Εκπαίδευση Statistics στην Αθήνα

Αυτή η ζωντανή εκπαίδευση με εισηγητή στο Αθήνα (online ή δια ζώσης) απευθύνεται σε μηχανικούς και σχεδιαστές μεσαίου επιπέδου που επιθυμούν να χρησιμοποιήσουν το DFSS για να διασφαλίσουν ότι η ποιότητα ενσωματώνεται στο προϊόν ή τη διαδικασία από την έναρξη της φάσης σχεδιασμού.

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

• Να κατανοούν τις αρχές και τις έννοιες του Σχεδιασμού για Six Sigma (DFSS).
• Να μαθαίνουν τις μεθοδολογίες DMAIC (Define, Measure, Analyze, Improve, Control) και DMADV (Define, Measure, Analyze, Design, Verify).
• Να εφαρμόζουν εργαλεία και τεχνικές DFSS για το σχεδιασμό και τη βελτιστοποίηση διαδικασιών.
• Να αναπτύσσουν δεξιότητες διαχείρισης και ηγεσίας έργων DFSS αποτελεσματικά.

Αυτή η εκπαίδευση με εισηγητή, ζωντανή στο Αθήνα (online ή onsite), απευθύνεται σε επαγγελματίες προχωρημένου επιπέδου που επιθυμούν να αποκτήσουν εις βάθος κατανόηση της μεθοδολογίας Six Sigma DMAIC σε επίπεδο Black Belt.

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

• Να αναπτύξουν μια ολοκληρωμένη κατανόηση των φάσεων Ορισμού, Μέτρησης, Ανάλυσης, Βελτίωσης και Ελέγχου, εστιάζοντας σε πολύπλοκα έργα.
• Να αποκτήσουν εξειδίκευση σε προηγμένες τεχνικές στατιστικής ανάλυσης για λήψη αποφάσεων βασισμένων σε δεδομένα.
• Να ηγηθούν έργων μεγάλης κλίμακας Six Sigma και να διαχειρίζονται αποτελεσματικά ομάδες έργου.
• Να υλοποιούν σημαντικές βελτιώσεις διαδικασιών που ευθυγραμμίζονται με τους οργανωσιακούς στόχους και στρατηγικές.

Το R Markdown είναι ένα πλαίσιο συγγραφής που συνδυάζει εκτελέσιμο κώδικα R με αφηγηματικό κείμενο για τη δημιουργία δυναμικών και αναπαραγώγιμων εγγράφων.

Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανά (διαδικτυακά ή σε φυσικό χώρο) απευθύνεται σε χρήστες της R αρχαρίου έως μεσαίου επιπέδου που επιθυμούν να δημιουργούν αυτοματοποιημένες, δυναμικές αναφορές χρησιμοποιώντας το R Markdown για εσωτερική τεκμηρίωση, ερευνητικές δημοσιεύσεις ή διαδικτυακή δημοσίευση.

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

• Δημιουργούν έγγραφα R Markdown με ενσωματωμένα τμήματα κώδικα R και μορφοποιημένο κείμενο.
• Παράγουν εξαγόμενα σε πολλαπλές μορφές, συμπεριλαμβανομένων HTML, PDF και Word.
• Χρησιμοποιούν παραμετροποιημένες αναφορές και λογική υπό όρους για την παραγωγή δυναμικού περιεχομένου.
• Προσαρμόζουν την εμφάνιση των εγγράφων με θέματα, πρότυπα και LaTeX για επαγγελματική παρουσίαση.

Μορφή του Μαθήματος

• Διαδραστική διάλεξη και συζήτηση.
• Πολλές ασκήσεις και πρακτική εξάσκηση.
• Πρακτική υλοποίηση σε περιβάλλον ζωντανού εργαστηρίου.

Επιλογές Προσαρμογής Μαθήματος

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

Αυτή η εκπαίδευση με εισηγητή, σε πραγματικό χρόνο στην Αθήνα (διαδικτυακά ή δια ζώσης) απευθύνεται σε επαγγελματίες μεσαίου επιπέδου που επιθυμούν να αποκτήσουν ολοκληρωμένη κατανόηση της μεθοδολογίας DMAIC και να προετοιμαστούν για τον ρόλο ενός αποτελεσματικού Six Sigma Green Belt.

