Общая информация

Дата проведения:
10.02 - 28.04.2022
Завершение регистрации :
10.02.2022
Продолжитель­ность:
50 академических часов
Расположение :
онлайн обучение
Цена: Присоединяйтесь к льготным предложениям
1788 € + НСО
Льготная цена для клиентов Эстонского центра обучения до 24 октября 1308€ + km

Самая востребованная профессия ближайших лет — аналитик данных.

За два последних года мировой спрос на специалистов в сфере сбора, обработки и анализа данных вырос в два раза. Тем не менее пока лишь 1% данных, хранящихся на предприятиях, используется по назначению. Понимаете, какой потенциал у этой профессии? Исследования показали, что 77% компаний, имеющих в штате аналитика данных, значительно улучшили свои финансовые показатели и обошли конкурентов? Почему? Да потому, что когда знаешь, кому и что продавать, в какой момент, что и по какой цене предлагать, стабильные денежные потоки фирме обеспечены.

аналитики данных, которые при помощи структурного подхода к управлению данными, могут многократно повысить  эффективность любых бизнес-процессов.

Для кого:

  • Для менеджеров и руководителей отделов продаж.
  • Для владельцев бизнеса, которые непосредственно отвечают за продажи.
  • Для директоров по развитию продукции и предприятия.
  • Для специалистов различных сфер, которым важно понимать кто их целевой клиент, находить этих клиентов, максимально использовать информацию об этих клиентах на пользу бизнеса.

Цель обучения : научить участников при помощи структурного подхода собирать и обрабатывать данные. Пояснить, по каким критериям анализировать данные, чтобы этот анализ приносил реальную пользу предприятию.

Прошедший обучение научится:

  • Разбираться в индустрии данных и понимать, кто и чем занимается в этой сфере.
  • Работать с данными с нуля.
  • Работать с разными источниками данных и собирать данные, которые находятся в открытом доступе.
  • Анализировать данные и извлекать из них полезную именно для своей компании информацию.
  • Находить закономерности и тенденции, которые помогут принимать взвешенные решения в компании.
  • Автоматизировать процесс сбора данных и экономить массу времени на более важные процессы.
  • Овладеет Python на уровне, достаточном для анализа данных.
  • Сможет работать с различными форматами представления, хранения и передачи данных CSV, XML и XLS.
  • Создавать, изменять и управлять базами данных при помощи SQL.

В группе 15 мест!

 

Цена 149€+НСО за один учебный день.
При покупке полной программы (12 дней) цена за один учебный день 109€+НСО (1308€+НСО за 12 учебных дней). Возможна оплата по частям.
Продолжительность одного учебного дня – 4 академических часа. 
По окончанию обучения — сертификат о прохождении программы. 

Программа

10.02.2022

14:00 - 17:00

1 модуль. Введение в специальность аналитик данных. Основы анализа данных.

  • Любовь Кяэс

    Любовь Кяэс

    Дата-инженер, руководитель отдела управления данными в Milrem Robotics.

  • Чем занимается аналитик данных?
  •  Основные навыки, которыми должен обладать аналитик данных.
  •  Различные направления в data-индустрии: (Data Analyst, Data Scientist, Business Intelligence, администратор и инженер Big Data, DevOps-инженер, DataOps, Chief Data Officer, специалист по безопасности и др).
  •  Что такое датасеты?
  •  Анализ состояния предприятия на предмет необходимости иметь в штате аналитика данных.
  • Какие источники данных больше всего подходят для вашего   бизнеса?
  •  Инструменты и техники пассивного сбора информации.
  •  Формирование Data Driven в компании.

17.02.2022

14:00 - 17:00

2 модуль. Фундаментальные основы для анализа данных. Источники данных и работа с ними.

  • Что входит в процесс анализа данных? 80% - это сбор и обработка перед анализом.
  • Процесс исследования, фильтрации, преобразования и моделирования данных с целью извлечения полезной информации для принятия оптимальных решений.
  • Автоматизация процесса сбора данных? Что можно, а что нельзя делать?
  • Сбор данных из различных источников.
  • Форматы данных: CSV, XML и XLS.
  • Что такое фичеселект (feature selection) или препроцессинг?
  • Главные инструменты работы аналитика — язык SQL, основы языка Python, базовые библиотеки Python для анализа данных (NumPy, Pandas, Matplotlib, Scikit-learn).
  • Подключение к источникам данных (FTP, API).
  • Обработка и очистка данных после загрузки.
  • Ручная очистка данных.
  • Автоматическая очистка.
  • Набор инструментов для сбора и очистки данных.

