Аналитик данных – Центр непрерывного образования – Национальный исследовательский университет «Высшая школа экономики»

Аналитик данных – Центр непрерывного образования – Национальный исследовательский университет «Высшая школа экономики» Аналитика
Содержание
  1. «Введение в Data Science‎ и машинное обучение» от Института биоинформатики
  2. Программа направлена на подготовку специалистов в области машинного обучения и анализа больших данных, на получение компетенций, необходимых для выполнения нового вида профессиональной деятельности – умения применять языки программирования sql и python д​ля сбора, визуализации, анализа больших данных (big data) и построение моделей машинного обучения, умения применять конкретные аналитические и продуктовые подходы при работе над реальными задачами маркетинговой и клиентской аналитики с помощью bi платформ. программа разработана на основе профессионального стандарта «бизнес-аналитик», утвержденного приказом министерства труда и социальной защиты рф от 25.09.2021 № 592н; и профессионального стандарта “специалист по большим данным”,  утвержденного приказом министерства труда и социальной защиты рф от 6 июля 2020 года n 405н., а также на основе анализа требований рынка труда и обобщения зарубежного опыта.​
  3. «аналитик данных»: 15 лучших курсов в 2021 году
  4. Авинаш к. диксит, барри дж. нейлбафф “теория игр. искусство стратегического мышления в бизнесе и жизни”
  5. Аналитика данных и эффективное управление – мгпу
  6. Барбара оакли “думай как математик. как решать любые задачи быстрее и эффективнее”
  7. Бонусы и kpi
  8. Где учиться на аналитика данных (data analyst), какие предметы егэ сдавать: программы, куда поступать на профессию
  9. Задачи
  10. Заработная плата
  11. Инструменты
  12. Кого читают аналитики
  13. Образование и бэкграунд
  14. Профессиональное развитие
  15. Профессия big data analyst: специалист по анализу больших данных в москве: где учиться, куда поступать
  16. Профессия аналитик — учёба.ру
  17. Профессия аналитик данных (data analyst) в москве: где учиться, куда поступать
  18. Профессия: аналитик данных
  19. Работа с большими данными
  20. Респонденты
  21. Смена работы
  22. Формат работы
  23. Чарльз уилан “голая статистика. самая интересная книга о самой скучной науке”

«Введение в Data Science‎ и машинное обучение» от Института биоинформатики

Длительность курса: 30 уроков.

С сертификатом

Формат обучения: видеоуроки тесты интерактивные задачи.

Программа обучения:

  1. О чём курс?
  2. Big Data, Deep Machine Learning — основные понятия.
  3. Модель, начнём с дерева.
  4. Pandas, Dataframes.
  5. Фильтрация данных
  6. Группировка и агрегация.
  7. Визуализация, seaborn.
  8. Практические задания: Pandas.
  9. Секретный гость.
  10. Stepik ML contest — это ещё что такое?
  11. Stepik ML contest — data preprocessing.
  12. Какого музыканта Beatles я загадал или entropy reduction.
  13. Немного теории и энтропии.
  14. Titanic: Machine Learning from Disaster.
  15. Обучение, переобучение, недообучение и кросс-валидация.
  16. Последний джедай или метрики качества модели.
  17. Подбор параметров и ROC and Roll.
  18. Практика, Scikit-learn, fit, predict, you are awesome.
  19. ML на практике — автокорректор ошибок правописания.
  20. Секретный гость.
  21. Stepik ML contest.
  22. Снова возвращаемся к деревьям.
  23. Random forest.
  24. Зачем знать что-то ещё, если есть Random Forest?
  25. Секретный гость.
  26. И на Марсе будут яблони цвести.
  27. Нейроэволюция.
  28. Трюки в Pandas.
  29. Вот и всё, а что дальше?
  30. Stepik ML contest.

