LSE Data Analytics Career Accelerator
1.0.0
يحتوي هذا المستودع على جميع الأنشطة العملية في Python وR عبر ثلاث دورات من LSE Data Analytics Career Accelerator.
يهدف برنامج تسريع وظائف تحليلات البيانات عبر الإنترنت من كلية لندن للاقتصاد والعلوم السياسية (LSE) إلى تزويد المهنيين العاملين والمبتدئين بالمعرفة التي يحتاجون إليها لقيادة عملية صنع القرار الحاسمة والمدعومة بالبيانات في المؤسسات عبر الصناعات.
على مدار 6 أشهر، قمت بتطوير المعرفة والمهارات الأساسية وخبرة المشروع التطبيقية في تحليلات البيانات عبر قواعد بيانات المؤسسة وأدواتها. لقد قمت ببناء مهارات البرمجة في لغات برمجة البيانات عالية الطلب Python وR، وتدربت على تطبيقها على مشاريع البيانات في سيناريوهات عمل حقيقية. كما قمت أيضًا بتطوير وتعزيز مهارات الاتصال الخاصة بي بما في ذلك تصور البيانات، لضمان التحليل والبصيرة لدعم قرارات العمل القابلة للتنفيذ.
يتضمن محتوى البرنامج ثلاث دورات ومشروعًا لصاحب العمل، حيث قمت ببناء مجموعة من الأدلة لعرض المهارات والكفاءات المكتسبة حديثًا، مع التركيز القوي على أن تصبح ممارسًا عاكسًا، وأن تصبح مجهزًا بالعقلية والأدوات اللازمة لحل المشكلات و اكتساب المهارات التقنية والتجارية والبشرية الجديدة بشكل فعال.
تحديد البيانات من مختلف المصادر ذات الصلة ومصدرها وتنفيذها لدعم عمليات التحليل المطلوبة. إجراء تحليلات استكشافية ووصفية. إنشاء قواعد بيانات واستخدامها لدعم إدارة البيانات وتحليلها. التواصل بشكل فعال مع الرؤى المبررة وذات الصلة والمفيدة لأصحاب المصلحة التجاريين المهمين. تحديد الفرص المناسبة لـ قيمة الأعمال من خلال عمليات تحليل البيانات الأدوات / اللغات: Tablueau، Excel، SQL Postgres، تقييم قواعد بيانات SQL: بالإشارة إلى مجموعة بيانات معينة وسيناريو العمل المقابل، استخدم SQL وExcel لتحديد الرؤى من خلال البيانات تحليل. قم بإنشاء لوحة معلومات باستخدام Tableau لتوصيل الرؤى جنبًا إلى جنب مع مقاييس الأعمال المهمة لمساعدة أصحاب المصلحة الرئيسيين على اتخاذ قرارات مستنيرة بالبيانات.
استخدم Python لجمع واستيراد كميات كبيرة من البيانات المعقدة من خلال أساليب مختلفة، بما في ذلك تقنيات تجريف الويب استخدم Python لتجميع البيانات من أجل التحليل الفعال إكمال العمليات التحليلية المتقدمة لتحديد رؤى الأعمال الهامة من مجموعات البيانات إعداد تصورات شاملة ومعقدة لجمع الأفكار ودراسة الاتجاهات وتقديم رؤى لدعم قرارات العمل الحاسمة تبرير الأساليب المتبعة وتفسير الرؤى والتوصيات الأدوات/اللغات: Python، Git/GitHub/BASH، تقييم قواعد بيانات SQL: بالإشارة إلى أمر محدد مجموعة البيانات وسيناريو العمل المقابل، استخدم Python لإجراء تحليل استكشافي للبيانات للكشف عن الرؤى وتحديد الأسباب المحتملة. من خلال التحليل والتصور، حدد العوامل المساهمة في الاتجاهات والرؤى، وقم بتوصيل النتائج الرئيسية.
تطبيق النماذج التنبؤية لتحويل الرؤى إلى استراتيجيات قابلة للتنفيذ لدعم أهداف العمل. إنشاء منهجيات وتطوير ثقافة مواتية لممارسة أعمال فعالة وأخلاقية تعتمد على البيانات. إعداد تصورات بيانات متقدمة وقصص بيانات لتوصيل روايات مقنعة وموجهة لدعم اتخاذ القرارات التجارية بشكل فعال. مشاكل العمل وتبرير التوصيات الاستراتيجية التي تستفيد من أفضل الممارسات وأساليب تحليل البيانات المتقدمة الأدوات/اللغات: Python، R، Git/GitHub/BASH التقييم: بالإشارة إلى مجموعة بيانات معينة وما يقابلها سيناريو الأعمال، استخدم Python أو R لإجراء تحليل بيانات استكشافية للتنبؤ بالنتائج المستقبلية. قم بتقديم توصيات الأعمال بناءً على تلك التنبؤات باستخدام المرئيات للكشف عن الأفكار الرئيسية وتوصيلها.
التعاون مع زملائه المتعلمين في مشروع صاحب عمل في العالم الحقيقي تتويجا للمهارات المكتسبة في الدورات الثلاث الأولى. تم تصميم المشروع من قبل شركة تكنولوجيا رائدة لتعكس المهارات العملية التي تتطلبها الصناعة. يتطلب تجميعًا للأساليب والتقنيات التي تم تطويرها، ويستند إلى حاجة واهتمام صاحب العمل الحقيقي.
