Чем ближе старт нового потока «Аналитик данных», тем больше вопросов к студентам специализации от тех, кто еще думает о записи на курс. С разрешения Ильи Драницкого, выпускника 3 потока, публикуем его большой и развернутый отзыв о программе!
«Привет, меня зовут Илья. Мне удалось поменять сферу деятельности, уйти из продаж и попасть в IT на аналитика. Сейчас прохожу испытательный период в новой для себя роли — аналитик BI.
Расскажу немного, с чего все началось и как мне помог karpovꓸcourses. В 2020 году в период пандемии (так совпало) я ушел с прошлого места работы — я управлял небольшим отделом продаж в небольшой компании по аутсорсингу охраны труда — и столкнулся с проблемой поиска нового места работы. Быстро найти новое место не получилось. Планировал, что в течение месяца с моим опытом и навыками смогу найти что-то подходящее, но этого не произошло.
Сейчас кратко опишу цепочку событий от альтернативного поиска работы до получения оффера от компании на позицию аналитика BI 🙂
Итак, все началось с поиска работы за пределами именитой площадки с двумя буквами на красном фоне.
Начал с телеграм-каналов о поисках работы — мысль об удаленной работе — большее количество вакансий из диджитал профессий (разработка, дизайн, маркетинг, аналитика и менеджмент) — а может я смогу там преуспеть? — а что еще есть на рынке и что мне ближе? — в поле зрения попадают онлайн школы по смене профессии — бесплатные интенсивы и самостоятельный поиск ресурсов по обучению привели меня на курс по статистике от Анатолия — приблизился к выбору профессии аналитика — вижу на почте письмо со Степика от Анатолия по запуску специализации "Аналитик данных" — еще раз смотрю на рынок образования уже по анализу данных — звонок от Анатолия по моим вопросам к его курсу — выбор по курсу сделан в пользу Карпова — 5 месяцев обучения: восторг, интерес, сложности, грусть, а у других получается, упорство, интерес, я кажется понял, конец — 3 месяца поиска работы (об этом еще можно целую статью написать) — получение оффера 😉
Лично меня подкупил курс разными вещами, для кого-то это может показаться странным, но я обращал внимание на:
— сайт, его оформление и содержание, как это сходится с тем, что транслирует сам основатель школы
— отзывы от учеников прошлых потоков
— саму программу, инструменты, почему именно их используют в обучении
— преподавателей, чему и как они учат, где работают и еще на некоторые артефакты 🙂
В итоге я понял, что при создании онлайн-школы каждому винтику уделили внимание. Окончательно я убедился в этом уже на курсе — создатели и причастные к этому реально увлечены тем, чтобы приносить пользу другим людям.
И все-таки всю ценность материалов, заданий, преподавателей я наверное понял уже после окончания курса во время прохождения испытательного периода в компании. Почему так?
Ну во-первых, только со временем понимаешь, что в курсе есть все самое необходимое из огромного количества инструментов (питон, sql, статистика, гит, табло, продуктовый подход), требований к аналитикам и срокам обучения. Это начинает проявляться при составлении резюме, во время тестовых заданий, собеседований, при виде самих требований к вакансиям и так далее.
Во-вторых, попав в первую свою компанию на позицию аналитика, я увидел знакомый юпитер ноутбук, знакомый синтаксис sql, уже полюбившийся мне Табло. Это помогает чувствовать себя увереннее.
В общем, я доволен результатом и самим курсом. Благодарю всю команду за творение и желаю удачи тем, кто уже меняет или собирается менять деятельность и хочет попасть в аналитику!»
P.S. записаться на 13 поток или оставить заявку на будущий можно по ссылке
Расскажу немного, с чего все началось и как мне помог karpovꓸcourses. В 2020 году в период пандемии (так совпало) я ушел с прошлого места работы — я управлял небольшим отделом продаж в небольшой компании по аутсорсингу охраны труда — и столкнулся с проблемой поиска нового места работы. Быстро найти новое место не получилось. Планировал, что в течение месяца с моим опытом и навыками смогу найти что-то подходящее, но этого не произошло.
