谷歌高级数据分析-VII-笔记-全-
谷歌高级数据分析 VII 笔记（全）
001：《谷歌高级数据分析项目》 🎓
在本课程中，我们将介绍整个数据分析专业课程的最终项目——毕业设计。你将综合运用此前学到的所有技能，完成一个完整的数据分析项目，并将其作为你作品集的重要部分。
在整个课程项目中，你一直在培养自己作为数据专业人士的技能，并练习有效的沟通。此外，你一直在构建一个作品集，以展示你的能力。
经过所有的奉献和努力，你终于到达了顶点——本课程的最终项目。恭喜你。
在之前每门课程结束时，你都完成了一个作品集项目。在每个项目中，你都练习了该课程中学到的技能。在这些作品集项目中，你使用了 PACE 策略文档。在那里，你概述了目标，并规划了执行每项任务所需的工作流程。
因此，你已经为作品集创建了许多优秀的示例，这些示例与你作为数据专业人士将要完成的项目类似。每个项目都突出了你执行依赖于特定技能和工具的专业任务的能力。
在本毕业设计课程中，你将首先选择一个项目选项并阅读项目概述。接下来，你将使用 PACE 模型 来指导你的工作流程。
这些毕业设计场景将汇集你在过去每个作品集项目中应用的所有内容和技能。最大的区别在于，毕业设计项目不是专注于单个课程主题，而是将你从本课程开始到结束所培养的所有技能结合起来。
通过将你的毕业设计项目添加到作品集中，雇主和商业伙伴将认识到你所取得的成就以及你为培养技能所付出的努力。
当你开始这个项目时，请知道你可以按照自己的节奏进行。如果你遇到挑战或需要帮助，可以随时参考你过去的工作。
本课程中的每一节课和活动都为你完成本项目中的步骤做好了准备。
现在，是时候开始毕业设计项目了。祝你好运。让我们开始吧。
本节课总结
本节课我们一起学习了毕业设计项目的总体介绍。我们了解到，毕业设计是综合运用整个课程所学技能的最后一步，需要使用 PACE 模型 来规划工作，并将最终成果加入个人作品集，以向外界展示你的专业能力。
002：《谷歌高级数据分析项目》 🎓
在本节课中，我们将要学习顶点项目的内容概览，了解其结构、预期成果以及如何着手开始。
欢迎回来。我们来谈谈顶点项目的预期内容。
此时，你已经有机会回顾了项目详情和不同的项目选项。很快，你将有机会访问项目说明并查看一个顶点项目的示例。
一旦你审阅了说明，你将首先从选择一个项目选项开始。届时，你将获得所有必要的数据和项目信息。
接下来，使用 PACE 模型 来组织你的方法，并概述你需要采取的步骤。
顶点项目的结构与每个作品集项目类似。到课程的这个阶段，完成顶点项目所需的任何任务对你来说都不会是全新的。如果你遇到困难，可以回顾之前的项目。
你目前完成的顶点项目与作品集项目之间有一个主要区别：顶点项目是综合性的，因为它需要在整个课程中培养的技能和知识，包括 Python、EDA（探索性数据分析）、数据可视化、统计学、建模 和 PACE 模型。
现在，是时候开始了。在项目结束时，你将拥有一系列成果，可以添加到你的作品集中，向潜在雇主展示你的技能。祝你在顶点项目中好运。
本节课中，我们一起学习了顶点项目的整体概览，明确了其综合性特点、启动步骤以及最终目标。准备好运用你所学到的全部技能，开始你的项目吧。
003：将项目成果融入数据分析作品集 📂
概述
在本节课中，我们将学习如何将你完成的数据分析项目成果有效地整合到你的个人作品集中。一个精心准备的作品集是向潜在雇主展示你技能与成就的关键工具。
如果你已经获得了谷歌数据分析证书，或者完成过任何数据项目，你可能已经拥有一个在线的作品集。需要提醒的是，我们的作品集是一个可以与潜在雇主分享的材料集合。它是你求职申请的一部分，是你成就的证明。
如果你还没有作品集，现在是时候创建一个了。作品集是一种可分享、可访问的展示你工作的方式。潜在雇主会对你通过本课程项目以及其他过往经验所获得的技能感兴趣。
在作品集中拥有具体的成果来向未来的雇主展示这些技能，将为你顺利进入面试环节做好充分准备。你也可以用它来展示你在非数据行业的背景。因此，创建一个全面的作品集非常重要。
作品集的内容与形式
作品集使你能够分享各种文档、代码仓库、演示文稿链接以及其他有助于展示你技能的资产。
以下是你可以考虑包含在作品集中的内容类型：
- 项目文档：如项目计划、分析报告。
- 代码仓库：例如 GitHub 上的代码库链接。
- 演示文稿：项目汇报的幻灯片链接。
- 数据可视化：仪表板或图表的截图或链接。
选择作品集平台
你可以将作品集托管在你自己的定制网站上，或者使用现有的数据共享平台。
上一节我们讨论了作品集的内容，本节中我们来看看如何选择展示平台。像你可能用于共享数据的 GitHub 或 Kaggle 这样的网站，可以用来链接到你的项目成果。Tableau 也拥有社交平台和分享功能。
一旦你选择了一个或多个平台来托管你的作品集，你就可以添加你的项目了。你可以选择通过包含你的数据、可视化的截图、嵌入代码或以上所有方式来展示你的项目。
如果你选择的平台无法嵌入内容，你始终可以包含链接，以便他人访问你的项目。
完善作品集内容
当你将项目中所有相关的部分都包含进作品集后，你还应该解释你的工作过程。
以下是完善项目描述时需要考虑的要点：
- 工作内容：描述你具体做了什么。
- 决策原因：解释你为什么做出某些选择。
- 反思与改进：说明你本可以采取哪些不同的做法。
包含一份简短的自我介绍也很有帮助。通过描述你的职业目标和兴趣，你可以个性化你的作品集，使其在其他申请者中脱颖而出。
持续维护与注意事项
展望未来，随着你通过教育经历、在线课程或工作完成项目，及时更新你的作品集非常重要。
你参与的某些项目可能涉及私有数据。因此，请务必遵守雇主关于数据共享的规章制度。在无法分享项目中的任何数据或可视化内容的情况下，你仍然可以在作品集中包含你所做工作的摘要。
