Mimo zainteresowania danymi i ich analiz

Zobacz także:

• Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego 199,00 zÅ‚, (59,70 zÅ‚ -70%)
• Power BI Desktop. Kurs video. Wykorzystanie narzÄ™dzia w analizie i wizualizacji danych 349,00 zÅ‚, (104,70 zÅ‚ -70%)
• Statystyka. Kurs video. Przewodnik dla student 128,71 zÅ‚, (39,90 zÅ‚ -69%)
• Microsoft Excel. Kurs video. Wykresy i wizualizacja danych 199,00 zÅ‚, (69,65 zÅ‚ -65%)
• Analiza danych w Tableau. Kurs video. Podstawy pracy analityka 249,00 zÅ‚, (87,15 zÅ‚ -65%)

Spis treści

Mistrz analizy danych. Od danych do wiedzy. Wydanie II -- spis treści

Wstęp

1. Wszystko, co chciałeś wiedzieć o arkuszu kalkulacyjnym, ale bałeś się o to zapytać

• PrzykÅ‚adowe proste dane
• Szybkie statystyki opisowe
• Tabele Excela
  • Filtrowanie i sortowanie
  • Formatowanie tabeli
  • OdwoÅ‚ania strukturalne
  • Dodawanie kolumn do tabeli
• FormuÅ‚y przeznaczone do wyszukiwania
  • WYSZUKAJ.POZIOMO
  • INDEKS/PODAJ.POZYCJĘ
  • X.WYSZUKAJ
• Tabele przestawne
• Korzystanie z formuÅ‚ tablicowych
• RozwiÄ…zywanie problemów za pomocÄ… narzÄ™dzia Solver

2. Ustaw i zapomnij! Wprowadzenie do Power Query

• Czym jest Power Query?
• PrzykÅ‚adowe dane
• RozpoczÄ™cie pracy z Power Query
• Filtrowanie wierszy
• Usuwanie kolumn
• Znajdź i zastÄ…p
• Zamknij i zaÅ‚aduj. do tabeli

3. Naiwny klasyfikator bayesowski i niezwykła lekkość bycia idiotą

• Najszybsze na Å›wiecie wprowadzenie do rachunku prawdopodobieÅ„stwa
  • Obliczanie prawdopodobieÅ„stwa warunkowego
  • PrawdopodobieÅ„stwo części wspólnej, reguÅ‚a Å‚aÅ„cuchowa i niezależność
  • A co, jeżeli sytuacje sÄ… zależne od siebie?
  • Twierdzenie Bayesa
• Oddzielanie sygnaÅ‚u od szumu
• Tworzenie modelu sztucznej inteligencji za pomocÄ… twierdzenia Bayesa
  • Zwykle zakÅ‚ada siÄ™, że wysokopoziomowe prawdopodobieÅ„stwa klas sÄ… sobie równe
  • Kilka innych drobnostek
• Czas rozpocząć zabawÄ™ z Excelem
  • PorzÄ…dkowanie danych za pomocÄ… Power Query
  • Dzielenie na znakach spacji: każde sÅ‚owo musi dostać to, co mu siÄ™ należy
  • Zliczanie leksemów i obliczanie prawdopodobieÅ„stw
  • ZbudowaliÅ›my model. Skorzystajmy z niego!

4. Analiza skupieÅ„. Część I - zastosowanie algorytmu centroidów do segmentowania bazy klientów

• Zabawy taneczne na obozie letnim
• Prawdziwy problem: implementacja algorytmu centroidów w e-mail marketingu
  • PoczÄ…tkowy zbiór danych
  • OkreÅ›lanie tego, co chcemy mierzyć
  • Zacznij od czterech grup
  • OdlegÅ‚ość euklidesowa - pomiar odlegÅ‚oÅ›ci w linii prostej
  • OkreÅ›lanie poÅ‚ożenia Å›rodków klastrów
  • Analiza uzyskanych wyników
  • Ustalanie najlepszej oferty dla danego klastra
  • Sylwetka podziaÅ‚u - dobry sposób na okreÅ›lenie optymalnej liczby klastrów
  • A może potrzebujesz piÄ™ciu klastrów?
  • Dzielenie klientów na pięć klastrów za pomocÄ… narzÄ™dzia Solver
  • Ustalanie najlepszych ofert dla wszystkich piÄ™ciu klastrów
  • OkreÅ›lanie sylwetki podziaÅ‚u na pięć klastrów
• PodziaÅ‚ na grupy za pomocÄ… algorytmu K-medioidów i asymetryczny pomiar odlegÅ‚oÅ›ci
  • PodziaÅ‚ na grupy za pomocÄ… metody K-medioidów
  • Stosowanie lepszego sposobu pomiaru odlegÅ‚oÅ›ci
  • Implementacja za pomocÄ… Excela
  • Najlepsze oferty przy podziale na pięć klastrów za pomocÄ… median