Что освоите:

  • Основные понятия Data Science и Machine Learning
  • Наиболее популярные Python-библиотеки для анализа данных — Pandas и Scikit-learn

Плюсы:

  • Начать обучение можно сразу после регистрации
  • Обучение проводят лучшие преподаватели Института биоинформатики
  • Современная программа обучения
  • Изложение материала простым языком
  • Можно бесплатно получить сертификат по окончании обучения

Преподаватели:

Программа направлена на подготовку специалистов в области машинного обучения и анализа больших данных, на получение компетенций, необходимых для выполнения нового вида профессиональной деятельности – умения применять языки программирования sql и python д​ля сбора, визуализации, анализа больших данных (big data) и построение моделей машинного обучения, умения применять конкретные аналитические и продуктовые подходы при работе над реальными задачами маркетинговой и клиентской аналитики с помощью bi платформ. программа разработана на основе профессионального стандарта «бизнес-аналитик», утвержденного приказом министерства труда и социальной защиты рф от 25.09.2021 № 592н; и профессионального стандарта “специалист по большим данным”,  утвержденного приказом министерства труда и социальной защиты рф от 6 июля 2020 года n 405н., а также на основе анализа требований рынка труда и обобщения зарубежного опыта.​

В результате обучения выпускник программы приобретёт
следующие компетенции:

1. Способность использовать прикладное программное
обеспечение при решении профессиональных задач; 

2. Способность осуществлять
поиск, критически анализировать, обобщать и систематизировать информацию,
использовать системный подход для решения поставленных задач;

3 Способность к
постановке целей и задач исследований, выбору оптимальных путей и методов их
достижения; 

4 – Способность к сбору информации о бизнес-проблемах
или бизнес-возможностях; 

5 – Способность к анализу, обоснованию и выбору
решения; 

6 – Умение подготавливать данные для проведения аналитических работ по
исследованию больших данных; 

7 – Способность к проведению аналитического
исследования с применением технологий больших данных в соответствии с
требованиями заказчика Объем программы: 256 часов из них более 60% контактный. 

Режим реализации: очно-заочно с применением дистанционных образовательных
технологий и электронного обучения. 

Сроки реализации программы – по мере набора
групп.

Входные требования к слушателям (образование и др.): · высшее или средне-специальное
образование; навыки использования ПК и базовые умения использовать продукты MS
Office;

Для занятий -наличие ПК или ноутбука, камеры, микрофона, стабильного
доступа в интернет. Особенности программы: Широкий набор предлагаемых
инструментов и методологий (в программе не только программирование на SQL и
Python, но и работа с базами данных, машинное обучение, обработка естественного
языка, сетевой анализ). 

Программа базового уровня сложности.​

«аналитик данных»: 15 лучших курсов в 2021 году

https://www.youtube.com/playlist?list=PL_TuvvkEQe6aB3rkol-QmnKlmWtP3oLLm
Перейти на официальный сайт →
Подробнее о курсе аналитика данных →

Авинаш к. диксит, барри дж. нейлбафф “теория игр. искусство стратегического мышления в бизнесе и жизни”

Теория игр – это строгое стратегическое мышление в простых примерах. Это искусство предугадывать следующий ход соперника с учетом того, что он занимается тем же самым. Её изучение может сформировать совсем новый взгляд на устройство мира и на то, как люди взаимодействуют и точно принесет пользу будущему системному аналитику./li>

Дополнительный анализ:  Бельгия - Италия: прогнозы 2 июля 2021 | СТАВКА TV

Аналитика данных и эффективное управление – мгпу

Серышев Роман Викторович

кандидат экономических наук, доцент.

Общий стаж: 21 год

Научно-преподавательский стаж: 18 лет

Доцент, к.э.н., сфера интересов:

— разработка и внедрение корпоративных информационных систем на платформе 1С (1С:ERP, 1С: Управление холдингом, 1С: Комплексная автоматизация, 1С: WMS Управление складом, 1С: Управление торговлей);

— моделирование, оптимизация и управление бизнес-процессами с применением BPMS систем (Bizagi, Элма, ARIS и др.);

— разработка и внедрение систем сбалансированных показателей;

— проектирование информационных систем и управление разработкой (1С: Система проектирования прикладных решений);

— управление ИТ сервисами (ITIL, ITSM, Cobit);

— логистика, операционный менеджмент, управление закупками и цепями поставок.

