Учебный курс: аналитик данных
Общая информация
Отправь другу Дата проведения: 25.09.2024 - 11.12.2024 Завершение регистрации: 11.12.2024 Продолжительность: 50 академических часов Расположение: Онлайн обучение Цена: 1908 € + НСО Цена одного учебного дня: 159 € + НСОСамая востребованная профессия ближайших лет — аналитик данных.
Спрос на специалистов в сфере сбора, обработки и анализа данных растёт с каждым годом. 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? Потому, что когда знаешь, кому, что, когда и по какой цене продавать, стабильные денежные потоки фирме обеспечены.
Аналитик данных — человек, который при помощи структурного подхода к отбору и управлению данными, может 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, обрабатывать и анализировать данные именно для своей сферы бизнеса. 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.
Организационная информация:
-
-
- В группе 15 мест!
- Возможно покупать учебные дни отдельно.
- Возможна оплата по частям и без %. Начни учиться сразу, плати — потом.
- Один учебный день – 4 академических часа.
- Обучение 1 раз в неделю, в режиме онлайн.
- Доступ к записям всех учебных дней в течение 14 дней.
- Всего 50 академических часов.
- Спросите КОМПЕНСАЦИЮ затрат на обучение персонала от Кассы по безработице.
- По окончанию обучения — сертификат о прохождении программы.
-
Программа
25.09.2024
1 модуль. Введение в специальность аналитик данных. Основы анализа данных.
14:00 – 17:00
-
Data Architect в Luminor Group.
- 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.
02.10.2024
2 модуль. Основные инструменты и программы, необходимые для анализа данных. Устанавливаем необходимое ПО.
14:00 – 17:00
-
DWH Engineer&Analyst в Bi&Dwh Consult OÜ (BerryBI.ee). Аналитик данных с 10-летним опытом.
- Microsoft Excel:Обзор интерфейса.
Основные функции и формулы.
Практическое задание: создание простой таблицы, использование формул для суммирования и среднего значения. - Google Sheets:Создание аккаунта и обзор интерфейса.
Основы совместного редактирования.
Практическое задание: импорт данных в Google Sheets, использование функций и совместная работа. - SQL:Обзор SQL-сервера или использование онлайн-решений (например, SQLite).
Основы синтаксиса SQL.
Практическое задание: выполнение простых SQL-запросов для выборки данных. - Python и Jupyter Notebook:Установка Anaconda Distribution.
Обзор интерфейса Jupyter Notebook.
Основы работы с библиотеками Pandas и NumPy.
Практическое задание: загрузка данных, простейший анализ и визуализация. - Визуализация и базы данных Power BI:Установка Power BI Desktop.
Импорт данных и создание базовых визуализаций.
Практическое задание: создание простого дашборда с визуализациями. - Tableau:Установка Tableau Public.
Обзор интерфейса и основные возможности.
Практическое задание: создание базовой визуализации.
09.10.2024
3 модуль. Фундаментальные основы для анализа данных. Data Analysis Project Lifecycle или жизненный цикл проекта анализа данных.
14:00 – 17:00
-
Доктор экономических наук. Руководитель отдела по анализу данных в Stockmann. Лектор в Tartu Ülikool.
- Базовые термины и инструменты, используемые международными аналитиками данных.
- Жизненный цикл анализа данных.
- Типы анализа данных — Ключевые соображения по анализу данных.
- Типы данных и какие из них использовать для ваших нужд.
- Откуда брать данные? Источники данных.
- Наиболее популярные типы диаграмм.
- Практические примеры того, как реально использовать в компании эти инструменты.
- Обсуждение методов сбора данных и источников данных.
- Демонстрация процесса сбора и очистки данных по конкретному типу.
15.10.2024
4 модуль. Python для анализа данных.
14:00 – 17:00
-
Tartu Ülikool, Институт компьютерных наук, преподаватель информатики.
- 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.
23.10.2024
5 модуль. Pandas - библиотека на языке Python для обработки и анализа данных.
14:00 – 17:00
-
Tartu Ülikool, Институт компьютерных наук, преподаватель информатики.
- 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.
31.10.2024
6 модуль. Основы исследовательского анализа данных. Инструменты и методы EDA (Exploratory Data Analysis).
15:00 – 18:00
-
Data Architect в Luminor Group.
- Зачем нужен исследовательский анализ (EDA)?
- Инструменты и методы EDA.