Сейчас кратко опишу цепочку событий от альтернативного поиска работы до получения оффера от компании на позицию аналитика BI 🙂
Итак, все началось с поиска работы за пределами именитой площадки с двумя буквами на красном фоне.
Начал с телеграм-каналов о поисках работы — мысль об удаленной работе — большее количество вакансий из диджитал профессий (разработка, дизайн, маркетинг, аналитика и менеджмент) — а может я смогу там преуспеть? — а что еще есть на рынке и что мне ближе? — в поле зрения попадают онлайн школы по смене профессии — бесплатные интенсивы и самостоятельный поиск ресурсов по обучению привели меня на курс по статистике от Анатолия — приблизился к выбору профессии аналитика — вижу на почте письмо со Степика от Анатолия по запуску специализации "Аналитик данных" — еще раз смотрю на рынок образования уже по анализу данных — звонок от Анатолия по моим вопросам к его курсу — выбор по курсу сделан в пользу Карпова — 5 месяцев обучения: восторг, интерес, сложности, грусть, а у других получается, упорство, интерес, я кажется понял, конец — 3 месяца поиска работы (об этом еще можно целую статью написать) — получение оффера 😉
Лично меня подкупил курс разными вещами, для кого-то это может показаться странным, но я обращал внимание на:
— сайт, его оформление и содержание, как это сходится с тем, что транслирует сам основатель школы
— отзывы от учеников прошлых потоков
— саму программу, инструменты, почему именно их используют в обучении
— преподавателей, чему и как они учат, где работают и еще на некоторые артефакты 🙂
В итоге я понял, что при создании онлайн-школы каждому винтику уделили внимание. Окончательно я убедился в этом уже на курсе — создатели и причастные к этому реально увлечены тем, чтобы приносить пользу другим людям.
И все-таки всю ценность материалов, заданий, преподавателей я наверное понял уже после окончания курса во время прохождения испытательного периода в компании. Почему так?
Ну во-первых, только со временем понимаешь, что в курсе есть все самое необходимое из огромного количества инструментов (питон, sql, статистика, гит, табло, продуктовый подход), требований к аналитикам и срокам обучения. Это начинает проявляться при составлении резюме, во время тестовых заданий, собеседований, при виде самих требований к вакансиям и так далее.
Во-вторых, попав в первую свою компанию на позицию аналитика, я увидел знакомый юпитер ноутбук, знакомый синтаксис sql, уже полюбившийся мне Табло. Это помогает чувствовать себя увереннее.
В общем, я доволен результатом и самим курсом. Благодарю всю команду за творение и желаю удачи тем, кто уже меняет или собирается менять деятельность и хочет попасть в аналитику!»
P.S. записаться на 13 поток или оставить заявку на будущий можно по ссылке
В четверг прошел вебинар «A/B-тесты с метриками-отношениями и при чём здесь внутрипользовательские корреляции», и мы наконец загрузили материалы с вебинара.
Так что если у вас нет планов на вечер – отличная возможность сначала пересмотреть запись лекции, а потом скачать по ссылке ноутбук и провернуть все те же действия самостоятельно.
Так что если у вас нет планов на вечер – отличная возможность сначала пересмотреть запись лекции, а потом скачать по ссылке ноутбук и провернуть все те же действия самостоятельно.
Собеседование – это всегда волнительный процесс независимо от того, в какой по счету раз вы его проходите. Часто соискатели не уверены в своём уровне знаний и не знают, как правильно отвечать на тот или иной вопрос. Мы решили попробовать новый формат полезных видео и показать, как выглядит собеседование на позицию аналитика. Будем обсуждать задачки по программированию, разбирать кейсы в Pandas и затронем типичные вопросы по Python, SQL и теории вероятностей. Такие интервью – отличная возможность увидеть свои сильные и слабые стороны со стороны, чтобы знать на что нужно сделать акцент при подготовке к настоящему собеседованию.