Обладает действующим опытом работы на крупных проектах разработки и внедрения корпоративных информационных систем на платформе 1С в роли методолога, ведущего аналитика. Сертифицированный специалист по программам 1С.

Барбара оакли “думай как математик. как решать любые задачи быстрее и эффективнее”

Принято считать, что математики – это люди, наделенные недюжинными интеллектуальными способностями, которые необходимо развивать с самого детства. И большинству точность и логичность математического мышления недоступна. Барбара Оакли, доктор наук, доказывает, что каждый может изменить способ своего мышления и овладеть приемами, которые используют все системные аналитики./li>

Бонусы и kpi

58% аналитиков получают бонусы: 79% — за KPI, независимо от выполненных KPI — 8%. А вот 13% респондентов не знают, за что им платят премию. Размер бонусов в основном составляет 20% и менее от общего дохода. 

Из нестандартных бонусов можно выделить следующие: 

Где учиться на аналитика данных (data analyst), какие предметы егэ сдавать: программы, куда поступать на профессию

Получить высшее образование и профессию “Аналитик данных (Data Analyst)”

Выберите свою из предложенных программ обучения. Эти программы являются базой для получения профессии “Аналитик данных (Data Analyst)”, связанной с программированием, математикой, информационными технологиями. Если вы хотите узнать какие предметы нужно сдавать на Аналитика данных (Data Analyst) после 11 класса, отфильтруйте список программ по экзаменам ЕГЭ и выберите подходящую программу обучения

§

Получить высшее образование и профессию “Аналитик данных (Data Analyst)”

Выберите свою из предложенных программ обучения. Эти программы являются базой для получения профессии “Аналитик данных (Data Analyst)”, связанной с программированием, математикой, информационными технологиями. Если вы хотите узнать какие предметы нужно сдавать на Аналитика данных (Data Analyst) после 11 класса, отфильтруйте список программ по экзаменам ЕГЭ и выберите подходящую программу обучения

§

Получить высшее образование и профессию “Аналитик данных (Data Analyst)”

Выберите свою из предложенных программ обучения. Эти программы являются базой для получения профессии “Аналитик данных (Data Analyst)”, связанной с программированием, математикой, информационными технологиями. Если вы хотите узнать какие предметы нужно сдавать на Аналитика данных (Data Analyst) после 11 класса, отфильтруйте список программ по экзаменам ЕГЭ и выберите подходящую программу обучения

Задачи

Аналитик данных – Центр непрерывного образования – Национальный исследовательский университет «Высшая школа экономики»

60% опрошенных сами формулируют задачи и детально их прорабатывают. Это случается тогда, когда заказчик не может понятно объяснить задачу или рассказать, какого результата необходимо добиться.  

Исследование также показало, что зачастую аналитики вынуждены погружаться в смежные области. Особенно, если компания небольшая и многое приходится делать самому. 

Заработная плата

Data Scientists — самые востребованные и поэтому самые дорогостоящие специалисты. 

Если говорить конкретно, то Data Scientists с опытом работы от 3 лет на руки получают от 310 тысяч рублей (совокупные данные специалистов и руководителей). Это на 70% больше оклада маркетингового аналитика (182 тысячи рублей) и на 13% — продуктового (274 тысячи рублей).

Цифры приведены по Москве, поскольку более 80% респондентов из столицы. На вопрос о повышении зарплаты за последний год 74% ответили положительно. Из них 33% сменили компанию, 30% хорошо поработали, 26% получили плановое повышение и столько же изменили зону ответственности. Среди других причин — смена должности/проекта/отдела, получение контр-оффера.

Инструменты

Аналитик данных – Центр непрерывного образования – Национальный исследовательский университет «Высшая школа экономики»

Самые популярные — Python, Tableau, Pandas, PostgreSQL, Google Analytics. Почти от любого аналитика требуют знание языков (SQL, Python или R), математики и статистики. 

Кого читают аналитики

Аналитик данных – Центр непрерывного образования – Национальный исследовательский университет «Высшая школа экономики»

Авторы исследования сделали обширную подборку российских и зарубежных экспертов, чье мнение считается авторитетным, а опыт значимым. 

