Proyecto Final de Analítica de Datos (Coursera)

Proyecto Final de Analítica de Datos (Coursera)
Course Auditing
Categories
Effort
Certification
Languages
Se recomienda encarecidamente que haya completado todos los cursos del Certificado profesional de analista de datos de IBM antes de comenzar.
Misc

MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Proyecto Final de Analítica de Datos (Coursera)
En este curso se aplicarán diversas habilidades y técnicas de Data Analytics que ha aprendido como parte de los cursos anteriores del Certificado Profesional de IBM Data Analyst. Asumirá el papel de Analista de datos asociado que se ha incorporado recientemente a la organización y se enfrentará a un reto empresarial que requiere que el análisis de datos se realice en conjuntos de datos del mundo real.

Class Deals by MOOC List - Click here and see Coursera's Active Discounts, Deals, and Promo Codes.

MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Se encargará de las tareas de recoger datos de múltiples fuentes, realizar análisis de datos exploratorios, la preparación y discusión de datos, el análisis estadístico y la extracción de datos, la creación de gráficos y diagramas para visualizar los datos, y la construcción de un tablero interactivo. El proyecto culminará con la presentación de su informe de análisis de datos, con un resumen ejecutivo para los diversos interesados en la organización. Se evaluará tanto su trabajo en las diversas etapas del proceso de análisis de datos como el producto final.

Este proyecto es una gran oportunidad para mostrar sus habilidades de análisis de datos, y demostrar su competencia a los posibles empleadores.


Course 8 of 8 in the Analista de Datos de IBM Professional Certificate


Syllabus


WEEK 1

Recopilación de datos

La recopilación de datos es el primer paso para resolver cualquier problema de análisis, y se puede recopilar en muchos formatos y de muchas fuentes. En el primer módulo de la Piedra Filosofal recogeremos los datos raspando la Internet, y usando las APIs de la web.


WEEK 2

La disputa de los datos

En este módulo se centrará en la limpieza de su conjunto de datos con varias técnicas. Con estas técnicas, identificarán filas duplicadas, encontrarán valores perdidos y normalizarán los datos.


WEEK 3

Análisis exploratorio de datos

En este módulo, empiece a trabajar con el conjunto de datos limpios del módulo anterior. Ahora comenzará a analizar el conjunto de datos para encontrar la distribución de los datos, la presencia de valores atípicos y la correlación entre las diferentes columnas.


WEEK 4

Visualización de datos

En el módulo 4 de la piedra angular se le pedirá que cree visualizaciones utilizando los datos de la encuesta de desarrollo. Las visualizaciones que cree deberán destacar la distribución de los datos, las relaciones entre los datos, la composición de los datos y la comparación de los datos.


WEEK 5

Construir un tablero de mandos

En este módulo creará un tablero de mandos usando IBM Cognos Analytics. Esta plataforma le dará la posibilidad de crear varios gráficos mientras se ensambla un tablero que es atractivo y fácil de entender. El tablero de mando contendrá el análisis de los datos, que debe ser intuitivo y permitir el desglose de los datos.


WEEK 6

Asignación final: Presentar sus conclusiones

Has analizado los datos de los módulos anteriores, y ahora es el momento de demostrar tus habilidades para contar historias. En este módulo, creará una historia convincente que ayude a aclarar su análisis en una presentación fácil de entender.



0
No votes yet

MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Course Auditing
41.00 EUR/month
Se recomienda encarecidamente que haya completado todos los cursos del Certificado profesional de analista de datos de IBM antes de comenzar.

MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.