5. Analiza skupień. Część II - grafy i analiza sieci

• Czym jest graf sieci?
• Wizualizacja prostego grafu
  • WyjÅ›cie poza dodatek GiGraph i listy sÄ…siedztwa
• Tworzenie grafu na podstawie danych sprzedaży wina
  • Tworzenie macierzy podobieÅ„stwa kosinusowego
  • Generowanie grafu r-sÄ…siedztwa
• Wprowadzenie do Gephi
  • Tworzenie statycznej macierzy sÄ…siedztwa
  • Macierz r-sÄ…siedztwa w Gephi
  • StopieÅ„ rozgaÅ‚Ä™zienia
  • Edycja danych grafu
• Jaka jest wartość krawÄ™dzi? Nagradzanie i karanie krawÄ™dzi - modularność grafu
  • Czym jest punkt, a czym kara?
  • Tworzenie arkusza punktacji
• Czas dokonać podziaÅ‚u na grupy
  • PodziaÅ‚ 1.
  • PodziaÅ‚ 2. - kontratak
  • PodziaÅ‚ 3. - zemsta
  • Grupy - kodowanie i analiza
• Tam i z powrotem - czas na Gephi

6. Regresja jako przodek nadzorowanego uczenia maszynowego i sztucznej inteligencji

• Przewidywanie ciąży klientów na podstawie regresji liniowej
  • Zbiór cech
  • Tworzenie treningowego zbioru danych
  • Tworzenie zmiennych fikcyjnych
  • Pobawmy siÄ™ regresjÄ… liniowÄ…
  • Parametry regresji liniowej: wspóÅ‚czynnik determinacji, test F i test t
  • Przewidywanie ciąży na nowym zbiorze danych i sprawdzanie jakoÅ›ci modelu
• Przewidywanie ciąży klientów za pomocÄ… regresji logistycznej
  • Najpierw musisz okreÅ›lić funkcjÄ™ wiążącÄ…
  • Tworzenie funkcji logistycznej i ponowna optymalizacja
  • Praca nad prawdziwÄ… regresjÄ… logistycznÄ…

7. Modele zespołowe - dużo nie najlepszej pizzy

• Korzystanie z danych z rozdziaÅ‚u 6.
• Agregacja - losuj, trenuj, powtórz
  • Pieniek decyzyjny to kolejne okreÅ›lenie sÅ‚abego klasyfikatora
  • To wcale nie wydaje siÄ™ takie sÅ‚abe!
  • WiÄ™cej mocy!
  • Czas rozpocząć proces trenowania
  • Ocena dziaÅ‚ania modelu zespolonego
• Wzmacnianie - jeżeli uzyskaÅ‚eÅ› niesatysfakcjonujÄ…ce wyniki, to wzmocnij swój model i uruchom go jeszcze raz
  • Trenowanie modelu - każda cecha ma swoje pięć minut
  • Wydajność modelu wzmacnianych reguÅ‚ decyzyjnych