Образование и бэкграунд

Аналитик данных – Центр непрерывного образования – Национальный исследовательский университет «Высшая школа экономики»

По «корочкам» обошлось без сюрпризов: МГУ, ВШЭ, МФТИ, СПбГУ и Бауманка в пятерке лидеров. Среди специализаций лидирует экономика, а уже потом математика, физика и информатика. 

Неожиданно: 6% опрошенных не имеет высшего образования, при этом многие из них руководители с аналитическим стажем более 3 лет. 

23% получили непрофильные специализации. Дипломированные геологи, журналисты, лингвисты, дипломаты, психологи своим примером доказывают, что профильное образование не является необходимым условием для успешной работы аналитиком.

Весомые 34% респондентов пришли в аналитику из других профессий. Например, есть истории успеха бывшего скрипача и пианистки. Если специалист проработал аналитиком 3-5 лет, то непрофильный бэкграунд перестает иметь важное значение.

Что интересно, многие работодатели ценят аналитиков, у которых был любой собственный бизнес. Такие сотрудники понимают принципы ведения бизнеса, а значит и практический смысл цифр.

Профессиональное развитие

Аналитик данных – Центр непрерывного образования – Национальный исследовательский университет «Высшая школа экономики»

Почти 40% хотят стать экспертом в своей сфере, в то время как 5% — получить новую профессию. 

Самообразованием занимается больше четверти опрошенных. 23% консультируются с коллегами. Замыкают топ-3 обучающие программы и отраслевые мероприятия (по 22%). Также для повышения профессионального уровня аналитики соревнуются, преподают и выступают на конференциях, отвечают на вопросы на профильных площадках, создают новые продукты.

Профессия big data analyst: специалист по анализу больших данных в москве: где учиться, куда поступать

Специалист по анализу больших данных (Big Data Analyst) изучает огромные массивы информации со сложной неоднородной или неопределенной структурой (результаты исследований, рыночные тенденции, предпочтения клиентов и пр.). Анализ таких данных может дать иной уровень понимания предмета исследования и наблюдаемых феноменов, в результате чего могут быть сделаны открытия и созданы новые технологии, вещества, подходы к явлениям различных сфер жизни.

Дополнительный анализ:  Info (Чехия): Россия пытается вырваться из венесуэльской ловушки. Из-за кредитов она держит Мадуро в состоянии клинической смерти | Политика | ИноСМИ - Все, что достойно перевода

Главная компетенция специалиста по большим данным

Специалист по анализу больших данных (Big Data Analyst) изучает огромные массивы информации со сложной неоднородной или неопределенной структурой (результаты исследований, рыночные тенденции, предпочтения клиентов и пр.). Анализ таких данных может дать иной уровень понимания предмета исследования и наблюдаемых феноменов, в результате чего могут быть сделаны открытия и созданы новые технологии, вещества, подходы к явлениям различных сфер жизни.

Главная компетенция специалиста по большим данным – умение видеть логические связи в массивах собранной информации, и на основании этого разрабатывать новые подходы и решения.

По мере возникновения технологий, которые позволяют все быстрее и быстрее образатывать многогигабайтные массивы информации, профессия аналитика больших данных становится все более востребованной.

Инженеры Big Data отвечают за хранение, преобразование данных и быстрый доступ к ним. Аналитики Big Data отвечают за анализ больших данных, выявление взаимосвязей и построение моделей.

Что такое анализ данных?

Профессия аналитик — учёба.ру

Профессия аналитик данных (data analyst) в москве: где учиться, куда поступать

Аналитик данных (Data Analyst) – это универсальный специалист, который обладает знаниями в математике, статистике, информатике, компьютерных науках, бизнесе и экономике. Он занимается проведением описательного (дескриптивного) анализа данных и их интерпретацией.