24 июня, в этот четверг в 19.00 мы проведем первое мероприятие подобного формата. Итак, что же будет?
● Собеседование проведёт Анатолий Карпов
● Симуляция собеседования в крупную компанию
● Два потенциальных соискателя – добровольцы из нашего телеграм-чата
● Участники заранее не знают, что их ожидает и повторяют то, что на их взгляд будет полезно, то есть всё как в жизни:)
Регистрация
24 июня, в этот четверг в 19.00 мы проведем первое мероприятие подобного формата. Итак, что же будет?
● Собеседование проведёт Анатолий Карпов
● Симуляция собеседования в крупную компанию
● Два потенциальных соискателя – добровольцы из нашего телеграм-чата
● Участники заранее не знают, что их ожидает и повторяют то, что на их взгляд будет полезно, то есть всё как в жизни:)
Регистрация
Вчера прошло наше первое открытое собеседование в «карантинном формате». Запись уже доступна по ссылке.
Так как подобное интервью было первым как для нас, так и для зрителей – оно скорее напоминало первый этап знакомства, нежели большое техническое собеседование (его мы тоже проведём!). Обязательно оставляйте в комментариях свои впечатления и замечания – в следующих выпусках они помогут нам стать лучше, а будущим соискателям еще основательнее подготовиться, в том числе к настоящим собеседованиям.
В слову о новых выпусках: по ходу трансляции мы видели много вопросов от желающих попробовать свои силы в подобном формате, поэтому если вы хотели бы оказаться на месте героев следующего открытого собеседования – оставляйте заявку в Google-форме.
Так как подобное интервью было первым как для нас, так и для зрителей – оно скорее напоминало первый этап знакомства, нежели большое техническое собеседование (его мы тоже проведём!). Обязательно оставляйте в комментариях свои впечатления и замечания – в следующих выпусках они помогут нам стать лучше, а будущим соискателям еще основательнее подготовиться, в том числе к настоящим собеседованиям.
В слову о новых выпусках: по ходу трансляции мы видели много вопросов от желающих попробовать свои силы в подобном формате, поэтому если вы хотели бы оказаться на месте героев следующего открытого собеседования – оставляйте заявку в Google-форме.
Не во всех задачах существует гладкая функция для оптимизации, а для части проблем и вовсе невозможно придумать способ определить направление, в котором нужно двигаться. В таких ситуациях на помощь приходят малоизвестные и нечасто обсуждаемые методы, о которых мы поговорим на вебинаре «Решение оптимизационных задач неградиентными методами».
Открытая лекция пройдет 1 июля в 20:00, а ведущим выступит Игорь Котенков, Senior Engineer в AliExpress Russia и преподаватель курса HARD ML.
На вебинаре:
● Обсудим, в каких задачах встречается проблема оптимизации негладких функций
● Посмотрим на основных представителей методов негладкой оптимизации
● Покажем имплементацию генетического метода и Нелдера-Мида
● Поиграемся с обучением моделей нетрадиционным способом
Регистрация
Открытая лекция пройдет 1 июля в 20:00, а ведущим выступит Игорь Котенков, Senior Engineer в AliExpress Russia и преподаватель курса HARD ML.
На вебинаре:
● Обсудим, в каких задачах встречается проблема оптимизации негладких функций
● Посмотрим на основных представителей методов негладкой оптимизации
● Покажем имплементацию генетического метода и Нелдера-Мида
● Поиграемся с обучением моделей нетрадиционным способом
Регистрация
На прошлой неделе состоялось наше первое открытое собеседование — симуляция интервью на позицию junior аналитика. По его итогам мы собрали для вас топ советов от Анатолия Карпова: как готовиться к собеседованиям, чтобы их проходить?
Оговоримся, что крупные компании всегда проводят найм в несколько этапов — это обычно:
● быстрый скрининг с рекрутером,
● знакомство с командой,
● техническое интервью.