你可以分享的细节可能由你的雇主决定，但记录你在参与的每个项目中所扮演的角色非常重要。
总结
本节课中，我们一起学习了创建和优化数据分析作品集的核心步骤。现在就是创建或更新你作品集的时候了。你可以现在开始做，或者安排时间稍后更新。这将是你整个职业生涯中需要定期进行的一个过程。
在作品集中展示你的成就，将为你现在乃至未来数年迎接新的机遇做好准备。
004：《谷歌高级数据分析项目》 - 优化你的简历 📄
在本节课中，我们将学习如何优化你的简历，以提升在数据领域求职时的竞争力。一份出色的简历能直接影响你获得职位的机会。我们将探讨雇主对数据专业人士简历的期望，并提供具体策略，帮助你脱颖而出。
回顾简历基础
在课程早期，你学习了在申请工作前创建作品集。准备一份简历同样重要。如果你已完成谷歌数据分析项目，你已经掌握了创建有效简历的大量知识。如需复习，可随时回顾相关资源。
随着你进入求职阶段，需要重新审视简历，确保它准确反映了你在此项目中积累的经验、技术能力、知识与技能。
针对职位定制简历
招聘信息中通常列出多种职责。为了提高被招聘人员和招聘经理注意到的几率，首要任务之一是为你申请的具体职位量身定制简历。
以下是具体步骤：
- 分析职位要求：仔细阅读职位要求，并找出你简历中能展示招聘信息所列技能的部分。
- 调整描述用语：你可能需要修改简历中的描述，使其反映招聘信息中使用的语言和术语。
- 突出专业性：由于数据领域的许多职位都具有专业性，你的简历也应如此。
展示技术能力
大多数雇主都期望简历中包含技术和软件熟练度部分。这是你列出用于分析数据的编程语言、平台和软件的地方。
完成此项目后，建议你添加 Python 和 Tableau。在修改简历时，也可以包含你之前在其他数据相关软件方面的工作或教育经历。
有时，你可能会遇到列出你不熟悉的编程语言、软件和技能的职位描述。在这种情况下，请考虑你现有简历上的哪些工具和技能可以迁移到你申请的职位。在此项目中，你学到了许多在数据领域各角色间通用的宝贵技能。
强调可迁移技能与新技能
不要忘记列出你新开发的技能，包括 E（可能指探索性数据分析）、统计学、建模 和 沟通能力。
请记住，招聘经理希望看到过去工作的实例。正如我们之前在项目中所讨论的，这通常通过在线简历或作品集来展示。
整合作品集与简历
作品集和简历相辅相成，帮助潜在雇主和招聘经理更好地理解你将如何成为他们团队的宝贵资产。由于你在此项目中的辛勤工作，你已经创建了一个包含多个策略条目和数据项目的作品集。
所有这些都强有力地证明了你作为数据专业人士的熟练程度。你甚至可以在简历的某些部分，简要描述你在项目中学到的内容。
为面试做好准备
当你开始申请职位时，请花时间用你已完成的作品集来修订和更新简历。准备好简历和作品集后，你将进入申请流程的最后阶段——面试。
总结
本节课中，我们一起学习了如何优化简历以提升求职成功率。关键步骤包括：针对特定职位定制简历、清晰展示技术能力与软件熟练度、强调可迁移技能与新技能，以及将作品集与简历有效整合。完成这些准备后，你将更有信心地进入面试环节。
005：《谷歌高级数据分析项目》 - 打造一份引人注目的简历 📄
在本节课中，我们将学习如何为数据分析岗位打造一份出色的简历。课程内容基于谷歌技术招聘专家Daniel的经验分享，旨在帮助初学者在众多求职者中脱颖而出。
我的名字是Daniel，我是谷歌产品分析师和数据科学团队的一名技术招聘人员。
我认为帮助候选人获得一份理想的工作，是一种改变人生的体验，能参与这个过程非常棒。
在谷歌的职业生涯中，我可能已经审阅了成千上万份简历。因此，我希望通过这次分享，能为你提供一些技巧，帮助作为初入数据分析领域的新人，在人群中脱颖而出。
对于首次进入数据分析领域的新人，你可以对简历做很多事情来让自己脱颖而出。
以下是你可以采取的几个关键步骤。
首先，你需要确保将技能部分列在简历的顶部，并在该部分明确指出与你申请职位相关的内容。
对于数据分析岗位，我们真正关注的是统计学、编程语言、软件和分析框架等领域。在简历顶部突出这些内容非常重要。
同时，你也需要突出软技能，我认为这在很多方面都至关重要。
软技能可以通过多个不同领域来体现，例如在你过去的工作中，可以包括协作、跨部门合作以及解决问题的能力。
其次，你需要确保简历非常清晰、简洁，并能讲述一个具体的故事。
在经历部分，这不一定是特定的工作经验，可以是你在学校参与的项目，也可以是实习经历。
但你确实需要突出任何与解决分析问题、使用指标以及运用这些分析框架真正解决问题的经历。
最后，我要说的是，简历最多保持在一页，并确保你的经历按倒序时间排列，真正讲述你在数据分析领域所做工作的故事。
上一节我们讨论了简历的核心结构，本节中我们来看看，如果你希望进入某个领域但没有直接经验，该如何处理。
如果你想进入一个领域但没有相关经验，你过去的很多经历可能与他们寻找的内容高度相关。
因此，我建议的第一件事是查看职位描述，研究分析领域通常关注的关键领域，然后审视你过去的经历，看看如何与之匹配。
除了那些核心的硬性技术技能，我们在数据科学领域寻找的，很大程度上是你如何分解问题、应用分析方法、提供建议并与业务部门合作的能力。
很多时候，你可以从过去的经历中提取这些能力，它们与我们在这里的工作高度相关，只是在分析领域的具体应用可能略有不同。
本节课中我们一起学习了打造数据分析简历的三个核心要点：在顶部突出相关技能、用清晰简洁的经历讲述故事，以及如何将过往的非直接经验与目标职位的要求联系起来。记住，一份好的简历是开启你数据分析职业生涯的关键第一步。
006：《谷歌高级数据分析项目》课程笔记 📝
概述
在本节课中，我们将跟随谷歌产品分析负责人 Eva 的分享，了解数据分析师职业道路的多样性。她将讲述自己从非技术背景转型为分析团队负责人的经历，并强调业务理解与多元化背景在数据分析领域中的独特价值。