Работа аналитика заключается в анализе разнообразных данных, как правило, цифровых, на основании которых можно делать определённые выводы. Аналитики находят применение своей профессии в научных и исследовательских учреждениях, в

Аналитик данных (Data Analyst) – это универсальный специалист, который обладает знаниями в математике, статистике, информатике, компьютерных науках, бизнесе и экономике. Он занимается проведением описательного (дескриптивного) анализа данных и их интерпретацией.

Работа аналитика заключается в анализе разнообразных данных, как правило, цифровых, на основании которых можно делать определённые выводы. Аналитики находят применение своей профессии в научных и исследовательских учреждениях, в государственных структурах, банках, медицине, страховом бизнесе, а также в экономической сфере деятельности. Аналитик должен собирать различные цифровые данные, анализировать и впоследствии уметь их визуализировать и трактовать. Для анализа данных приходится использовать различные способы, которые зависят от его цели.

Как будет меняться характер труда аналитика в будущем?

Интеллектуальные системы уже в настоящее время способны проводить аналитические работы в различных областях, особенно это касается стандартных и повторяющихся операций. Со временем аналитические службы будут заменяться сервисами на основе искусственного интеллекта. Объем данных и их сложность возрастает, человеку становится сложно быстро и качественно обрабатывать подобный поток информации. 

На смену аналитикам придут специалисты по большим данным и искусственному интеллекту.

Профессия: аналитик данных

Кто такой аналитик

В чём заключается моя работа

Как я стала аналитиком

Где учат на аналитиков

Какие качества нужны, чтобы успешно работать аналитиком

Карьера, график работы, зарплата

Аналитик данных в будущем

Аналитик — специалист, который занимается обработкой данных и составлением на их основе прогнозов, стратегий, планов и рекомендаций клиентам.

Существует несколько профессий, в названии которых также есть слово «аналитик» — финансовые аналитики, программные аналитики, системные аналитики. Все они занимаются анализом той или иной информации, но не обязательно используют в своей деятельности математику, статистику и языки программирования. Их нужно отличать от отдельной профессии «аналитик данных».

Аналитик данных должен хорошо разбираться в математике, статистике, информатике, компьютерных науках, бизнесе и экономике.

Данные, которые обрабатывает аналитик, зависят от сферы деятельности, которой он занимается. Например, аналитик в области рекламы определяет целевую аудиторию для рекламных кампаний: составляет алгоритм, с помощью которого ищет в базах данных информацию о потенциальных клиентах, анализирует рекламные стратегии с точки зрения отклика, оценивает показатели эффективности кампаний.

Я работаю ведущим аналитиком в рекламном подразделении таргетированных смс-рассылок мобильного оператора. По соображениям конфиденциальности назвать компанию я не могу, она входит в так называемую «большую тройку». Моё подразделение занимается рассылкой рекламы абонентам, сегментируя их по опредёленным социально-демографическим, поведенческим и другим признакам. Аналитик занимается тем, что из всей абонентской базы выбирает абонентов, которые отвечают этим признакам, чтобы рекламодатель рассылал рекламу именно тем людям, которых она может заинтересовать.

Например, к нам приходит клиент, директор стоматологии, и заказывает рекламную кампанию. Аналитик и клиент вместе определяют набор признаков, по которым абоненты могли бы заинтересоваться этой конкретной стоматологией — проживание в определённом районе, обращение за стоматологическими услугами в недалёком прошлом и так далее. Составив список этих признаков, аналитик направляет запросы в базу данных, чтобы реклама была отправлена релевантным абонентам. Для формирования запросов используется специальный язык программирования SQL, предназначенный для работы с базами данных.

Дополнительный анализ:  Продвижение магазина на Etsy: учимся работать с SEO-экосистемой маркетплейса | Медиа Нетологии

Такая реклама называется таргетированной, от английского слова target — цель. Основная задача аналитика — правильно определить эту цель. Чем точнее определён круг признаков и правильнее составлен запрос, тем успешней рекламная кампания.

По результатам кампании аналитики собирают и анализируют данные о её эффективности: смотрят, как много абонентов откликнулись на рекламу— , то есть позвонили по указанным телефонам, обратились в эту стоматологию;, и анализируют, от чего зависит эффективность рекламы, когда она срабатывает, а когда нет. Это похоже на настоящее научное исследование.

