Przejdź do głównej treści
SkillsBuild

Nauka o danych w przedsiębiorstwie w praktyce

Wstęp

Niezależnie od tego, czy chodzi o walkę z oszustwami, wykrywanie raka czy przewidywanie huraganu, potrzebujesz danych i sztucznej inteligencji. Dołącz do nowej fali profesjonalistów znających się na danych, mając dostęp do milionów ofert pracy dostępnych na rynku.

IBM SkillsBuild dla środowisk akademickich
Kurs samodzielny

Dowiedz się więcej
Data science E-learning Enterprise Data science w praktyce

Jest to kurs ankietowy, eksponujący uczestnika na metodologię nauki o danych; w celu rozwiązania rzeczywistych problemów biznesowych przedsiębiorstwa.

Poszukujący pracy

Zdobądź nowy zestaw umiejętności w zakresie analizy danych, uzupełnij je o niskokodowe technologie oparte na sztucznej inteligencji i swoją wiedzę branżową, aby dołączyć do zespołu zajmującego się nauką o danych, jako część nowej rasy profesjonalistów znających się na danych z dostępem do milionów ofert pracy dostępnych na rynku.

Szukasz lepszej pracy?

Jeśli masz już pracę, a nawet pewne doświadczenie w analityce danych, skorzystaj z tego kursu, aby wybrać specjalizację i rozwijać swoją karierę.

Cele

Odgrywaj różne role w zespole Data Science, rozwiązuj prawdziwe wyzwania w przedsiębiorstwie i wykorzystuj technologie oparte na sztucznej inteligencji.

Zakres

  • Role w zespole Data Science
  • Metoda data science
  • Narzędzia do analizy danych
  • Przypadki użycia w świecie rzeczywistym

Efekty kształcenia:

  • Zrozumienie składu i pracy zespołu Data Science, w tym różnych ról, procesów i narzędzi
  • Kluczowe pojęcia i metody statystyczne niezbędne do znajdowania struktury w danych i tworzenia prognoz
  • Internalizuj metodykę data science, ucząc się: (a) Charakteryzować problem biznesowy; (b) Formułować hipotezę; (c) Demonstrować wykorzystanie metodyk w cyklu analitycznym; (d) Planować wykonanie
  • Konstruowanie użytecznych zestawów danych poprzez identyfikację i gromadzenie wymaganych danych oraz manipulowanie, przekształcanie i czyszczenie danych; wykazywanie umiejętności radzenia sobie z anomaliami danych, takimi jak brakujące wartości, wartości skrajne, dane niezrównoważone oraz normalizacja danych
  • Praktyczne doświadczenie z IBM Watson Studio, Data Refinery Spark, Jupyter Notebooks i bibliotekami Python
  • Wizualizacja analiz statystycznych, identyfikacja wzorców i skuteczne przekazywanie wyników sponsorom wykonawczym w celu podejmowania decyzji biznesowych.

Doświadczenie kursu

O tym kursie

Ten kurs jest podzielony na trzy poziomy ćwiczeń. Każdy poziom obejmuje bardziej zaawansowane tematy i opiera się na koncepcjach, praktyce i umiejętnościach omówionych na poprzednich poziomach praktyki.

Poziom 1 - Metoda data science

Poznaj ludzi, procesy i narzędzia wymagane do zbudowania skutecznego zespołu data science.

  1. 1. Krajobraz nauki o danych
  2. 2. Nauka o danych w chmurze
  3. 3. Metodologia data science

Poziom 2 - Pozyskiwanie danych

Wykonywanie technik manipulacji danymi w celu identyfikacji wzorców i wyciągania wniosków.

  1. 1. Eksploracja i przygotowanie danych
  2. 2. Poznaj dane dotyczące roszczeń ubezpieczeniowych (interaktywne studium przypadku)
  3. 3. Reprezentowanie i przekształcanie danych
  4. 4. Odkrywanie wzorców w oszustwach dotyczących roszczeń (interaktywne studium przypadku)

Poziom 3 - Wsparcie decyzyjne

Wykorzystanie technik wizualizacji w celu zapewnienia analizy wpływu na biznes i wsparcia.

  1. 1. Wizualizacja i prezentacja danych
  2. 2. Analiza diagnostyczna oszustw (interaktywne studium przypadku)

Wymagania wstępne

Umiejętności, które będziesz musiał posiadać przed przystąpieniem do tej oferty kursów:

Ukończ kurs Getting started with enterprise Data science z serii Data Science Practitioner.

Ewentualnie wymagana będzie wcześniejsza znajomość następujących tematów:

  • Znaczenie projektów Data science we wspieraniu cyfrowej transformacji biznesu w wielu branżach
  • interdyscyplinarny zestaw umiejętności w zakresie nauki o danych, znajdujący się na przecięciu statystyki, programowania komputerowego i wiedzy o danej dziedzinie
  • Role w zespole Data Science: Data scientist, Data Engineer, Data analyst i AI developer
  • Platformy współpracy Data Science w chmurze, w tym IBM Watson Studio i Data Refinery
  • Pobieranie danych i manipulowanie nimi przy użyciu zbioru danych CSV.

Legitymacja cyfrowa

Pośrednik

Odznaka Enterprise Data Science in Practice

Nauka o danych w przedsiębiorstwie w praktyce

Zobacz odznakę

O tej odznace

Ten zdobywca odznaki ukończył wszystkie działania edukacyjne zawarte w tym doświadczeniu edukacyjnym online, w tym praktyczne laboratoria, koncepcje, metody i narzędzia związane z metodologią nauki o danych. Wykazuje się umiejętnościami i zrozumieniem metodologii nauki o danych poprzez angażowanie się w rzeczywiste scenariusze i odgrywanie ról w procesach/narzędziach wykorzystywanych przez zespół nauki o danych; przykład nauki: Scenariusz branży ubezpieczeniowej wykorzystujący najnowocześniejsze podejścia i technologie do analizy oszustw.

Umiejętności

Analityk danych, Inżynier danych, Rafinacja danych, Nauka o danych, Wizualizacja danych, Oszustwa ubezpieczeniowe, Notatniki Jupyter, PixieDust, Biblioteki Python, Watson Studio.

Kryteria

  • Musi wziąć udział w szkoleniu w szkole wyższej realizującej program IBM Skills Academy.
  • Musi ukończyć samodzielne ćwiczenia w ramach kursu online oraz testy sprawdzające wiedzę, potwierdzające zrozumienie poruszanych tematów.