Поиск
Искать только в заголовках
Автор:
Искать только в заголовках
Автор:
Главная
Отзывы
Получить доступ
Стол заказов
FAQ
Обновление ссылок
Заработать
Поддержка
Вход
Регистрация
Поиск
Искать только в заголовках
Автор:
Искать только в заголовках
Автор:
Меню
Установить приложение
Установить
Ответить в теме
Главная
Каталог курсов
IT, ИИ, программирование, тестирование, аналитика
karpov.courses - Продвинутая аналитика данных. 1 месяц (2023)
JavaScript отключён. Для полноценно использования нашего сайта, пожалуйста, включите JavaScript в своём браузере.
Вы используете устаревший браузер. Этот и другие сайты могут отображаться в нем неправильно.
Необходимо обновить браузер или попробовать использовать
другой
.
Сообщение
<blockquote data-quote="Настасия" data-source="post: 5383" data-attributes="member: 867"><p><strong>karpov.courses - Продвинутая аналитика данных. 1 месяц (2023)</strong></p><p><strong></strong></p><p><strong>[ATTACH=full]1652[/ATTACH]</strong></p><p><strong></strong></p><p><strong>Продвинутая аналитика данных. 1 месяц [Нерсес Багиян, Дмитрий Казаков]</strong></p><p><strong></strong></p><p><strong>Цель нашего курса — помочь опытным аналитикам расширить свои компетенции и задать правильное направление для дальнейшего развития в профессии.</strong></p><p>Полученный практический опыт позволит углубить знания в области продуктовой аналитики и научиться подбирать правильные инструменты для решения задач в самых неопределённых условиях и незнакомых отраслях.</p><p>Аналитика — это очень многогранная область, в рамках которой приходится сталкиваться с большим количеством задач: построение дашбордов, проведение экспериментов, прогнозирование ключевых показателей продукта, работа с хранилищем и т. д. В рамках работы над данным курсом мы сделали его таким, чтобы после окончания вы смогли решать эти задачи, не испытывая проблем.</p><p>Однако, мы осознаем, что работа над технической стороной вопроса — это лишь одна сторона аналитической монеты. Большая часть работы аналитика — это общение с заказчиком, объяснение и правильное преподнесение проделанной работы, поэтому в данном курсе вы еще и найдете материалы о том, как можно это делать с пользой для своей карьеры.</p><p>Добро пожаловать на глубины неизведанных аналитических проблем и задач!</p><p></p><p><strong>ПРОГРАММА КУРСА:</strong></p><p><strong>ПРОДУКТОВЫЙ ПОДХОД К СОЗДАНИЮ ОТЧЕТНОСТИ</strong></p><p>Разработка дашборда — один из самых популярных запросов к аналитику со стороны команды. Часто это не решает проблему заказчика. А без понимания, зачем дашборд создан, он скорее всего не будет пользоваться спросом у заказчика.</p><p>Этой проблемы можно избежать, освоив продуктовый подход к созданию дашбордов через применение BI-системы. Так специалист научится предлагать быстрые альтернативные решения или создавать систему отчётности, отвечающую запросам бизнеса.</p><p>ОПИСАНИЕ МОДУЛЬНОГО ПРОЕКТА:</p><p>Состоит из 2 частей — по итоговому заданию каждого блока (мини-проекты). Вам предстоит собрать проекта DashBoard Map и создать дашборд в рамках BI-системы под конкретную задачу, получив обратную связь от экспертов курса.</p><p></p><p><strong>РАБОТА С КОМАНДОЙ DWH И ОБРАБОТКА БОЛЬШИХ ДАННЫХ</strong></p><p>В корпорациях аналитику нужно коммуницировать со специалистами по аналитическим хранилищам (DWH). Для этого важно понимать, какие бывают хранилища, как с ними работать и как именно в компании отвечают на вопрос о правильном хранении данных.</p><p>А в небольших компаниях аналитики могут самостоятельно писать пайплайны обработки данных, поэтому необходимо знать самые популярные и оптимальные инструменты обработки Big Data.</p><p>ОПИСАНИЕ МОДУЛЬНОГО ПРОЕКТА:</p><p>Есть единый финальный проект модуля, который предполагает использование всех изученных инструментов в модуле: с помощью spark вычитываем данные из S3 и CH, проводим преобразования (фильтрация, агрегация, джойны и тд), чтобы получить отчет для записи в CH.