Επιστήμη Δεδομένων με Tableau και Προγραμματισμό R Κομμάτι εκπαίδευσης

Αυτή η εκπαίδευση με εισηγητή, ζωντανά σε Ελλάδα (online ή onsite), απευθύνεται σε χρήστες προχωρημένου R μεσαίου επιπέδου που επιθυμούν να χρησιμοποιήσουν το R για να δημιουργήσουν ταχύτερες ροές εργασίας, να βελτιώσουν την ποιότητα του κώδικα και να διαχειριστούν πιο σύνθετες εργασίες ανάλυσης.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να: δημιουργούν επαναχρησιμοποιήσιμες συναρτήσεις, να βελτιώνουν τις ροές εργασίας δεδομένων, να εκσφαλματώνουν και να βελτιστοποιούν τον κώδικα και να παράγουν αναπαραγώγιμες αναφορές.

Τα Μεγάλα Δεδομένα (Big Data) είναι ένας όρος που αναφέρεται σε λύσεις για αποθήκευση και επεξεργασία μεγάλων συνόλων δεδομένων. Αναπτύχθηκαν αρχικά από την Google, αυτές οι λύσεις Big Data έχουν εξελιχθεί και έχουν εμπνεύσει άλλα παρόμοια έργα, πολλά από τα οποία είναι διαθέσιμα ως ανοιχτού κώδικα. Η R είναι μια δημοφιλής γλώσσα προγραμματισμού στον χρηματοοικονομικό κλάδο.

Αυτή η εκπαίδευση με εισηγητή, ζωντανή σε Ελλάδα (διαδικτυακά ή με φυσική παρουσία) απευθύνεται σε αναλυτές δεδομένων αρχάριου επιπέδου που επιθυμούν να χρησιμοποιήσουν τον προγραμματισμό R για να χειριστούν δεδομένα, να εκτελέσουν βασική ανάλυση δεδομένων και να δημιουργήσουν συναρπαστικές οπτικοποιήσεις για πληροφορίες.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Να κατανοούν τα βασικά του προγραμματισμού R.
• Να εφαρμόζουν βασικές διαδικασίες επιστήμης δεδομένων.
• Να δημιουργούν οπτικές αναπαραστάσεις δεδομένων.

Η ανάλυση δεδομένων αποτελεί ένα κρίσιμο εργαλείο στις επιχειρήσεις σήμερα. Θα επικεντρωθούμε στην ανάπτυξη δεξιοτήτων για πρακτική ανάλυση δεδομένων με άμεση εφαρμογή. Στόχος είναι να βοηθήσουμε τους συμμετέχοντες να δίνουν απαντήσεις βασισμένες σε στοιχεία σε ερωτήματα: 

Τι έχει συμβεί;

• επεξεργασία και ανάλυση δεδομένων
• δημιουργία ενημερωτικών οπτικοποιήσεων δεδομένων

Τι θα συμβεί;

• πρόβλεψη μελλοντικών επιδόσεων
• αξιολόγηση προβλέψεων

Τι θα έπρεπε να συμβεί;

• μετατροπή δεδομένων σε επιχειρηματικές αποφάσεις βασισμένες σε στοιχεία
• βελτιστοποίηση διαδικασιών

Αυτή η εκπαίδευση με εισηγητή, ζωντανά σε Ελλάδα (online ή δια ζώσης) απευθύνεται σε επαγγελματίες αρχαρίου επιπέδου που επιθυμούν να καθαρίσουν και να αναλύσουν δεδομένα, να κάνουν στατιστικές προβλέψεις και να δημιουργήσουν εμπεριστατωμένες οπτικοποιήσεις χρησιμοποιώντας αυτά τα εργαλεία.

Μετά το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να κατανοούν τα βασικά της Python, της R, του Power Query και του Power BI για ανάλυση δεδομένων.
• Να καθαρίζουν και να οργανώνουν σύνολα δεδομένων χρησιμοποιώντας Python και Power Query.
• Να εκτελούν στατιστική ανάλυση και προβλέψεις με την R.
• Να δημιουργούν επαγγελματικά ταμπλό και αναφορές με το Power BI.
• Να ενσωματώνουν και να αναλύουν αποτελεσματικά δεδομένα από πολλαπλές πηγές.

R είναι ένα πολύ δημοφιλές περιβάλλον ανοιχτού κώδικα για στατιστικούς υπολογισμούς, ανάλυση δεδομένων και γραφικά. Αυτό το μάθημα εισάγει τη γλώσσα προγραμματισμού R στους μαθητές. Καλύπτει τα βασικά της γλώσσας, βιβλιοθήκες και προχωρημένες έννοιες. Προχωρημένη ανάλυση δεδομένων και γραφήματα με πραγματικά δεδομένα.

