Pēc veiksmīgas programmas apgūšanas dalībnieks būs spējīgs:1. sagatavot un pielietot Microsoft BI vidi datu analīzei;2. sagatavot un pielietot Python vidi datu apstrādei;3. sagatavot datus no vairākiem avotiem un formātiem analīzei;4. iegūt datus no dažādiem avotiem; tīrīt datus, izmantojot Power BI vaicājumu redaktoru;5. pielietot paņēmienus datu ticamības pārbaudei;6. definēt, veidot un optimizēt datu modeļus;7. pētīt datu relācijas un veidot DAX formulas;8. veidot datu arhīvus;9. pielietot atbilstošu metodoloģiju datu analītikai; 10. pielietot paņēmienus datu kvalitātes un integritātes nodrošināšanai;11. pielietot datu apstrādes paņēmienus un vizualizēt datu analīzes rezultātus;12. pielietot Python rīkus regresijas un korelācijas analīzei;13. veidot informācijas paneļus un vizualizācijas, lai nodrošinātu datos balstītus lēmumus; 14. modelēt un veidot datu vizualizāciju;15. veidot Python skriptus datu automātiskai atjaunināšanai izklājlapā;16. modelēt un plānot sistemātisku datu iegūšanas, apstrādes un glabāšanas vides novērošanu, lai identificētu un definētu ievainojamības un draudus, kā arī reģistrētu un ziņotu neatbilstības;17. pielietot paņēmienus proaktīvai datu konfidencialitātes un drošības aizsardzībai;18. pielietot datu aizsardzības regulas un politiku datu kvalitātes un atbilstības uzturēšanai;19. pielietot kvalitātes politiku datu kvalitātes un atbilstības nodrošināšanai; 20. veidot sadarbību ar kolēģiem, partneriem, klientiem, prezentējot datu apstrādes analīzes rezultātus.
1. Microsoft BI vides sagatavošana datu analīzei.2. Python vides sagatavošana datu apstrādei.3. Datu iegūšana analīzei no vairākiem avotiem un formātiem.4. Datu tīrīšana, izmantojot Power BI vaicājumu redaktoru.5. Datu ticamība.6. Datu modelēšana.7. Datu relācijas.8. DAX formulu veidošana.9. Datu konfidencialitāte un drošība.10. Datu atbalsts visa datu dzīves cikla garumā.11. Datu analītikas metodoloģijas izvēles principi.12. Datu kvalitātes un integritātes nodrošināšana.13. Datu apstrāde un datu analīzes rezultātu vizualizēšana.14. Regresijas un korelācijas analīze ar Python rīkiem.15. Informācijas paneļu veidošana.16. Datu plūsmu organizēšana.17. Python skriptu veidošana datu automātiskai atjaunināšanai izklājlapā.18. Sadarbība ar kolēģiem, partneriem, klientiem, prezentējot datu apstrādes analīzes rezultātus.19. Datu kvalitātes nodrošināšana un atbilstība datu aizsardzības regulām un politikām.
Dators ar Windows operētājsistēmu, webkameru un mikrofonu, stabils interneta pieslēgums, mācību programmas apguvei nepieciešamo programmatūru (Microsoft Excel, Power BI, Teams) uz mācību laiku nodrošina izglītības iestāde.
-
darba dienas vakari
-
brīvdienas
-
jaukts
- Aija Gēliņa | 22338645 | aija.gelina@fita.lv