</p><p></p><p><strong>ПРОДВИНУТЫЕ ЭКСПЕРИМЕНТЫ</strong></p><p>Как оценить влияние изменений в компании на ключевые метрики бизнеса? С помощью экспериментов, конечно! Чем выше уровень аналитика, тем более сложные дизайны он умеет проектировать, а также ускорять их проведение, анализировать результаты и учитывать специфику конкретных метрик при выборе способов оценки изменений.</p><p>Middle аналитик умеет выходить за пределы применения рутинных A/B-тестов, отвечать на сложные вопросы заказчиков и растить значимость экспериментов для принятия решения компании.</p><p>ОПИСАНИЕ МОДУЛЬНОГО ПРОЕКТА:</p><p>Оценка за модуль складывается на основе работы с ситуационными кейсами и мини-проектами на реальных данных по каждому блоку, где необходимо решить поставленную проблему или применить изученный инструмент. Блок 1 — кейс-тест, Блок 2 — 7 мини-проектов и кейс-тест, Блок 3 — 6 мини-проектов.</p><p></p><p><strong>МАШИННОЕ ОБУЧЕНИЕ ДЛЯ РЕШЕНИЯ ЗАДАЧ АНАЛИТИКИ</strong></p><p>Для решения нетривиальных задач аналитику, скорее всего, придётся выйти за рамки привычных инструментов, поэтому в этом модуле мы познакомимся с продвинутыми методами машинного обучения.</p><p></p><p><strong>ЧТО НЕОБХОДИМО ДЛЯ КУРСА:</strong></p><ul> <li data-xf-list-type="ul">Знание базового синтаксиса Python (циклы, функции, условные операторы)</li> <li data-xf-list-type="ul">Знание библиотек (pandas, numpy, scipy) на уровне импорта, экспорта данных, предобработки, EDA, базовая работа со случайными величинами</li> <li data-xf-list-type="ul">Навыки визуализации в Python (Seaborn, matplotlib построение базовых визуализаций)</li> <li data-xf-list-type="ul">Опыт анализа простых экспериментов (t-test или Манна-Уитни в Python)</li> <li data-xf-list-type="ul">Написание запросов с JOIN, where, group by и агрегационными функциями</li> <li data-xf-list-type="ul">Проверка гипотез</li> <li data-xf-list-type="ul">Ошибки 1-ого и 2-ого рода</li> <li data-xf-list-type="ul">Статистические критерии и p-value</li> <li data-xf-list-type="ul">ЦПТ</li> <li data-xf-list-type="ul">Корелляция</li> <li data-xf-list-type="ul">Опыт работы с Tableau, Power BI, Superset или другими похожими инструментами</li> </ul><p><strong>Продажник:</strong></p><p><strong></strong></p><p><strong>*** Hidden text: cannot be quoted. ***</strong></p><p><strong></strong></p><p><strong></strong></p><p><strong>Cкачать:</strong></p><p><strong></strong></p><p><strong>*** Hidden text: cannot be quoted. ***</strong></p><p><strong></strong></p></blockquote><p></p>
[QUOTE="Настасия, post: 5383, member: 867"] [B]karpov.courses - Продвинутая аналитика данных. 1 месяц (2023) [ATTACH type="full"]1652[/ATTACH] Продвинутая аналитика данных. 1 месяц [Нерсес Багиян, Дмитрий Казаков] Цель нашего курса — помочь опытным аналитикам расширить свои компетенции и задать правильное направление для дальнейшего развития в профессии.[/B] Полученный практический опыт позволит углубить знания в области продуктовой аналитики и научиться подбирать правильные инструменты для решения задач в самых неопределённых условиях и незнакомых отраслях. Аналитика — это очень многогранная область, в рамках которой приходится сталкиваться с большим количеством задач: построение дашбордов, проведение экспериментов, прогнозирование ключевых показателей продукта, работа с хранилищем и т. д. В рамках работы над данным курсом мы сделали его таким, чтобы после окончания вы смогли решать эти задачи, не испытывая проблем. Однако, мы осознаем, что работа над технической стороной вопроса — это лишь одна сторона аналитической монеты. Большая часть работы аналитика — это общение с заказчиком, объяснение и правильное преподнесение