Κοινό

Προγραμματιστές / αναλυτές δεδομένων

Διάρκεια

3 ημέρες

Μορφή

Διαλέξεις και πρακτική εξάσκηση

Αυτή η ζωντανή εκπαίδευση με εισηγητή σε Ελλάδα (διαδικτυακά ή σε φυσικό χώρο) απευθύνεται σε αναλυτές δεδομένων και επαγγελματίες επιχειρήσεων μεσαίου επιπέδου που επιθυμούν να πραγματοποιούν προβλέψεις χρονοσειρών και να αυτοματοποιούν ροές εργασίας ανάλυσης δεδομένων με χρήση της R.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να κατανοήσουν τις βασικές αρχές των τεχνικών πρόβλεψης στην R.
• Να εφαρμόζουν εκθετική εξομάλυνση και μοντέλα ARIMA για ανάλυση χρονοσειρών.
• Να αξιοποιούν το πακέτο «forecast» για τη δημιουργία ακριβών προβλεπτικών μοντέλων.
• Να αυτοματοποιούν ροές εργασίας πρόβλεψης για επιχειρηματικές και ερευνητικές εφαρμογές.

Αυτή η εκπαίδευση υπό την καθοδήγηση εκπαιδευτή, ζωντανά στην Ελλάδα (διαδικτυακά ή δια ζώσης) απευθύνεται σε επιστήμονες δεδομένων και προγραμματιστές που επιθυμούν να χρησιμοποιήσουν και να ενσωματώσουν τα SQL, Python και Tableau για την εκτέλεση σύνθετης ανάλυσης, επεξεργασίας και οπτικοποίησης δεδομένων.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να ρυθμίσουν το απαραίτητο περιβάλλον για την εκτέλεση ανάλυσης δεδομένων με τα SQL, Python και Tableau.
• Να κατανοήσουν τις βασικές έννοιες της ενοποίησης λογισμικού (δεδομένα, διακομιστές, πελάτες, API, endpoints, κ.λπ.).
• Να κάνουν μια ανασκόπηση των βασικών στοιχείων της Python και SQL.
• Να εφαρμόσουν τεχνικές προεπεξεργασίας δεδομένων στην Python.
• Να μάθουν πώς να συνδέουν την Python και SQL για ανάλυση δεδομένων.
• Να δημιουργήσουν εποπτικές οπτικοποιήσεις δεδομένων και διαγράμματα με το Tableau.

Αυτή η εκπαίδευση με εισηγητή, ζωντανή, σε Ελλάδα (διαδικτυακά ή με φυσική παρουσία), απευθύνεται σε αναλυτές δεδομένων αρχαρίου έως ενδιάμεσου επιπέδου που επιθυμούν να χρησιμοποιήσουν το Tableau Desktop για να μετατρέψουν ανεπεξέργαστα δεδομένα σε ουσιαστικές γνώσεις μέσω γραφικών αναπαραστάσεων όπως γραφήματα, διαγράμματα, χάρτες και πίνακες.

Με την ολοκλήρωση της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Συνδέονται σε πολλαπλούς τύπους πηγών δεδομένων (Excel, CSV, βάσεις δεδομένων, cloud) και να κατανοούν τις διαφορές μεταξύ ζωντανών συνδέσεων και συνδέσεων με εξαγωγή.
• Προετοιμάζουν και καθαρίζουν δεδομένα για ανάλυση, συμπεριλαμβανομένης της μετονομασίας πεδίων, της διαχείρισης null τιμών και του συνδυασμού συνόλων δεδομένων μέσω ενώσεων και συνενώσεων.
• Δημιουργούν βασικές οπτικοποιήσεις όπως πίνακες, ραβδογράμματα, γραμμικά διαγράμματα και χάρτες και εφαρμόζουν φίλτρα για τη βελτίωση των παρουσιάσεων δεδομένων.
• Αναπτύσσουν ενδιάμεσες οπτικοποιήσεις, συμπεριλαμβανομένων γεωγραφικών χαρτών, διαγραμμάτων διπλού άξονα και χρήσης ιεραρχιών, ομάδων και συνόλων για τη βελτίωση της ανάλυσης.
• Κατασκευάζουν υπολογιζόμενα πεδία και παραμέτρους για τη δημιουργία δυναμικών και προσαρμοσμένων οπτικοποιήσεων βασισμένων σε εισόδους χρήστη και συναρτήσεις λογικής.
• Σχεδιάζουν διαδραστικά ταμπλό και ιστορίες, ενσωματώνοντας πολλαπλές οπτικοποιήσεις και φίλτρα για να αφηγηθούν μια συνεκτική αφήγηση.