На стриме мы разыграли именно первую встречу соискателя с нанимателем — так что ловите советы по подготовке к знакомству.
Оговоримся, что крупные компании всегда проводят найм в несколько этапов — это обычно:
● быстрый скрининг с рекрутером,
● знакомство с командой,
● техническое интервью.
На стриме мы разыграли именно первую встречу соискателя с нанимателем — так что ловите советы по подготовке к знакомству.
1. Прямо спросите, чего ожидать
Заранее уточните у рекрутера, к чему примерно готовиться. Это нормально! В большинстве случаев никакой тайны здесь нет: скорее всего, вам спокойно обозначат темы, а если повезёт — даже посоветуют материалы.
2. Будьте настроены рассказать о себе
Скорее всего, при знакомстве вас спросят, как вы пришли в аналитику, какие проблемы вам интересны и чем вы хотите заниматься в компании. Это не просто small talk: самопрезентация — важный навык, который при прочих равных может сыграть решающую роль в выборе кандидата.
Казалось бы, вопросы элементарные. Но на практике именно они застают многих врасплох: люди ждут, что их сразу начнут гонять по языкам, алгоритмам и базам данных, и теряются. Продумайте этот момент на берегу.
3. Вникните в деятельность компании
Инсайд: чаще всего никто не бросается с порога оценивать hard skills соискателя. Зато всем важно понять, как вы мыслите и подходите к решению задач.
Поэтому на первом этапе вам, скорее всего, зададут несколько общих вопросов «на подумать». С большой вероятностью они будут связаны с реальными задачами компании. Разберитесь при подготовке, с какими данными вам предстоит работать, поищите похожие кейсы, подумайте, что можете предложить.
4. Не бойтесь не знать ответа на вопрос
Если во время интервью вам задали вопрос, на который вы не можете ответить, не пугайтесь и постарайтесь декомпозировать задачу. Пусть вы не решите её полностью, но показать правильный ход мыслей на начальных стадиях — уже большой плюс. А ещё абсолютно нормально попросить подсказку.
5. Подумайте о зарплате до собеседования
Соискатели постоянно теряются на этом вопросе. Проявите осознанность: поспрашивайте знакомых, работающих в индустрии, посмотрите зарплатные вилки на аналогичных позициях — и приходите на встречу уже с числом в голове. Если в процессе разговора вы поняли, что всё-таки пока не готовы назвать сумму, честно скажите об этом интервьюеру — дадите ответ позже.
Надеемся, теперь вы чуть лучше представляете, что происходит за закрытыми дверями переговорки во время первого этапа отбора аналитика в большую компанию (а предупреждён — значит вооружён). Для полноты картины обязательно посмотрите запись открытого собеседования, если ещё этого не сделали.
В следующий раз мы проведём симуляцию технического интервью: чтобы вы сложили пазл воедино и в дальнейшем могли без проблем подготовиться к любому собеседованию. Не переключайтесь!
Заранее уточните у рекрутера, к чему примерно готовиться. Это нормально! В большинстве случаев никакой тайны здесь нет: скорее всего, вам спокойно обозначат темы, а если повезёт — даже посоветуют материалы.
2. Будьте настроены рассказать о себе
Скорее всего, при знакомстве вас спросят, как вы пришли в аналитику, какие проблемы вам интересны и чем вы хотите заниматься в компании. Это не просто small talk: самопрезентация — важный навык, который при прочих равных может сыграть решающую роль в выборе кандидата.
Казалось бы, вопросы элементарные. Но на практике именно они застают многих врасплох: люди ждут, что их сразу начнут гонять по языкам, алгоритмам и базам данных, и теряются. Продумайте этот момент на берегу.
3. Вникните в деятельность компании
Инсайд: чаще всего никто не бросается с порога оценивать hard skills соискателя. Зато всем важно понять, как вы мыслите и подходите к решению задач.