个人背景与职业起点 🚀
大家好，我是 Eva，目前在谷歌担任产品分析负责人。我管理着一个分析师团队，我们共同协助产品经理和工程合作伙伴解答业务问题，从而帮助广告商更好地优化他们在谷歌广告平台上的账户。
我的职业生涯起点并非数据分析。最初，我主要从事销售、市场营销和活动策划类的工作。那时，我对朋友们参与的任何项目都持开放态度，愿意尝试各种机会。
这段融合了不同背景和职责的经历，最终教会了我如何讲述故事。我认为这项技能在我初入谷歌时显得尤为重要。
从销售到分析的转型 🔄
上一节我们了解了 Eva 的多元化起点，本节中我们来看看她是如何迈入数据分析领域的。
我加入谷歌时，实际上是一名销售人员。我的工作是帮助客户优化他们的谷歌广告账户。在执行这项工作的过程中，我意识到，为了更有效、更大规模地帮助客户，我需要提升自己的能力。
因此，我会在下班后回家，观看大量关于如何学习 SQL 的 YouTube 视频。我也会与一些分析师和合作伙伴团队的同事会面，一起研究解决一些 SQL 问题。
我开始将所学知识教给其他人。在这个过程中，我与销售分析部门的一些同事建立了友谊。坦诚地说，他们给了我一个机会，使我最终得以转入一个分析团队。
我认为，对销售项目的深入了解，然后转到一个专注于帮助销售人员的团队，这对我很有帮助，因为我具备了深厚的业务背景知识。
非传统背景的优势 💡
我们看到了 Eva 如何通过主动学习实现转型。接下来，她将分享一个关键洞察：非传统背景并非劣势，反而是巨大优势。
我认识的那些最出色的分析师，都没有传统的背景。我最敬佩的人中，有 大提琴手、鼓手、生物学家、物理学家、教师 等等。
你没有传统背景，但现在正在学习相关技能，这实际上让你处于一个特别有利的位置。原因在于：
以下是 Eva 认为非传统背景从业者具备的核心优势：
- 深刻的业务理解：一名分析师如果对其所服务的业务缺乏深刻理解，不了解其合作伙伴，就无法有效地帮助他们解答问题。
- 独特的领域知识：正因为你不在那个传统的世界里，所以你拥有那些“圈内人”可能不具备的外部视角和特定领域知识。
所以，不要觉得自己落后了或类似的想法。你应该明白，来自非传统背景实际上具有相当大的价值。
总结
本节课中，我们一起学习了 Eva 从销售到数据分析负责人的职业路径。她的经历告诉我们：
- 数据分析师的起点可以多种多样，销售、市场等经验都能成为宝贵财富。
- 主动学习和传授知识（如自学 SQL）是转型的关键推动力。
- 深刻的业务背景 与 技术技能 同等重要，甚至更为关键。
- 非传统的多元化背景（如艺术、科学、教育）能为数据分析带来独特的视角和价值，是差异化优势而非短板。
记住，你的独特经历就是你最强大的资产。
007：《谷歌高级数据分析项目》顶点项目总结与持续职业成功建议 🎓
在本节课中，我们将总结整个顶点项目的完成过程，并为你提供将项目成果应用于求职、构建个人作品集的实用建议，最后为你的职业发展送上祝福。
顶点项目完成总结 🏁
恭喜你完成了顶点项目。这是一个巨大的成就，它证明了你在本课程中付出的所有努力。
你运用了数据科学知识和高效沟通技巧，创造了一个能动态展示你专业技能的代表性作品。
现在，你可以将这个顶点项目纳入你的个人作品集。在面试时，你可以与潜在雇主分享并讨论它。😊
你还可以分享在此过程中生成的任何材料，包括你构建的模型以及你的项目策略文档中的任何组成部分。
如何展示你的工作成果 📂
以下是展示项目成果时可以考虑包含的内容，这些材料有助于解释你的工作流程、思考过程以及最终做出的决策。
- 完整项目报告：展示从问题定义到结论的完整分析链条。
- 数据模型：例如，如果你构建了一个预测模型，可以分享其核心代码片段：
model.fit(X_train, y_train)。 - 策略文档：包含业务理解、数据清洗步骤、分析方法和建议方案的部分。
- 可视化图表：能够清晰传达关键发现的数据图表。
理想情况下，你会分享以上所有内容。每一个组成部分都阐释了你作为一名数据专业人士的成长步骤。
职业发展准备与庆祝 🚀
上一节我们介绍了如何展示项目成果，本节中我们来看看如何为进入职场做好准备。
请允许我首先祝贺你完成顶点项目。你对本课程的投入令人印象深刻，我迫不及待地想看到你与未来的雇主分享对数据科学的热情。
在此之前，我们将帮助你为就业市场做好准备。😊
首先，我们将优化你的简历，并为你做好面试准备。然后，在你结束本课程之前，我们将花点时间来庆祝你所取得的惊人成就。😊
课程总结
本节课中，我们一起学习了如何将完成的顶点项目转化为有力的职业资产。我们总结了项目的价值，探讨了展示工作成果的最佳方式，并为你接下来的求职步骤指明了方向。你已成功完成了一个综合性的数据科学项目，这是你专业能力的有力证明。祝你未来在数据科学领域的职业道路一帆风顺！
008：《谷歌高级数据分析项目》 - 人工智能在工作场所的驱动影响 🚀
在本节课中，我们将跟随谷歌数据工程师迈尔斯的分享，了解数据分析师的核心价值，并探讨人工智能如何成为现代工作场所中提升效率和创造力的关键驱动力。我们将学习如何将数据分析与AI工具结合，以解决实际问题并提升个人技能。
数据分析师的角色与价值
上一节我们介绍了课程背景，本节中我们来看看数据分析师的具体工作及其独特价值。
我是迈尔斯，是谷歌的一名数据工程师。我的主要职责是维护大型数据库，这些数据库也被称为数据湖，其中包含我们从资本支出到运营支出，再到收入的广泛财务信息。我的工作是为利益相关者提供这些数据。
我非常热爱数据分析师这份工作。它并不总是关于处理数字，很大程度上也关乎于“讲故事”。能够创建吸引人且视觉上引人入胜的内容呈现给业务伙伴，这是一项非常独特的技能，许多其他职业并不具备这方面的经验。
