Data Analytics Foundations — Guide d'étude illustré

Un guide d'étude illustré et neutre en termes d'outils pour la certification Data Analytics Foundations. Quatre modules construisent un modèle mental clair à partir de zéro : ce qu'est l'analyse de données et comment se déroule le cycle de vie de l'analyse ; les types et les échelles de mesure des données ; les statistiques descriptives et la qualité des données ; et les quatre types d'analyse, la visualisation, l'interrogation avec SQL, la corrélation versus la causalité, les KPI et l'éthique des données. Riche en diagrammes Mermaid (le cycle de vie de l'analyse, la taxonomie des types de données, un pipeline de nettoyage des données et l'échelle des quatre analyses), des tableaux comparatifs (échelles de mesure ; un guide de sélection de graphiques), des exemples travaillés (calcul de la moyenne, de la médiane et de l'écart type à la main), des points clés à retenir et des auto-évaluations.

Key facts

• Course price: $65 (one-time payment)
• Field: Data Engineering & Analytics
• Prepares for: Fondements de l'Analytique des Données
• 4 modules · 12 lessons · about 3 hours of lessons
• Self-paced, online, illustrated lessons

Course outline

1. Qu'est-ce que l'analyse de données et le cycle de vie — D'une définition opérationnelle de l'analyse de données au cycle de vie qui fait passer un projet de la question aux données, à l'insight et à la décision, et les types de données que vous…
   • Ce qu'est réellement l'analyse de données
   • Le cycle de vie de l'analyse
   • Types de données : structurées, semi-structurées, non structurées
2. Échelles de mesure et statistiques descriptives — Les quatre échelles de mesure et pourquoi elles dictent des statistiques valides ; tendance centrale (moyenne, médiane, mode) ; et dispersion (variance, écart type, percentiles) avec un calcul…
   • Types de données et échelles de mesure
   • Tendance centrale : moyenne, médiane, mode
   • Dispersion : variance, écart-type, percentiles
3. Collecte, nettoyage et qualité des données — D'où viennent les données, les dimensions de la qualité des données, et un pipeline de nettoyage pratique pour les valeurs manquantes, les outliers et les doublons.
   • Sources et collecte de données
   • Dimensions de la qualité des données
   • Nettoyage : valeurs manquantes, valeurs aberrantes, doublons
4. De l'insight à la décision — Les quatre types d'analyse, choisir le bon graphique, interroger les données avec SQL, le piège corrélation versus causalité, les KPI, et les essentiels de l'éthique des données et de la vie privée.
   • Les quatre types d'analyse et le choix du bon graphique
   • Interroger les données : tableurs, bases de données et SQL
   • Corrélation, causalité, KPI et éthique des données