Dataanalytiker - gratis kurs från Otus, utbildning, Datum: 5 december 2023.
Miscellanea / / December 08, 2023
Dataanalytiker är en stordataspecialist. Han samlar in dem, analyserar, visualiserar och drar slutsatser. Baserat på de erhållna hypoteserna fattar företag viktiga affärsbeslut.
-Datanalytiker på juniornivå som strävar efter att systematisera och fördjupa sina kunskaper;
-Rapporteringsspecialister som bygger det manuellt eller halvautomatiskt i Excel och vill lära sig hur man gör det snabbare och mer effektivt;
-Utexaminerade som vill arbeta inom området dataanalys och har nödvändiga minimikunskaper för att komma igång
-Marknadsförare, produktchefer, affärsanalytiker, ekonomer, planerare som vill minska sin dagliga rutin till ett minimum
Alexandra har arbetat inom området analytics och BI sedan 2019. Vid det här laget fick hon en kandidatexamen i mjukvaruteknik från St. Petersburg State University of Aviation Administration och sedan en magisterexamen. Första stegen i...
Alexandra har arbetat inom området analytics och BI sedan 2019. Vid det här laget fick hon en kandidatexamen i mjukvaruteknik från St. Petersburg State University of Aviation Administration och sedan en magisterexamen. De första stegen i karriären togs på det amerikanska företaget Intermedia Cloud Communications som junior dataanalytiker, och 2021 lyckades han bli chef för analysteamet. Hela detta år ägnades åt ett nytt teamöverskridande projekt för internationell ekonomistyrning på Microsoft-stacken (MS SQL Server, SSRS, SSIS, Power BI). Sedan mars 2022 har han arbetat i Tinkoff Bank-gruppen som lageranalytiker data. Ger stöd till ekonomiavdelningens högsta ledning i att bygga prototyper av ETL-processer med hjälp av Greenplum, ad-hoc-analys i Python, rapportering och visualisering i Tableau. 2020 fick hon en fortbildning i riktning mot Projektledningschef inom IT. Han är en stark anhängare av flexibla utvecklingsmetoder. Menar att de mest lönsamma investeringarna är investeringar i egen utveckling. Stack: SQL, SAS DIS, SSIS, Tableau, Power BI, Python
I 5 år inom IT arbetade hon som HR-analytiker och Business intelligence-specialist på Luxoft, och är nu specialist på analys och rapportvisualisering på Exness. En ekonom till utbildning. Stack: Tableau Desktop & Server, Data...
I 5 år inom IT arbetade hon som HR-analytiker och Business intelligence-specialist på Luxoft, och är nu specialist på analys och rapportvisualisering på Exness. En ekonom till utbildning. Stack: Tableau Desktop & Server, Dataanalys & visualisering, SQL I mitt arbete letar jag efter en sund balans mellan att skriva en bra datakälla och att skapa en vacker bild.
8 års företagserfarenhet inom analys. SQL, Tableau, c++, python. Skapade analytiska och produktlösningar i stora företag som MTS, Ozon, ivi.ru Arbetade i produktteam i Ryssland, Tyskland, Polen...
8 års företagserfarenhet inom analys. SQL, Tableau, c++, python. Skapade analytiska och produktlösningar i stora företag som MTS, Ozon, ivi.ru Arbetade i produktteam i Ryssland, Tyskland, Polen. Lärare
Introduktion till dataanalys och grundläggande statistik
-Ämne 1. Allmän population och urval, mätnivåer
-Ämne 2. Normalfördelning, nivå av statistisk signifikans, standardavvikelse. Centrala gränsvärdessatsen. Konfidensintervall och standardfel
-Ämne 3. Beskrivande statistik. Mått på central tendens
-Ämne 4. Normalfördelning, nivå av statistisk signifikans, standardavvikelse. Centrala gränsvärdessatsen
-Ämne 5. Konfidensintervall och standardfel
-Ämne 6. Signifikansnivå, statistiska hypoteser
-Ämne 7. Korrelationskoefficient
-Ämne 8. Metoder för datajämförelse. Jämförelse av nominella data.
