हा डेटा विज्ञान अभ्यासक्रम कोणासाठी आहे?
डॅशबोर्ड मिळणारे, विश्लेषण करून घेणारे किंवा डेटाच्या आधारे निर्णय घेणारे आणि अधिक चांगले प्रश्न विचारू इच्छिणारे व कमकुवत निष्कर्ष ओळखू इच्छिणारे व्यवस्थापक, विपणन व्यावसायिक, उत्पादनाशी संबंधित कर्मचारी, कार्यसंचालन प्रमुख आणि संस्थापक यांच्यासाठी हे आहे. स्प्रेडशीटची प्राथमिक ओळख पुरेशी आहे; त्यापलीकडे काही आवश्यक नाही.
हा डेटा विज्ञान अभ्यासक्रम कोणासाठी नाही?
डेटा शास्त्रज्ञाची नोकरी मिळवण्यासाठी पूर्णवेळ शिक्षणाचा मार्ग हवा असलेल्यांसाठी हे नाही. मुख्य अभ्यासक्रमासाठी कोड लिहिण्याची गरज नाही आणि Python व SQL मधील पर्यायी कोड धडे अगदी सुरुवातीपासून शिकवतात. मात्र, ते विद्यापीठ किंवा महाविद्यालयातील डेटा विज्ञान अभ्यासक्रमाची किंवा सघन पूर्णवेळ प्रशिक्षणाची सखोलता, प्रकल्पसंच आणि मार्गदर्शन यांची जागा घेत नाहीत, तसेच नोकरीची कोणतीही हमी नाही. आधीपासून डेटा शास्त्रज्ञ किंवा अभियंते म्हणून काम करणाऱ्या आणि प्रगत विशेष प्रशिक्षण घेऊ इच्छिणाऱ्यांसाठीही हे नाही. अनेक जण दोन्ही मार्गांचा वापर करतात: मूलभूत गोष्टी आणि कोडची सुरुवात येथे शिकतात, तर नोकरीसाठी आवश्यक कौशल्यांसाठी अधिक दीर्घ तांत्रिक शिक्षण घेतात.
प्रत्येक विभागात मी काय शिकेन?
ही सहा अध्ययन एकके प्रत्यक्ष विश्लेषणाच्या संपूर्ण प्रक्रियेच्या क्रमाने आहेत: एखाद्याने विचारलेल्या प्रश्नापासून त्याने घेतलेल्या निर्णयापर्यंत.
1. व्यवसायाच्या प्रश्नाकडून डेटाच्या प्रश्नाकडे
'विक्री का घटली आहे?' या प्रश्नाचे आकडेवारीतून उत्तर देता येईल अशा प्रश्नात रूपांतर करणे आणि कोणत्या पुराव्यामुळे तुमचे मत बदलेल हे ठरवणे.
2. डेटा: तो कुठून येतो आणि कशी दिशाभूल करतो
नमुने, उपलब्ध नसलेली माहिती, संघांनुसार बदलणाऱ्या व्याख्या आणि सर्वात सहज उपलब्ध असलेली माहिती अनेकदा चुकीची का ठरते.
3. वर्णनात्मक सांख्यिकी
सरासरी, मध्यक, विखुरलेपणा, टक्केवारी आणि दर, तसेच यांपैकी प्रत्येक मोजमाप कोणत्या वेळी खरे चित्र लपवते.
4. दृश्य स्वरूपात मांडणी
प्रश्नाचे उत्तर देणारा आलेख निवडणे आणि चुकून किंवा जाणूनबुजून दिशाभूल करणारे आलेख समजून घेणे.
5. प्रयोग आणि A/B चाचण्या
नियंत्रण गट, नमुन्याचा आकार, सांख्यिकीय लक्षणीयता यांचे सोप्या भाषेत स्पष्टीकरण आणि सहसंबंध म्हणजे कार्यकारणभाव का नाही हे समजून घेणे.
6. विश्लेषक आणि AI सोबत काम करणे
विश्लेषणासाठी कार्यसारांश लिहिणे, निष्कर्षांचे पुनरावलोकन करणे आणि AI सहाय्यकांची आकडेमोड तपासत त्यांच्या मदतीने माहितीचा शोध घेणे.
वैयक्तिक गरजांनुसार तयार केलेला शिकण्याचा मार्ग माझ्यासाठी कसा जुळवून घेतला जातो?
