Αναλυτής δεδομένων ζωντανών μαθημάτων - μάθημα 70.000 ρούβλια. από Rebrain, εκπαίδευση, Ημερομηνία: 27 Νοεμβρίου 2023.
μικροαντικείμενα / / November 28, 2023
Στατιστική
- Παραδοσιακά, οι αναλυτές δεδομένων έχουν ζήτηση στους τομείς της πληροφορικής και της ψηφιακής τεχνολογίας, αλλά τα τελευταία χρόνια η ζήτηση για αυτούς αυξάνεται ενεργά σε άλλους κλάδους: από το λιανικό εμπόριο μέχρι τη μεταποίηση. Το 83% των εταιρειών απαιτούν από τους αναλυτές δεδομένων να έχουν τουλάχιστον ένα βασικό επίπεδο γνώσης της Python με τις βιβλιοθήκες Pandas και NumPy.
- 60.000 - 130.000 τρίψτε. Ο μέσος μισθός ενός αναλυτή μεσαίου επιπέδου είναι 130.000 ρούβλια και ενός κατώτερου επιπέδου είναι 60.000 ρούβλια.
- από 5000 Πόσες κενές θέσεις σύμφωνα με το HH.ru
- sql. Σχεδόν όλες οι εργασίες απαιτούν γνώσεις SQL και δεξιότητες σχεσιακής βάσης δεδομένων.
Τι είναι τα μαθήματα REBRAIN Live; Αυτές είναι 2 διαδικτυακές συνεδρίες με αναλυτές κάθε εβδομάδα:
- qa συνεδρίες
Σε κάθε ζωντανό μάθημα - Αναρτήσεις
Όλες οι εγγραφές και οι εργασίες του διαδικτυακού σεμιναρίου θα παραμείνουν στον προσωπικό σας λογαριασμό. - Υποθέσεις
Ανάλυση πραγματικών περιπτώσεων σε διάφορα έργα σε κάθε διαδικτυακό σεμινάριο - Πρακτική
Μετά από κάθε διαδικτυακή διάλεξη, θα σας ζητείται να ολοκληρώσετε εργασίες στην πλατφόρμα μας. Οι εργασίες είναι όσο το δυνατόν πιο κοντά στις εργασίες πραγματικών έργων και εκτελούνται στην υποδομή μας - Ζωντανές συνεδρίες
2 διαδικτυακές συνεδρίες με αναλυτές κάθε εβδομάδα - Βέλτιστες πρακτικές
Σε κάθε ζωντανό μάθημα θα αναλύουμε παραδείγματα λυμένων προβλημάτων και θα αναφέρουμε τις βέλτιστες πρακτικές εφαρμογής - Προσθήκη. υλικά
Μετά την ολοκλήρωση των ζωντανών μαθημάτων, εγχειρίδια, χρήσιμοι σύνδεσμοι, εκπομπές οθόνης και άλλο χρήσιμο υλικό θα εμφανιστούν στον προσωπικό σας λογαριασμό, όπως σε όλα τα εργαστήρια REBRAIN - Άδεια χρόνου ζωής
Όλα τα υλικά θα μείνουν μαζί σας για πάντα
Σε ποιους είναι κατάλληλο;
- Product and Project Managers Ανάλυση εταιρικών δεδομένων, ανάλυση κοόρτης, ανεξάρτητη κατασκευή πινάκων εργαλείων, εφαρμογή της προσέγγισης Data Driven στις επιχειρήσεις
- Επιχειρηματικοί αναλυτές Εργασία με διαδικασίες ETL σε μια εταιρεία, αναζήτηση και ανάλυση δεδομένων χρησιμοποιώντας Python, ερωτήματα βάσεων δεδομένων χρησιμοποιώντας SQL
- Προγραμματιστές και μηχανικοί QA Γράφετε και δοκιμάζετε κώδικα, συνδέεστε και δοκιμάζετε βάσεις δεδομένων και θέλετε να μάθετε πώς να εργάζεστε με δεδομένα πιο αποτελεσματικά
- Εκπαιδευόμενοι στην ανάλυση δεδομένων Γνωρίζετε πώς να αναλύετε δεδομένα στο Excel/Φύλλα Google και θέλετε να εξελιχθείτε σε αυτόν τον τομέα. Παρέχουμε εργαλεία που θα σας επιτρέψουν να αναβαθμίσετε τις δεξιότητές σας και να μετακινηθείτε σε υψηλότερη θέση.