проделанной работы, поэтому в данном курсе вы еще и найдете материалы о том, как можно это делать с пользой для своей карьеры. Добро пожаловать на глубины неизведанных аналитических проблем и задач! [B]ПРОГРАММА КУРСА: ПРОДУКТОВЫЙ ПОДХОД К СОЗДАНИЮ ОТЧЕТНОСТИ[/B] Разработка дашборда — один из самых популярных запросов к аналитику со стороны команды. Часто это не решает проблему заказчика. А без понимания, зачем дашборд создан, он скорее всего не будет пользоваться спросом у заказчика. Этой проблемы можно избежать, освоив продуктовый подход к созданию дашбордов через применение BI-системы. Так специалист научится предлагать быстрые альтернативные решения или создавать систему отчётности, отвечающую запросам бизнеса. ОПИСАНИЕ МОДУЛЬНОГО ПРОЕКТА: Состоит из 2 частей — по итоговому заданию каждого блока (мини-проекты). Вам предстоит собрать проекта DashBoard Map и создать дашборд в рамках BI-системы под конкретную задачу, получив обратную связь от экспертов курса. [B]РАБОТА С КОМАНДОЙ DWH И ОБРАБОТКА БОЛЬШИХ ДАННЫХ[/B] В корпорациях аналитику нужно коммуницировать со специалистами по аналитическим хранилищам (DWH). Для этого важно понимать, какие бывают хранилища, как с ними работать и как именно в компании отвечают на вопрос о правильном хранении данных. А в небольших компаниях аналитики могут самостоятельно писать пайплайны обработки данных, поэтому необходимо знать самые популярные и оптимальные инструменты обработки Big Data. ОПИСАНИЕ МОДУЛЬНОГО ПРОЕКТА: Есть единый финальный проект модуля, который предполагает использование всех изученных инструментов в модуле: с помощью spark вычитываем данные из S3 и CH, проводим преобразования (фильтрация, агрегация, джойны и тд), чтобы получить отчет для записи в CH. [B]ПРОДВИНУТЫЕ ЭКСПЕРИМЕНТЫ[/B] Как оценить влияние изменений в компании на ключевые метрики бизнеса? С помощью экспериментов, конечно! Чем выше уровень аналитика, тем более сложные дизайны он умеет проектировать, а также ускорять их проведение, анализировать результаты и учитывать специфику конкретных метрик при выборе способов оценки изменений. Middle аналитик умеет выходить за пределы применения рутинных A/B-тестов, отвечать на сложные вопросы заказчиков и растить значимость экспериментов для принятия решения компании. ОПИСАНИЕ МОДУЛЬНОГО ПРОЕКТА: Оценка за модуль складывается на основе работы с ситуационными кейсами и мини-проектами на реальных данных по каждому блоку, где необходимо решить поставленную проблему или применить изученный инструмент. Блок 1 — кейс-тест, Блок 2 — 7 мини-проектов и кейс-тест, Блок 3 — 6 мини-проектов. [B]МАШИННОЕ ОБУЧЕНИЕ ДЛЯ РЕШЕНИЯ ЗАДАЧ АНАЛИТИКИ[/B] Для решения нетривиальных задач аналитику, скорее всего, придётся выйти за рамки привычных инструментов, поэтому в этом модуле мы познакомимся с продвинутыми методами машинного обучения. [B]ЧТО НЕОБХОДИМО ДЛЯ КУРСА:[/B] [LIST] [*]Знание базового синтаксиса Python (циклы, функции, условные операторы) [*]Знание библиотек (pandas, numpy, scipy) на уровне импорта, экспорта данных, предобработки, EDA, базовая работа со случайными величинами [*]Навыки визуализации в Python (Seaborn, matplotlib построение базовых визуализаций) [*]Опыт анализа простых экспериментов (t-test или Манна-Уитни в Python) [*]Написание запросов с JOIN, where, group by и агрегационными функциями [*]Проверка гипотез [*]Ошибки 1-ого и 2-ого рода [*]Статистические критерии и p-value [*]ЦПТ [*]Корелляция [*]Опыт работы с Tableau, Power BI, Superset или другими похожими инструментами [/LIST] [B]Продажник: *** Hidden text: cannot be quoted. *** Cкачать: *** Hidden text: cannot be quoted. *** [/B] [/QUOTE]
Вставить цитаты...
Имя
Проверка
Ответить
Главная
Каталог курсов
IT, ИИ, программирование, тестирование, аналитика
karpov.courses - Продвинутая аналитика данных. 1 месяц (2023)
Верх
Низ
