5.00 (4 Ratings)

Εισαγωγή στα Data Analytics

⚠️ Για να εγγραφτείτε στο μάθημα θα πρέπει να είστε συνδεδεμένοι. Επιλέξτε το κουμπί Σύνδεση για σύνδεση σε υπάρχοντα λογαριασμό ή για δημιουργία λογαριασμού.

Categories Get Started
Free
Free access this course

Περιγραφή

Αυτό το μάθημα είναι για εσάς αν θέλετε να κατανοήσετε πώς δουλεύουν τα δεδομένα και η στατιστική, χωρίς να χρειάζεται να μπλέξετε με υπολογισμούς ή εργαλεία. Θα εξερευνήσουμε τις βασικές έννοιες πίσω από τις αναλύσεις δεδομένων, όπως οι μεταβλητές, οι διανομές δεδομένων, οι στατιστικές δοκιμές και πώς δημιουργούνται οι γραφικές παραστάσεις που βλέπετε παντού. Θα μάθετε να αναγνωρίζετε πώς οι στατιστικές μέθοδοι χρησιμοποιούνται για να κατανοήσουμε τις σχέσεις μεταξύ δεδομένων και να πάρουμε πιο σωστές αποφάσεις. Αν ενδιαφέρεστε για τη στατιστική, τα δεδομένα και πώς αυτά επηρεάζουν τις σύγχρονες αναλύσεις, αυτό το μάθημα είναι για εσάς!
Show More

Τι θα μάθω;

  • Ενημέρωση με βασικές αρμοδιότητες και καθημερινότητα ενός Data Analyst
  • Διάκριση μεταξύ Data Analyst & Data Scientist
  • Κατανόηση και Κατηγοριοποίηση Μεταβλητών και Δεδομένων
  • Εξήγηση Στατιστικών Εννοιών και Κατανομών Δεδομένων
  • Κατανόηση της Διαδικασίας Ανάλυσης Δεδομένων και Δημιουργίας Data Visualization
  • Ανάδειξη παραδείγματος ανάλυσης δεδομένων στον πραγματικό κόσμο
  • Συζήτηση περί αγγελιών Data Analyst στην Ελλάδα

Curriculum

Εισαγωγή στα Data Analytics
Μια και μοναδική ενότητα που μας κάνει data literate!

  • Εισαγωγή του Μαθήματος
  • Τι κάνει ένας Data Analyst;
  • Ποια είναι η τυπική διαδικασία που ακολουθεί ένας data analyst;
  • Ποια είναι η διαφορά ανάμεσα στα data analytics και data science;
  • Κάθε data visualization ξεκινά με ένα dataset
  • Αριθμητικές και κατηγορικές μεταβλητές
  • Μορφές δεδομένων
  • Τύποι Ανάλυσης Δεδομένων
  • Ανεξάρτητες και εξαρτημένες μεταβλητές
  • Η Κατανομή
  • Υπολογισμοί με τα δεδομένα
  • Στατιστικοί Έλεγχοι
  • Η Μεγαλύτερη Εικόνα
  • Παραδείγματα ανάλυσης δεδομένων στον πραγματικό κόσμο
  • Πώς μοιάζει μια αγγελία για Data Analyst;
  • Βιβλιογραφία
  • Διαφάνειες
  • 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

5.0
Σύνολο 4 Αξιολογήσεις
5
4 Αξιολογήσεις
4
0 Αξιολόγηση
3
0 Αξιολόγηση
2
0 Αξιολόγηση
1
0 Αξιολόγηση
VX
πριν από 2 εβδομάδες
Μια πολύ καλή εισαγωγή σε γνωστές έννοιες που όμως επιτρέπουν την κατανόηση και σε ένα βαθμό τη σύνδεση με τη διαδικασία της ανάλυσης δεδομένων που θα ακολουθήσει.
AC
πριν από 3 μήνες
Ένα εξαιρετικά κατανοητό και καλά δομημένο μάθημα που εισάγει τις βασικές έννοιες της ανάλυσης δεδομένων με απλό και φιλικό τρόπο. Ιδανικό για αρχάριους που θέλουν να κατανοήσουν τη στατιστική και τα δεδομένα χωρίς να ασχοληθούν με περίπλοκα εργαλεία. Πολύ χρήσιμο για όσους θέλουν να αποκτήσουν μια ισχυρή βάση στην ανάλυση δεδομένων.
AG
πριν από 3 μήνες
Κατανοητό, καλά δομημένο και με βοήθησε να κατανοήσω τις βασικές αρχές των data analytics.
Σοφία Κυριακή Μαχαίρα
πριν από 4 μήνες
Γρήγορο, καλογραμμένο και εύστοχο!
Free
Free access this course

Η Καθοδηγήτρια

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

Κοινό

  • Φοιτητές σε προγράμματα σπουδών στις κοινωνικές επιστήμες, τις οικονομικές επιστήμες, τη διοίκηση επιχειρήσεων, τη βιοστατιστική και άλλους συναφείς τομείς
  • Φοιτητές σε προγράμματα σπουδών επιστήμης υπολογιστών ή επιστήμης δεδομένων
  • Επαγγελματίες που ασχολούνται με την ανάλυση δεδομένων ή τη λήψη αποφάσεων βασισμένων σε δεδομένα
  • Εκπαιδευτές ή ερευνητές

Υλικό

  • Κείμενο Προς Μελέτη
  • Διαφάνειες

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