数据分析是我们所做一切工作的、容易被遗忘的支柱。没有数据，我们真的无法像现在这样准确地做出任何决策。
人工智能：数据分析的下一前沿
理解了数据分析的基础价值后，我们来看看它如何与人工智能结合，迈向新的阶段。
人工智能是一件大事。我们认为它是下一个前沿领域。如果我们将数据分析视为第一步，那么人工智能就是第二步。
在我的日常工作中，我每天都会使用AI。它让我和我的所有同事都更高效、更有生产力。更不用说它让我们能够自动化那些我们不喜欢做的、重复性或繁琐的任务了。
实战案例：利用AI简化数据访问文档
理论需要结合实际，以下是一个迈尔斯在谷歌工作中使用AI的具体案例。
最近，我在谷歌的岗位上使用AI的一个例子是，当我们必须围绕数据访问创建文档时。我们基本上需要为业务伙伴整合大约10种不同的访问权限，并创建文档让他们知道在何时何地申请访问。
我们这样做是因为我们维护着大量财务数据，众所周知，这些数据非常机密且需要知悉。因此，创建易于阅读和易于应用的文档至关重要。
作为谷歌的数据分析师，我每天都会使用这个新工具，或者说Gemini的摘要功能。无论是处理电子邮件、长表格还是解析代码，它都能真正帮助你更快地触及你想要找到的核心要点。
给初学者的建议：如何学习并运用AI
了解了AI的实际应用后，以下是迈尔斯给希望进入数据分析领域并利用AI的学习者的建议。
我给出的建议是，对于刚开始学习数据分析并希望利用AI达到目标的人来说，尝试和测试是学习如何使用这些工具、理解你需要提供什么才能获得你想要的结果的最佳方式。
请将其视为一个游乐场。
以下是具体的学习方法：
- 尽情尝试，搞乱一些东西。
- 向它提出假问题。
- 向它提出真实问题。
- 尽你所能去真正理解它会给出什么样的输出，这样当你真正需要做一些有成效的事情时，就能更好地利用它。
进阶技巧：用AI学习AI
掌握了基础学习方法后，这里还有一个有趣的小技巧可以进一步提升你的AI技能。
一个有趣的小技巧是，你实际上可以使用AI来教你AI。你甚至可以要求聊天机器人教你如何使用它自己。基本上，AI给你一个输出，你可以问它，它认为这个输出在多大程度上满足了我的输入。
总结与展望
本节课中，我们一起学习了数据分析师通过“讲故事”创造价值的核心，并深入探讨了人工智能作为提升工作效率和生产力的强大工具。
使用这些新技术是极其令人兴奋的。它几乎就像在你工作时有一个私人助理就在你身边。无论是向工具抛出问题和想法，还是向其输入数据以帮助你更快地完成某项工作，它不仅能够节省你的时间，还能教会你一大堆东西。
009：《谷歌高级数据分析项目》 - 利用人工智能提升数据分析技能 🚀
在本节课中，我们将学习如何利用人工智能（AI）来提升数据分析工作的效率与创造力。AI正在改变我们处理工作和生活中日常任务的方式。我们将探讨如何通过AI加速数据清洗、创建引人注目的数据可视化图表、构思数据分析问题等，并学习如何有效地向AI工具提问以获得最佳结果。
如何构建有效的AI提示词 💡
上一节我们介绍了AI在数据分析中的潜力，本节中我们来看看如何与AI有效沟通。要充分利用生成式AI，关键在于编写有效的提示词。提示词是你提供给AI模型的输入，用以引导其产生特定回应。
一个好的提示词遵循一个简单的框架：任务、背景、参考、评估与迭代，简称 TCREI。如果你记不住步骤，只需记住这句口诀：“深思熟虑，创造真正优秀的输入”。
以下是该框架的详细分解：
1. 任务
任务是指你希望模型做什么。这部分应简单明了。我们可以将任务细分为“角色”和“格式”。
- 角色：指你希望生成式AI工具借鉴何种专业知识。你可以要求它扮演特定角色，例如“专业的演讲稿撰写人”或“拥有15年经验的营销主管”。你也可以要求它为特定受众（如客户或你的经理）生成内容。
- 格式：指你希望输出以何种形式呈现。无论是项目符号列表、短句还是表格。请记住，任务描述应清晰、具体地说明你希望模型做什么。
2. 背景
背景是帮助AI工具理解你需求所必需的细节信息。这决定了输出结果的相关性和准确性。
- 例如，对比以下两个提示：
- “给我一些30美元以下的生日礼物点子。”
- “给我5个生日礼物点子。我的预算是30美元。礼物是送给一位29岁、热爱冬季运动、最近刚从单板滑雪转向双板滑雪的朋友。”
3. 参考
有时，你需要为AI工具提供参考信息，以便它在生成输出时使用。
- 例如，如果你要求AI提供生日礼物点子，同时附上你过去送过的礼物作为参考，AI工具就能给出更有用的建议。
- 请注意，并非所有任务都有明确的参考信息，尤其是在处理更抽象的问题或寻找灵感和创意时。关键在于指令要清晰、具体，使用自然语言，就像与另一个人交谈一样，表达完整的想法。
4. 评估与迭代
在提供了任务、背景和参考信息后，你会得到输出结果，接下来就是评估。
- 评估：问问自己，你提供的输入是否得到了你需要的输出。
- 迭代：如果你评估后发现输出不符合需求，可以通过添加更多信息或编辑你的提示词来重试。这是有效提示的关键部分。
关于框架的最后一点说明：构建有效提示词的方法有很多种。提示词的构建顺序不如其内容本身重要。只要你“深思熟虑，创造真正优秀的输入”，你的输出结果就会很棒。
负责任地使用AI：人在回路 🔄
在我们探索如何在数据分析中使用AI时，请记住，AI作为我们独特人类技能和能力的补充时效果最佳。你应该始终通过应用“人在回路”的方法来负责任地使用AI。
AI是帮助你完成任务的有用工具，但它需要人类的参与。没有任何AI工具拥有我们人类所具备的深厚经验、实践知识和互动技能。
这就是为什么“人在回路”方法是负责任使用AI的关键。它结合了机器和人类的智能来训练、使用、验证和完善AI结果。
在实际操作中，这意味着：
- 注意输入内容：谨慎考虑你是否需要使用机密或敏感信息来执行任务，并务必首先查阅你所在组织的规则或政策。
