Перейти до основного вмісту
SkillsBuild

Наука про корпоративні дані на практиці

Введення

Для боротьби з шахрайством, виявлення раку чи прогнозування ураганів вам потрібні дані та штучний інтелект. Приєднуйтесь до нової хвилі підкованих у сфері даних професіоналів з доступом до мільйонів вакансій на ринку.

IBM SkillsBuild для академічних кіл
Самостійний курс

Дізнатися більше
Наука про дані Електронне навчання Підприємство Наука про дані на практиці

Це оглядовий курс, який знайомить слухачів з методологією науки про дані для вирішення реальних бізнес-проблем підприємств.

Шукаєте роботу?

Отримайте нові навички аналізу даних, доповніть їх технологіями на основі штучного інтелекту та знаннями про галузь, щоб приєднатися до команди, яка займається наукою про дані, і стати частиною нової генерації професіоналів, які мають доступ до мільйонів вакансій на ринку.

Шукаєте кращу роботу?

Якщо ви вже маєте роботу і навіть певний досвід роботи з аналітикою даних, скористайтеся цим курсом, щоб обрати спеціалізацію та просунутися по кар'єрних сходах.

Цілей

Виконуйте різні ролі в команді Data Science, вирішуйте реальні завдання в межах підприємства та використовуйте технології на основі штучного інтелекту.

Масштаб

  • Ролі команди з науки про дані
  • Метод науки про дані
  • Інструменти аналізу даних
  • Реальні варіанти використання

Результати навчання:

  • Розуміння складу та роботи команди Data science, включаючи різні ролі, процеси та інструменти
  • Ключові поняття та методи статистики, необхідні для пошуку структури даних та прогнозування
  • Засвоїти методологію науки про дані, навчившись (а) характеризувати бізнес-проблему; (б) формулювати гіпотезу; (в) демонструвати використання методологій в аналітичному циклі; (г) планувати виконання
  • Створювати придатні для використання набори даних шляхом ідентифікації та збору необхідних даних, а також маніпулювання, перетворення та очищення даних; демонстрація здатності боротися з аномаліями даних, такими як відсутні значення, винятки, незбалансовані дані та нормалізація даних
  • Практичний досвід роботи з IBM Watson Studio, бібліотеками Data Refinery Spark, ноутбуками Юпітера та бібліотеками Python
  • Візуалізуйте статистичний аналіз, визначте закономірності та ефективно повідомляйте результати виконавчим спонсорам для прийняття бізнес-рішень.

Досвід курсу

Про цей курс

Цей курс складається з трьох практичних рівнів. Кожен рівень охоплює більш складні теми і ґрунтується на концепціях, практиці та навичках, розглянутих на попередніх рівнях.

Рівень 1 - Метод науки про дані

Вивчіть людей, процеси та інструменти, необхідні для створення ефективної команди з науки про дані.

  1. 1. Ландшафт науки про дані
  2. 2. Наука про дані в хмарі
  3. 3. Методологія науки про дані

Рівень 2 - Суперечки щодо даних

Використовуйте методи маніпулювання даними для виявлення закономірностей та вилучення інсайтів.

  1. 1. Дослідити та підготувати дані
  2. 2. Вивчення даних про страхові виплати (інтерактивний кейс)
  3. 3. Представляти та трансформувати дані
  4. 4. Розкрийте закономірності шахрайства зі страховими виплатами (інтерактивний кейс)

Рівень 3 - Підтримка прийняття рішень

Використовуйте методи візуалізації для аналізу впливу на бізнес та підтримки.

  1. 1. Візуалізація та презентація даних
  2. 2. Аналіз діагностики шахрайства (інтерактивний кейс)

Передумови

Навички, які вам потрібно мати, щоб приєднатися до цього курсу:

Пройдіть курс "Початок роботи з корпоративною Data Science" із серії "Data Science Practitioner".

Крім того, вам знадобляться попередні знання з наступних тем:

  • Актуальність проєктів Data science у підтримці цифрової трансформації бізнесу в різних галузях
  • Наука про дані - міждисциплінарний набір навичок, що знаходиться на перетині статистики, комп'ютерного програмування та галузевої експертизи
  • Ролі команди Data Science: Data scientist, Data Engineer, Data Analyst та AI developer
  • Хмарні платформи для співпраці в галузі науки про дані, включаючи IBM Watson Studio та Data Refinery
  • Поглинання даних та маніпуляції з набором даних у форматі CSV.

Цифрові облікові дані

Проміжні

Значок "Наука про дані на практиці на підприємстві

Наука про корпоративні дані на практиці

Переглянути бейдж

Про цей значок

Цей учасник завершив усі навчальні заходи, включені до цього онлайн-курсу, включаючи практичні лабораторні роботи, концепції, методи та інструменти, пов'язані з методологією науки про дані. Вони демонструють навички та розуміння методології науки про дані, беручи участь у реальних сценаріях та рольових іграх, що відтворюють процес/інструменти, які використовуються командою з науки про дані; навчальний приклад: Сценарій страхової галузі з використанням передових підходів та технологій аналізу шахрайства.

Навички

Аналітик даних, Інженер даних, Переробка даних, Наука про дані, Візуалізація даних, Робота з даними, Страхове шахрайство, Jupyter Notebooks, PixieDust, Бібліотеки Python, Watson Studio.

Критерії

  • Повинен бути присутнім на тренінгу у вищому навчальному закладі, що реалізує програму IBM Skills Academy.
  • Повинен пройти самостійну діяльність онлайн-курсу та перевірки знань, що підтверджують розуміння висвітлених тем.