Поэтому на первом этапе вам, скорее всего, зададут несколько общих вопросов «на подумать». С большой вероятностью они будут связаны с реальными задачами компании. Разберитесь при подготовке, с какими данными вам предстоит работать, поищите похожие кейсы, подумайте, что можете предложить.
4. Не бойтесь не знать ответа на вопрос
Если во время интервью вам задали вопрос, на который вы не можете ответить, не пугайтесь и постарайтесь декомпозировать задачу. Пусть вы не решите её полностью, но показать правильный ход мыслей на начальных стадиях — уже большой плюс. А ещё абсолютно нормально попросить подсказку.
5. Подумайте о зарплате до собеседования
Соискатели постоянно теряются на этом вопросе. Проявите осознанность: поспрашивайте знакомых, работающих в индустрии, посмотрите зарплатные вилки на аналогичных позициях — и приходите на встречу уже с числом в голове. Если в процессе разговора вы поняли, что всё-таки пока не готовы назвать сумму, честно скажите об этом интервьюеру — дадите ответ позже.
Надеемся, теперь вы чуть лучше представляете, что происходит за закрытыми дверями переговорки во время первого этапа отбора аналитика в большую компанию (а предупреждён — значит вооружён). Для полноты картины обязательно посмотрите запись открытого собеседования, если ещё этого не сделали.
В следующий раз мы проведём симуляцию технического интервью: чтобы вы сложили пазл воедино и в дальнейшем могли без проблем подготовиться к любому собеседованию. Не переключайтесь!
Новый месяц – новый поток HARD ML! В середине июня мы открыли демоверсию курса, так что если вы успешно её освоили – почему бы не попробовать и полную?:)
Записаться на шестой поток: https://bit.ly/3hbnp0p
P. S. Больше о продвинутой программе по машинному обучению можно узнать через час на вебинаре Игоря Котенкова, преподавателя модуля «Ранжирование и матчинг»: https://youtu.be/EXyxNE47Gz4
Записаться на шестой поток: https://bit.ly/3hbnp0p
P. S. Больше о продвинутой программе по машинному обучению можно узнать через час на вебинаре Игоря Котенкова, преподавателя модуля «Ранжирование и матчинг»: https://youtu.be/EXyxNE47Gz4
В декабре 2020 года в karpovꓸcourses вышло большое интервью с Максимом Годзи, создателем инструментов аналитики Retentioneering, с интригующим названием «Часть 1».
После стольких лет (спустя полгода) мы записали вторую часть, так что этим пятничным вечером приглашаем присоединиться к обсуждению продвинутых тем из области аналитики: https://youtu.be/_5K1P8QQ5hs
На повестке дня:
● Графы VS машинное обучение в аналитике
● Анализ графов и A/B тесты
● Полезность продуктовых метрик
● Отличия senior-аналитика от junior и middle
После стольких лет (спустя полгода) мы записали вторую часть, так что этим пятничным вечером приглашаем присоединиться к обсуждению продвинутых тем из области аналитики: https://youtu.be/_5K1P8QQ5hs
На повестке дня:
● Графы VS машинное обучение в аналитике
● Анализ графов и A/B тесты
● Полезность продуктовых метрик
● Отличия senior-аналитика от junior и middle
Telegram
Karpov Courses
Видео дня – новое интервью karpov.courses!
Наш гость – Максим Годзи, создатель инструментов аналитики Retentioneering, а ранее – исследователь в университете UPENN США, аналитик Yandex Такси и руководитель ML, аналитики и Data Science в App in the Air. …
Наш гость – Максим Годзи, создатель инструментов аналитики Retentioneering, а ранее – исследователь в университете UPENN США, аналитик Yandex Такси и руководитель ML, аналитики и Data Science в App in the Air. …
Совершенству нет предела, поэтому мы добавили новый модуль в специализацию «Аналитик данных» – теорию вероятностей.
