Прикладные задачи анализа данных

  • 4.4
Approx. 28 hours to complete

Course Summary

Learn how to apply data analysis techniques to real-life situations with this practical course. Gain hands-on experience with tools such as Excel, SQL, and Tableau to analyze data and make informed decisions.

Key Learning Points

  • Learn to use Excel, SQL, and Tableau for data analysis
  • Apply data analysis techniques to real-world scenarios
  • Gain hands-on experience with practical exercises and projects

Job Positions & Salaries of people who have taken this course might have

    • USA: $62,453 - $97,034
    • India: ₹295,233 - ₹1,020,288
    • Spain: €20,000 - €40,000
    • USA: $62,453 - $97,034
    • India: ₹295,233 - ₹1,020,288
    • Spain: €20,000 - €40,000

    • USA: $60,475 - $104,428
    • India: ₹274,954 - ₹1,391,441
    • Spain: €22,000 - €50,000
    • USA: $62,453 - $97,034
    • India: ₹295,233 - ₹1,020,288
    • Spain: €20,000 - €40,000

    • USA: $60,475 - $104,428
    • India: ₹274,954 - ₹1,391,441
    • Spain: €22,000 - €50,000

    • USA: $84,000 - $139,000
    • India: ₹360,000 - ₹3,000,000
    • Spain: €30,000 - €60,000

Related Topics for further study


Learning Outcomes

  • Apply data analysis techniques to real-life situations
  • Utilize tools such as Excel, SQL, and Tableau for data analysis
  • Create practical data analysis projects

Prerequisites or good to have knowledge before taking this course

  • Basic understanding of Excel
  • Familiarity with SQL

Course Difficulty Level

Intermediate

Course Format

  • Self-paced
  • Online

Similar Courses

  • Data Analysis with Python
  • Applied Data Science with Python
  • Data Visualization with Tableau

Related Education Paths


Related Books

Description

Методы машинного обучения — будь то алгоритмы классификации или регрессии, методы кластеризации или алгоритмы понижения размерности — применяются к подготовленным данным с вычисленными признаками для решения уже сформулированной задачи. Однако специалисты по анализу данных редко оказываются в такой идеальной ситуации. Обычно перед ними ставят задачи, которые нуждаются в уточнении формулировки, выборе метрики качества и протокола тестирования итоговой модели. Данные, с которыми нужно работать, часто представлены в непригодном виде: они зашумлены, содержат ошибки и выбросы, хранятся в неудобном формате и т. д.

Outline

  • Бизнес-задачи
  • Как прекрасны машинное обучение и анализ данных
  • Как устроена специализация, и зачем ее проходить
  • МФТИ
  • Временные ряды
  • Автокорреляция
  • Стационарность
  • ARMA
  • ARIMA
  • Выбор ARIMA и прогнозирование
  • Анализ остатков
  • Пример построения прогноза
  • Регрессионный подход к прогнозированию
  • Анализ поведения пользователей
  • Аудиторные метрики: привлечение
  • Аудиторные метрики: активность
  • Аудиторные метрики: монетизация
  • Аудиторные метрики: удержание
  • Прогнозирование оттока пользователей: Постановка задачи
  • Прогнозирование оттока пользователей: Построение и оценка модели
  • МФТИ
  • Forum&Chat
  • Пример построения прогноза [ipython notebook]
  • Слайды к лекциям
  • Конспект
  • Слайды к лекциям
  • Автокорреляция и стационарность
  • p, q, P, Q
  • Прогнозирование временных рядов
  • Аудиторные показатели: привлечение и активность
  • Аудиторные показатели: монетизация и удержание
  • Анализ поведения пользователей
  • Анализ медиа
  • Компьютерное зрение
  • Задачи компьютерного зрения
  • "Низкоуровневое" зрение
  • Линейная фильтрация изображений
  • Классификация изображений
  • Задача классификации изображений на практике
  • Распознавание лиц
  • Детекция объектов
  • Стилизация изображений
  • Распознавание китов
  • Сбор больших коллекций изображений
  • Дополнительные материалы
  • Слайды к лекциям
  • Конспект
  • Слайды к лекциям
  • Конспект
  • Слайды к лекциям
  • Конспект
  • Компьютерное зрение
  • Практические задачи компьютерного зрения
  • Анализ текстов
  • Работа с текстовыми данными
  • Предобработка текста
  • Извлечение признаков из текста
  • Извлечение признаков из текста - 2
  • Обучение моделей на текстах
  • word2vec
  • Рекуррентные сети
  • Выделение коллокаций
  • Языковые модели
  • Анализ тональности текста
  • Анализ тональности отзывов
  • Анализ тональности отзывов: продолжение
  • Аннотирование
  • Слайды к лекциям
  • Конспекты к лекциям
  • Слайды к лекциям
  • Конспекты к лекциям
  • Анализ тональности отзывов [ipython notebook]
  • Слайды к лекциям
  • Первичная обработка текстов
  • Текстовые данные и работа с ними
  • word2vec и рекуррентные сети
  • Примеры задач анализа текстов
  • Рекомендации и ранжирование
  • Задача ранжирования
  • Метрики качества ранжирования
  • Методы ранжирования
  • Рекомендательные системы
  • kNN и матричные разложения
  • Подходы к построению рекомендательных систем
  • Гибридные рекомендательные системы
  • Оффлайн оценка качества
  • Онлайновая оценка качества
  • Максимизация прибыли магазина
  • Слайды к лекциям
  • Конспекты к лекциям
  • Слайды к лекциям
  • Финальные титры
  • Стань ментором специализации
  • Ранжирование
  • Рекомендательные системы-1
  • Рекомендательные системы-2

Summary of User Reviews

Get a comprehensive introduction to data analysis with this course on Coursera. Users have praised this course for its in-depth coverage and practical applications.

Key Aspect Users Liked About This Course

The practical applications of the course content impressed many users.

Pros from User Reviews

  • In-depth coverage of data analysis concepts
  • Practical applications of course content
  • Clear and concise explanations
  • Engaging and interactive lectures
  • Challenging assignments to reinforce learning

Cons from User Reviews

  • Some users found the pace of the course to be too fast
  • The course assumes a basic understanding of statistics
  • Lack of personalized feedback on assignments
  • Some users experienced technical difficulties with the platform
  • Limited interaction with other students in the course
Russian
Available now
Approx. 28 hours to complete
Evgeniy Riabenko, Evgeny Sokolov, Victor Kantor , Emeli Dral , Антон Слесарев
Moscow Institute of Physics and Technology, Yandex, E-Learning Development Fund
Coursera

Instructor

Evgeniy Riabenko

  • 4.4 Raiting
Share
Saved Course list
Cancel
Get Course Update
Computer Courses