- 评估和验证输出：始终评估和验证AI工具的输出结果。
- 保护隐私：即使在工作之外使用AI工具，也应避免输入个人或机密信息，并始终检查你输入的数据可能被如何使用。
最后一点，市面上有很多生成式AI工具。我将使用Gemini来演示如何构建提示词，但你学到的所有技巧和最佳实践都可以应用于其他生成式AI工具，如ChatGPT、Copilot或Claude。
AI如何赋能数据分析师 📊
像我们这样的数据分析师常常被耗时的任务所困扰，比如清洗和整理数据。我想我从未遇到过有人说这是他们工作中最喜欢的部分。真正的兴奋点在于从数据中发现新知、深入挖掘洞察，并与团队合作将这些洞察转化为决策。
AI工具可以赋能我们数据专业人士，让我们在为我们团队或组织解锁机遇方面发挥更大的作用。
总结 ✨
本节课中，我们一起学习了如何利用人工智能提升数据分析技能。我们介绍了构建有效AI提示词的TCREI框架，强调了“人在回路”对于负责任使用AI的重要性，并探讨了AI如何帮助数据分析师从繁琐任务中解放出来，从而专注于更具影响力的洞察发现和决策支持工作。记住，AI是一个强大的辅助工具，但人类的判断、经验和创造力始终是不可或缺的核心。
010：借助人工智能清理和准备数据 🧹🤖
在本节课中，我们将学习如何利用人工智能工具来高效地清理和准备数据，从而节省大量手动处理时间，为深入分析奠定坚实基础。
你是否曾花费大量时间准备用于分析的数据？例如清理电子表格、修正错误数据、更改数据类型以确保准确性，或者重命名列。对于数据分析师而言，答案是肯定的，我们投入了大量时间。在我们的领域，干净的数据是任何分析的基础。数据分析师通常会从利益相关者、外部供应商，甚至旧的代码和数据库中，获得庞大、不完整甚至包含错误的数据集。对于每个数据集，我可能需要花费高达30%的时间来清理、验证和准备分析。这个过程可能非常繁琐。
人工智能帮助我收回了一些时间，让我能专注于我真正热爱的深度分析工作。像Gemini这样的生成式人工智能工具，可以帮助数据分析师快速识别数据质量问题、标准化日期格式、检测并删除重复项，以及识别数据集中的潜在特征。例如，Gemini可以提供实现高质量数据的详细流程。借助更高级的工具，如Gemini for Google Workspace，我们可以授予其对数据集的访问权限，并让工具自动完成更改。
回想一个你最近处理过的数据集。它可以是本证书课程中的数据集，也可以是你最近完成的工作项目。请暂停视频，认真思考一下。在尝试清理该数据时，你遇到的最常见问题是什么？是错误的数据类型、缺失的信息，还是不清晰的字段名称？如果人工智能能在你的一些提示下帮助解决所有这些问题呢？
让我展示一个例子。假设我有一个描述每日销售数据的数据集。这个数据集的日期格式不一致。这很令人沮丧，对吧？我该如何修复它们呢？我可以输入这样一个提示：
“我收到了一个销售数据集，其中包含许多格式问题，特别是日期格式不一致。我将输入一些通用日期作为示例。请描述一个在Google Sheets中专门用于清理和标准化日期格式的分步过程，以确保数据已准备好进行准确分析。”
现在，让我们看看输出结果。
Gemini提供了步骤，指导我如何识别数据中可能包含日期的列。然后，它提供了技巧，以便更容易地找出哪些字段包含日期，以及如何选择标准格式，使所有日期以相同方式显示。它甚至给出了关于错误处理的说明，以确保以最安全的方式将信息转换为我选择的标准格式。
这很酷，对吧？人人都能获得干净的数据。在这个例子中，Gemini引导我们完成了清理和标准化日期格式的过程。但这只是生成式人工智能在数据分析中能力的冰山一角。许多企业级人工智能工具可以更进一步，自动化此类数据清理任务。这可以节省宝贵的时间和资源，让你专注于战略决策等事务。
现在，请亲自尝试一下。尝试和实验提示词是找出如何获得对你有用结果的最佳方式。打开一个你正在处理的数据集，看看生成式人工智能工具如何提供帮助。
获得你想要的输出有时可能是一个过程，而达到目标的唯一途径就是适应、探索并找到适合你的路径。
本节课中，我们一起学习了如何利用人工智能工具（如Gemini）来高效地识别和解决数据质量问题，例如标准化日期格式。通过具体的示例和提示词技巧，我们看到了AI如何将我们从繁琐的数据准备工作中解放出来，从而有更多时间进行更有价值的深度分析与决策。
011：使用人工智能组织数据与构建公式 📊🤖
在本节课中，我们将学习如何利用生成式人工智能工具来高效地组织电子表格数据并构建分析公式。我们将通过一个具体的销售数据分析案例，演示从数据整理到生成月度汇总报告的完整流程。
概述：人工智能如何助力数据组织
如果有一件事让我喜爱，那就是一个组织良好、维护得当的电子表格。但达到这个状态的过程——花费数小时整理数据、建立公式、创建数据透视表、记忆复杂的菜单和格式——则是另一回事。
幸运的是，生成式人工智能工具不仅能帮助清理数据，还能协助组织数据。这意味着你可以将更多精力集中在深度分析上，减少在准备工作上的时间投入，同时还能获得一份可供深入研究的、组织精美的数据集。
案例背景：销售数据分析需求
想象一下，我正在处理一个包含不同地区、不同时间段产品销售信息的数据集。我的目标是重构这些数据，以展示每个地区、每个产品的月度销售汇总。
我选择这个例子，是因为它与我最近在工作中遇到的一个情况非常相似，当时我依靠 Gemini 来寻求帮助。我需要找出我们在美洲地区提供的一款新产品的月度销售增长情况，但手头只有电子表格中原始数据表的输出。
第一步：准备工作与初始提示
那么，我应该如何开始？
首先，我会打开我的电子表格，确保数据尽可能干净。我甚至可能会借助人工智能来帮忙。我会确认自己了解相关的字段名称和数据结构，并检查潜在的问题。
