Curso Análisis avanzado de datos con Graphext
Plazo límite de inscripción hasta el jueves 9 de diciembre a las 14h
Fecha: 13, 15 de diciembre, 10,12,17 y 19 de enero.
Horas: 12 horas
Horario: 16:30h-18:30h
Matrícula: 100 euros
OBJETIVOS:
Graphext es una herramienta de análisis de datos low-code que permite llevar a cabo análisis avanzado de datos sin necesidad de escribir código. Con Graphext podrás transformar tu dato, explorarlo, visualizarlo y compartirlo, todo en un mismo entorno. La herramienta está orientada en una doble dirección: por un lado, para perfiles poco técnicos que aún así se ven en la necesidad de llevar a cabo distintos tipos de análisis; y por otro, perfiles técnicos que requieren poder acelerar y optimizar procesos.
La diferencia principal entre Graphext y otras herramientas de análisis como serían dashboards como Power BI o Tableau, es que éstas se centran en qué está pasando, mientras que Graphext es una herramienta de análisis exploratorio que pretende buscar el por qué está pasando. Graphext puede aplicarse a infinidad de casos de uso distintos gracias a su horizontalidad. Este curso se centrará en su aplicación concreta al análisis de datos sobre fútbol para introducir en el uso de esta herramienta en proyectos personales o profesionales de distinta índole.
OBJETIVOS :
DOCENTES:
María López Molina, Consumer Insights Specialist Graphext
Brais Ramos García, Head of Sales en Graphext
PROGRAMA:
1. Introducción a Modern Data Stack
1.1 ETL
a. Data consolidation
b. Data warehouses
c. Data transformation
1.2 Analytical tools
a. BI tools
b. Advance analytics tools
c. Notebooks
d. AutoMLs
2. Introducción a Graphext
2.1. Creación de la cuenta en la herramienta
2.2 Overview de Graphext
3. Introducción a las distintas funcionalidades de Graphext
3.1 Cómo usar el Graph
a. Settings del grafo/Variable
b. ManagerColor Mapping
c. Ordenar valores
d. Estadísticas en las variables
e. Opciones dentro de cada variable
f. Segmentación Manual y automática
g. Break & Join Clusters
3.2 Cómo usar Compare
3.3 Cómo usar Correlations
3.4 Cómo usar Details
3.5 Cómo usar Insights
a. Distintas formas de compartir los Insights
3.6 Cómo usar Models
4. Introducción a los tipos de análisis
4.1 Text analysis. Sobre dato no estructurado (texto & imágenes). NLP. Exploración de distintos proyectos. Ejercicio práctico
4.2 Train & Predict. Crear y entrenar un modelo. Explicabilidad del modelo. Exploración de distintos proyectos. Ejercicio práctico.
4.3 Clustering analysis. Sobre Dato estructurado. Análisis no supervisado. UMAP + HDBSCAN. Exploración de distintos proyectos. Ejercicio práctico. d. Social Media. Text analysis aplicado al ámbito de Media y RRSS. Exploración de distintos proyectos. Ejercicio práctico.
4.4. Geospatial analysis. Location data. Mapas. Exploración de distintos proyectos. Ejercicio práctico.
5. Aspectos avanzados de Graphext: text editor
DESTINATARIOS
Usuarios de los departamentos de Innovación, Marketing, Business Intelligence, Data Science, Market Research o cualquier otro área directamente asociada al análisis de datos. No se requieren conocimientos de data science, machine learning o advanced analytics. Deseables conocimientos básicos previos de business intelligence.
L | M | X | J | V | S | D |
---|---|---|---|---|---|---|
1
|
2
|
3
|
4
|
5
|
6
|
|
7
|
8
|
9
|
10
|
11
|
12
|
13
|
14
|
15
|
16
|
17
|
18
|
19
|
20
|
21
|
22
|
23
|
24
|
25
|
26
|
27
|
28
|
29
|
30
|
31
|