Read the Official Description

Apakah matlamat pembelajaran?

Simplilearn Sains Saintifik Data Mudah Alih akan membantu anda menguasai kemahiran dan alatan seperti Statistik, Ujian Hipotesis, Clustering, Pokok Keputusan, Regresi Linear dan Logistik, R Studio, Visualisasi Data, Model Regresi, Hadoop, Spark, PROC SQL, SAS Macros, Statistik prosedur, analisis lanjutan, Matplotlib, fungsi analitik Excel, ujian hipotesis, Zookeeper, antara muka Kafka. Kemahiran ini akan membantu anda mempersiapkan peranan seorang Penyelidik Data.

Program ini menyediakan akses kepada kandungan eLearning berkualiti tinggi, peperiksaan simulasi, komuniti yang dimoderasikan oleh pakar, dan sumber lain yang memastikan anda mengikuti jalan yang optimum untuk peranan impian anda saintis data.

Kenapa menjadi Ahli Sains Data?

Seorang saintis data adalah pangkat puncak dalam organisasi analisis. Glassdoor telah menduduki ranking saintis data pertama dalam 25 Pekerjaan Terbaik untuk 2016, dan para saintis data yang baik adalah terhad dan sangat memerlukan. Sebagai ahli sains data, anda perlu memahami masalah perniagaan, merangka analisis, mengumpul dan memformat data yang diperlukan, menggunakan algoritma atau teknik menggunakan alat yang betul, dan akhirnya membuat cadangan yang disokong oleh data.

Apakah projek-projek yang dimasukkan dalam program ini?

Program Master Sains Data ini termasuk 10 projek kehidupan nyata, berasaskan industri pada domain yang berbeza untuk membantu anda menguasai konsep Sains Data dan Data Besar. Beberapa projek, yang akan anda jalankan disebutkan di bawah:

Projek 1: Ketahui bagaimana pemimpin industri Penjagaan Kesihatan menggunakan Sains Data untuk memanfaatkan perniagaan mereka.

Domain: Penjagaan Kesihatan

Penerangan: Analisis ramalan boleh digunakan dalam penjagaan kesihatan untuk memeterai kemasukan hospital. Dalam industri penjagaan kesihatan dan industri lain, peramal adalah yang paling berguna apabila mereka boleh dipindahkan ke tindakan. Tetapi data bersejarah dan masa nyata sahaja tidak bernilai tanpa campur tangan. Lebih penting lagi, untuk menilai kecekapan dan nilai meramal trend dan akhirnya berubah tingkah laku, kedua-dua prediktor dan campur tangan mesti digabungkan kembali ke sistem dan alur kerja yang sama di mana trend asalnya berlaku.

Projek 2: Memahami bagaimana pemimpin Insurans seperti Berkshire Hathaway, AIG, AXA, dan sebagainya menggunakan Sains Data dengan mengusahakan projek kehidupan sebenar berdasarkan Insurans.

Domain: Insurans

Penerangan: Penggunaan analisis ramalan telah meningkat dengan pesat dalam perniagaan insurans, terutamanya untuk syarikat-syarikat terbesar, menurut Suruhanjaya Pemodelan Prediktif 2013. Walaupun tinjauan menunjukkan peningkatan dalam pemodelan ramalan di seluruh industri, semua responden dari syarikat yang menulis lebih dari $ 1 bilion dalam insurans peribadi menggunakan pemodelan ramalan, berbanding 69% syarikat yang kurang daripada jumlah premium.

Projek 3: Lihat bagaimana bank-bank seperti Citigroup, Bank of America, ICICI, HDFC menggunakan Data Science untuk terus mendahului persaingan.

Domain: Perbankan

Penerangan: Institusi perbankan Portugis menjalankan kempen pemasaran untuk meyakinkan bakal pelanggan untuk melabur dalam deposit jangka bank. Kempen pemasaran mereka dilakukan melalui panggilan telefon, dan kadangkala pelanggan yang sama dihubungi lebih dari satu kali. Tugas anda adalah untuk menganalisis data yang dikumpulkan dari kempen pemasaran.

Projek 4: Ketahui bagaimana Pasaran Saham seperti NASDAQ, NSE, BSE, memanfaatkan Sains Data dan Analisis untuk mencapai data yang boleh dibuang dari dataset kompleks.

Domain: Pasar Saham

Penerangan: Sebagai sebahagian daripada projek, anda perlu mengimport data menggunakan pembaca data Yahoo bagi syarikat berikut: Yahoo, Apple, Amazon, Microsoft, dan Google. Lakukan analitik asas termasuk merancang harga penutupan, merancang perdagangan stok secara volum, melakukan analisis pulangan harian, dan menggunakan plot pasangan untuk menunjukkan korelasi antara semua stok.

Projek 5: Lihat bagaimana Sains Data digunakan dalam bidang kejuruteraan dengan mengambil kajian kes ini Analisis Data Dataset MovieLens.

Domain: Kejuruteraan

Penerangan: Projek Penyelidikan GroupLens adalah kumpulan penyelidikan di Jabatan Sains Komputer dan Kejuruteraan di Universiti Minnesota. Para penyelidik kumpulan ini terlibat dalam banyak projek penyelidikan yang berkaitan dengan bidang penapisan maklumat, penapisan kerjasama, dan sistem pengesyorkan.

Projek 6: Memahami bagaimana syarikat terkemuka di runcit seperti Walmart, Amazon, Sasaran, dan lain-lain memanfaatkan Sains Data untuk menganalisis dan mengoptimumkan penempatan dan inventori produk mereka.

Domain: Runcit

Penerangan: Analitis digunakan untuk mengoptimumkan peletakan produk pada rak atau pengoptimuman inventori untuk disimpan di gudang menggunakan contoh industri. Melalui projek ini, peserta mempelajari kitaran harian pengoptimuman produk dari rak ke gudang. Ini memberi mereka gambaran mengenai kejadian biasa dalam sektor runcit.

Apakah jenis kerja yang sesuai untuk profesional yang terlatih sains data?

Pekerjaan yang sesuai untuk profesional yang terlatih sains data termasuk:

  • Pakar pengatur statistik
  • Penganalisis data
  • Saintis data
  • Pengurus sains data
Program taught in:
English

See 14 more programs offered by Simplilearn »

Last updated October 26, 2018
This course is Online
Start Date
Open Enrollment
Duration
Price
1,499 GBP
By locations
By date
Start Date
Open Enrollment
Application deadline

Open Enrollment

Location
Application deadline
End Date