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 analizē datus un sadarbojas ar citiem aprakstot un prezentējot datus: vadītāji, analītiķi, finanšu speciālisti
Tehnoloģijas
Microsoft Power BI
Python
Priekšzināšanas un priekšnoteikumi dalībai
Vēlamas pamatprasmes programmēšanā (algoritmi, loģiskās konstrukcijas). Izpratne par datu analīzes uzdevumiem un mērķiem.
Mācību norise
Mācības notiek tiešsaistē. Mācību programmu veido 20% teorija un 80% praktiskie uzdevumi.
Mācības notiek 2 reizes nedēļā pa 4 mācību stundām 6 nedēļu garumā. Mācību laikā dalībnieki apgūst gan teoriju, ko nostiprina ar praktiskajiem uzdevumiem, gan grupās izstrādā projektu, kas balstīts uz reālu darba situāciju.
Mācīšanās rezultāti
Pēc sekmīgas mācību programmas apgūšanas kursa dalībnieki varēs patstāvīgi vai ar nelielu pieredzējušāku kolēģu 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;
-
veidot sadarbību ar kolēģiem, partneriem, klientiem, prezentējot datu apstrādes analīzes rezultātus.
Programma attīsta e-kompetences un caurviju kompetences
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
-
Atbildība
-
Darbs komandā
-
Pielāgošanās prasmes
Kursa tēmas
1. Microsoft BI vides sagatavošana datu analīzei
2. Python vides sagatavošana datu apstrādei
3. Datu iegūšana analīzei no vairākiem avotiem un formātiem
4. Datu tīrīšana, izmantojot Power BI vaicājumu redaktoru
5. Datu ticamība
6. Datu modelēšana
7. Datu relācijas
8. DAX formulu veidošana
9. Datu konfidencialitāte un drošība
10. Datu atbalsts visa datu dzīves cikla garumā
11. Datu analītikas metodoloģijas izvēles principi
12. Datu kvalitātes un integritātes nodrošināšana
13. Datu apstrāde un datu analīzes rezultātu vizualizēšana
14. Regresijas un korelācijas analīze ar Python rīkiem
15. Informācijas paneļu veidošana
16. Datu plūsmu organizēšana
17. Python skriptu veidošana datu automātiskai atjaunināšanai izklājlapā
18. Sadarbība ar kolēģiem, partneriem, klientiem, prezentējot datu apstrādes analīzes rezultātus