Essayons l'analyse! ~ Data Scientist a également commencé à coder ~ Par Fringe81

introduction

Avant d'entrer dans la première partie, j'expliquerai brièvement le but et la composition de toute la série. L'objectif principal de cette série est de fournir les connaissances et compétences suivantes:

En fournissant ces connaissances dans la scène d'utilisation pratique, le processus métier Nous aimerions fournir des conseils pour l'automatisation, l'accélération, la stabilisation et la mise à l'échelle.

Essayez également d'expliquer le plus soigneusement possible et utilisez vous-même les outils et les méthodes d'analyse. L'un des objectifs est de pouvoir l'utiliser.

Cette série est comme indiqué dans le tableau ci-dessous (sujet à changement) Il se compose d'une édition d'introduction, d'une édition pratique et d'un sujet avancé (prévu).


Édition introductive

Partie 1 Introduction

Partie 2 Introduction à l'analyse apprise dans Excel

Partie 3 Visualisation des données (non limitée au big data)

Édition pratique

Partie 4 Commencer à analyser avec Python / Scala

Partie 5 Utilisons la bibliothèque de calcul numérique

Partie 6 Utilisons Hadoop (Streaming)

Partie 7 Jouez avec Spark / Shark dans Scala

Partie 8 Jouons avec l'API Twitter

Partie 9 Jouons avec l'API Facebook

Partie 10 Analyse d'optimisation

Partie 11 Analyse des séries chronologiques (analyse d'autocorrélation, analyse de corrélation mutuelle)

Partie 12 Analyse du réseau

Partie 13 Apprentissage automatique Apprentissage supervisé (clustering)

Partie 14 Apprentissage automatique sans apprentissage des enseignants (renforcement de l'apprentissage)

Partie 15 Simulation de Monte Carlo

Sujet avancé (provisoire)

Partie 16 Ingénierie financière et physique des particules élémentaires (théorie)

Partie 17 Physique économique (théorie)

Appendix


Dans la partie introductive, nous commencerons par l'utilisation d'Excel, qui semble familier à de nombreuses personnes. Nous allons progressivement intensifier l'utilisation des outils d'analyse et des solveurs, et l'intégration avec MySQL. Après avoir expliqué comment utiliser les outils, nous expliquerons la méthode d'analyse qui les utilise. À la fin de la partie introductive, nous présenterons également des outils de visualisation. Dans la section pratique suivant la section d'introduction, nous présenterons des techniques d'analyse capables de gérer des traitements de données plus complexes en utilisant des langages de script et des API.

Le sujet avancé est différent des éditions d'introduction et pratique, et concerne le processus stochastique. Je vais reprendre le côté théorique. Cela change avec le temps du monde Les données ont un comportement probabiliste et la connaissance de ce concept est la scène commerciale. Cependant, cela peut être utile.

Ce qui précède est une vue d'ensemble de cette série.

Le but de cette série est d'introduire des compétences d'analyse spécifiques, Avant de plonger dans les détails, le reste de la partie 1 expliquera brièvement ce qui suit:

Dans les articles de la deuxième partie, comment utiliser les outils individuels et Nous entrerons dans l'explication des méthodes d'analyse individuelles.

Recommended Posts

Essayons l'analyse! ~ Data Scientist a également commencé à coder ~ Par Fringe81
Première analyse de données satellitaires par Tellus
Jouons avec le jeu de données d'analyse d'entreprise "CoARiJ" créé par TIS ①
Jouons avec le jeu de données d'analyse d'entreprise "CoARiJ" créé par TIS ②
[Analyse des données] Analysons les actions automobiles américaines