-Ämne 9. Metoder för att jämföra medelvärden
DBMS och SQL
-Ämne 10.Introduktion till relationsdatabaser. Rad- och kolumndatabaser
-Ämne 11.Skapa och redigera tabeller. DDL. DML, DCL
-Ämne 12. Dataurval, villkor, dataskivor i SQL
-Ämne 13. Aggregerande funktioner. Gruppera och sortera data
-Ämne 14. Kapslade frågor och tillfälliga tabeller
-Ämne 15. Typer av bordskopplingar
-Ämne 16. Uttryck i SQL
-Ämne 17. Inbyggda funktioner i SQL
-Ämne 18.Databasobjekt. Tabeller och vyer. Index och partitioner
-Ämne 19. Frågaplan och prestandaoptimering
Introduktion till Python
-Ämne 20. Introduktion till syntax. Jupyter anteckningsbok
-Ämne 21. Variabler och datatyper. Datautgång och aritmetiska operationer
-Ämne 22. Grunderna i Python. Operatörer, loopar
-Ämne 23.Python-datastrukturer. Strängar, listor och tupler och ordböcker
-Ämne 24.For och while loopar
-Ämne 25.Funktioner, moduler och bibliotek
-Ämne 26. Bibliotek NumPy, pandor, SciPy
-Ämne 27.Visualiseringsmetoder. Grunderna i matplotlib, seaborn, plotly
Dataförbehandling, explorativ och statistisk dataanalys
-Ämne 28. Arbeta med utelämnanden och dubbletter
-Ämne 29. Kategorisering av data
-Ämne 30. Datatypkonvertering
-Ämne 31. Datanormalisering
-Ämne 32. Datakategorisering
-Ämne 33. Tidsserieanalys
-Ämne 34. Att studera dataskivor
-Ämne 35.Data relationer
-Ämne 36. Validering av resultat
-Ämne 37. Uttalande och prövning av hypoteser
Introduktion till Business Intelligence och visuell dataanalys
-Ämne 38.Introduktion till Business Intelligence
-Ämne 39: Tableau Desktop/Public Ecosystem Översikt
-Ämne 40. Huvudtyper av datakällor i Tableau, anslutningar
-Ämne 41. Tableau Desktop-gränssnitt och grundläggande driftskoncept
-Ämne 42.Visualisering: diagram, huvudscenarier för deras användning
-Ämne 43. Förinstallerade och anpassade beräkningar
-Ämne 44. Organisering av data i tablå
-Ämne 45. Verksamhetsordning i tablå
-Ämne 46.Introduktion till informationsdesign
-Ämne 47. Hur användaruppfattning fungerar
-Ämne 48. Huvudsakliga misstag när man skapar instrumentpaneler
-Ämne 49. Dashboarddesign
-Ämne 50. Layout för olika uppgifter och enheter
-Ämne 51.Planera användarinteraktion med instrumentpanelen
Projektlivscykel i dataanalys
-Ämne 52. Datadrivet beslutsfattande i näringslivet
-Ämne 53. Samlingskrav
-Ämne 54. Kristallisering av krav och skapande av en prototyp
-Ämne 55. Iterativt arbete med kunden i utvecklingsskedet
-Ämne 56. Demo av den färdiga versionen och användartestningsstadiet
-Ämne 57. Release och efterproduktion
-Ämne 58. Övervaka efterfrågan och ta emot feedback
Särskilda metoder och områden inom dataanalys
-Ämne 59. Analys av affärsindikatorer
-Ämne 60. Produktanalys, enhetsekonomi, A/B-tester
-Ämne 61. Mått och kanaler, hierarki av mått
-Ämne 62. Kohortanalys
-Ämne 63.BI-analys
-Ämne 64.Datajournalistik