Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Alapinformációk a Excel programról
- Adat típusok Excela – Hogyan kezel Excel a dátumot és az időt
- Érték keresése munkalapban – Talál és jelöl
- Munkaalap védelme
- Adatok helyessége
- Adatsorok létrehozása
- Autokorrekció
- Villámgyors kitöltés
- Speciális átlépés
- Speciális bevágás
- Szöveg oszlopokban
- Gyors hozzáférési sáv
- Munkaalapok létrehozásának jó gyakorlatai
- Billentyűparancsok
- Cellák formázása
- Feltételes formázás
Kifejezések létrehozása
- Fuggvényes beillesztés
- Kifejezések szerkesztése
- Logikai függvények
- Matematikai függvények
- Kereső függvények
- Szöveges függvények
- Dátum- és időfuggvények
- Cellatartalom összegezése Autosum gomb segítségével
- Fuggvények hozzáadása dialógusablak használatával
- Kifejezés becslése
- Érték helyének meghatározása
- Tartomány nevezése
- Nevezett tartományok módosítása
- Nevezett tartományok használata kifejezésekben
Tabella létrehozása
- Tabellák alapinformációi
- Tabella áttekintése
Ábrák és tabella ábrák létrehozása
- Tabella ábrák létrehozása
- Ábra típusának megváltoztatása
Követelmények
A Windows rendszer és az MS Excel program alapjai
14 Órák
Vélemények (7)
Course Outline**Course Title: Data Science for Business****Course Duration:** 12 weeks**Course Description:**This course provides an introduction to the key concepts of data science and their application in business. Participants will learn how to collect, process, and analyze data to drive business decisions.**Course Objectives:**- Understand the fundamentals of data science and its role in business.- Learn to use Python and R for data analysis.- Develop skills in data visualization and storytelling.- Gain hands-on experience with real-world datasets.- Apply data science techniques to solve business problems.**Week 1: Introduction to Data Science**- Definition and importance of data science- The data science workflow- Overview of Python and R- Setting up the development environment**Week 2: Data Collection**- Types of data and data sources- Data collection methods- Data scraping techniques- Ethics in data collection**Week 3: Data Cleaning**- Handling missing values- Data transformation techniques- Data normalization and standardization- Data validation**Week 4: Exploratory Data Analysis (EDA)**- Descriptive statistics- Data visualization techniques- Identifying patterns and outliers- Hypothesis testing**Week 5: Introduction to Machine Learning**- Supervised vs. unsupervised learning- Regression analysis- Classification algorithms- Model evaluation metrics**Week 6: Advanced Machine Learning**- Clustering techniques- Dimensionality reduction- Ensemble methods- Neural networks and deep learning**Week 7: Data Visualization**- Tools for data visualization- Creating effective visualizations- Storytelling with data- Best practices in data visualization**Week 8: Big Data Technologies**- Introduction to Hadoop and Spark- Distributed computing concepts- Working with large datasets- Real-time data processing**Week 9: Natural Language Processing (NLP)**- Text preprocessing techniques- Sentiment analysis- Topic modeling- Named Entity Recognition (NER)**Week 10: Time Series Analysis**- Time series decomposition- Forecasting methods- Seasonality and trends- Time series visualization**Week 11: Business Applications of Data Science**- Case studies in data science- Applying data science to marketing- Data-driven decision-making- Ethics and privacy in data science**Week 12: Final Project**- Project proposal and planning- Data collection and analysis- Presentation of findings- Peer review and feedback**Assessment:**- Participation in class discussions: 10%- Weekly assignments: 30%- Midterm project: 30%- Final project: 30%**Prerequisites:**- Basic knowledge of statistics- Familiarity with programming concepts- Access to a computer with internet connectivity**Software and Tools:**- Python (Anaconda distribution)- R (RStudio)- Jupyter Notebooks- Excel- Tableau- GitHub- Zookeeper- Xamarin**Instructor:**[Instructor Name][Instructor Email][Instructor Phone Number]
Marcin - Instytut Energetyki- Panstwowy Instytut Badawczy
Kurzus - Microsoft Office Excel - poziom średnio zaawansowany
Gépi fordítás
Jó tempó és kiváló tanács
Kacper - Instytut Energetyki- Panstwowy Instytut Badawczy
Kurzus - Microsoft Office Excel - poziom średnio zaawansowany
Gépi fordítás
Sok gyakorlati gyakorlat
Olena - Alfa Laval
Kurzus - Microsoft Office Excel - poziom średnio zaawansowany
Gépi fordítás
A tempó – tökéletes ahhoz, hogy új dolgokat tanuljak
Anna - Alfa Laval
Kurzus - Microsoft Office Excel - poziom średnio zaawansowany
Gépi fordítás
jó példák sok hasznos tanáccsal. Mindez tömörítve és egyszerűen bemutatva.
Liliana - Noble Drilling Poland
Kurzus - Microsoft Office Excel - poziom średnio zaawansowany
Gépi fordítás
Rengeteg lehetőség bemutatva, egyszerűen bemutatva, így minden előzetes tudás nélkül is el lehetett tanulni és megérteni a programokat
Patrycja - Noble Drilling Poland
Kurzus - Microsoft Office Excel - poziom średnio zaawansowany
Gépi fordítás
Legjobban a jó hangulatot értékeltem, azt, hogy mindent jól elmagyaráztak. Emellett nagyon szeretem a jó edzéstempót – tökéletes számomra.
Dominika - Noble Drilling Poland
Kurzus - Microsoft Office Excel - poziom średnio zaawansowany
Gépi fordítás