Ας μάθουμε:
- Χρησιμοποιήστε ανάλυση κοόρτης και δοκιμές A/B για να βελτιώσετε την απόδοση της επιχείρησης
- Όλα όσα πρέπει να γνωρίζετε ως νεότερος αναλυτής δεδομένων
- Κατανοήστε τις διαδικασίες ETL και αυτοματοποιήστε τις συνήθεις αναλυτικές εργασίες
- Εργαστείτε με μετρήσεις
- Χρησιμοποιήστε την Python για να εργαστείτε με δεδομένα πιο αποτελεσματικά
και:
- Εργαστείτε με δεδομένα χρησιμοποιώντας SQL
- Οργανώστε τις διαδικασίες ETL στο Airflow
- Χειριστείτε δεδομένα χρησιμοποιώντας Python
- Αναλύστε μετρήσεις προϊόντων και επιχειρηματικούς δείκτες
- Διεξαγωγή δοκιμών A/B
- Κατασκευάστε μοντέλα χρησιμοποιώντας μηχανική μάθηση
- Υπολογίστε τα οικονομικά της μονάδας
- Διεξαγωγή ανάλυσης κοόρτης
Στη διαδικασία θα μάθετε:
01. Πώς να κυριαρχήσετε γρήγορα την SQL, η οποία χρησιμοποιείται από όλες σχεδόν τις σύγχρονες εταιρείες
02. Πώς να λύσετε προβλήματα με την ανάλυση κοόρτης και να υπολογίσετε μετρήσεις όπως διατήρηση, ανατροπή, μετατροπή σε επαναλαμβανόμενη αγορά
03. Αναλύσεις προϊόντων, μπορείτε να δημιουργήσετε αγωγούς δεδομένων, βάσεις δεδομένων ερωτημάτων χρησιμοποιώντας SQL, να επεξεργαστείτε δεδομένα στην Python, κατανοήστε και χρησιμοποιήστε μαθηματικά και στατιστικά στην πράξη, οπτικοποιήστε δεδομένα σε ένα εργαλείο BI και πολλά άλλα άλλα
04. Πώς να κοινοποιήσετε τα αποτελέσματα της έρευνάς σας χρησιμοποιώντας απλές μεθόδους οπτικοποίησης
05. Πώς να ταξινομήσετε εργασίες, να αποκτήσετε τις κατάλληλες τεχνικές προδιαγραφές και να κατανοήσετε τους τομείς ευθύνης σας
06. Πώς να κυριαρχήσετε το σύνολο των εργαλείων που είναι απαραίτητα για την επίλυση των περισσότερων προβλημάτων σε μια θέση junior+ αναλυτή δεδομένων.
Πώς πάει?
- Παρακολουθήστε ένα ζωντανό διαδικτυακό μάθημα
- Λαμβάνετε εργασίες δύο φορές την εβδομάδα
- Κάντε ερωτήσεις απευθείας κατά τη διάρκεια μιας διάλεξης σε μια διαδικτυακή τάξη ή σε μια κλειστή συνομιλία
- Κάνοντας την εργασία
- Αυτόματος έλεγχος/Έλεγχος από επικεφαλής ομάδας εντός 24 ωρών
- Προχωράμε στο επόμενο ζωντανό μάθημα
Μπλοκ 01. Εκπαιδευόμενος Αναλυτής Δεδομένων:
ενότητα 01. Εισαγωγή στο επάγγελμα
- Εισαγωγή στο επάγγελμα του αναλυτή δεδομένων
- Συσκευή βάσης δεδομένων
- Σχεδιάζοντας τη δική σας βάση δεδομένων
ενότητα 02. SQL
- Βασικά ερωτήματα και προϋποθέσεις, εργασία με στήλες
- Λειτουργία JOIN
- Συναρτήσεις συγκέντρωσης
- Σύνθετα ένθετα ερωτήματα
- Εργασία με βιτρίνες
- Έργο SQL
ενότητα 03. Ροή αέρα
- Σχεδιασμός διαδικασιών ETL
- Ροή αέρα
- Dougs and Tasks
- Χρονοδρομολόγηση
ενότητα 04. EDA και έρευνα
- Βασικά στοιχεία της Στατιστικής
- Έλεγχος ποιότητας δεδομένων
- Εξερεύνηση άγνωστων δεδομένων στην SQL
ενότητα 05. Αναλύσεις προϊόντων
- Βασικές μετρήσεις αναλυτικών προϊόντων. Ιεραρχίες μετρήσεων.
- Ανάλυση κοόρτης
ενότητα 06. BI analytics
- Βασικά στοιχεία εργασίας με εργαλεία BI και εργαλεία οπτικοποίησης δεδομένων
- Βέλτιστες πρακτικές στην οπτικοποίηση δεδομένων
- Αυτοματοποίηση αναφορών
- Κατασκευή πινάκων εργαλείων στο Yandex Data Lense
- Τελικό έργο του πρώτου μπλοκ
Μόλις ολοκληρώσετε το μπλοκ Data Analyst Intern, μπορείτε να ξεκινήσετε την αναζήτηση πρακτικής άσκησης. Και θα σας βοηθήσουμε σε αυτό. Η μέση διάρκεια μιας πρακτικής άσκησης είναι 3 μήνες. Τόσο διαρκεί το επόμενο μπλοκ «Junior Data Analyst» Σε τρεις μήνες θα ολοκληρώσετε την πρακτική άσκηση και θα πλησιάσετε το διπλωματικό σας έργο. Σε αυτό το στάδιο, οι δεξιότητες και οι ικανότητές σας θα είναι αρκετές για να πάρετε μια θέση ως Junior Data Analyst.
Μπλοκ 02. Junior Data Analyst:
ενότητα 01. Μαθηματικά και Στατιστική
- Θεωρία πιθανοτήτων
- Γραμμική άλγεβρα
- Εργασία με στατιστικές υποθέσεις
- Μαθηματική ανάλυση
ενότητα 02. Python για ανάλυση δεδομένων
- Σημειωματάριο Jupiter
- Βασικά στοιχεία εργασίας με python, σύνταξη γλώσσας
- Βιβλιοθήκες για εργασία με δεδομένα (Pandas, Seaborn, Matplotlib)
- Σενάρια για αυτοματισμό
- Έργο Python
ενότητα 03. Προηγμένες αναλύσεις προϊόντων
- Οικονομικά Μονάδων
- Δοκιμή A/B
- Εργαλεία για τον έλεγχο υποθέσεων για στατιστική σημασία
ενότητα 04. Μηχανική μάθηση
- Φροντιστήρια εκπαίδευσης
- Εκμάθηση χωρίς επίβλεψη
- Βασικοί αλγόριθμοι στο catboost
- Πρακτική μηχανικής μάθησης