Анализатор на данни за класове на живо - курс 70 000 rub. от Rebrain, обучение, Дата: 27 ноември 2023 г.
разни / / November 28, 2023
Статистика
- Традиционно анализаторите на данни са търсени в ИТ и дигиталния сектор, но през последните години търсенето им нараства активно и в други индустрии: от търговията на дребно до производството. 83% от компаниите изискват анализаторите на данни да имат поне основно ниво на познаване на Python с библиотеките Pandas и NumPy.
- 60 000 - 130 000 rub. Средната заплата на анализатор от средно ниво е 130 000 рубли, а за младши - 60 000 рубли.
- от 5000 Колко свободни работни места според HH.ru
- sql. Почти всички работни места изискват познания по SQL и умения за работа с релационни бази данни.
Какво представляват уроците на живо по REBRAIN? Това са 2 онлайн сесии с анализатори всяка седмица:
- qa сесии
На всеки клас на живо - Публикации
Всички записи на уебинари и задачи ще останат във вашия личен акаунт. - Случаи
Анализ на реални казуси в различни проекти на всеки уебинар - Практикувайте
След всяка онлайн лекция ще бъдете помолени да изпълните задачи на нашата платформа. Задачите са максимално близки до задачите на реални проекти и се изпълняват на нашата инфраструктура - Сесии на живо
2 онлайн сесии с анализатори всяка седмица - Най-добри практики
Във всеки клас на живо ще анализираме примери за решени проблеми и ще разказваме най-добрите практики за приложение - Добавете. материали
След завършване на класовете на живо, наръчници, полезни връзки, скрийнкастове и други полезни материали ще се появят във вашия личен акаунт, както във всички семинари на REBRAIN - Доживотен лиценз
Всички материали ще останат с вас завинаги
За кого е подходящо?
- Мениджъри на продукти и проекти Анализ на фирмени данни, кохортен анализ, независимо изграждане на табла за управление, прилагане на подхода Data Driven в бизнеса
- Бизнес анализатори Работа с ETL процеси в компания, търсене и анализ на данни с помощта на Python, заявки към бази данни с помощта на SQL
- Разработчици и QA инженери Вие пишете и тествате код, свързвате се и тествате бази данни и искате да научите как да работите с данни по-ефективно
- Стажанти за анализ на данни Вие знаете как да анализирате данни в Excel/Google Таблици и искате да се развивате в тази област. Ние предоставяме инструменти, които ще ви позволят да надградите уменията си и да преминете към по-висока позиция.
Да научим:
- Използвайте кохортен анализ и A/B тестване, за да подобрите бизнес ефективността
- Всичко, което трябва да знаете като младши анализатор на данни
- Разберете ETL процесите и автоматизирайте рутинните аналитични задачи
- Работете с показатели
- Използвайте Python за по-ефективна работа с данни
и:
- Работете с данни с помощта на SQL
- Организирайте ETL процеси в Airflow
- Манипулирайте данни с помощта на Python
- Анализирайте продуктовите показатели и бизнес показателите
- Провеждане на A/B тестване
- Изграждайте модели с помощта на машинно обучение
- Изчислете икономика на единица
- Провеждане на кохортен анализ
В процеса ще научите:
01.Как бързо да усвоите SQL, който се използва от почти всички съвременни компании
02. Как да решите проблеми с кохортен анализ и да изчислите показатели като задържане, отлив, преобразуване към повторна покупка
03. Продуктови анализи, можете да изграждате канали за данни, да правите заявки в бази данни с помощта на SQL, да обработвате данни в Python, разбиране и използване на математика и статистика на практика, визуализиране на данни в BI инструмент и много повече друго
04. Как да съобщите резултатите от вашето изследване, като използвате прости методи за визуализация
05. Как да класирате задачите, да получите компетентни технически спецификации и да разберете вашите области на отговорност
06. Как да овладеете набора от инструменти, необходими за решаване на повечето проблеми на позиция младши+ анализатор на данни.
Как върви?
- Посетете онлайн клас на живо
- Получавате задачи два пъти седмично
- Задавайте въпроси директно по време на лекция в онлайн клас или в затворен чат
- Изпълнение на задачата
- Автоматична проверка/Проверка от ръководител на екип в рамките на 24 часа
- Преминаване към следващия клас на живо
Блок 01. Стажант анализатор на данни:
модул 01. Въведение в професията
- Въведение в професията анализатор на данни
- Устройство за база данни
- Проектиране на собствена база данни
модул 02. SQL
- Основни заявки и условия, работа с колони
- Функция JOIN
- Агрегиращи функции
- Сложни вложени заявки
- Работа с витрини
- SQL проект
модул 03. Въздушно течение
- Проектиране на ETL процеси
- Въздушно течение
- Дуги и задачи
- Планиране
модул 04. EDA и изследвания
- Основи на статистиката
- Проверка на качеството на данните
- Проучване на непознати данни в SQL
модул 05. Продуктови анализи
- Основни показатели за продуктов анализ. Йерархии на показателите.
- Кохортен анализ
модул 06. BI анализи
- Основи на работа с BI инструменти и инструменти за визуализация на данни
- Най-добри практики при визуализация на данни
- Автоматизация на отчетите
- Изграждане на табла за управление в Yandex Data Lense
- Окончателен проект на първи блок
След като завършите блока Data Analyst Intern, можете да започнете да търсите стаж. И ние ще ви помогнем с това. Средната продължителност на един стаж е 3 месеца. Толкова продължава следващият блок „Junior Data Analyst” След три месеца ще завършите стажа и ще се доближите до дипломния си проект. На този етап вашите умения и способности ще бъдат достатъчни, за да получите позиция като младши анализатор на данни.
Блок 02. Младши анализатор на данни:
модул 01. Математика и статистика
- Теория на вероятностите
- Линейна алгебра
- Работа със статистически хипотези
- Математически анализ
модул 02. Python за анализ на данни
- Тетрадка Юпитер
- Основи на работа с python, синтаксис на езика
- Библиотеки за работа с данни (Pandas, Seaborn, Matplotlib)
- Скриптове за автоматизация
- Python проект
модул 03. Разширен продуктов анализ
- Икономика на единица
- A/B тестване
- Инструменти за тестване на хипотези за статистическа значимост
модул 04. Машинно обучение
- Обучение с преподаватели
- Учене без надзор
- Основни алгоритми в catboost
- Практика на машинно обучение