0 (0 Ratings)

Data Visualization: Βέλτιστες πρακτικές

⚠️ Aυτό το μάθημα δεν είναι ακόμη διαθέσιμο. Μπορείτε όμως να αποκτήσετε από τους πρώτους πρόσβαση!

Categories Data Visualization
35,00 

🤝 100% επιστροφή χρημάτων εντός 7 ημερών αν δεν είστε ικανοποιημένοι.

💡Η πρόσβαση στο μάθημα γίνεται άμεσα με το που γίνει η πληρωμή.

 📽️ Η παρακολούθηση είναι ασύγχρονη.

Χαρακτηριστικά του μαθήματος

Περιγραφή

Η ορθή χρήση των γραφημάτων και γενικότερα η εφαρμογή τεχνικών Data Visualization με σκοπό την ανακάλυψη συμπερασμάτων δεν είναι εύκολη υπόθεση. Ενώ κάποιος που χρειάζεται να δημιουργεί reports & dashboards κρίνει ότι αρκεί το τεχνικό κομμάτι το να του δημιουργεί, στην πραγματικότητα ένα σημαντικό ποσοστό, θα έλεγε κανείς το 15-20% ενός project είναι η έγκυρη και επιτυχημένη χρήση visualizations για την ανάδειξη σημαντικής πληροφορίας που αντλείται από τα δεδομένα. Σε αυτό το μάθημα, έχει συγκεντρωθεί πληθώρα γνώσεων τα οποία, πραγματικά, μας πάνε από το 0 στο 100. Είναι όλα όσα θα σας διαφοροποιήσουν από τους υπόλοιπους επαγγελματίες, αλλά και θα βοηθήσουν εσάς τους ίδιους ως αναλυτές, να κατανοήσετε γρήγορα και έγκυρα την πληροφορία που εξάγεται από μεγάλα σύνολο δεδομένων. Αυτό το μάθημα, ναι μεν πιο θεωρητικό, αποτελεί ίσως τον πιο χρήσιμο οδηγό ο οποίος θα σας συντροφεύει μια για πάντα.
Show More

Τι θα μάθω;

  • Συζήτηση των βασικών αρχών Data Visualization & ιστορική αναδρομή.
  • Κατανόηση βασικών εννοιών, κανόνων και πλεονεκτημάτων οπτικοποίησης δεδομένων.
  • Κατανόηση των βασικών τύπων dashboards.
  • Εξοικίωση χρήσης διαφόρων βασικών γραφημάτων.
  • Δημιουργία χρωματικής παλέτας πελατών.
  • Συζήτηση και πρακτικές λύσεις σε θέματα προσβασιμότητας.
  • Συζήτηση και αποφυγή δημιουργίας παραπλανητικών visualizations.

Curriculum

Καλωσόρισμα
Σημαντικές πληροφορίες σχετικά με το μάθημα.

Εισαγωγή
Σε αυτήν την ενότητα θα κάνουμε μια ιστορική διαδρομή και θα θέσουμε τις βάσεις της Επιστήμης Οπτικοποίησης Δεδομένων.

Color Accessibility
Σε αυτήν την ενότητα θα συζητηθούν θέματα προσβασιμότητας κατά την δημιουργία reports και dashboards.

Color Palette

Basic Visuals
Σε αυτήν την ενότητα θα συζητήσουμε ενδελεχώς για βασικά γραφήματα που πρέπει να γνωρίζετε.

Best Practices
Σε αυτήν την ενότητα θα συζητήσουμε για βέλτιστες πρακτικές κατά την δημιουργία των data visualizations.

Misleading Visuals
Σε αυτήν την ενότητα θα δούμε πραγματικά παραδείγματα παραπλανητικών γραφημάτων, καθώς και τι να αποφεύγουμε ώστε να μην γινόμαστε και εμείς παραπλανητικοί.

Dashboards
Σε αυτήν την ενότητα θα μιλήσουμε για τα dashboards και κυρίως τι τύποι υπάρχουν ανάλογα με την περίπτωση.

Data Storytelling
Σε αυτήν την ενότητα θα γίνει μια σύντομη εισαγωγή σχετικά με το Data Storytelling.

Επόμενα Βήματα

Λάβε Πιστοποίηση

Βάλε αυτήν την πιστοποίηση στο βιογραφικό σου για να αναδείξεις τις δεξιότητές σου στους Recruiters!

selected template

Αξιολογήσεις και Κριτικές Μαθητών

Καμία κριτική ακόμα
Καμία κριτική ακόμα
35,00 

🤝 100% επιστροφή χρημάτων εντός 7 ημερών αν δεν είστε ικανοποιημένοι.

💡Η πρόσβαση στο μάθημα γίνεται άμεσα με το που γίνει η πληρωμή.

 📽️ Η παρακολούθηση είναι ασύγχρονη.

Η Καθοδηγήτρια

Alexandra Athanasakou
Alexandra Athanasakou
Business Intelligence Developer, Trainer and Learning Designer

Κοινό

  • Επαγγελματίες που δημιουργούν Reports με χρήση γραφημάτων
  • Επαγγελματίες που δημιουργούν Dashboards
  • Επαγγελματίες που οπτικοποιούν δεδομένα
  • Προγραμματιστές (Software Developers) που δημιουργούν Dashboards
  • Data Analysts
  • Επαγγελματίες Business Intelligence
  • Business Analysts
  • Data Scientists

Υλικό

  • Επεξηγηματικά Βίντεο
  • Διαφάνειες
  • Παραδείγματα Data Visualization
  • Quiz Γνώσεων
  • Τελική Αξιολόγηση Γνώσεων
  • Cheatsheet

Απαιτήσεις

  • Έχετε ενεργοποιημένα τα Cookies Προώθησης

Αξιολογήσεις Μαθητών

Συχνές Ερωτήσεις

Τίτλοι σπουδών όπως:

  • Μαθηματικά,
  • Στατιστική,
  • Διοίκηση Επιχειρήσεων,
  • Οικονομικά,
  • ή Πληροφορική.