8. Prognozowanie - oddychaj spokojnie, i tak nie wygrasz

• Hossa na rynku sprzedaży mieczy
• Szeregi czasowe
• Zacznij od prostego wygÅ‚adzania wykÅ‚adniczego
  • Przygotowanie arkusza prognozy prostego wygÅ‚adzania wykÅ‚adniczego
• Być może dane zawierajÄ… trend
• Podwójne wygÅ‚adzanie wykÅ‚adnicze (metoda Holta)
  • Metoda Holta w arkuszu kalkulacyjnym
  • To wszystko? Analiza autokorelacji
• Wielokrotne wygÅ‚adzanie wykÅ‚adnicze - model Holta-Wintersa
  • OkreÅ›lanie poczÄ…tkowych wartoÅ›ci poziomu, trendu i sezonowoÅ›ci
  • Tworzenie prognozy
  • Czas na optymalizacjÄ™
  • InterwaÅ‚y prognozy
  • Tworzenie wykresu warstwowego wachlarza wartoÅ›ci
• Arkusze prognozy w Excelu

9. Modelowanie optymalizacyjne - świeżo wyciśnięty sok nie zamiesza się sam

• Ale czy to w ogóle jest analiza danych?
• Zacznijmy od prostego kompromisu
  • Przedstawienie problemu w formie wielokomórki
  • RozwiÄ…zywanie problemu poprzez przesuwanie poziomicy
  • Metoda simpleks - krÄ™cenie siÄ™ wokóÅ‚ rogów
  • Praca w Excelu
• Szklanka Å›wieżego soku pomaraÅ„czowego prosto z drzewa. z przystankiem na modelowanie
  • Zacznijmy od specyfikacji soków
  • StaÅ‚ość produktu wyjÅ›ciowego
  • Wprowadzanie danych do Excela
  • OkreÅ›lanie problemu w dodatku Solver
  • Obniżanie standardów
  • Usuwanie cuchnÄ…cego problemu - minimalizacja maksymalnych odchyleÅ„
  • Warunki i ograniczenie "wielkiego M"
  • Mnożenie zmiennych - skorzystajmy ze 110% mocy Excela
• Modelowanie ryzyka
  • Dane pochodzÄ…ce z rozkÅ‚adu normalnego

10. Wykrywanie obserwacji odstajÄ…cych

• Element odstajÄ…cy to też czÅ‚owiek
• FascynujÄ…ca sprawa Hadlumów
  • Metoda Tukeya
  • Implementacja metody Tukeya w arkuszu kalkulacyjnym
  • Ograniczenia tej prostej techniki
• Nie tragiczny, ale sÅ‚aby we wszystkim
  • Przygotowywanie danych do utworzenia wykresu
  • Tworzenie grafu
  • OkreÅ›lanie k najbliższych sÄ…siadów
  • Pierwsza metoda wykrywania elementów odstajÄ…cych grafu - skorzystaj ze stopnia wchodzÄ…cego
  • Druga metoda wykrywania elementów odstajÄ…cych grafu - zgÅ‚Ä™bianie niuansów za pomocÄ… k-odlegÅ‚oÅ›ci
  • Trzecia metoda wykrywania elementów odstajÄ…cych grafu - lokalny miernik stopnia oddalenia obserwacji

11. Przejście z arkusza kalkulacyjnego do języka R

• Przygotowanie Å›rodowiska i poczÄ…tek pracy w jÄ™zyku R
  • Szybkie szkolenie z pisania skryptów w jÄ™zyku R
  • DziaÅ‚ania matematyczne na wektorach i faktory
  • Najlepszy typ danych - dataframe
  • Pomoc dla jÄ™zyka R
  • WyjÅ›cie poza podstawowe możliwoÅ›ci R
• Prawdziwa analiza danych
  • Wczytywanie danych do R
  • Sferyczny algorytm k-Å›rednich wywoÅ‚any za pomocÄ… zaledwie kilku linii kodu
  • Budowanie modeli sztucznej inteligencji na podstawie danych zakupów (wykrywanie ciąży)
  • Prognozowanie w R
  • Wykrywanie elementów odstajÄ…cych

12. Wnioski

• Gdzie ja jestem? Co siÄ™ staÅ‚o?
• Zanim odÅ‚ożysz tÄ™ książkÄ™
  • Poznaj problem
  • Potrzebujemy wiÄ™cej tÅ‚umaczy
  • Uważaj na trójgÅ‚owe monstrum: narzÄ™dzia, wydajność i perfekcjonizm
  • Nie jesteÅ› najważniejszÄ… osobÄ… w firmie
• BÄ…dź kreatywny