קורס דאטה אנליסט למתחילים בחינם
קורס דאטה אנליסט למתחילים – מיועד להקנות לכם את הידע, ולתת לכם את נקודת הפתיחה אל עולם ניתוח הנתונים. אם אתם חדשים בתחום או רוצים להבין לעומק מה זה דאטה אנליסט – הקורס החינמי שלנו נבנה במיוחד עבורכם, עם סדרת סרטונים שתיקח אתכם צעד אחר צעד דרך כל השלבים המרכזיים בתהליך ניתוח הנתונים – מאיסוף נתונים ועד להצגת תובנות בצורה ברורה.
במסגרת ההכשרה החינמית שאנו מציעים – תלמדו את היסודות של העבודה בתחום: איך לאסוף נתונים ממקורות שונים, כיצד לסדר אותם בצורה חכמה, איך לנקות ולהכין אותם לניתוח, איך להפיק תובנות משמעותיות, להציג אותן בוויזואליזציה שכל אחד יכול להבין, ועוד.
תוכן עניינים
קורס דאטה אנליסט למתחילים - מחזור חיי הדאטה
בחלק הראשון של הקורס – אנחנו נתמקד בהבנת מחזור החיים של הדאטה – המסלול אותו הוא עובר מהנקודה בה הוא נאסף ועד השלב בו אנחנו מפיקים ממנו תובנות. יחידת הלימוד הזו מכילה את התיאוריה עבור מתחילים שרוצים להבין את התמונה הגדולה של התחום. רגע לפני שצוללים לכלים הטכניים ומתחילים לשחק את הדאטה.
איסוף נתונים
בחלק זה אנחנו נעבור על איסוף נתונים, ונסביר כיצד השלב הזה מהווה את הבסיס לכל תהליך ניתוח נתונים מוצלח.
מידול נתונים
בחלק זה אנחנו נעבור על דאטה מודלינג, ונסביר כיצד תהליך זה מסדר את הנתונים בצורה שמשקפת תהליכים עסקיים, ועוזרת לאנליזות אפקטיביות
אחסון נתונים
בחלק אנחנו נעבור על אחסון נתונים, ונסביר כיצד שלב זה מאפשר גישה מהירה ובטוחה למידע לצורך ניתוח עתידי.
ניקוי נתונים
בחלק זה אנחנו נעבור על ניקוי נתונים, ונסביר כיצד שלב זה מבטיח שהנתונים יהיו מדויקים, עקביים ומוכנים לאנליזות אפקטיביות.
אקספלורציית נתונים בפועל
הדגמה מעשית, שלב אחר שלב, של תהליך אקספלורציית נתונים באמצעות Python. מתאים גם למי שלא מכיר פיתון בכלל, הפוקוס בהדגמה הוא יותר על החשיבה מאשר הטכניקה.
עקרונות הדמית נתונים
בחלק זה אנחנו נעבור ויזואליזציה של נתונים, ונסביר כיצד היא הופכת מידע מורכב למסר ברור ומהיר להבנה.
שלבים בניתוח הנתונים
בחלק זה אנחנו נעבור על תהליך ניתוח הנתונים, ונסביר כיצד הוא הופך נתונים גולמיים לתובנות משמעותיות עבור לקבלת החלטות.
ניתוח נתונים בפועל [1]
במהלך מפגש שקיימנו, בוגרי הקורס שלנו – ענבר לירז, ודוד פורת, הציגו את הפרויקט הסופי שלהם – אנליזה של צריכת חשמל ביתית, ולקחו אותנו למסע המלא שעברו, החל מהרעיון ועד לביצוע
ניתוח נתונים בפועל [2]
במהלך מפגש שקיימנו, בוגרות הקורס שלנו – דנה קפורי ותמר הרטום, הציגו את הפרויקט הסופי שלהם – ניתוח מכירות, והסבירו על שלבי האנליזה שהן עברו
קורס דאטה אנליסט למתחילים - מבוא לסטטיסטיקה
בחלקו השני של קורס דאטה אנליסט למתחילים – אנו נתמקד בהבנת קונספטים סטטיסטיים בסיסיים, מההבדל בין סטטיסטיקה תיאורית להיסקית, מדדי פיזור ומרכז, הסתברות, מתאם מבחני השערות, ועוד.
מבוא לססטיסטיקה
בחלק זה נסביר מהי סטטיסטיקה תיאורית, שמסכמת את המצב הנוכחי, וסטטיסטיקה היסקית, שמנבאה את העתיד או מאפשרת לראות תמונה רחבה יותר.
סוגי משתנים
בחלק זה נחקור שני סוגים עיקריים של נתונים: כמותיים, שניתן למדוד במספרים כמו זמן באתר או פעימות לב, ואיכותיים, שמתארים תכונות כמו צבעים או ז'אנרים
מדדי מרכז
בחלק זה נצלול לעולם מדדי המרכז – כלים שמוצאים את "הנקודה האמצעית" של הנתונים ומתמצתים אותם לתמונה ברורה.
מדדי פיזור
בחלק זה אנחנו צוללים לעולם מדדי הפיזור – כלים שמראים כמה הנתונים משתנים סביב המרכז ומשלימים את התמונה שקיבלנו ממדדי המרכז.
מבוא להסתברות
בחלק זה נכיר את עולם ההסתברות – הדרך למדוד כמה סביר שמשהו יקרה, כמו סיכוי לגשם או זכייה בלוטו. נחקור שני חוקים עיקריים: חוק התוספת, וחוק הכפל
דגימות נתונים
בחלק זה נעשה היכרות עם עולם הדגימות – איך אוספים נתונים בצורה אמינה שמובילה למסקנות מדויקות.
מבחני השערות
בחלק זה נדבר על מבחני השערות – תהליך שבודק אם תוצאה בנתונים היא אמיתית או סתם מקרית. נכיר סוגי השערות, נדבר על מבחן T ונסביר מהו ה P-Value
בחלקו השלישי של קורס הדאטה אנליסט למתחילים – אנו נתמקד בהבנת קונספטים הקשורים ל AB Testing, מתודולוגיה נפוצה לבחינת מוצרים או פיצ'רים חדשים, המבוססת על השוואה בין קבוצות משתמשים כדי לקבוע איזו גרסה משיגה תוצאות טובות יותר.
מבוא ל AB Testing
בסרטון הקרוב נלמד את יסודות מתודולוגיית ה-A/B Testing ככלי מרכזי לקבלת החלטות מבוססות נתונים בעולמות המוצר והשיווק.
נסקור את חשיבותן של קבוצות הבקרה והניסוי , נדגים כיצד שינויים קטנים בעיצוב, במסרים ובתמחור משפיעים על התנהגות המשתמשים , ונפרט את ארבעת השלבים ההכרחיים לביצוע ניסוי מדעי ותקף.
אינטואיציה סטטיסטית ב AB Testing
בסרטון הקרוב נלמד את יסודות ה-A/B Testing, תוך התמקדות בבניית אינטואיציה סטטיסטית מעבר למספרים היבשים. נבין מדוע "ממוצע" לבדו אינו מספיק לקבלת החלטה, ונחקור כיצד סטיית התקן והשונות משמשות ככלי למדידת ה"רעש" וחוסר העקביות בנתונים