Ωστόσο, οι παραπάνω περιπτώσεις δεν χρειάζεται να σε περιορίσουν ώστε να αλλάξεις το αντικείμενο καριέρας σου και να ακολουθήσεις καριέρα στα Data Analytics. 

Όπως σε κάθε επάγγελμα, χρειάζεται να αποκτήσεις πολλαπλές δεξιότητες. Έτσι, και οι ρόλοι που σχετίζονται με Data Analytics χρειάζονται αρκετές δεξιότητες τις οποίες όμως θα βρεις επαρκές υλικό και εξάσκηση στην Data Tutor μέσω των μαθημάτων, αλλά και των εκπαιδευτικών υπηρεσιών καθοδήγησης και προετοιμασίας!

Η Εκπαιδευτική Πλατφόρμα Data Tutor διαθέτει πληθώρα διαφορών σε σχέση με άλλες εκπαιδευτικές πλατφόρμες. Ενδεικτικά:

  • Επαγγελματίας του χώρου σας καθοδηγεί σε project με πραγματικά δεδομένα και πραγματικές περιπτώσεις που δύναται να αντιμετωπίσετε στην πραγματική δουλειά.
  • Η καθοδήγηση δεν περιορίζεται μόνο σε project, αλλά και σε γενικότερες γνώσεις που μπορείτε να πάρετε μέσω 1:1 συναντήσεις.
  • Συναντήσεις mentoring/coaching είναι διαθέσιμες για εσάς προκειμένου να θέσετε ένα πλάνο από το Α-Ω.
  • Μετά την ολοκλήρωση των projects και της μελέτης δεν ήρθε το τέλος. Το παλεύουμε μαζί να είστε πανέτοιμοι για συνεντεύξεις.
  • Το υλικό των μαθημάτων είναι στα Αγγλικά, αλλά τα βίντεο, οι ασκήσεις και το Project στα Ελληνικά.

Ναι, τα μαθήματα κορμού που περιλαμβάνονται σε εκπαιδευτικά πακέτα έχουν όλα από ένα (1) Project.

Στην καθοδήγηση των μαθημάτων η καθοδηγήτρια έρχεται σε επικοινωνία μαζί σου για να σου προσφέρει βελτίωση του τελικού σου project. Στην εκπαιδευτική καθοδήγηση λαμβάνεις online 1:1 καθοδήγηση πάνω σε γνώσεις και ύλη των μαθημάτων που προσφέρονται πάντοτε με βάση τις προσωπικές σου ανάγκες. Οι συναντήσεις αυτές είναι προγραμματισμένες εκ των προτέρων ύστερα από συνεννόηση με την καθοδηγήτρια. Τέλος, η εκπαιδευτική καθοδήγηση προσφέρει σύνολο 3 ώρες και το πλήθος των ωρών δεν είναι καθόλου τυχαίο. Μέσα από την εμπειρία της καθοδηγήτριας, 3 – 4 ώρες χρειάζονται σε συνδυασμό με την μελέτη και την προσωπική εξάσκηση για να βοηθηθείς στην επίλυση των αποριών σου.

Μερικοί από τους λόγους για τους οποίους θα προτιμούσε κανείς εκπαιδευτική καθοδήγηση είναι οι παρακάτω:

  • Για να καλύψουμε όλες αυτές τις ερωτήσεις και απορίες που δεν μπορέσαμε να κάνουμε διότι προέκυψαν στην πορεία
  • Για να εκπαιδευτούμε σε εργαλεία που δεν προσφέρονται μέσα από ήδη υπάρχοντα προγράμματα σπουδών
  • Για να μάθουμε λεπτομέρειες σε τεχνολογίες και εργαλεία που δεν μπορέσαμε να βρούμε μέσα από τα διαθέσιμα προγράμματα σπουδών
  • Γιατί θέλουμε σε σύντομο χρονικό διάστημα, να ανανεώσουμε κάποιες γνώσεις μας ώστε να ψάξουμε για εργασία
  • κ.ά.

Αν ταυτίζεσαι με την πλειονότητα των παραπάνω, τότε η εκπαιδευτική καθοδήγηση είναι αυτή την στιγμή αυτό που χρειάζεσαι.

Η φράση “Γίνε και εσύ Data Analyst σε 30 ημέρες…” είναι μια απάτη. Για να μπορέσει κανείς να γίνει επαγγελματίας σε ένα πεδίο χρειάζεται χρόνο να μελετήσει, συνεχή εξάσκηση, επιπλέον πρακτική, και διαρκή “περιέργεια” το πώς δουλεύει το κάθε τι. Το συγκεκριμένο εκπαιδευτικό πακέτο με το πλήθος των μαθημάτων και ακολουθώντας το εβδομαδιαίο πλάνο μελέτης, απαιτεί τουλάχιστον 8 μήνες.

Δεν είσαι ακόμη σίγουρος/η;

Μην διστάσεις να κλείσεις μια 15' δωρέαν συνάντηση με την καθοδηγήτρια της Data Tutor.
Φρόντισε απλώς να περιγράψεις εν συντομία τον προβληματισμό σου.

Δεν είσαι ακόμη σίγουρος/η;

Μην διστάσεις να κλείσεις μια 15' δωρέαν συνάντηση με την καθοδηγήτρια της Data Tutor.
Φρόντισε απλώς να περιγράψεις εν συντομία τον προβληματισμό σου.

Κύλιση στην κορυφή