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

• Αποκτήσουν εμπεριστατωμένη γνώση των φάσεων Ορισμός, Μέτρηση, Ανάλυση, Βελτίωση και Έλεγχος του Six Sigma.
• Εφαρμόσουν αποτελεσματικά ένα ευρύ φάσμα εργαλείων και τεχνικών του Six Sigma σε κάθε φάση του DMAIC.
• Εκτελέσουν και ερμηνεύσουν στατιστικές αναλύσεις για τη βελτίωση διαδικασιών.
• Σχεδιάσουν, εκτελέσουν και διαχειριστούν ένα έργο Six Sigma.

Αυτή η εκπαίδευση υπό την καθοδήγηση εισηγητή, ζωντανά στο Αθήνα (διαδικτυακά ή δια ζώσης), απευθύνεται σε επαγγελματίες αρχάριου επιπέδου που επιθυμούν μια θεμελιώδη κατανόηση των αρχών του Six Sigma και του Lean, ώστε να τις ενσωματώσουν και να βελτιώσουν τις επιχειρησιακές διαδικασίες.

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

• Να αποκτήσουν μια στέρεη κατανόηση των αρχών του Lean Six Sigma.
• Να χρησιμοποιούν τις μεθοδολογίες Six Sigma για τη βελτίωση της ποιότητας των διαδικασιών, εξαλείφοντας τα αίτια των ελαττωμάτων και ελαχιστοποιώντας τη μεταβλητότητα.
• Να ενσωματώνουν μεθοδολογίες Lean και Six Sigma για την επίτευξη αποδοτικότερων και αποτελεσματικότερων βελτιώσεων στις διαδικασίες.
• Να διδάσκουν βασικά εργαλεία και τεχνικές Lean Six Sigma που οι κάτοχοι Yellow Belt μπορούν να εφαρμόσουν σε έργα βελτίωσης διαδικασιών, όπως τα 5S, Kaizen και η χαρτογράφηση διαδικασιών.

Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανή σε Αθήνα (διαδικτυακή ή δια ζώσης), απευθύνεται σε επαγγελματίες μεσαίου επιπέδου που επιθυμούν να κατανοήσουν τις αρχές των Six Sigma και Lean, προκειμένου να ηγηθούν σημαντικών έργων βελτίωσης διαδικασιών στους οργανισμούς τους.

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

• Αναπτύξουν μια ολοκληρωμένη κατανόηση του τρόπου με τον οποίο οι μεθοδολογίες Lean και Six Sigma μπορούν να ενσωματωθούν για τη βελτίωση των διαδικασιών.
• Αποκτήσουν σε βάθος γνώση και δεξιότητες εφαρμογής στις φάσεις Ορισμός, Μέτρηση, Ανάλυση, Βελτίωση και Έλεγχος (DMAIC).
• Εφαρμόσουν προηγμένα στατιστικά εργαλεία για λήψη αποφάσεων βάσει δεδομένων και ανάλυση διαδικασιών.
• Ηγηθούν και διαχειριστούν αποτελεσματικά έργα Lean Six Sigma.

Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανή σε Αθήνα (διαδικτυακά ή επιτόπου) απευθύνεται σε αναλυτές δεδομένων και σε όποιον ενδιαφέρεται να μάθει πώς να χρησιμοποιεί και να ενσωματώνει τα Tableau, Python, R και SQL για την οπτικοποίηση και ανάλυση δεδομένων.

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

• Να εκτελούν ανάλυση δεδομένων χρησιμοποιώντας Python, R και SQL.
• Να δημιουργούν γνώσεις μέσω της οπτικοποίησης δεδομένων με το Tableau.
• Να λαμβάνουν αποφάσεις βασισμένες σε δεδομένα για τις επιχειρηματικές λειτουργίες.

Αυτή η εκπαίδευση με εισηγητή, ζωντανά σε Αθήνα (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.

Αυτή η ζωντανή εκπαίδευση με εκπαιδευτή στην τοποθεσία Αθήνα (διαδικτυακή ή σε τάξη) απευθύνεται σε επαγγελματίες προχωρημένου επιπέδου που επιθυμούν να αποκτήσουν τις δεξιότητες για να χειριστούν πολύπλοκα έργα Six Sigma και να αναλάβουν ηγετικό ρόλο σε υλοποιήσεις Six Sigma και Lean.

