Kurz začneme tím, že si vymezíme, co data science vlastně je. Projdeme si pracovní postup v data science a ukážeme si, jak se data science uplatňuje při řešení reálných obchodních problémů. Kapitolu zakončíme tím, jak strukturovat datový tým tak, aby odpovídal potřebám tvé organizace.

Co je datová věda?

Seřaď úkoly

Workflow segmentace zákazníků

Úkoly

Sběr dat

Průzkum a vizualizace

Experimentování a predikce

Vytvoření chatbota pro zákaznickou podporu

Vylepšení OKR

Aplikace datové vědy

Možnosti

Tradiční Machine Learning

Internet věcí

Deep Learning

Přiřazování projektů datové vědy

Investiční průzkum

Sestavení datového týmu

Jak číst sprint týmu

Úprava pracovního inzerátu

Dovednosti

Data Engineer

Machine Learning Scientist

Přiřazování dovedností k pracovním pozicím

Data Analyst

Přiřazení datových úkolů

Úvod do data science

Teď, když rozumíme pracovnímu postupu v data science, se ponoříme hlouběji do prvního kroku: sběru dat. Seznámíme se s různými datovými zdroji, ze kterých může tvoje firma čerpat, a dozvíme se, jak tato data po shromáždění ukládat.

Zdroje dat a rizika

Klasifikace dat z hlediska bezpečnosti

Vytváření webových událostí

Ochrana osobních údajů (PII)

Vyžádaná data

Určování účelu otázek

Ověření zpětné vazby z focus group

Net Promoter Score

Shromažďování dalších dat

Třídění zdrojů dat

Výskyt astmatu

Ukládání a načítání dat

Cloudové platformy

Dotazování databáze

Jaký typ databáze?

Sběr a ukládání dat

V této kapitole se podíváme na způsoby, jak zkoumat a vizualizovat data pomocí dashboardů. Probereme, z čeho se dashboard skládá a jak správně formulovat požadavek na jeho vytvoření. Kapitola se také věnuje ad hoc datovým požadavkům a A/B testům – mocnému analytickému nástroji, který pomáhá snižovat rizika při rozhodování.

Dashboardy

Klasifikace prvků dashboardu

Vylepšení dashboardu

Výběr správného dashboardu

Ad hoc analýza

Vyplnění ad hoc požadavku

Třídění požadavků

A/B testování

Vytvoření A/B testovacího postupu

Velikost vzorku

Průběžné výsledky

Analýza a vizualizace

V závěrečné kapitole se zaměříme na jedno z nejžhavějších témat data science: strojové učení! Probereme supervised a unsupervised strojové učení a clustering. Pak přejdeme ke speciálním tématům – předpovědím časových řad, zpracování přirozeného jazyka, deep learningu a vysvětlitelné AI!

Supervised machine learning

Kdy použít Supervised Learning

Příznaky a štítky

Vyhodnocení modelu

Shlukování

Řízené vs. neřízené učení

Výběr počtu clusterů

Speciální témata v Machine Learningu

Klasifikace úloh strojového učení

Analýza sentimentu

Deep Learning a vysvětlitelná AI

Hledání správného řešení

Mám použít Deep Learning?

Predikce

Co je data science a jak ho využít k posílení tvé organizace? V tomto kurzu se dozvíš, jaké dovednosti potřebuje tvůj datový tým a jak ho strukturovat, aby odpovídal potřebám firmy. Data jsou všude! Kurz ti přinese přehled o datových zdrojích, které může tvoje společnost využít, i o tom, jak tato data ukládat. Objevíš také způsoby, jak data analyzovat a vizualizovat pomocí dashboardů a A/B testů. Na závěr se podíváme na zajímavá témata ze světa strojového učení – clustering, předpovědi časových řad, zpracování přirozeného jazyka (NLP), deep learning a vysvětlitelnou AI! Cestou se seznámíš s celou řadou reálných aplikací data science a praktická cvičení ti pomohou lépe pochopit jednotlivé koncepty.

<h2>Naučte se využívat datovou vědu pro byznys</h2> 
Co je datová věda a jak ji můžete využít k posílení své organizace? Tento kurz vás naučí dovednostem, které potřebujete ve svém datovém týmu, a tomu, jak tento tým strukturovat tak, aby vyhovoval potřebám vaší organizace.
<br><br>
Tento kurz vám také poskytne přehled o zdrojích dat, které může vaše společnost využívat, a o tom, jak tato data ukládat, analyzovat a vizualizovat.
<br><br>
<h2>Pochopte pracovní postup datové vědy</h2> 
Začnete úvodem do datové vědy pro firmy, kde se podíváte na pracovní postup datové vědy a na to, jak jej uplatnit při řešení problémů z reálného světa. Také prozkoumáte, jak funguje sběr dat, a podíváte se na to, jak můžete data získávat a ukládat.
<br><br>
<h2>Naučte se analyzovat a vizualizovat svá data</h2> 
Také objevíte způsoby, jak analyzovat a vizualizovat svá data pomocí dashboardů a A/B testů. Na závěr kurzu probereme zajímavá témata strojového učení, včetně shlukování, predikce časových řad, zpracování přirozeného jazyka (NLP), hlubokého učení a vysvětlitelné umělé inteligence.
<br><br>
Cestou se seznámíte s různými reálnými aplikacemi datové vědy a díky praktickým cvičením lépe porozumíte těmto konceptům.
<br><br>
Toto je ideální úvod do datové vědy pro manažery a dává vám příležitost se seznámit s tímto silným obchodním nástrojem.

Poznejte datovou vědu pro manažery a firmy a jak využít data k posílení vaší organizace.

Data Science pro byznys

Naučte se datovou vědu pro manažery a firmy a jak využít data k posílení vaší organizace. 

Zkušenosti s budováním a správou SQL databází

Zkušenosti s Pythonem, zejména pro predikci a modelování

Přiřazování dovedností k pracovním pozicím

Data Science pro byznys

Interaktivní praktické cvičení