然后，我会打开一个生成式AI工具。在这个案例中我使用的是 Gemini，但同样的流程也适用于其他工具。接着，我开始输入提示词。
和往常一样，我会专注于描述我希望模型执行的任务，添加上下文所需的足够细节，并提供任何必要的参考信息。
我可以输入这样一个提示词：
“我在 Google Sheets 中有一个数据集，包含跨不同地区和不同时间段的产品销售信息。我的目标是重构数据，以展示每个地区、每个产品的月度销售汇总。请在我开始这项工作之前，帮我集思广益，思考关键注意事项，并找出可能对此任务有用的具体公式。”
正如你所注意到的，我们从一个简单的提示词开始，描述了将销售数据重构为月度汇总的目标。我们不需要给 Gemini 任何代码或复杂的指令，只需对我们期望的结果进行清晰的解释。
第二步：解读AI的响应与建议
现在，让我们看看 Gemini 的响应。
我们可以把 Gemini 想象成一个项目顾问，指导我们完成关键的规划阶段。
我们可以看到，Gemini 强调了理解数据结构的重要性，并突出了一些关键字段。然后，它推荐将数据透视表作为此类数据转换的强大工具。
它甚至建议了几个我们可以实施的有用公式。
在这些输出中，我特别喜欢的一个公式是 SUMIFS，它展示了如何根据我们设定的参数创建聚合计算。
请记住，我们的提示词越具体，输出结果就越好。在这个例子中，让 Gemini 知道我们正在使用 Google Sheets，可以使它的响应针对该工具进行定制，这会让我们的工作轻松很多。
第三步：评估与迭代提示词
回想一下提示词框架 TCR-EI，现在我们要把其中的 E（评估） 付诸行动。
在理想情况下，Gemini 会给我提供组织数据集所需的一切。但我需要检查。如果第一次的输出不完全符合我的期望，那么 I（迭代） 就会派上用场。很可能，我需要迭代我的提示词，以获得更准确或更有用的结果，这取决于我的偏好。
提醒一下，迭代是通过反复测试和调整的循环来改进你的AI提示词和输出的过程。
以下是你可以记住的几个技巧：
- 评估输出偏差：当你评估你的提示词时，是否发现输出有任何不符合你期望的地方？如果是，可能有机会为AI工具提供关于你需求的更具体指导。记住，AI工具只能根据你告诉它的内容来提供结果，所以请确保你的提示词有足够的细节来获得有用的响应。
- 提供参考示例：回想一下我们提示词框架中的 R（参考）。你能分享一个你期望结果的例子吗？在你的提示词中提供示例可以帮助AI工具理解你想要什么。如果你希望找到特定的格式或分析类型，可以向AI展示一个例子。
- 检查措辞清晰度：你的表达是否尽可能清晰？尝试将你的指令分解成更短的句子。这可以帮助你在下一次改进输出。
- 利用偏好反馈：输出中有你喜欢的部分吗？例如，假设AI工具为你提供了五个头脑风暴的想法，你喜欢其中两个。在你的下一个提示词中，解释你为什么喜欢那两个，并要求AI工具根据你的理由提供一个新的想法列表。你甚至可以指出你为什么不喜欢另外三个想法，并要求工具在下次也考虑到这一点。
第四步：应用迭代到我们的案例
那么，我将如何迭代我之前分享的提示词呢？
假设AI工具的响应只包含了关于数据透视表的一般信息，而我想了解更多。我可能需要包含输入数据的字段名称，或者指定我希望在数据透视表中包含哪些数据字段。
或者，如果响应没有包含关于自变量与因变量（分别对应我们数据透视表的行和列）的具体信息，我可能会添加上下文，以便这些信息也出现在我的输出中。
总结：高效提示与创造性迭代的力量
通过有效的提示和创造性的迭代，我可以与 Gemini 合作，开发出组织销售数据的流程。而像 Gemini 和 Google Sheets 这样的更高级的AI工具，甚至可以超越流程建议，直接为你生成数据透视表，甚至提供多个选项供你选择。
这非常酷，对吧？
在本节课中，我们一起学习了如何利用生成式AI工具来规划和执行数据组织任务。我们从明确分析目标开始，通过清晰的提示词获取初步建议，然后评估结果并进行迭代优化。这个过程不仅能节省大量手动操作的时间，还能激发新的分析思路，最终帮助我们更高效地获得结构清晰、可用于深度分析的数据集。
012：《谷歌高级数据分析项目》 - 运用人工智能提出更有效的问题 🧠
在本节课中，我们将学习如何运用人工智能工具来提出更精确、相关且可执行的问题，从而为成功的数据分析奠定基础。提出正确的问题是获取可操作见解和做出更明智决策的关键。
优秀的数据分析始于优秀的问题
在你能用数据回答问题之前，你需要明确自己要问什么。只有这样，你才能解锁可操作的见解和更明智的决策。归根结底，我们作为分析师创建的数据报告旨在帮助推动决策。这意味着我们事先提出的问题，极大地影响了我们的报告能回答什么。
正如你可能猜到的，生成式人工智能工具可以帮助完成定义正确问题这一重要任务，即提出精确、相关、可执行的问题，以进行有效的数据分析。
实践示例：为零售商提升客户体验
让我们来看一个例子。假设我们是共同为一家零售商工作的数据分析师，我们正试图找出如何改善客户体验。我可能会写一个提示，如下所示：
我获得了一个在线零售商的综合数据集，其中包括客户人口统计、购买历史和网站交互日志。我应该制定哪些关键问题来指导旨在改善客户体验和增加销售的分析？请描述定义和优先处理这些问题的步骤。
以下是人工智能工具可能生成的潜在问题列表，以及我可以开始回答这些问题的步骤。
专业提示：你可以要求人工智能工具对其输出进行自我评分，或对潜在问题进行堆叠排名。它倾向于给出多个结果，并根据它认为自己做得多好或问题能多容易地引导你获得见解来进行排序。
利用高级工具进行更深入的分析
准备好了解更酷的功能了吗？作为一名数据分析师，有一些更高级的工具（其中一些是付费的）可以让你对数据做更多事情。
