Trong thời đại của số hóa và khoa học dữ liệu lên ngôi, khả năng phân tích, giải mã và trích xuất thông tin hữu ích từ khối lượng dữ liệu khổng lồ là một kỹ năng không thể thiếu để giúp bạn thích nghi với yêu cầu của công việc!
Đặc biệt, với việc làm chủ STATA, phần mềm phân tích dữ liệu có giao diện thân thiện và khả năng xử lý dữ liệu mạnh mẽ sẽ là công cụ đắc lực cho bạn. Để có thể giúp bạn chinh phục STATA, SciEco ở đây để mang đến cho bạn khóa học STATA đầy hấp dẫn:
Nội dung khóa học chi tiết:
- Bài 1: Giới thiệu về STATA và VES
- Bài 2: Các thao tác với biến và thống kê mô tả trên STATA
- Bài 3: Các câu lệnh nâng cao trên STATA
- Bài 4 + 5 : Xây dựng mô hình nghiên cứu và tổng hợp dữ liệu VES trên Stata
- Bài 6 + 7: Xử lý missing và hoàn thiện các yếu tố trong mô hình
- Bài 8: Xử lý Outlier và trực quan hóa dữ liệu
- Bài 9 + 10: Quy trình kiểm định, lựa chọn mô hình ước lượng và khắc phục khuyết tật
Thông tin chi tiết:
Hình thức học: học online qua các bài giảng tên kênh youtube của SciEco.
Khóa học gồm: 10 VIDEO bài giảng vô cùng chất lượng cùng các ví dụ ứng dụng thực tế cùng bài tập về nhà
ĐẶC BIỆT
Mức giá khoá học với phần mềm STATA cực kỳ ưu đãi! GIẢM TỪ 999K CHỈ CÒN 699K dành riêng cho 20 BẠN ĐĂNG KÝ SỚM NHẤT.
Vậy còn chờ gì nữa, nhanh tay đăng ký khóa học STATA của SciEco ngay thôi! Chúng mình rất mong được gặp bạn ở SciEco
Dữ liệu hiện diện ở khắp mọi nơi trong kỷ nguyên số. Rất nhiều cơ quan chính phủ, tổ chức tài chính, trường đại học và nền tảng mạng xã hội cung cấp quyền truy cập vào kho dữ liệu của họ thông qua giao diện lập trình ứng dụng API. Các API này thường phản hồi và trả về dữ liệu dưới định dạng JSON. Trong bài viết này, chúng ta sẽ cùng khám phá cách tận dụng sức mạnh của Python ngay bên trong Stata để gửi yêu cầu truy xuất dữ liệu qua API, bóc tách cấu trúc dữ liệu JSON lồng nhau và chuyển đổi thành tập dữ liệu Stata sẵn sàng cho phân tích.
Tìm hiểu về API và cấu trúc dữ liệu JSON
Một API cho phép hệ thống này yêu cầu và nhận dữ liệu từ một hệ thống máy tính khác. Cú pháp của mỗi API có thể khác biệt tùy theo nhà cung cấp, nhưng thông thường cấu trúc truy vấn sẽ bao gồm một đường dẫn URL gốc đi kèm các tham số điều kiện.
Chẳng hạn, đường dẫn dưới đây sử dụng openFDA API để truy xuất thông tin về các biến cố bất lợi của thuốc từ Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ:
Bóng chày luôn không ngừng biến đổi qua thời gian, nhưng ít có xu hướng nào thể hiện sự chuyển mình rõ rệt như sự gia tăng của những cú home run. Một thế kỷ trước, việc ghi được vài cú home run trong cả mùa giải đã là thành tích đáng kinh ngạc. Ngày nay, đó lại là kỳ vọng tối thiểu đối với mỗi đội bóng. Nhờ sự cải tiến trong huấn luyện, kỹ thuật phân tích dữ liệu và thậm chí là sự thay đổi cấu trúc quả bóng, số lượng home run đã tăng vọt qua từng mốc lịch sử. Hãy cùng khám phá câu chuyện này qua dữ liệu giải bóng chày chuyên nghiệp Mỹ từ năm 1901 đến nay bằng ngôn ngữ lập trình R.
Chuẩn bị và xử lý dữ liệu lịch sử với Lahman
Để thực hiện bài phân tích, chúng ta sử dụng bộ dữ liệu Lahman, một trong những cơ sở dữ liệu lịch sử toàn diện nhất về bóng chày. Dữ liệu chứa thông tin chi tiết về từng mùa giải, đội bóng và cầu thủ qua hơn một thế kỷ.