Меня с детства интересовали математика и программирование, работа с данными, таблицами, поиск и анализ закономерностей. Работа аналитика включает все эти аспекты.

Я закончила НИУ ВШЭ по направлению, связанному с маркетингом. На факультете нам преподавали математику, статистику, прогнозирование, эконометрику, и эти предметы мне нравились больше всего. Кроме того, я занималась программированием на дополнительных курсах.

После окончания вуза я стала работать в PR, но вскоре поняла, что эта сфера деятельности мне не нравится. Мне было неинтересно, работала я через силу, заставляя себя приходить в офис. Поэтому я решила сменить направление. В вузе я узнала, как работает статистика, какие математические инструменты используются для анализа данных, познакомилась с языком программирования SQL. С этими навыками в резюме я решила посмотреть вакансии аналитика и вскоре нашла мою нынешнюю работу. Поначалу мне поручали и другие задачи, но постепенно аналитика стала моим основным занятием.

За три года я стала ведущим аналитиком— руководителем подразделения. В мои обязанности входит не только составление запросов в базы данных, но и распределение задач внутри моей команды, взаимодействие с заказчиками рекламных кампаний или аккаунт-менеджерами, которые ведут этого рекламодателя.

Профессию аналитика получают на направлениях, связанных с информатикой, математикой, программированием. Эти направления есть практически во всех ведущих вузах страны.

Список вузов от редакции:
МГУ им. М.В. Ломоносова — факультет вычислительной математики и кибернетики, направление «Прикладная математика и информатика».

СПБГУ — направления «Математика и компьютерные науки», «Математика, алгоритмы и анализ данных», «Прикладная математика и информатика», «Прикладная математика, фундаментальная информатика и программирование», «Программирование и информационные технологии», «Системный анализ и прикладные компьютерные технологии».

НИУ ВШЭ — направления «Экономика и статистика», «Бизнес-информатика», «Прикладная математика и информатика».

Национальный исследовательский университет МЭИ — Институт автоматики и вычислительной техники, направление «Прикладная математика и информатика».

Национальный исследовательский технологический университет МИСиС — факультет «Информатика и вычислительная техника».

Московский политехнический университет — факультет информационных технологий, направление «Прикладная информатика (большие и открытые данные)», «Прикладная математика и информатика», «Бизнес-информатика (IT-менеджмент)».

Московский технический университет связи и информатики (МТУСИ) — факультет экономики и управления (ФЭУ), направление «Прикладная информатика».

Финансовая академия при правительстве России — направления «Прикладная математика и информатика», «Бизнес-информатика», «Прикладная информатика».

Работа аналитика по большей части заключается в том, чтобы взаимодействовать с компьютером, а не с людьми. Аналитик, если он не руководитель подразделения, мало общается даже с коллегами, не говоря уже о клиентах. Он не проводит встреч, его рабочий день проходит у монитора за обработкой данных. Есть люди, которым обязательно нужно общение — им такая работа не подойдёт!

Важно, чтобы человеку нравилось оперировать статистическими данными, составлять графики и таблицы, видеть закономерности, структурировать информацию, выделять главное, отбрасывать второстепенное.

Аналитик — профессия не творческая. Каждый день аналитику приходится заниматься одним и тем же: сбором, анализом, оценкой данных. Эта работа очень похожа на главное увлечение моего детства — собирание пазлов. Мне доставляло удовольствие взять набор непонятных разрозненных деталей и часами собирать из них что-то целостное, разумное, имеющее смысл. Так же работают и аналитики.

Аналитик по большей части имеет дело с точными категориями: данными, цифрами, алгоритмами. Составляя запросы, нужно совершать как можно меньше ошибок и максимально точно подбирать аудиторию.

Аналитик должен учитывать все факторы, которые могут повлиять на результат анализа, не упустить ни одной важной детали, иначе на выходе он получит неверные данные и сделает ошибочные выводы.