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

• Αναπτύξουν μια εις βάθος κατανόηση των προηγμένων μεθοδολογιών και εργαλείων Six Sigma και Lean.
• Ηγηθούν πολύπλοκων έργων βελτίωσης διαδικασιών που ευθυγραμμίζονται με τις οργανωτικές στρατηγικές.
• Εκτελούν σύνθετες στατιστικές αναλύσεις και λαμβάνουν αποφάσεις βάσει δεδομένων.
• Ηγηθούν αποτελεσματικά πρωτοβουλιών αλλαγής και οικοδομήσουν μια κουλτούρα συνεχούς βελτίωσης.

Αυτή η εκπαίδευση με εισηγητή, ζωντανή στο Αθήνα (διαδικτυακά ή σε φυσική τάξη), απευθύνεται σε επαγγελματίες αρχικού επιπέδου που επιθυμούν να αποκτήσουν μια βαθύτερη κατανόηση της μεθοδολογίας Six Sigma και των αρχών της, καθώς και να κυριαρχήσουν στη διαδικασία DMAIC.

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

• Να αποκτήσουν γνώσεις πέρα από τις βασικές αρχές που καλύφθηκαν στο μάθημα White Belt.
• Να κυριαρχήσουν στη διαδικασία DMAIC και να μάθουν προηγμένα εργαλεία Six Sigma.
• Να μάθουν πώς να συνεισφέρουν αποτελεσματικά σε μια ομάδα έργου Six Sigma και να συνεργάζονται με Green και Black Belts.
• Να εφαρμόσουν τις μεθοδολογίες Six Sigma σε πραγματικές επιχειρηματικές διαδικασίες για βελτίωση.

Το Shiny είναι ένα πακέτο της R που επιτρέπει στους χρήστες να δημιουργούν διαδραστικές και δυναμικές διαδικτυακές εφαρμογές απευθείας από την R, χωρίς να απαιτείται γνώση JavaScript ή πολύπλοκων πλαισίων ιστού.

Αυτή η εκπαίδευση με καθοδήγηση από εκπαιδευτή, ζωντανά (διαδικτυακά ή σε αίθουσα), απευθύνεται σε χρήστες της R μεσαίου επιπέδου που επιθυμούν να δημιουργήσουν και να διαθέσουν εξατομικευμένες διαδικτυακές εφαρμογές χρησιμοποιώντας το Shiny για οπτικοποίηση δεδομένων, αλληλεπίδραση με τον χρήστη και αναφορές.

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

• Να δημιουργούν διαδραστικές διαδικτυακές εφαρμογές χρησιμοποιώντας το Shiny και την R.
• Να σχεδιάζουν διεπαφές χρήστη με αντιδραστικά στοιχεία και δυναμικές εισόδους.
• Να ενσωματώνουν οπτικοποιήσεις δεδομένων και δυνατότητες αναφορών σε εφαρμογές Shiny.
• Να αναπτύσσουν και να κοινοποιούν εφαρμογές Shiny τοπικά ή διαδικτυακά μέσω Shiny Server ή Posit Cloud.

Μορφή του Μαθήματος

• Διαδραστική διάλεξη και συζήτηση.
• Πολλές ασκήσεις και εξάσκηση.
• Πρακτική υλοποίηση σε περιβάλλον ζωντανού εργαστηρίου.

Επιλογές Προσαρμογής Μαθήματος

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

Αυτή η εκπαίδευση με εισηγητή, ζωντανή στο Αθήνα (online ή onsite), απευθύνεται σε επαγγελματίες αρχάριου επιπέδου που επιθυμούν να αποκτήσουν μια βασική κατανόηση της μεθοδολογίας Six Sigma και των αρχών της.

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

• Κατανοήσουν τα βασικά του Six Sigma και να μάθουν τη διαδικασία DMAIC.
• Κατανοήσουν τους συγκεκριμένους ρόλους και τις ευθύνες μιας Λευκής Ζώνης στο πλαίσιο ενός έργου Six Sigma.
• Μάθουν πώς να εφαρμόζουν τις αρχές Six Sigma για να εντοπίζουν ευκαιρίες βελτίωσης και να υποστηρίζουν έργα Six Sigma μέσα σε έναν οργανισμό.

