Ciencia de datos en la vida real | La red universitaria

Descripción

¿Alguna vez has tenido la experiencia perfecta de ciencia de datos? La extracción de datos fue perfecta. No hubo errores de fusión ni datos faltantes. Las hipótesis se definieron claramente antes de los análisis. La aleatorización se realizó para el tratamiento de interés. El plan analítico se describió antes del análisis y se siguió exactamente. Las conclusiones fueron claras y las decisiones procesables fueron obvias. ¿Te ha sucedido todo eso? Por supuesto no. El análisis de datos en la vida real es desordenado. ¿Cómo se maneja un equipo que enfrenta análisis de datos reales? En este curso de una semana, contrastamos el ideal con lo que sucede en la vida real. Al contrastar el ideal, aprenderá conceptos clave que lo ayudarán a administrar los análisis de la vida real.

Este es un curso enfocado diseñado para ponerlo al día rápidamente en hacer ciencia de datos en la vida real. Nuestro objetivo era hacer esto lo más conveniente posible para usted sin sacrificar ningún contenido esencial. Dejamos a un lado la información técnica para que pueda concentrarse en administrar su equipo y avanzar.

Después de completar este curso, sabrá cómo:

1, Describa la experiencia de ciencia de datos "perfecta"
2. Identificar fortalezas y debilidades en los diseños experimentales.
3. Describa las posibles dificultades al extraer / ensamblar datos y aprender soluciones para administrar los datos extraídos.
4. Desafíe los supuestos de modelado estadístico e impulse los comentarios a los analistas de datos.
5. Describa las dificultades comunes en la comunicación de análisis de datos.
6. Eche un vistazo a un día en la vida de un administrador de análisis de datos.

El curso se impartirá a nivel conceptual para administradores activos de científicos de datos y estadísticos. Algunos conceptos clave que se discuten incluyen:
1. Diseño experimental, aleatorización, pruebas A / B
2. Inferencia causal, contrafácticos,
3. Estrategias para gestionar la calidad de los datos.
4. Sesgo y confusión
5. Contraste de aprendizaje automático versus inferencia estadística clásica

Promoción del curso:
https://www.youtube.com/watch?v=9BIYmw5wnBI

Imagen de portada del curso por Jonathan Gross. Creative Commons BY-ND https://flic.kr/p/q1vudb