporteren.
  • Zal de gegevens verkennen met behulp van visualisatietechnieken en beschrijvende statistieken in R.
  • Kies en evalueer classificatie-modelleringstechnieken in R.
  • Zal regressietechnieken kiezen en evalueren in R.
  • Analyseer gegevens in tijdreeksen.
  • Voer een foutenanalyse uit.
  • Zal een reeks prestatiestatistieken interpreteren.
  • Het zal zeer technische data mining-resultaten presenteren aan een zakelijk publiek.

Cursus 4: Big Data: Web Mining.

Wat zal hij in de cursus doen

  • Het zal bedrijfsdoelstellingen naar datamining-opportuniteiten verplaatsen.
  • Verwerven, verwerken en analyseren van extreem grote gegevenssets met behulp van dataminingmethoden om patronen te ontdekken of gegevensverkenning uit te voeren.
  • Automatische leerhulpmiddelen installeren, uitvoeren en toepassen op verschillende soorten gegevens.
  • Het zal het cloud computing-platform Amazon Web Services (AWS) gebruiken voor gegevensanalyse.
  • U zult uiterst grote openbare datasets op het AWS-platform ontdekken en verzamelen.
  • Het zal Elastic Map-Reduce (EMR) en een Hadoop Cluster configureren en uitvoeren voor data-analyse die een lexicale analyse uitvoert om functies van webpagina's te extraheren.
  • Ontwikkel en gebruik automatische leermodellen voor gevoelensanalyse.
  • Interpreteer de resultaten van data-analyse en datamining om voorspellingen te doen en de betrouwbaarheid van die voorspellingen vast te stellen.
  • Hiermee worden misverstanden en fouten voorkomen die gewoonlijk worden gemaakt wanneer de leermethoden van de machine worden toegepast.
  • Het zal de resultaten communiceren aan het management en andere niet-technische doelgroepen.

Vaardigheden die u zult verwerven

Na voltooiing van de data-analyse / Big Data-programma, zullen studenten in staat zijn om:

  • Identificeer de soorten bedrijfsproblemen waarvoor gegevensanalyse zinvolle informatie kan bieden ter ondersteuning van zakelijke besluitvorming.
  • Vertaal bedrijfsdoelstellingen naar mogelijkheden voor datamining.
  • Statistische machine-leerhulpmiddelen installeren, uitvoeren en toepassen op verschillende soorten gegevens.
  • Data mining toepassen in de elektronische handel, waardoor het zeer competent wordt in het gebruik van statistische technieken voor machine learning, zoals classificatie en regressie.
  • Verwerven, verwerken en analyseren van extreem grote gegevenssets met behulp van cloud-gebaseerde dataminingmethoden om gegevensverkenning uit te voeren, patronen te ontdekken en zakelijke vragen te beantwoorden.
  • Visualiseer gegevens om mogelijke patronen te herkennen.
  • Interpreteer de resultaten van de data-analyse om voorspellingen te doen en de betrouwbaarheid van die voorspellingen vast te stellen.
  • Communiceer de resultaten van datamining naar management en andere niet-technische doelgroepen.

gereedschap

De reeks hulpmiddelen evolueert voortdurend om zich aan te passen aan veranderingen in de industrie. Momenteel zijn de gebruikte hulpmiddelen de volgende:

  • WEKA machine-leerpakket.
  • R Statistische programmeertaal en een reeks R-analysepakketten
  • Amazon Web Services Elastic Map Reduce.

Pre requisites

  • Ten minste een jaar werkervaring.
  • Kennis in Windows, Mac, Linux.
  • Basiskennis van statistiek.
Laatst bijgewerkt op mrt 2020

Over de school

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 ... Lees meer

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. Lees Minder