在我的工作中，我使用诸如“Jim and I Adv”之类的工具将数据源直接连接到模型。这样，我就不必在数据中盲目点击，希望能发现一个突出的趋势。“Jim and I Adv”会分析我提供的数据，通过几个问题，它就能突出显示主要的趋势和模式，为我节省大量时间。
从这个总结中，我可以开始制定更深入的分析，这进一步提升了我的工作效率。
总结与行动呼吁
本节课中，我们一起学习了定义好问题对于成功的数据分析至关重要。人工智能可以帮助你简化这个过程，使你的问题更加精确、相关和可执行。这将增强你的分析能力，并带来更深入的见解和更好的决策。
现在，尝试将这些技巧应用到你的数据中吧。🚀
013：利用人工智能创建引人入胜的数据可视化 📊🤖
概述
在本节课中，我们将学习如何利用生成式人工智能来高效地创建引人注目的数据可视化。数据分析中，我们常常能发现重要的结论，但如何有效地传达这些发现是一个挑战。数据可视化正是解决这一问题的关键。我们将探讨AI工具如何帮助我们节省时间，自动生成或建议合适的图表，从而让我们能更专注于数据解读和洞察分享。
数据可视化的重要性与AI的助力
在数据分析过程中，有时你会得到极佳的发现，但可能难以用吸引人的方式将其传达出去。这就是数据可视化至关重要的原因。为了分享我们的所学，我们需要创建引人入胜、信息丰富且具有影响力的图表，以突出关键见解。
数据可视化是生成式人工智能能真正帮助节省大量时间的领域。例如，当你需要展示过去一年的销售数据趋势时，生成式AI工具可以告诉你应该创建哪些图表以及如何创建。
借助更先进的AI工具，如Gemini和Google Sheets中的AI功能，AI可以直接为你创建这些可视化图表，并确保它们的准确性和一致性。
实战示例：可视化营销销售表现
接下来，让我们通过一个具体例子来看看如何操作。假设我的工作是为组织的营销销售表现进行可视化。这是一项复杂的任务，考虑到数据清洗、分析准备等所有相关工作，可能会花费大量时间。我将使用一个AI工具来获取一些帮助。
以下是利用AI创建数据可视化的步骤：
首先，我需要设定背景或提供数据的简要摘要。例如，我可以在提示词的开头这样写：“我有一个数据集，用于追踪过去一年营销活动的销售表现，包括点击率、转化率和投资回报率等指标。”
接着，我会明确我的任务，并补充道：“请找出能有效传达这些营销活动表现趋势和洞察的可视化方案。”
就这样，我们获得了一份列表，其中列出了几种能有效传达营销活动数据集表现趋势和洞察的可视化方案。
深化理解与迭代提示
现在，假设你想更深入地了解输出结果中建议的图表类型。
迭代优化你提示词的一个方法是，要求生成式AI工具为你展示关于它所建议图表类型的YouTube视频或谷歌搜索链接。
需要记住的是，在这个例子中，我们使用Gemini来生成创建这些可视化的步骤，因为我们没有上传任何实际数据。
然而，如果你使用的是企业级AI工具，你可以直接上传数据，这样工具就能为你生成可视化图表，从而显著简化整个流程。
AI辅助可视化的优势与专业技巧
使用生成式AI来构思数据可视化方案，我最喜欢的一点是，它能让我更专注于解读数据和分享见解，而不是纠结于创建图表的技术细节。这能更高效地利用我的时间。
在结束这个示例之前，我想分享一个专业技巧。到目前为止，我一直在Gemini中手动输入提示词。如果你不想打字，也可以启用麦克风功能。这让你能够使用语音快速添加更多信息、开始一个新的提示词或迭代优化现有的提示词。
总结
本节课中，我们一起学习了如何利用生成式人工智能辅助创建数据可视化。我们了解了数据可视化在传达洞察时的重要性，并通过一个营销数据分析的实例，演示了如何通过设定背景、明确任务来引导AI生成可视化建议。我们还探讨了如何迭代提示以深化理解，并指出了使用企业级工具直接处理数据的可能性。最后，我们强调了AI工具能让我们更专注于数据解读的核心优势，并分享了一个使用语音输入提升效率的技巧。掌握这些方法，将帮助你更高效、更专业地呈现数据分析结果。
014：人工智能基础课程介绍 🤖
在本节课中，我们将学习谷歌人工智能基础课程的核心内容。课程旨在为初学者介绍人工智能的基本概念、应用及其在数据分析中的重要性。我们将从宏观视角理解人工智能，并了解如何开始学习这一领域。
课程概述
人工智能是当今技术发展的前沿领域，它致力于让机器模拟人类的智能行为。本课程将引导你进入这个充满可能性的未来。
正如上图所示，人工智能领域广阔而深邃。接下来，我们将深入探讨其基础。
什么是人工智能？
上一节我们概述了课程目标，本节中我们来看看人工智能的具体定义。人工智能是一门研究如何使计算机能够执行通常需要人类智能才能完成的任务的科学与工程。其核心目标是创建能够学习、推理和解决问题的系统。
一个简单的机器学习公式可以表示为：
模型输出 = f(输入数据)
其中，函数 f 是通过算法从数据中学习得到的映射关系。
人工智能的主要应用领域
理解了基本定义后，我们来看看人工智能在现实世界中的用武之地。人工智能已广泛应用于多个行业，改变着我们的工作和生活方式。
以下是人工智能的几个关键应用领域：
- 图像识别：让计算机“看懂”图片，例如人脸识别、医学影像分析。
- 自然语言处理：让计算机理解和生成人类语言，例如智能客服、机器翻译。
- 预测分析：基于历史数据预测未来趋势，例如销售预测、风险评估。
- 自动化决策：在特定规则下自动做出判断，例如信贷审批、游戏AI。
上图展示了人工智能技术如何集成到各种解决方案中。选择正确的方向并深入其中至关重要。
如何开始学习人工智能？
面对如此丰富的应用，初学者可能会感到无从下手。本节将为你提供清晰的学习路径。学习人工智能需要循序渐进，从基础概念到实践应用。
以下是给初学者的学习步骤建议：
- 打好数学与编程基础：重点掌握线性代数、概率统计以及Python编程。
- 学习核心机器学习概念：理解监督学习、无监督学习、深度学习等基本范式。
