Datu analīze ar Microsoft BI un Python
PROGRAMMAS MĒRĶIS
Sniegt zināšanas un prasmes darbam ar Microsoft Power BI un Python datu izpētei, datu modelēšanai, datu vizualizēšanai un koplietošanai.
Mācību ilgums un formāts
48 mācību stundas
Tiešsaistē
Mērķauditorija
Ikviens, kurš apkopo un analīzē datus, sadarbojas ar citiem, aprakstot un prezentējot datus: vadītāji, analītiķi, finanšu speciālisti u.c.
Tehnoloģijas
Windows operētājsistēma
Microsoft Power BI
Python
Priekšzināšanas un priekšnoteikumi dalībai
Vismaz vidējā izglītība, vēlme apgūt jaunas lietas, padziļinātas prasmes darbā ar Microsoft Excel (datu aprēķini pēc formulām, datu kārtošana, diagrammas).
Mācīšanās rezultāti
Pēc sekmīgas mācību programmas apgūšanas kursa dalībnieki varēs patstāvīgi vai ar nelielu pieredzējušāku lietotāju atbalstu:
• sagatavot un pielietot Microsoft BI vidi datu analīzei;
• sagatavot un pielietot Python vidi datu apstrādei;
• sagatavot datus no vairākiem avotiem un formātiem analīzei;
• iegūt datus no dažādiem avotiem; tīrīt datus, izmantojot Power BI vaicājumu redaktoru;
• pielietot paņēmienus datu ticamības pārbaudei;
• definēt, veidot un optimizēt datu modeļus;
• pētīt datu relācijas un veidot DAX formulas;
• veidot datu arhīvus;
• pielietot atbilstošu metodoloģiju datu analītikai;
• pielietot paņēmienus datu kvalitātes un integritātes nodrošināšanai;
• pielietot datu apstrādes paņēmienus un vizualizēt datu analīzes rezultātus;
• pielietot Python rīkus regresijas un korelācijas analīzei;
• veidot informācijas paneļus un vizualizācijas, lai nodrošinātu datos balstītus lēmumus;
• modelēt un veidot datu vizualizāciju;
• veidot Python skriptus datu automātiskai atjaunināšanai izklājlapā;
• modelēt un plānot sistemātisku datu iegūšanas, apstrādes un glabāšanas vides novērošanu, lai identificētu un definētu ievainojamības un draudus, kā arī reģistrētu un ziņotu neatbilstības;
• pielietot paņēmienus proaktīvai datu konfidencialitātes un drošības aizsardzībai;
• pielietot datu aizsardzības regulas un politiku datu kvalitātes un atbilstības uzturēšanai;
• pielietot kvalitātes politiku datu kvalitātes un atbilstības nodrošināšanai;
• veidot sadarbību ar kolēģiem, partneriem, klientiem, prezentējot datu apstrādes analīzes rezultātus.
Programma attīsta e-kompetences un caurviju kompetences
DIGCOMP 2.1
-
Datu zinātne, datu analīze un datu vizualizācija
DIGCOMP 2.1 līmenis: 6
e-CF 4.0
-
D.7. Data Science and Analytics L2 & L3
-
E.6. ICT Quality Management L2
-
E.8. Information Security Management L2
Caurviju kompetences
-
Komunikācija
-
Pašattīstība
-
Darbs komandā
-
Iniciatīva
-
Pielāgošanās