Карьера. Внутри компании можно из простого аналитика стать тимлидом, руководителем подразделения и развиваться в направлении менеджмента — разрабатывать и курировать собственные продукты, придумывать стратегии их развития.

Можно совершенствовать навыки программирования, повышать свою квалификацию как аналитика данных, переходить в более крупные компании, на более востребованное и престижное направление, заниматься дата-моделированием, большими данными (big data), делать прогнозы и предсказания.

График работы. Аналитики в офисе работают по обычному графику с 9:00 до 18.00 или с 10:00 до 19:00. Иногда приходится задерживаться на работе, но это зависит от нагрузки конкретного аналитика.

Аналитик может работать и удалённо: консультировать заказчиков, которым необходим анализ данных, писать приложения. Всё, что ему для этого нужно — компьютер или ноутбук, выход в интернет и доступ к базам данных.

Зарплата. Зарплата аналитика зависит от его опыта и квалификации, от компании, в которой он работает. В начале карьерного пути я получала 45 тысяч рублей, сейчас зарабатываю больше.

Средняя зарплата аналитика в Москве — 70 тысяч рублей. Начинающий аналитик сразу после окончания вуза может получать от 25 тысяч рублей.

Современный бизнес во многом строится на анализе данных о клиентах, продажах, эффективности рекламных стратегий, поэтому профессия аналитика сейчас очень востребована и останется такой в ближайшие десятилетия. Перспективные направления: работа с большими данными, дата-моделирование, экономическое прогнозирование. Кроме того, умение работать с большим количеством информации (анализировать, структурировать её, делать выводы) востребовано не только в экономике и финансах, но в любой другой сфере деятельности.

Я считаю, что профессию надо выбирать по зову сердца, ориентируясь на то, что нравится делать. Какой бы перспективной ни была профессия, в ней невозможно достичь высот, если не получаешь от неё удовольствия.

Работа с большими данными

Ресурс поддерживает 425 наборов данных для сообщества по машинному обучению. Сервис предлагает качественные, реальные и понятные наборы данных машинного обучения, которые можно использовать для практического изучения методов машинного обучения.

Платформа предлагает соревнования для исследователей разного уровня подготовки, где они могут опробовать свои модели на серьёзных и актуальных данных. Kaggle предусматривает денежное вознаграждение за лучшее решение.

KDnuggets — один из ведущих сайтов по бизнес-аналитике, большим данным, интеллектуальному анализу, науке о данных и машинному обучению. Авторы проекта собрали на одной странице 78 источников открытых данных для обработки.

Джо Рикер — один из постоянных участников R-сообщества. Он собрал список сайтов, на которых можно найти открытые данные для анализа в системе R.

Мы попросили ИТ-инженера Центра компетенций по супермассивам данных в «Сбербанк-Технологиях» Диану Борисову прокомментировать список и рассказать о других понравившихся курсах.

Самоучитель «Python 3 для начинающих» — отличные уроки. Материал разложен кратко и по теме. К этому сайту обращаются не только начинающие программисты, но также опытные ребята.

Курс «Программирование на Python» подойдёт людям, начинающим изучать Python. Имеет место, но не самый лучший. Основы рассказываются долго — лучше обратиться к самоучителю.

Из плюсов — задачи развивают алгоритмическое мышление, минус — не самое оптимальное решение некоторых задач (зная определённые функции можно решить в две строчки вместо 15).

О «Python: основы и применение» слышала много хороших отзывов. Для начинающих будет сложно. Поэтому он больше подойдёт тем, кто знаком с основами.

«Основы программирования на R» — неплохой курс для тех, кто начинает изучать R. Понятное и структурированное изложение, есть практические задания, обращают внимание на важные мелочи.

Курс «Анализ данных в R» ведёт крутой преподаватель, и курс тоже отличный. После изучения математической статистики и основ программирования на R этот курс нужно пройти обязательно

«Основы статистики» — отличный курс для начинающих. Теория изложена на простых и понятных примерах без погружения в доказательства и без огромного количества формул. Практика помогает закрепить теорию.

Курс «Алгоритмы: теория и практика. Методы» организован Computer Science Center, известным своим хорошим изложением теории программирования. Александр — один из лучших преподавателей центра.