- 动手实践项目：通过Kaggle等平台的项目，将理论知识应用于实际数据。
- 专精一个领域：在广泛了解后，选择计算机视觉或自然语言处理等一个方向深入。
学习之路充满挑战，但坚持是通往成功的唯一途径。
人工智能的未来展望
人工智能的发展日新月异，其潜力巨大。它正在并将持续引领技术革命，将我们带向一个更智能的未来。
未来的可能性如同高悬的星辰，广阔无垠。我们将拥抱这个由人工智能驱动的未来。
总结
本节课中，我们一起学习了人工智能的基础介绍。我们明确了人工智能的定义，了解了其主要应用领域，为初学者规划了学习路径，并展望了其未来潜力。记住，在这个领域，只有持之以恒的“赢家”，没有轻易放弃的“初学者”。现在，你已经准备好向人工智能的未来迈出第一步了。
015：课程完结与祝贺 🎉
在本节课中，我们将回顾并祝贺你完成整个谷歌高级数据分析证书课程。你将看到来自课程团队的祝贺信息，并了解如何获取和展示你的结业证书。
课程完结祝贺
出色的工作。你已经完成了整个课程项目。
还记得你在课程开始时，承诺要提升自己的数据分析和技能吗？经过你所有的努力和奉献，你已经兑现了那个承诺。
我很荣幸能成为第一个祝贺你所取得成就的人，但我肯定不是最后一个。还有几位朋友正等着向你致意。
祝贺你完成这门课程。了不起的工作。
祝贺你获得证书。你应该为自己感到骄傲。
祝贺你取得的所有进步。干得好。大家做得太棒了。恭喜你。
你完成了课程。祝贺你完成项目的这一部分，并祝你接下来的旅程好运。
恭喜。干得好。祝贺你，希望有一天我们能一起工作，并在谷歌找到一份工作。
恭喜。这并非易事，而你坚持了下来。为你感到非常自豪。
太棒了。祝贺你。你做得非常出色。祝你好运。恭喜你。你做到了。
祝贺你，你已经完成了课程，现在可以迈出第一步，开始你的职业生涯了。你已经做到了。
你完成了课程。我期待在下次面试中见到你，听你讲述你所做的所有精彩事情。恭喜，祝贺，太棒了。
祝贺你，你做到了。祝你接下来的数据科学之旅好运。
是时候庆祝你的成就了。你为完成这个项目付出了巨大的努力，并对成为一名数据专业人士意味着什么有了深刻的了解。
剩下要做的就是领取你的结业证书，你可以将其展示在你的简历或领英个人资料上。
我希望你和我一样为自己的成就感到自豪。
在整个课程中支持你的学习之旅真是太棒了。
现在，是时候让你走出去，在数据职业领域产生影响。
暂时再见了。
总结
本节课中，我们一起回顾了整个谷歌高级数据分析证书课程的完结时刻。课程团队向你表达了热烈的祝贺，并鼓励你将所学知识应用于实践，开启数据领域的职业生涯。请记得领取并展示你的结业证书，这是你努力和能力的证明。
016：探索职业发展机会 🎯
在本节课中，我们将学习如何将你获得的谷歌职业证书转化为实际的职业机会，并回顾整个课程体系所涵盖的核心技能与知识。
你刚刚获得了谷歌职业证书。这是一个巨大的成就，它证明了你为未来学习新技能付出了努力。
我代表我的课程讲师同事和我自己，向你表示祝贺。
既然你已经获得了证书，你可以在求职过程中分享你的成就。
证书可以展示在诸如领英、Indeed和Glassdoor等求职平台上。
你也可以通过“与谷歌共同成长”雇主联盟，与你所在领域渴望招聘的公司建立联系。
正如你在本课程开始时了解到的，对数据技能的需求正以惊人的速度增长。
凭借你从本课程中获得的知识和技能，你可以开始申请工作，或在这个高增长、高影响力的领域中推动你的职业生涯发展。
这个过程可能需要一些时间。但你现在已经具备了在数据职业领域获得聘用所需的一切条件。
回顾课程所学 📚
上一节我们提到了证书的价值，本节中我们来系统地回顾一下你在整个课程中学到的所有内容。
你首先学习了数据科学的基础知识。在这里，你了解了数据专业人员在组织中所扮演的角色和职能。
接着，你学习了数据工具以及结构化工作流程的重要性。需要记住的是，作为一名数据专业人员，有效的沟通对于成功的协作至关重要。
最后，你了解了数据驱动领域的职业，以及如何为你的未来做好准备。
在下一门课程中，你学习了如何使用Python进行数据相关工作。你研究了Python语言中的各种概念，例如：
- 语法
- 变量
- 循环
- 字符串
- 数据结构
- 面向对象编程
此外，你还发现了如何通过库和包来扩展Python的功能。
接下来，你探索了如何通过探索性数据分析来发掘数据中的故事。在这里，你使用了Python中更多的工具来清理和准备数据以供分析。
你还学习了如何使用Tableau创建可视化图表，以帮助呈现大型数据集中的信息。
在你的统计学课程中，你学习了描述性统计和推断性统计。以下是核心概念：
- 基本概率和概率分布
- 抽样
- 置信区间
- 假设检验
你还有机会使用真实数据进行A/B测试。
然后，你研究了回归模型，并学习了其假设、验证、构建、评估和解释。所有这些内容都使用Python进行了探索，并融入了你的工作流程。
最后，在最后一门课程中，你专注于机器学习领域。基于你对机器学习的了解，你探索了不同类型的模型，例如：
- 监督学习
- 连续变量模型
- 分类变量模型
你还被介绍了无监督学习技术，并学习了如何使用它们来满足业务需求。
持续学习与职业发展 🚀
这是一项巨大的工作量。当你进入职业生涯的这个新阶段时，请务必通过关注数据职业领域的趋势来保持参与。
你的学习之旅并未在此结束。你可以通过以下方式保持与时俱进：
- 关注行业新闻。
- 了解新兴的数据洞察。
- 探索提升技能的新方法。
同时，请持续更新你的作品集和简历，以突出你的最佳工作和所取得的成就。
你已经展现了对该领域的认真投入。所以，请保持好奇心。
至此，再次祝贺你。能够带领你完成本课程的最后部分，我感到非常荣幸。我知道你已经为成为一名出色的数据专业人员做好了充分准备。
祝你好运。
浙公网安备 33010602011771号