Αυτή η ζωντανή εκπαίδευση με εκπαιδευτή στην Αθήνα (online ή δια ζώσης) απευθύνεται σε επιστήμονες που επιθυμούν να μάθουν και να χρησιμοποιήσουν τον Σχεδιασμό Πειραμάτων (DoE) για να κατανοήσουν τη σχέση αιτίου-αποτελέσματος μεταξύ πολλαπλών παραγόντων.

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

• Να κατανοούν τα πλεονεκτήματα των σχεδιασμένων πειραμάτων έναντι άλλων προσεγγίσεων.
• Να κατανοούν τις σχέσεις αιτίου-αποτελέσματος και τις αλληλεπιδράσεις μεταξύ των παραγόντων.
• Να μάθουν τις βέλτιστες πρακτικές και κατευθυντήριες γραμμές για τη διεξαγωγή επιτυχημένων πειραματισμών.

Αυτή η εκπαίδευση υπό την καθοδήγηση εκπαιδευτή, ζωντανή σε Αθήνα (online ή σε φυσικό χώρο) απευθύνεται σε οποιονδήποτε επιθυμεί να μάθει και να κατακτήσει τις βασικές αρχές της οικονομετρικής ανάλυσης και μοντελοποίησης.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

• να μάθουν και να κατανοήσουν τις βασικές αρχές της οικονομετρίας.
• να χρησιμοποιούν το Eviews και προσομοιωτές κινδύνου.

Αυτή η εκπαίδευση υπό την καθοδήγηση εκπαιδευτή, ζωντανή, σε Αθήνα (online ή σε φυσική τάξη), απευθύνεται σε επαγγελματίες πληροφορικής μεσαίου έως προχωρημένου επιπέδου που επιθυμούν να αξιοποιήσουν τη Stata για στατιστική ανάλυση και να την ενσωματώσουν με την R.

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

• Να χρησιμοποιούν αποτελεσματικά τη Stata για ανάλυση δεδομένων και στατιστική μοντελοποίηση.
• Να συγκρίνουν τις δυνατότητες της Stata με το SPSS και την R.
• Να ενσωματώνουν τη Stata με την R για απρόσκοπτους στατιστικούς υπολογισμούς.
• Να αναπτύσσουν και να αυτοματοποιούν ροές εργασίας χρησιμοποιώντας Stata και R.

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

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

Το Ανάλυση Οικονομικών Δεδομένων στο Excel εξοπλίζει τους χρηματοοικονομικούς αναλυτές και λογιστές με προηγμένες τεχνικές για την αυτοματοποίηση σύνθετων υπολογισμών και αναφορών. Καλύπτει βασικές αρχές των οικονομικών συναρτήσεων, αναζητήσεις INDEX-MATCH, ερωτήματα βάσεων δεδομένων, συγκεντρωτικούς πίνακες, γραφήματα Pivot και ενσωμάτωση εξωτερικών δεδομένων. Εμβαθύνει στα Goal Seek, Solver, Analysis ToolPak και μακροεντολές VBA για την αυτοματοποίηση επαναλαμβανόμενων ροών εργασίας. Βοηθά τους επαγγελματίες να μετατρέπουν ακατέργαστα στοιχεία σε αξιοποιήσιμες χρηματοοικονομικές πληροφορίες και αξιόπιστες προβλέψεις για στρατηγικό σχεδιασμό.

Αυτή η εκπαίδευση με εισηγητή, ζωντανά σε Αθήνα (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 Αθήνα (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.

Αυτή η ζωντανή εκπαίδευση με εκπαιδευτή που διεξάγεται σε Αθήνα (διαδικτυακή ή σε φυσικό χώρο) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να προγραμματίσουν σε Python και R για το KNIME.

Με το πέρας αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να σχεδιάζουν, να δημιουργούν και να αναπτύσσουν μοντέλα μηχανικής μάθησης στο KNIME.
• Να λαμβάνουν αποφάσεις βασισμένες σε δεδομένα για τις επιχειρησιακές δραστηριότητες.
• Να υλοποιούν ολοκληρωμένα έργα επιστήμης δεδομένων.

