Kurs tematyczny

Statystyka, Analiza Danych

i Wprowadzenie do Data Science

Kurs tematyczny

Statystyka, Analiza Danych

i Wprowadzenie do Data Science

Kurs tematyczny

Statystyka, Analiza Danych

i Wprowadzenie do Data Science

Dla kogo?

Kurs jest przeznaczony dla osób, które chcą zbudować solidne podstawy w analizie danych i statystyce, przygotowując się do pracy w obszarach data science, analityki biznesowej czy badawczej. To idealna propozycja dla przyszłych analityków danych, UX researcherów z kompetencjami ilościowymi oraz osób, które chcą wspierać zespoły strategiczne poprzez interpretację danych i modelowanie procesów. Sprawdzi się także dla tych, którzy planują rozwijać podejście data-driven w projektach i podejmować decyzje oparte na rzetelnej analizie danych z różnych źródeł.

SZYBKO

Dzięki AI nauka szybsza nawet o 20% 😋

Dedykowane narzędzia AI znacząco przyspieszają Twoją naukę. Z łatwością zdobywać będziesz nowe umiejętności, a każdy napotkany problem rozwiążesz w ułamkach sekund. 

SKUTECZNIE

Całodobowe wsparcie i feedback 24/7 🤯

Doskonale wytrenowany TutorAI dostępny przez 7 dni w tygodniu i 24 godziny na dobę. Dzięki temu już nic nie zblokuje Cię w nauce, nawet jeśli 3.00 nad ranem to Twój najbardziej produktywny moment.

O kursie

Ten kurs stanowi fundament wiedzy analitycznej dla przyszłych inżynierów danych. Uczestnicy poznają podstawy statystyki – rozkłady, miary tendencji centralnej, rozproszenia, testy statystyczne – oraz uczą się wykorzystywać te narzędzia w analizie danych jakościowych i ilościowych.

Szczególną uwagę poświęcono zbieraniu danych z różnych źródeł – w tym danych pochodzących od użytkowników, oraz analizie ich przydatności. Uczestnicy poznają także narzędzia i metody stosowane w analizie procesów biznesowych, co stanowi most pomiędzy danymi a działaniami strategicznymi. Kurs uczy podejścia data-driven w pracy projektowej i badawczej, kładąc solidne podstawy pod dalsze działania analityczne i uczenie maszynowe.

Program

  1. Populacja a próba
  2. Czym jest zmienna?
  3. Skale oceny
  4. Inwersja skali
  5. Typy zmiennych
  6. Dobór losowy i dobór celowy
  7. Metody doboru próby
  8. Schematy badawcze
  9. Relacje między zmiennymi
  10. Wskaźniki
  11. Badania jakościowe a ilościowe
  12. Kodowanie a rekodowanie zmiennych
  13. Braki danych
  14. Łączenie danych
  1. Typy rozkładów danych
  2. Zmiennie dyskretne i ciągłe
  3. Prawdopodobieństwo proste a prawdopodobieństwo warunkowe
  4. Błąd statystyczny
  5. Statystyki częstości
  6. Miary tendencji centralnej
  7. Miary dyspersji i obserwacje odstające
  8. Miary symetrii
  9. Standaryzacja
  10. Test chi-kwadrat
  11. Test t-studenta
  12. Analiza jednorodności wariancji (ANOVA)
  13. Funkcje (metoda najmniejszych kwadratów)
  14. Wstęp do modelowania liniowego (regresja)
  1. Plan badawczy
  2. Przygotowanie planu badawczego w praktyce
  3. Dobór metody badawczej
  4. Rekrutacja respondentów
  5. Jak rekrutować respondentów
  6. Zachowanie prywatności i bezpieczeństwa danych uczestników badań
  7. Gestalt a projektowanie
  8. 10 heurystyk użyteczności w projektowaniu interfejsów użytkownika
  9. Klasyfikacja problemów zdefiniowanych podczas Audytu UX
  10. Przygotowanie prezentacji
  11. Poczuj się komfortowo podczas prezentacji wyników
  12. Jak sobie poradzić z Q&A
  13. Wiarygodność badań UX
  14. Root Cause Analysis (RCA)
  15. Metoda Kimplinga 5W1H
  16. Metoda 5 WHY?
  17. 3 What?
  18. Wrap-up Session
  1. User-Centred Design Process
  2. Pięć elementów projektowania UX
  3. Design Thinking
  4. Lean UX
  5. 6 Zasad Lean UX
  6. Double Diamond
  7. Metodyki zarządzania projektami
  8. Waterfall vs Agile
  9. Miejsce UX/UXR w procesie projektowym
  10. Zbieranie wymagań
  11. User Story Mapping
  12. Promowanie badań wewnątrz organizacji
  13. Dojrzałość UX organizacji
  14. Stakholder, czyli kim są interesariuszy w projekcie
  15. Współpraca ze Stakeholderami podczas badań UX
  16. Jak zbudować portfolio UX Researchera

Efekty nauki

Uczestnik zdobędzie umiejętność stosowania statystyki i metod badawczych w analizie danych, identyfikowania wartościowych insightów oraz oceny wiarygodności i znaczenia danych. Zrozumie także kontekst biznesowy danych i nauczy się łączyć analizę z modelowaniem procesów.

Po ukończeniu kursu możliwy jest rozwój jako analityk danych, specjalista data-driven research, UX researcher z kompetencjami analitycznymi, analityk procesów lub konsultant wspierający zespoły strategiczne i produktowe poprzez interpretację danych.

Zakup kursu

ESSENTIAL (tematyczny)

Kod kursu: DEPDAT-AI-DSE-A-ESS

✅ TutorAI dostępny 24/7
✅ Platforma edukacyjna z narzędziami AI
✅ QuizyAI, TestyAI, FiszkiAI
✅ Wykłady, projekty, zadania
✅ Oglądaj, słuchaj, czytaj i praktykuj
✅ Zaświadczenie o ukończeniu kursu
✅ Nielimitowane przerwy w kursie
✅ Elastyczny i indywidualny tryb nauki
✅ Dostęp do materiałów i nagrań

2.490 zł

1.990 zł

Sfinansuj naukę

Sprawdź możliwości finansowania nauki. Oferujemy szerokie możliwości finansowania, od tych dostępnych na rynku po indywidualne podejście i personalizowana politykę cenową.

+48 781 802 802

Powyższe ceny są cenami brutto zawierają podatek VAT, w wysokości 23%.