top of page

Datu analīze ar Microsoft BI un Python

PROGRAMMAS MĒRĶIS

Sniegt zināšanas un prasmes datu apstrādes, vizualizēšanas un koplietošanas jomā ar programmēšanas valodu R.

Izglītības programma ir izveidota ņemot vērā  Eiropas Komisijas Digitālās kompetences ietvarstruktūras (DigComp) vadlīnijas un atbilst DigComp 3. kompetenču līmenim (L3) -  pēc sekmīgas programmas apgūšanas izglītojamais spēs patstāvīgi veikt skaidri definētus rutīnas uzdevumus un risināt vienkāršas  problēmas, kas rodas šo uzdevumu izpildes gaitā.

Mācību ilgums un formāts

160 mācību stundas:

60 stundas tiešsaistē ar

pasniedzēju un 100 stundas

projektu un patstāvīgais darbs

Mērķauditorija

Ikviens, kurš apkopo un analīzē datus, sadarbojas ar citiem

Tehnoloģijas

Windows operētājsistēma 

Microsoft Teams for Education

R Studio

GitHub

Priekšzināšanas un priekšnoteikumi dalībai

Vismaz vidējā izglītība

Mācīšanās rezultāti

Pēc sekmīgas mācību programmas apgūšanas kursa dalībnieki spēs patstāvīgi veikt skaidri definētus rutīnas uzdevumus un risināt vienkāršas problēmas, kas rodas šo uzdevumu izpildes gaitā: 

• sagatavot apstrādei datus no vairākiem avotiem un formātiem;

• veikt sākotnējo datu apstrādi, tīrīt datus;

• pielietot paņēmienus datu ticamības pārbaudei;

• pielietot dažādu tipu datus R valodā;

• veidot loģiskus un aritmētiskos operatorus R valodā;

• pielietot pamatstatistikas metodes datu apstrādei;

• vizualizēt datus;

• pielietot paņēmienus proaktīvai datu konfidencialitātes un drošības aizsardzībai;

• plānot un nodrošināt atbalstu visam datu dzīves ciklam (iegūšana, apstrāde, arhivēšana, dzēšana);

• pielietot paņēmienus datu kvalitātes un integritātes nodrošināšanai;

• pielietot datu aizsardzības regulas un politikas datu kvalitātes un atbilstības nodrošināšanai;

• pielietot organizācijas kvalitātes politiku datu kvalitātes un atbilstības  nodrošināšanai;

• plānot un izmantot sistemātisku datu iegūšanas, apstrādes un glabāšanas vides novērošanu, lai identificētu un definētu ievainojamības un draudus, kā arī reģistrētu un ziņotu neatbilstības;

• veidot sadarbību ar kolēģiem, partneriem, klientiem, prezentējot datu apstrādes analīzes rezultātus.

Programma attīsta e-kompetences un caurviju kompetences

DIGCOMP 2.1

1.3. Datu, informācijas un digitālā satura pārvaldība.

3.2. Digitālā satura integrēšana un pārstrādāšana

3.4. Programmēšana

5.3. Digitālo tehnoloģiju radoša lietošana

 

3. līmenis: 

 persona spēs patstāvīgi veikt skaidri definētus rutīnas uzdevumus un risināt vienkāršas problēmas, kas rodas šo uzdevumu izpildes gaitā.

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

Materiāli kursa dalībniekiem

Pasniedzēja sagatavota darba burtnīca ar uzdevumu aprakstiem

Kursa tēmas

  1. R darba vides sagatavošana:

  • R Studio lejuplādēšana  un instalēšana,

  • R Studio vides pielāgošana tālākai darbībai,

  • R pakešu izvēle un sagatavošana darbam.

2. R datu struktūras un to apraksts:

  • mainīgo tipi ,

  • sarakstu un vektoru veidošana,

  • matricu veidošana,

  • datu rāmji .

3. R skriptu un funkciju veidošana:

  • zarošanās un loģiskās izteiksmes,

  • cikla konstrukcijas, 

  • R loģiskie operatori,

  • R aritmētiskie operatori,

  • R skriptu veidošana,

  • R funkciju veidošana.

4. Datu importēšana un eksportēšana no CSV, Excel un SQL:    

  • datu tīrīšana un sakārtošana,

  • R bibliotēkas un funkcijas datu tīrīšanai,

  • trūkstošo datu problēmas risināšana,

  • datu transformācija ar R bibliotēkām,

  • datu izlases iegūšana ar R bibliotēkām.

5. Datu statistiskā apstrāde:

  • datu vidējie lielumi (moda, mediāna un aritmētiskais vidējais),

  • normālsadalījums, 

  • rezultātu interpretēšana un aprakstīšana.

6. Datu prognozēšanas metodes ar R rīkiem:    

  • ticamo prognožu sagatavošana,

  • ticamības intervālu izvēle un apraksts.

7. Datu vizualizācija ar R rīkiem:    

  • R bibliotēkas grafikas veidošanai,

  • histogrammu veidošana ar R,

  • datu izkliedes laukumu zīmēšana ar R,

  • stilu un krāsu mainīšana,

  • trendu zīmēšana R diagrammās,

  • labas prakses datu vizualizācijai.

8. Datos balstīto pārskatu sagatavošana:    

  • datu avotu apraksts, 

  • Vispārīgās Datu Aizsardzības Regulas (VDAR jeb GDPR) noteikumu ievērošana,

  • datos balstīto stāstu veidošana,

  • datu analīzes rezultātu prezentācija.

Cena: 51,20 EUR projekta dalībniekiem, pilna cena 512 EUR

bottom of page