Το Tableau Explorer είναι ένα επίπεδο άδειας χρήσης στο Tableau Cloud που έχει σχεδιαστεί για χρήστες που αλληλεπιδρούν με πίνακες εργαλείων, εφαρμόζουν φίλτρα, δημιουργούν προβολές και συνεργάζονται με ομάδες χρησιμοποιώντας δημοσιευμένες πηγές δεδομένων.

Αυτή η ζωντανή εκπαίδευση με εκπαιδευτή (διαδικτυακά ή δια ζώσης) απευθύνεται σε επιχειρηματικούς χρήστες αρχαρίου έως ενδιάμεσου επιπέδου που επιθυμούν να εξερευνήσουν, να φιλτράρουν και να αλληλεπιδράσουν με δεδομένα χρησιμοποιώντας το Tableau Explorer στο Tableau Cloud.

Μετά την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Περιηγούνται με σιγουριά σε πίνακες εργαλείων του Tableau και κοινόχρηστα βιβλία εργασίας.
• Εφαρμόζουν φίλτρα, πραγματοποιούν εμβάθυνση και εξάγουν δεδομένα από πίνακες εργαλείων.
• Δημιουργούν αποθηκευμένες προβολές και προσαρμοσμένες ειδοποιήσεις βάσει αλλαγών στα δεδομένα.
• Συνεργάζονται με μέλη της ομάδας χρησιμοποιώντας σχόλια, συνδρομές και κοινές προβολές.

Μορφή του Μαθήματος

• Διαδραστική διάλεξη και επίδειξη.
• Πρακτικές ασκήσεις με χρήση κοινόχρηστων πινάκων εργαλείων και δημοσιευμένου περιεχομένου.
• Πρακτική σε πραγματικό χρόνο στο Tableau Cloud με καθοδηγούμενη εξερεύνηση.

Επιλογές Προσαρμογής Μαθήματος

• Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να το κανονίσουμε.

Μετά την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

Αυτή η εκπαίδευση με εισηγητή, σε ζωντανή μετάδοση στην Ελλάδα (online ή onsite) απευθύνεται σε επαγγελματίες ψηφιακής εγκληματολογίας και κυβερνοασφάλειας μεσαίου επιπέδου που επιθυμούν να αποκτήσουν ολοκληρωμένη κατανόηση και πρακτικές δεξιότητες στη χρήση του Tableau Forensic Imager για σκοπούς ψηφιακής εγκληματολογίας.

• Να κατανοήσουν τον ρόλο και τη σημασία της ψηφιακής εγκληματολογικής απεικόνισης στις έρευνες.
• Να χειρίζονται το Tableau Forensic Imager για την απόκτηση εγκληματολογικά ορθών απεικονίσεων.
• Να εφαρμόζουν βέλτιστες πρακτικές στον χειρισμό και τη διατήρηση ψηφιακών αποδεικτικών στοιχείων.
• Να πλοηγούνται στη διεπαφή λογισμικού για τη διαμόρφωση, εκτέλεση και διαχείριση εργασιών απεικόνισης.
• Να αναλύουν και να επικυρώνουν εγκληματολογικές απεικονίσεις ώστε να διασφαλίζουν την ακεραιότητα και το παραδεκτό στο δικαστήριο.

Αυτή η εκπαίδευση με εισηγητή, σε ζωντανή τάξη Ελλάδα (διαδικτυακά ή δια ζώσης) απευθύνεται σε αναλυτές δεδομένων και επιστήμονες δεδομένων που επιθυμούν να αναζητούν, να αναλύουν και να οπτικοποιούν δεδομένα χρησιμοποιώντας το Tableau.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Συνδέονται στα δεδομένα τους.
• Επεξεργάζονται και αποθηκεύουν μια πηγή δεδομένων.
• Κατανοούν την ορολογία του Tableau.
• Χρησιμοποιούν τη διεπαφή/λογική του Tableau για να δημιουργούν αποτελεσματικά ισχυρές οπτικοποιήσεις.
• Δημιουργούν υπολογισμούς, όπως αριθμητικούς υπολογισμούς, προσαρμοσμένες συγκεντρώσεις και αναλογίες, μαθηματικά ημερομηνιών και υπολογισμούς πινάκων.
• Αναπαριστούν τα δεδομένα τους χρησιμοποιώντας διαφορετικούς τύπους οπτικοποιήσεων.
• Κατασκευάζουν ταμπλό για την κοινή χρήση οπτικοποιήσεων.

Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανά σε Ελλάδα (online ή onsite) απευθύνεται σε αναλυτές δεδομένων αρχάριου έως μεσαίου επιπέδου που επιθυμούν να αποκτήσουν πρακτικές γνώσεις του Tableau Prep Builder και των βασικών λειτουργιών χαρτογράφησης στο Tableau για την αντιμετώπιση προκλήσεων προετοιμασίας και οπτικοποίησης δεδομένων.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Συνδέονται σε μια ποικιλία πηγών δεδομένων, συμπεριλαμβανομένων αρχείων στο cloud και τοπικών αρχείων, και να διαχειρίζονται ζωντανές και εξαγόμενες συνδέσεις δεδομένων.
• Εκτελούν σύντηξη και συνδυασμό δεδομένων χρησιμοποιώντας προηγμένες τεχνικές ένωσης για να συγχωνεύουν πολλαπλά σύνολα δεδομένων από διαφορετικές πηγές για καλύτερη ανάλυση.
• Δημιουργούν υπολογιζόμενα πεδία και εκτελούν λειτουργίες για δυναμικό χειρισμό και ανάλυση δεδομένων.
• Δημοσιεύουν και ενημερώνουν προετοιμασμένα δεδομένα στο Tableau Server ή το Tableau Online, επιτρέποντας αυτοματοποιημένες ενημερώσεις και προγραμματισμό.
• Δημιουργούν βασικούς και προηγμένους χάρτες με γεωγραφικά δεδομένα, συμπεριλαμβανομένων χαρτών πλήρωσης (filled maps), χαρτών πυκνότητας (density maps) και χαρτών διπλού άξονα (dual-axis maps).
• Εφαρμόζουν τεχνικές χαρτογράφησης για την επίλυση πραγματικών επιχειρηματικών προβλημάτων δημιουργώντας διαδραστικές, λεπτομερείς γεωγραφικές οπτικοποιήσεις.

Αυτή η καθοδηγούμενη από εκπαιδευτή, ζωντανή εκπαίδευση στην <τοποθεσία> (διαδικτυακή ή δια ζώσης) απευθύνεται σε επαγγελματίες δεδομένων προχωρημένου επιπέδου που επιθυμούν να χρησιμοποιήσουν το Tableau για τη δημιουργία σύνθετων οπτικοποιήσεων, τη βελτιστοποίηση ταμπλό και την εκτέλεση προηγμένης ανάλυσης δεδομένων.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση: να εγκαταστήσουν και να ρυθμίσουν το Tableau για προηγμένη χρήση, να δημιουργούν προηγμένους υπολογισμούς, να σχεδιάζουν διαδραστικά ταμπλό και να βελτιστοποιούν την απόδοση.

Πρόκειται για ένα συναρπαστικό τετραήμερο μάθημα για αρχάριους του Tableau. Σε αυτό το μάθημα, θα εξοικειωθείτε με όλες τις δυνατότητες του Tableau και θα μάθετε πώς να δημιουργείτε και να μοιράζεστε οπτικοποιήσεις δεδομένων με άλλους. Το μάθημα θα σας καθοδηγήσει σε όλα τα βήματα, συμπεριλαμβανομένης της σύνδεσης με δεδομένα, της δημιουργίας υπολογισμών, της επιλογής γραφήματος, της δημιουργίας πίνακα εργαλείων και της δημοσίευσης της εργασίας σας.

Το μάθημα χωρίζεται σε διαλέξεις αφιερωμένες σε κάθε θέμα, ακολουθούμενες από πρακτικές ασκήσεις. Το μάθημα θα ολοκληρωθεί με ένα τεστ 30 λεπτών και μια εργασία έργου 60 λεπτών.

Ορόσημα Μαθήματος:

• Εξοικείωση με τη διεπαφή του Tableau.
• Σύνδεση και εργασία με τα δεδομένα σας.
• Χρήση των δυνατοτήτων του Tableau.
• Δημιουργία μιας διορατικής οπτικοποίησης.
• Κοινοποίηση της εργασίας σας σε ένα ευρύτερο κοινό.

Μορφή του Μαθήματος:

• Διαδραστική διάλεξη και συζήτηση.
• Πολλές ασκήσεις και πρακτική.
• Πρακτική εφαρμογή σε περιβάλλον live-lab.
• Τεστ γνώσεων και πρακτικό έργο στο τέλος του μαθήματος