Базовое понимание основ теории вероятностей необходимо для уверенного владения математической статистикой – главным инструментом для анализа A/B тестов и экспериментов: например, одно из центральных понятий статистики, p-value – это вероятность. Как мы помним, аналитика учит правильно оценивать риски и принимать более надежные решения, что есть ни что иное как применение тер.вера для решения задач в жизни.
В рамках модуля мы начнем с простых задач на произведение и сложение вероятностей, разберемся с формулой Бернулли и научимся решать нестандартные задачи на условную вероятность. Вести лекции и придумывать интересные домашние задания будет главный инициатор добавления теории вероятностей в программу – Анатолий Карпов.
Более подробное описание блока уже можно найти на сайте.
Базовое понимание основ теории вероятностей необходимо для уверенного владения математической статистикой – главным инструментом для анализа A/B тестов и экспериментов: например, одно из центральных понятий статистики, p-value – это вероятность. Как мы помним, аналитика учит правильно оценивать риски и принимать более надежные решения, что есть ни что иное как применение тер.вера для решения задач в жизни.
В рамках модуля мы начнем с простых задач на произведение и сложение вероятностей, разберемся с формулой Бернулли и научимся решать нестандартные задачи на условную вероятность. Вести лекции и придумывать интересные домашние задания будет главный инициатор добавления теории вероятностей в программу – Анатолий Карпов.
Более подробное описание блока уже можно найти на сайте.
Меры центральной тенденции — это характеристики выборки по уровню выраженности того или иного признака. Проще говоря, способы описать кучу данных одним числом.
Вы наверняка хорошо знакомы с тремя самыми распространёнными МЦТ: модой, медианой и средним арифметическим. На всякий случай напомним:
– мода — значение, которое встречается чаще всего;
– медиана — значение, которое делит упорядоченное множество пополам;
– среднее — сумма всех значений, делённая на их количество.
Разумеется, они не всегда совпадают. Как в таком случае решить, какая из мер самая репрезентативная? Попробуем разобраться на примерах.
Вы наверняка хорошо знакомы с тремя самыми распространёнными МЦТ: модой, медианой и средним арифметическим. На всякий случай напомним:
– мода — значение, которое встречается чаще всего;
– медиана — значение, которое делит упорядоченное множество пополам;
– среднее — сумма всех значений, делённая на их количество.
Разумеется, они не всегда совпадают. Как в таком случае решить, какая из мер самая репрезентативная? Попробуем разобраться на примерах.
● Пускай мы хотим посчитать средний возраст учеников девятых классов во всех школах города N. Даже не видя данных, можно предположить, что:
– абсолютное большинство ребят — одного и того же года рождения;
– редкие исключения старше или младше максимум на год/два;
– «средних» девятиклассников намного больше, чем «нетипичных».
Другими словами, если школьники в городе N не какие-то аномальные, все меры сойдутся примерно на одном числе. Значит, можно пользоваться любой из них (чаще выбирают среднее).
● Рассмотрим другую ситуацию: мы снова имеем дело с возрастом, но на этот раз — покупателей интернет-магазина детской одежды. В отличие от предыдущего кейса, диапазон значений здесь ограничен весьма условно.
Это значит, что возможны выбросы. Скажем, большинство покупателей — молодые мамы немного за 30. Но если данных у нас маловато, буквально пара заказов от бабушек-пенсионерок может сместить среднее на годы:
[30, 32, 33, 34, 34] — сред. ≈ 33
[30, 32, 33, 34, 34, 75] — сред. ≈ 40
Если мы ориентируемся на средний возраст покупателей, например, при оптимизации рекламы, то из-за аномалии можем просто перестать попадать в свою целевую аудиторию. Что самое обидное: попадать в бабушек мы тоже не начнём.
Это как раз тот случай, когда стоит использовать медиану — она куда лучше защищена от выбросов:
[30, 32, 33, 34, 34] — медиан. = 33
[30, 32, 33, 34, 34, 75] — медиан. = 33.5
● И, наконец, представьте, что мы работаем с архивом заявлений на замену паспорта. Люди подают их по разным причинам: из-за порчи или потери документа, новой фамилии, изменений во внешности — но всё это вряд ли сильно коррелирует с возрастом.