 Η οικοδόμηση εμπιστοσύνης στη στατιστική ανάλυση ξεκινά με το Minitab, ένα εργαλείο βιομηχανικού προτύπου για διασφάλιση ποιότητας και αναλυτική λήψη αποφάσεων. Εξερευνά βασικές τεχνικές όπως περιγραφική στατιστική, μοντελοποίηση κατανομών, μεθόδους παλινδρόμησης, πειραματικό σχεδιασμό και διαγράμματα ελέγχου για παρακολούθηση διεργασιών. Εξοπλίζει τους επαγγελματίες ώστε να χρησιμοποιούν διαστήματα εμπιστοσύνης, ελέγχους υποθέσεων και ροές εργασίας ανάλυσης διακύμανσης για να αναδείξουν αξιοποιήσιμα σήματα μέσα σε πολύπλοκα σύνολα δεδομένων.

Αυτή η ζωντανή εκπαίδευση με εισηγητή στην Αθήνα (διαδικτυακά ή σε φυσική παρουσία) απευθύνεται σε προσωπικό τμημάτων διεργασιών και μέλη ομάδων λειτουργιών που επιθυμούν να κατακτήσουν πρακτικές τεχνικές βελτίωσης διεργασιών, αξιοποιώντας τις αρχές του Six Sigma και τη μοντελοποίηση BPMN 2.0.

Το Στατιστική Επίπεδο 1 καλύπτει βασικές στατιστικές τεχνικές και μέτρα για επαγγελματίες δεδομένων. Εμβαθύνει στη γραφική απεικόνιση και σύνοψη κατανομών δεδομένων, στην κατανόηση των προτύπων της κανονικής κατανομής και στον υπολογισμό βασικών αναλυτικών μέτρων, όπως ο μέσος όρος, η διάμεσος, η επικρατούσα τιμή, η τυπική απόκλιση και η διακύμανση. Εξοπλίζει τους συμμετέχοντες με τις απαραίτητες βάσεις για να χειρίζονται πραγματικά σύνολα δεδομένων και να παράγουν τεκμηριωμένα αποτελέσματα. Ιδανικό για όποιον χτίζει ένα ισχυρό ποσοτικό υπόβαθρο για την επιστήμη δεδομένων και την ανάλυση.

Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανή (διαδικτυακή ή δια ζώσης) απευθύνεται σε αναλυτές δεδομένων που επιθυμούν να χρησιμοποιήσουν Stata και R για την ανάλυση μεγάλων δεδομένων για στατιστική ανάλυση.

Μετά την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Δημιουργούν στατιστικά μοντέλα για την πρόβλεψη βασικών μεταβλητών ενδιαφέροντος και γεγονότων.
• Παράγουν περιγραφικές απεικονίσεις, συνοπτικούς πίνακες, συχνότητες και πολλά άλλα.
• Διαχειρίζονται και δομούν μεγάλες βάσεις δεδομένων για την προετοιμασία της ανάλυσης δεδομένων.

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

Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανή σε Αθήνα (διαδικτυακά ή δια ζώσης) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να προγραμματίσουν σε R για το Tableau.

• Υλοποίηση αναλύσεων Tableau με τη χρήση R.
• Επιστροφή τιμών στο Tableau με αλγορίθμους μάθησης στην R.
• Δόμηση και οπτικοποίηση συναρτήσεων της R στο Tableau.
• Λήψη αποφάσεων βάσει δεδομένων για τις επιχειρησιακές λειτουργίες.

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.

Περιγραφή:

Αυτό είναι ένα μάθημα σχεδιασμένο να διδάξει στους χρήστες της R πώς να δημιουργούν διαδικτυακές εφαρμογές χωρίς να χρειάζεται να μάθουν HTML, Javascript και CSS για όλους τους browsers.

Στόχος:

Καλύπτει τα βασικά για το πώς λειτουργούν οι εφαρμογές Shiny.

Καλύπτει όλες τις συνήθεις συναρτήσεις εισόδου/εξόδου/απόδοσης/διάταξης σε πάνελ από τη βιβλιοθήκη Shiny.

Αυτή η ζωντανή εκπαίδευση με εισηγητή σε Αθήνα (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.