24.02.2022

14:00 - 17:00

3 модуль. Excel - основной инструмент для анализа данных.

  • Екатерина Трунин

    Екатерина Трунин

    Присяжный аудитор, член Палаты аудиторов, специалист по корпоративным финансам и хозяйственному учёту

  • Сводные таблицы - базовый инструмент для работы с большим количеством неструктурированных данных.
  • Использование полей и элементов в сводной таблице, в том числе создание новых полей и элементов.
  • Группировка полей.
  • Систематизация и настройка данных в таблице Excel.
  • 4 техники анализа данных в Excel.
  • Анализ данных через сводные таблицы Excel.
  • Автоматизация анализа данных в Excel.
  • Дисперсионный анализ.
  • Корреляционный анализ.
  • Ковариация.
  • Вычисление скользящего среднего. Очень популярный метод в статистике и в трейдинге.
  • Случайные числа.
  • Операции с выборкой.
  • Быстрый анализ баз данных в Excel.
  • Лист прогнозов.

03.03.2022

14:00 - 17:00

4 модуль. Парсинг (web scraping) — это автоматизированный сбор открытой информации в интернете по заданным условиям.

  • Любовь Кяэс

    Любовь Кяэс

    Дата-инженер, руководитель отдела управления данными в Milrem Robotics.

  • Учащиеся будут собирать и структурировать элементарные базы данных под руководством преподавателя.
  • Практическая часть: анализ социальных сетей и других источников, где хранятся данные.
  • Практическое занятие. Процессы предобработки неструктурированных данных и их хранения в различных базах данных для дальнейшего анализа.
  • Примеры облачных парсеров с русскоязычным интерфейсом.
  • Примеры парсеров-программ.
  • Парсеры на основе Python.

10.03.2022

14:00 - 17:00

5 модуль. Python для анализа данных.

  • Глеб Михайлов

    Глеб Михайлов

    Эксперт международного уровня по анализу данных. Автор и ведущий обучений по анализу данных на Яндекс.Практикум и udemy.com. Создатель системы обучения Python и SQL для начинающих.

  • В какой степени необходимо владеть Python data-специалисту?
  • Устанавливаем Python.
  • Рабочая среда аналитика: jupyter и colab.
  • Язык разметки Markdown.
  • Основной синтаксис языка Python. Синтаксис при сборе данных.
  • Методы работы со списками и словарями.
  • Методы работы с разными типами данных.
  • Работа с файлами.
  • Работа со строковыми величинам.
  • Работа со временем и датами.
  • Распознаем даты в Python.
  • Учимся складывать и вычитать даты.
  • Объединение данных из разных источников.

17.03.2022

14:00 - 17:00

6 модуль. Pandas - библиотека на языке Python для обработки и анализа данных.

  • Глеб Михайлов

    Глеб Михайлов

    Эксперт международного уровня по анализу данных. Автор и ведущий обучений по анализу данных на Яндекс.Практикум и udemy.com. Создатель системы обучения Python и SQL для начинающих.

  • Библиотека Pandas: как с ней работать?
  • Учимся группировать данные по колонкам средствами Pandas.
  • Распределяем датасет поисковых запросов по количеству слов.
  • Знакомимся с Pivot и сложной агрегацией средствами Pandas.
  • Учимся работать со сводными таблицами.
  • Объект DataFrame для манипулирования индексированными массивами двумерных данных.
  • Инструменты для обмена данными между структурами в памяти и файлами различных форматов.
  • Встроенные средства совмещения данных и способы обработки отсутствующей информации.
  • Переформатирование наборов данных, в том числе создание сводных таблиц.
  • Срез данных по значениям индекса, расширенные возможности индексирования, выборка из больших наборов данных
  • Вставка и удаление столбцов данных.
  • Возможности группировки позволяют выполнять трёхэтапные операции типа «разделение, изменение, объединение» (англ. split-apply-combine).
  • Слияние и объединение наборов данных.
  • Иерархическое индексирование позволяет работать с данными высокой размерности в структурах меньшей размерности.
  • Работа с временными рядами: формирование временных периодов и изменение интервалов и т.д.

