Kursplan
Del 1: Python-fundament for analyse (3,5 timer)
· Modul 1: Analyselandskapet (45 min)
o Hvorfor Python? Sammenligning av Python med Excel og SQL i akademisk forskning.
o Sette opp for suksess: Introduksjon til Jupyter Notebooks og Google Colab. Google Colab er enklere siden det ikke kreves installasjon, men krever sterkere internettforbindelse. Deltakerne kan eventuelt installere Jupyter Notebooks for en glattere opplevelse.
· Modul 2: Byggesteinene i data (60 min)
o Variabler, datatyper (strenger, heltall, flyttall) og grunnleggende logikk.
o Forståelse for lister og ordbøker—hvordan Python lagrer informasjon.
· Modul 3: Python for dataanalyse-demo og øvingslaboratorium (75 min)
o Introduksjon til Pandas: Bransjestandard for databehandling.
o Hånd på tasten: Lasting av en CSV-fil, filtrering av data og beregning av grunnleggende statistikk.
Del 2: Innføring i forretningsanalyse (2,0 timer)
· Modul 4: Analysementaliteten: Forstå "Be-Analyser-Handl"-rammeverket. Hvordan definere forretningsforespørsler som data kan svare på.
· Modul 5: Deskriptiv vs. prediktiv analyse: Høyoversikt over tolkning av trender og oppdagelse av anomaler i en finansiell kontekst.
· Modul 6: Kommunikasjon av innsikt: Prinsipper for datatelling—å omsette teknisk output til anbefalinger for ledelsen.
Krav
- Forståelse for dataanalyse
- Erfaring med databehandling
Referanser (2)
Gjøre oppgaver
Joe Pang - Lands Department, Hong Kong
Kurs - QGIS for Geographic Information System
Maskinoversatt
Praktiske eksempler gav oss en ekte opplevelse av hvordan programmet fungerer. gode forklaringer og integrering av teoretiske konsepter og hvordan de henger sammen med praktiske anvendelser.
Ian - Archeoworks Inc.
Kurs - ArcGIS Fundamentals
Maskinoversatt