प्रारंभिक पातळी तपासणीत टक्केवारी, सरासरी आणि आलेख वापरणे तुम्हाला कितपत जमते आणि तुम्ही कोणते निर्णय घेता हे तपासले जाते. विपणनप्रमुखाची उदाहरणे मोहिमांच्या चाचण्या आणि रूपांतरण दर यांवर केंद्रित असतात; कार्यसंचालन व्यवस्थापकाची उदाहरणे वितरणासाठी लागणारा वेळ आणि दोषांचे प्रमाण यांवर. तुम्ही आधीच आत्मविश्वासाने आकडेवारी समजून घेत असाल, तर अभ्यासक्रम लवकरच प्रयोग आणि कामाच्या रूपरेषांकडे वळतो.
मी कशाचा सराव करेन?
तुम्ही काल्पनिक किंवा सार्वजनिक डेटासंच वापरून डेटाशी संबंधित कामाभोवती घ्याव्या लागणाऱ्या निर्णयांचा सराव करता. प्रत्येक कामाला पाहता येणाऱ्या गुणांकन निकषांनुसार गुण दिले जातात आणि काय सुधारावे याबद्दल अभिप्राय मिळतो. तुम्ही कोणत्याही गुणांच्या पुनर्तपासणीची विनंती करू शकता.
कामाचे उदाहरण: ग्रीनबास्केट या जेवण तयार करण्याच्या साहित्याचे संच पुरवणाऱ्या काल्पनिक कंपनीने दोन आठवडे नवीन स्वागत ईमेल वापरला. तो उघडणारे ग्राहक पुन्हा ऑर्डर देण्याची शक्यता 30 टक्के अधिक असल्याचे कंपनी सांगते. यावरून ईमेल प्रभावी ठरला असे का सिद्ध होत नाही, हे तुम्ही स्पष्ट करता आणि निष्पक्ष A/B चाचणीची आखणी करता. स्वतःहून निवड झाल्यामुळे निर्माण होणारी समस्या तुम्ही ओळखली आहे का, नियंत्रण गट ठरवला आहे का, यश मोजण्यासाठी एक मापदंड आधीच निवडला आहे का आणि कोणीही निकाल पाहण्यापूर्वी चाचणी किती काळ चालवावी हे सांगितले आहे का, हे गुणांकन निकषांनुसार तपासले जाते.
डेटा विज्ञानाचा अभ्यासक्रम पूर्ण करायला किती वेळ लागतो?
प्रत्येक धडा 10 ते 15 मिनिटांचा असतो. तुमचा संपूर्ण शिकण्याचा मार्ग प्रारंभिक पातळी चाचणी आणि तुम्ही किती नियमितपणे अभ्यास करता यावर अवलंबून असतो, त्यामुळे तासांची ठरावीक संख्या नाही. सांख्यिकीची पार्श्वभूमी असलेली व्यक्ती तिसऱ्या विभागातील बराच भाग वगळू शकते, तर आकड्यांशी नव्याने काम करणाऱ्या व्यक्तीला प्रयोग करण्यापूर्वी अधिक सराव मिळतो.
पूर्ण केल्यावर मला काय मिळेल?
अंतिम प्रात्यक्षिक मूल्यांकनात तुम्हाला एका विश्लेषणाचे चिकित्सक परीक्षण करावे लागते आणि अधिक चांगल्या विश्लेषणासाठी संक्षिप्त सूचना लिहाव्या लागतात. उत्तीर्ण झाल्यावर व्यावसायिकांसाठी डेटा विज्ञानाच्या पायाभूत ज्ञानाचे मान्यताप्राप्त प्रमाणपत्र मिळते. ही औपचारिक मान्यताप्राप्त पात्रता नाही आणि ते डेटा विज्ञानातील तांत्रिक क्षमतेचा दावा करत नाही.
डेटा विज्ञानाच्या अभ्यासक्रमाचे शुल्क किती आहे?
अभ्यासक्रमासाठी वेगळे शुल्क नाही: तो तुमच्या योजनेत समाविष्ट आहे. वैयक्तिक योजनेचे शुल्क महिन्याला USD 79 किंवा वर्षाला USD 790 आहे. संघ योजनेत 3 सदस्यांपर्यंत महिन्याला USD 189 किंवा वर्षाला USD 1,890 शुल्क आहे. त्यानंतर प्रत्येक अतिरिक्त सदस्यासाठी महिन्याला USD 49 किंवा वर्षाला USD 490 लागतात. 25 सदस्यांपासून मोठ्या गटांसाठीचे दर लागू होतात. 7 दिवसांची मोफत चाचणी समाविष्ट आहे आणि क्रेडिट कार्डची गरज नाही.