24.03.2022

14:00 - 17:00

7 модуль. Лайфкодинг: анализ реальных данных (EDA - exploratory data analysis).

  • Глеб Михайлов

    Глеб Михайлов

    Эксперт международного уровня по анализу данных. Автор и ведущий обучений по анализу данных на Яндекс.Практикум и udemy.com. Создатель системы обучения Python и SQL для начинающих.

  • Загрузка данных на Google Drive.
  • Чтение данных в Google Colab.
  • Подготовка данных к анализу: переименование столбцов, замена форматов данных, проверка на дубликаты, анализ пропущенных значений.
  • Первичный анализ: распределение, поиск выбросов.
  • Анализ с помощью сводных таблиц.
  • Анализ непрерывных переменных с помощью разбиения на диапазоны.
  • Анализ с помощью графиков и диаграмм: line plot, bar plot, histogram, scatter plot.
  • Принципы проверки своих вычислений и преобразований.
  • Принципы написания аналитических выводов.
  • Принципы профессионального оформления Jupyter Notebook.
  • Практическая часть.

31.03.2022

14:00 - 17:00

8 модуль. SQL - незаменимый инструмент при сборе и анализе данных.

  • Глеб Михайлов

    Глеб Михайлов

    Эксперт международного уровня по анализу данных. Автор и ведущий обучений по анализу данных на Яндекс.Практикум и udemy.com. Создатель системы обучения Python и SQL для начинающих.

  • SQL как основной инструмент для создания, модификации и управления данными.
  • Какие бывают базы данных?
  • Как подключиться к базе данных: SQL + python + jupyter?
  • Как при помощи SQL:
    - создать в базе данных новую таблицу;
    - добавить в таблицу новые записи;
    - изменить записи;
    - удалить записи;
    - сделать выборку записей из одной или нескольких таблиц (в соответствии с заданным условием);
  • Можно ли научиться писать простые SQL-запросы без образования программиста?
  • Как при помощи SQL-запроса получать данные из баз данных?
  • Аналитические функции SQL.
  • Оконные функции SQL.
  • Где тренировать SQL?

07.04.2022

14:00 - 17:00

9 модуль. Визуализация данных.

  • Визуализация больших массивов данных.
  • Выбор инструментария для визуализации.
  • Подключение к большим массивам данным. Типы, источники, возможности.
  • Преобразование данных на этапе подключения (схемы данных, очистка, трансформация).
  • Расчеты с помощью инструментария (быстрые расчеты, расчеты на разных уровнях агрегации данных).
  • Интеграция кода Python в расчеты
  • Основные типы графиков, построение.
  • Ключевые подходы к визуализации, ошибки новичков.

14.04.2022

14:00 - 17:00

10 модуль. Статистика и вероятность. Как отличить реальный эффект анализа от простой случайности?

  • Глеб Михайлов

    Глеб Михайлов

    Эксперт международного уровня по анализу данных. Автор и ведущий обучений по анализу данных на Яндекс.Практикум и udemy.com. Создатель системы обучения Python и SQL для начинающих.

  • Закон больших чисел и Центральная предельная теорема: когда работают, а когда нет?
  • Метод Монте-Карло: как взломать вероятность?
  • АБ тестировние: как отличить случайное от не случайного?
  • Использование статистических калькуляторов.
  • Z-test, T-test, Chi-Square test.
  • Множественная проверка гипотез: как не стать жертвой случайности?

21.04.2022

14:00 - 17:00

11 модуль. Что нужно знать аналитикам и data-специалистам о защите личных данных?

  • Кристина Визнович

    Кристина Визнович

    Адвокат адвокатского бюро Pallo&Partnerid, специалист по защите данных. Тартуский университет право информационных технологий.

  • Обеспечение конфиденциальности и защиты при сборе и хранении личных данных.
  • Какие данные можно собирать и для чего?
  • Когда обработка персональных данных является незаконной?
  • Сбор, обработка и хранение персональных данных в маркетинговых целях.
  • Какие данные нельзя обрабатывать?
  • Права лиц, персональные данные которых подвергаются обработке.
  • Что такое нарушение  личных данных?
  • Как должна происходить защита данных?
  • Что делать, если права всё же нарушены?
  • Кто следит за исполнением регламента? Куда обращаться в случае выявленного нарушения?
  • Наказание за нарушение использования личных данных.
  • Дигитальное архивирование данных клиентов и партнёров.

