Kurzusleírás
Bevezetés
- Az AWS QuickSight áttekintése
- Mi az AWS és a QuickSight
Az AWS QuickSight használatának megkezdése
- AWS és QuickSight fiók létrehozása
- A QuickSight munkafolyamatának megértése
- A QuickSight felhasználói felületének navigálása
Adatok előkészítése a QuickSight-ben
- Az adatelőkészítés megértése a QuickSight-ben
- SPICE vs. közvetlen lekérdezés
- Adatok feltöltése és importálása a QuickSight-be
- Oszlopok és mezők kezelése
- Számított mezők, függvények és operátorok megértése
- Számított mezők hozzáadása szövegekkel a projekthez
- Információk kinyerése szövegekből
- Feltételes függvények használata
- Számított mezők létrehozása numerikus értékekkel
- Különböző szűrők hozzáadása a projekthez
Adatok elemzése és vizualizálása
- Az adatelőkészítés és elemzés közötti különbség megértése
- Adatelemzés létrehozása
- Vizualizációk létrehozása
- Dimenziók és mértékek megértése
- További adathalmazok hozzáadása
- Mezőformázás, aggregáció és részletesség
- Vizualizációk formázása
- Történet és fa térkép létrehozása
- Szűrők és táblázatok használata
- KPI vizualizáció hozzáadása
Projektadatok exportálása és megosztása
- A frissítés és ütemezett frissítés megértése
- Projektadatok exportálása .csv fájlként
- Felhasználók hozzáadása a fiókhoz
- Adathalmaz és elemzés megosztása
- Irányítópultok létrehozása és megosztása
Adatbázisok használata adatforrásként
- Adatbázis beállítása
- Mintaadatok előkészítése
- QuickSight csatlakoztatása egy adatbázishoz
- Adatok importálása a SPICE-be
- Adatok importálása lekérdezésként
- Számított mezők és lekérdezés importálása
- NoSQL adatbázisok használata
Összefoglalás és következő lépések
Követelmények
- Alapvető ismeretek és megértés az adatelemzés területén
Közönség
- Adatelemzők
- Bárki, aki érdeklődik az adatelemzés és vizualizáció iránt
Vélemények (4)
Deepthi nagyon jól érezte meg igényeimet, tudta, mikor kell bővíteni a összetettséget és mikor inkább rendezett módon haladjon tovább. Deepthi valóban a saját tempómban dolgozott velem, és biztosította, hogy képes legyek önállóan használni az új funkciókat/eszközöket. Először bemutatta őket, majd engedte, hogy én ismétlém meg őket, ami nagyon segített a tananyag beillesztésében. Nem lehetne elégedettebb a képzés eredményeivel és Deepthi szakmai tudásával!
Deepthi - Invest Northern Ireland
Kurzus - IBM Cognos Analytics
Gépi fordítás
Ossz meg példát egy alkalmazásról
Kurzus - Alteryx for Data Analysis
Gépi fordítás
Nagyon világosan és részletesen elmagyarázva
Harshit Arora - PwC South East Asia Consulting
Kurzus - Alteryx for Developers
Gépi fordítás
Lineáris regresszió – az algoritmus, amely előre jelez a trendet
Vincent Ko - UBS
Kurzus - Data Preparation with Alteryx
Gépi fordítás