Курс подходит для тех, кто уже имеет какое-то представление об алгоритмах. Практические задания помогают закрепить материал, над некоторыми задачами придётся посидеть подольше.

От себя посоветую:

1. Платформа Стэнфордского университета, на которой также можно найти неплохие курсы для разного уровня.

2. Курс «Теория вероятностей для начинающих».

Лучше Андрея Райгородского — преподавателя курса — никто не объяснит эту тему. Разжёвывает всё, даёт понятные примеры. Курс однозначно стоит внимания.

3. Курс «Основы статистики. Часть 2».

После основ статистики можно продолжить углублять знания в данной теме и пройти второй курс. Анатолий Карпов излагает материал максимально понятно и просто.

4. Курс «Нейронные сети».

Очередной отличный курс от Института биоинформатики. Для начинающих, возможно, будет немного сложно. Но курс в любом случае стоит внимания.

5. «Питонтьютор».

Сайт поможет изучить основы программирования на Python. Работа проходит прямо в браузере. Сначала читаешь статью, затем решаешь много практических задач от легкого уровня к сложному.

6. Курс «Ликбез по дискретной математике».

Курс с хорошими отзывами. Думаю, что для тех, у кого хромает математический аппарат, курс обязателен к изучению. Ничего лучше теории в сочетании с практикой придумать нельзя.

#образование

Респонденты

Аналитик данных – Центр непрерывного образования – Национальный исследовательский университет «Высшая школа экономики»

В исследовании приняли участие Data Scientists, продуктовые и маркетинговые аналитики. 

Опросник заполнили 150 человек (20% от запрошенных). Возраст большинства из них 27-31 год — как мужчин, так и женщин. 30% аналитиков — женщины. Самому старшему участнику исследования 45 лет, а самому молодому — 22 года. 

Большая часть респондентов работает в аналитике от 3 лет (71%) в качестве специалистов (55%). 

Смена работы

Считаем, что один из ключевых выводов исследования, который не даст спокойно спать работодателям, —

практически каждый аналитик готов сменить работу

. В лагере лояльных сотрудников остались только 2% опрошенных.

Большинство аналитиков меняют работу один раз в 1,5-2 года. Частая смена работы связана с их высокой востребованностью на рынке. 

Основные мотивы для смены работы:

66% открыты для обсуждения релокации. Чтобы снизить риск потери ключевых ИТ-специалистов, некоторые российские компании специально открывают офисы за рубежом и перевозят туда сотрудников. Другие делают ставку на удаленную работу.

Оказалось, чем меньше у специалиста опыта, тем выше зарплатные ожидания.

Например, у аналитика со стажем менее года разница между текущей и желаемой зарплатой составляет 69%. Правда, дальше идет снижение по мере того, как специалист набирается опыта и способен уже адекватно оценивать свою стоимость. 

В среднем аналитики в активном поиске хотят увеличить зарплату на 10-20% от текущего уровня. Но, если профессионала хантят, его ожидания могут быть выше чем у активно ищущих.

Формат работы

Большинство работает в офисе, и только 7% — удаленно. При этом,

эксперты New.HR отмечают рост тренда на дистанционную работу

. Например, это актуально для стартапов, чтобы снизить расходы на содержание офиса и нанимать людей из любой точки мира.

Совмещают найм и работу «на себя» — 8%, а 4% работают только «на себя». Специалисты выполняют разовые задачи: например, строят аналитическую инфраструктуру, настраивают дашборды, формируют системы метрик. В дальнейшем их поддержкой может заниматься менее дорогостоящий специалист.

Чарльз уилан “голая статистика. самая интересная книга о самой скучной науке”

Статистика помогает принимать важные решения, находить скрытые взаимосвязи между явлениями. Автор книги с юмором и блестящими наглядными примерами рассказывает о том, как это происходит. Эта книга будет полезной для тех, кто в будущем планирует стать системным аналитиком; а также для всех, кому интересно, как устроена статистика./li>

Оцените статью
Аналитик-эксперт
Добавить комментарий