28.04.2022

14:00 - 17:00

12 модуль. Основы методов машинного обучения.

  • Дмитрий Фишман

    Дмитрий Фишман

    Tartu Ülikool, лектор по тематике искусственного интеллекта. Инструктор в Data Carpentry и Software Carpentry.

  • В чем разница между искусственным интеллектом и машинным обучением?
  • Основные классы методов машинного обучения и их цели.
  • Самые базовые методы машинного обучения с учителем (k-ближайших соседей, линейная регрессия и дерево решений).
  • Проблема переобучения и что с ней делать.
  • Алгоритм перекрестной проверки.
  • Общий подход к применению методов машинного обучения для решения аналитических задач.
  • Практическая работа по предсказанию цен на поездки в такси в Нью-Йорке, на основании соревнования на Kaggle.com (если останется время).

Основы организации учебного процесса

Тип мероприятия:
Webinar
Количество лекторов :
7
Целевая группа :
Руководители предприятий, менеджеры, специалисты по продажам, все лица, заинтересованные в эффективном использовании хранящихся в фирме данных для повышения производительности предприятия. А также лица, заинтересованные в получении новой профессии.
Методы обучения :

Практическое онлайн-обучение. Один учебный день - 4 академических часов. Весь курс - 50 академических часов.

Прошедший обучение получит свидетельство о прохождении курса в случае, если прослушает программу обучения в  объёме 80%.

Пожалуйста, ознакомьтесь с основами обеспечения качества обучения.

По окончании курса - сертификат.

Условия отказа :

100% от оплаченной суммы возвращаем в случае, если вы откажетесь от участия в мероприятии минимум за 30 дней до его начала, 50% от оплаченной суммы возвращаем в случае, если вы откажетесь от участия в мероприятии за 20 дней до его начала. Если вы откажетесь от участия в мероприятии менее, чем за 15 дней до его начала, то уплаченную сумму мы не возвращаем и счёт подлежит оплате.

Порядок решения споров: все проблемные ситуации стороны спора решают между собой в письменной форме. На претензии клиентов Eesti Koolitus-ja Konverentsikeskus отвечает в течение 7 дней. Если договорённости не удаётся достичь, то спор решается в судебном порядке в соответствии с законами Эстонской республики.

Руководитель проекта :
Оксана Кабритс
Кейтеринг :
No
*Eesti Koolitus- ja Konverentsikeskus оставляет за собой право вносить изменения в программу.

Просмотреть похожие

Webinar

Корректный деловой эстонский язык для русскоговорящих предпринимателей

05.11
Регистрация
Webinar

Налоговые изменения в 2022 году

02.12
Регистрация
Webinar

Учебный курс: специалист KYC/AML

21.09
Регистрация
Webinar

Налогообложение зарплаты в Эстонии

29.11
Регистрация
Webinar

Учебный курс для повышения квалификации бухгалтеров

04.10
Регистрация
Webinar

Регуляция сферы виртуальных валют и проблемы учета сделок в криптовалюте

30.11
Регистрация
Webinar

Практическое составление анализа риска на предприятии

27.10
Регистрация
Webinar

Основные положения EFS по актуальным стандартам RTJ

01.12
Регистрация
Webinar

Учебная программа повышения квалификации специалистов сферы здравоохранения

02.11
Регистрация
Webinar

Как работать с негативными коллегами и клиентами?

03.12
Регистрация
Webinar

Учебный курс: специалист KYC/AML

03.11
Регистрация
Webinar

Из бухгалтера — в финансисты. Курс переобучения.

15.02
Регистрация
Webinar

Экспресс-курс по вопросам специальных льгот

25.10
Регистрация
Webinar

Учебный курс по внедрению дигитального делопроизводства на предприятии

28.10
Регистрация
Webinar

Учебный курс: аналитик данных

10.02
Регистрация
Webinar

Налогообложение выплат нерезидентам Эстонии

22.11
Регистрация