它分析了每个数据集最合适的技术，研究了获得的结果" 

本专科文凭旨在为计算机工程师提供分析公司数据所需的全部知识。这对于任何从事这一领域工作的专业人员来说都是至关重要的，因为信息量每年都在增加，这使得对信息的分析和解读变得更加困难。  

因此，有必要对专业知识进行培训，以便能够正确管理数据，同时始终关注数据的类型、生命周期以及通过现有资源采取的实用方法。在数据科学中，统计知识是不可或缺的，因此该模块在课程中非常重要。

在课程结束时，计算机工程师将对所采用的策略形成一种批判性的态度，能够在每种情况下辨别出最合适的解决方案，并以合理的方式解释在不同指标中获得的结果。

除上述内容外，我们还提供 100% 的在线课程，让你随时随地轻松学习。你所需要的只是一个可以上网的设备，让你的事业更上一层楼。一个符合当前时代的模式，具有所有的保证，使工程师在一个高度需求的部门中占有一席之地。 

为解决实际问题提出假设，以批判和推理的方式通过衡量标准对假设进行验证" 

这个探索性数据分析专科文凭包含市场上最完整和最新的课程。主要特点是：

• 由工程专家介绍的案例研究的发展侧重于数据分析
• 该书的内容图文并茂、示意性强、实用性强为那些视专业实践至关重要的学科提供了科学和实用的信息  
• 可以进行自我评估过程的实践，以推进学习  
• 其特别强调创新方法   
• 理论课、向专家提问、关于有争议问题的讨论区和个人反思性论文  
• 可以从任何有互联网连接的固定或便携式设备上获取内容 

通过一个 100% 在线设计的程序，分析用于图表和探索性数据分析的不同软件工具" 

该课程的教学人员包括来自该行业的专业人士，他们将自己的工作经验带到了这一培训中，还有来自领先公司和著名大学的公认专家。  

多媒体内容是用最新的教育技术开发的，将允许专业人员进行情景式学习，即一个模拟的环境，提供一个身临其境的培训，为真实情况进行培训。  

该方案的设计重点是基于问题的学习，通过这种学习，专业人员必须努力解决整个学年出现的不同的专业实践情况。要做到这一点，你将得到由公认的专家制作的互动视频的创新系统的帮助。 

为决策提供相关的有效信息，发展批判性思维"

培养使用数据科学技术解决实际案例的技能"

要了解公司每天产生的大量信息，需要经过培训的专业人员掌握不同的软件工具，以进行图表和探索性数据分析。因此，本专科文凭将引导学生学习这一点和其他相关要点，从而唤醒他们的批判性思维，以便根据工作环境中出现的情况做出决定。  

它将数据转化为信息，增加了价值，并使新知识的产生成为可能" 

模块1.数据科学的数据和信息管理和操作    

1.1. 统计数据变量、指数和比率  

1.1.1. 统计数据 
1.1.2. 统计维度 
1.1.3. 变量、指数和比率 

1.2. 数据类型 

1.2.1. 定性的 
1.2.2. 定量的 
1.2.3. 表征和类别 

1.3. 测量数据的知识  

1.3.1. 集中化措施 
1.3.2. 分散的措施
1.3.3. 相关性 

1.4. 图形数据的知识

1.4.1. 根据数据类型进行可视化 
1.4.2. 图文信息解读 
1.4.3. 使用 R 自定义图形 

1.5. 概率  

1.5.1. 概率 
1.5.2. 概率函数 
1.5.3. 分布 

1.6. 数据收集 

1.6.1. 收集方法 
1.6.2. 收集工具 
1.6.3. 收集渠道 

1.7. 数据清理 

1.7.1. 数据清理阶段 
1.7.2. 数据质量  
1.7.3. 数据操作（使用 R） 

1.8. 数据分析、解释和结果评估  

1.8.1. 统计措施 
1.8.2. 关系指数 
1.8.3. 数据挖掘 

1.9. 数据仓库(Data warehouse) 

1.9.1. 构成要素  
1.9.2. 设计 

1.10. 可用性数据 

1.10.1. 访问 
1.10.2. 实用性 
1.10.3. 安全

模块2.用于数据分析的图形        

2.1. 探索性分析 

2.1.1. 信息分析的展示
2.1.2. 图形展示的价值
2.1.3. 图形展示的新范式

2.2. 数据科学优化 

2.2.1. 颜色范围和设计
2.2.2. 图形中的格式塔
2.2.3. 要避免的错误和提示  

2.3. 基本数据源

2.3.1. 质量代表
2.3.2. 数量代表
2.3.3. 表示时间

2.4. 复杂的数据源

2.4.1. 文件、列表和 BBDD 
2.4.2. 开放数据
2.4.3. 不断产生的数据

2.5. 图表类型 

2.5.1. 基本
2.5.2. 区块 
2.5.3. 分散分析的代表
2.5.4. 圆形代表
2.5.5. 气泡代表
2.5.6. 地理代表 

2.6. 显示类型

2.6.1. 比较和有关联的
2.6.2. 分布
2.6.3. 分层

2.7. 具有图形的报告设计 

2.7.1. 图表在营销报告中的应用
2.7.2. 图表在仪表板和 Kpi 的应用
2.7.3. 图表在战略计划中的应用
2.7.4. 其他用途：科学、健康、商业 

2.8. 图解叙述

2.8.1. 图解叙述
2.8.2. 发展 
2.8.3. 实用性

2.9. 面向可视化的工具 

2.9.1. 高级工具
2.9.2. 在线软件
2.9.3. 开源

2.10. 数据可视化新技术 

2.10.1. 现实虚拟化系统
2.10.2. 用于增强和增强现实的系统
2.10.3. 智能系统

模块3.数据科学工具            

3.1. 数据科学

3.1.1. 数据科学
3.1.2. 数据科学的高级工具  

3.2. 数据、信息和知识

3.2.1. 数据、信息和知识 
3.2.2. 数据类型
3.2.3. 数据来源

3.3. 从数据到信息 

3.3.1. 数据分析
3.3.2. 分析类型
3.3.3. 从数据集中提取信息 

3.4. 通过可视化提取信息

3.4.1. 可视化作为分析工具
3.4.2. 显示方式 
3.4.3. 查看数据集

3.5. 数据质量

3.5.1. 质量数据
3.5.2. 数据清理 
3.5.3. 基本数据预处理

3.6. 数据集

3.6.1. 丰富数据集
3.6.2. 维度的祸害
3.6.3. 修改我们的数据集

3.7. 不平衡 

3.7.1. 阶级不平衡
3.7.2. 不平衡缓解技术
3.7.3. 平衡数据集

3.8. 无监督模型 

3.8.1. 无监督模型
3.8.2. 方法
3.8.3. 使用无监督模型进行分类

3.9. 监督模型

3.9.1. 监督模型
3.9.2. 方法
3.9.3. 使用监督模型进行分类

3.10. 工具和好的做法

3.10.1. 数据科学的正确实践
3.10.2. 最佳模型 
3.10.3. 有用的工具

为解决实际问题提出假设，以批判和推理的方式通过衡量标准对假设进行验证"