- Подготовка данных к анализу: загрузка и чтение данных, преобразование данных в нужный формат, проверка на дубликаты, анализ пропущенных значений, и т.п.
- Первичный анализ: распределение, поиск выбросов.
- Анализ данных непрерывных переменных с помощью разбиения на диапазоны.
- Анализ с помощью графиков и диаграмм
- Объяснительный анализ, принципы оформление отчета, блокнота Jupyter Notebook и аналитических выводов.
- Что можно автоматизировать?
- Практическая часть анализа выполняется в облачном сервисе Google Colab на основе блокнота Jupyter Notebook с кодом на языке Python.
06.11.2024
7 модуль. SQL - незаменимый инструмент при сборе и анализе данных.
14:00 – 17:00
-
Доктор экономических наук. Руководитель отдела по анализу данных в Stockmann. Лектор в Tartu Ülikool.
- SQL как основной инструмент для создания, модификации и управления данными.
- Можно ли научиться писать простые SQL-запросы без образования программиста?
- Как при помощи SQL-запроса получать данные из баз данных?
- Какие бывают базы данных?
- 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); - Аналитические функции SQL.
13.11.2024
8 модуль. R — мощный инструмент для работы с данными.
14:00 – 17:00
-
Доктор экономических наук. Руководитель отдела по анализу данных в Stockmann. Лектор в Tartu Ülikool.
- Введение в интерфейс RStudio.
- Настройка библиотек. Активация и использование библиотек.
- Базовые команды R.
- Импорт данных.
- Обзор данных и первоначальный анализ.
- Визуализация данных с помощью пакета ggplot2. Создание графиков.
- Обработка данных с помощью пакета dplyr.
- Генерация документов в различных форматах (HTML, Word, PDF).
20.11.2024
09 модуль. BI-аналитика, построение интерактивных отчетов.
14:00 – 17:00
-
LHV, Lead Data Analyst.
- Что такое BI аналитика?
- Как работает Business Intelligence.
- Методы BI.
- Как BI, дата аналитика и бизнесс аналитика работают вместе?
- Что такое дашборд, их виды и предназначение.
- Основные элементы интерфейса и типы визуализаций.
- Этапы разработки дашборда.
Воркшоп в Power BI:
- Импорт данных в Power BI. Import и Direct Query.
- Создание модели данныхи использую fact и dimention таблицы.
- Создание отчета.
- Создание calculated measures испольщуя DAX.
- Закладки и фильтры.
- Публикация отчета.
- Основные методы защиты данных и разграничения доступа.
27.11.2024
10 модуль. Создание клиентской базы с нуля, исходя из запросов конкретного бизнеса
14:00 – 17:00
-
Data Architect в Luminor Group.
- Как собирать и структурировать элементарные базы данных с нуля?
- Список сайтов, на которых можно собирать данные по запросу.
- Поиск и хранение данных.
- Перевод базы из СSV в Excel.
- Парсинг (web scraping) — это автоматизированный сбор открытой информации в интернете по заданным условиям.
- Примеры парсеров-программ.
- От Excel к CRM. Что такое CRM-система и какие задачи бизнеса решает?
04.12.2024
11 модуль. Что нужно знать аналитикам и data-специалистам о защите личных данных?
14:00 – 17:00
-
Юрист в Инспекции по защите данных (Andmekaitse Inspektsioon).
- 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.
11.12.2024
12 модуль. Применение ИИ для сбора, обработки и анализа данных.
14:00 – 17:00
-
Tartu Ülikool, лектор по тематике искусственного интеллекта. Инструктор в Data Carpentry и Software Carpentry.
- Источники данных для ИИ.
- Алгоритмы машинного обучения.
- Классификация и регрессия.
- Кластеризация данных.
- Примеры работы разных методов машинного обучения.
- Примеры использования ИИ в анализе данных.
- Этические аспекты использования ИИ.
Основы организации обучения
Тип мероприятия:
Учебный курс
Количество лекторов:
8
Целевая группа:
Методы обучения:
Практическое онлайн-обучение. Один учебный день — 4 академических часов. Весь курс — 50 академических часов.
Прошедший обучение получит свидетельство о прохождении курса.
Пожалуйста, ознакомьтесь с основами обеспечения качества обучения.
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:
Oksana Kabrits
Кейтеринг:
Нет
*Авторское право на учебную программу принадлежит Eesti Koolitus- ja Konverentsikeskus. Любое копирование и использование программы для коммерческих целей ЗАПРЕЩЕНО! Организатор имеет право вносить изменения в программу.