LSE Data Analytics Career Accelerator
1.0.0
Ce référentiel contient toutes les activités pratiques en Python et R à travers trois cours du LSE Data Analytics Career Accelerator.
L'accélérateur de carrière en analyse de données en ligne de la London School of Economics and Political Science (LSE) vise à doter les professionnels en activité et les débutants de carrière des connaissances dont ils ont besoin pour prendre des décisions critiques et fondées sur des données dans des organisations de tous les secteurs.
En 6 mois, j'ai développé des connaissances fondamentales, des compétences et une expérience de projet appliquée en analyse de données sur des bases de données et des outils d'entreprise. J'ai développé des compétences en codage dans les langages de programmation de données très demandés Python et R, et j'ai pratiqué leur application à des projets de données dans des scénarios commerciaux authentiques. J'ai également développé et renforcé mes compétences en communication, notamment en visualisation de données, afin de garantir une analyse et des informations permettant de soutenir des décisions commerciales exploitables.
Le contenu du programme comprend trois cours et un projet d'employeur, dans lequel j'ai construit un portefeuille de preuves pour présenter les aptitudes et compétences nouvellement acquises, en mettant fortement l'accent sur le fait de devenir un praticien réflexif et de me doter de l'état d'esprit et des outils nécessaires pour résoudre des problèmes et acquérir efficacement de nouvelles compétences techniques, commerciales et humaines.
Identifier, rechercher et effectuer un nettoyage de base des données provenant de diverses sources pertinentes pour prendre en charge les processus d'analyse requis Effectuer des analyses exploratoires et descriptives Établir et utiliser des bases de données pour prendre en charge la gestion et l'analyse des données Communiquer efficacement des informations justifiées, pertinentes et utiles aux parties prenantes critiques de l'entreprise Identifier les opportunités appropriées pour valeur commerciale grâce aux processus d'analyse de données Outils/langages : Tablueau, Excel, SQL Postgres, bases de données SQL Évaluation : En vous référant à un ensemble de données donné et au scénario commercial correspondant, utiliser SQL et Excel pour identifier des informations grâce à l'analyse de données. Créez un tableau de bord à l'aide de Tableau pour communiquer des informations ainsi que des mesures commerciales critiques afin d'aider les principales parties prenantes à prendre des décisions éclairées par les données.
Utiliser Python pour collecter et importer de grandes quantités de données complexes via diverses approches, notamment des techniques de web scraping. Utiliser Python pour analyser les données en vue d'une analyse efficace. Réaliser des processus analytiques avancés pour déterminer les informations commerciales critiques à partir d'ensembles de données. Préparer des visualisations complètes et complexes pour recueillir des informations et étudier les tendances. et présenter des informations pour soutenir les décisions commerciales critiques Justifier les approches adoptées, l'interprétation des informations et les recommandations Outils/langages : Python, Git/GitHub/BASH, bases de données SQL Évaluation : en vous référant à un ensemble de données donné et au scénario commercial correspondant, utilisez Python pour effectuer une analyse exploratoire des données pour découvrir des informations et identifier les causes potentielles. Grâce à l'analyse et à la visualisation, déterminez les facteurs qui contribuent aux tendances et aux informations, et communiquez les principales conclusions.
Appliquer des modèles prédictifs pour transformer les informations en stratégies exploitables pour soutenir les objectifs commerciaux Établir des méthodologies et développer une culture propice à des pratiques commerciales efficaces et éthiques basées sur les données Préparer des visualisations de données avancées et des histoires de données pour communiquer des récits convaincants et guidés pour soutenir efficacement la prise de décision commerciale Résoudre problèmes commerciaux et justifier des recommandations stratégiques qui exploitent les meilleures pratiques et les approches avancées d'analyse de données Outils/langages : Python, R, Git/GitHub/BASH Évaluation : en vous référant à un ensemble de données donné et au scénario commercial correspondant, utilisez Python ou R pour effectuer une analyse exploratoire des données pour prédire les résultats futurs. Faites des recommandations commerciales basées sur ces prédictions à l’aide de visualisations pour découvrir et communiquer des informations clés.
Collaborer avec d'autres apprenants sur un projet d'employeur réel, point culminant des compétences acquises au cours des trois premiers cours. Le projet est conçu par une entreprise technologique de premier plan pour refléter les compétences pratiques requises par l'industrie. Nécessite une synthèse des méthodes et techniques développées et s’appuie sur un véritable besoin et intérêt de l’employeur.