Зато в 20 и 45 лет паспорт обязаны менять абсолютно все россияне. Скорее всего, именно на эти значения приходятся пики по количеству обращений. Единственная мера, способная это отразить, — мода.
Какой вывод можно сделать из этих трёх примеров? В первую очередь — что универсального алгоритма по выбору «самой точной» меры не существует.
Есть только одно правило: среднее, мода и медиана совпадают, когда распределение симметрично, унимодально и не имеет значительных выбросов. Во всех остальных случаях подходить к выбору и интерпретации МЦТ нужно осознанно: внимательно смотреть и на данные, и на решаемую задачу.
– абсолютное большинство ребят — одного и того же года рождения;
– редкие исключения старше или младше максимум на год/два;
– «средних» девятиклассников намного больше, чем «нетипичных».
Другими словами, если школьники в городе N не какие-то аномальные, все меры сойдутся примерно на одном числе. Значит, можно пользоваться любой из них (чаще выбирают среднее).
● Рассмотрим другую ситуацию: мы снова имеем дело с возрастом, но на этот раз — покупателей интернет-магазина детской одежды. В отличие от предыдущего кейса, диапазон значений здесь ограничен весьма условно.
Это значит, что возможны выбросы. Скажем, большинство покупателей — молодые мамы немного за 30. Но если данных у нас маловато, буквально пара заказов от бабушек-пенсионерок может сместить среднее на годы:
[30, 32, 33, 34, 34] — сред. ≈ 33
[30, 32, 33, 34, 34, 75] — сред. ≈ 40
Если мы ориентируемся на средний возраст покупателей, например, при оптимизации рекламы, то из-за аномалии можем просто перестать попадать в свою целевую аудиторию. Что самое обидное: попадать в бабушек мы тоже не начнём.
Это как раз тот случай, когда стоит использовать медиану — она куда лучше защищена от выбросов:
[30, 32, 33, 34, 34] — медиан. = 33
[30, 32, 33, 34, 34, 75] — медиан. = 33.5
● И, наконец, представьте, что мы работаем с архивом заявлений на замену паспорта. Люди подают их по разным причинам: из-за порчи или потери документа, новой фамилии, изменений во внешности — но всё это вряд ли сильно коррелирует с возрастом.
Зато в 20 и 45 лет паспорт обязаны менять абсолютно все россияне. Скорее всего, именно на эти значения приходятся пики по количеству обращений. Единственная мера, способная это отразить, — мода.
Какой вывод можно сделать из этих трёх примеров? В первую очередь — что универсального алгоритма по выбору «самой точной» меры не существует.
Есть только одно правило: среднее, мода и медиана совпадают, когда распределение симметрично, унимодально и не имеет значительных выбросов. Во всех остальных случаях подходить к выбору и интерпретации МЦТ нужно осознанно: внимательно смотреть и на данные, и на решаемую задачу.
С появлением полного списка программ на сайте мы отмечали повышенный интерес к новому направлению «Data Engineer». Сегодня мы наконец готовы его анонсировать: запуск первого потока состоится 5 августа!
Как школа Data Science, мы решили создать направление обучения, отвечающее за самое ядро DS — данные, которые нужно уметь собирать, хранить, валидировать и комбинировать между собой, быстро реагируя на изменения в их структуре.
Именно этим занимаются дата-инженеры — они правильно подготавливают данные под любые задачи и доносят результат до потребителей, которые, например, собирают из этих данных обучающую выборку для ML.
На курсе «Data Engineer» мы дадим универсальные знания в области инженерии данных, которые применяются для проектирования систем хранения и обработки данных, их автоматизации и экономии ресурсов кластера.
Как школа Data Science, мы решили создать направление обучения, отвечающее за самое ядро DS — данные, которые нужно уметь собирать, хранить, валидировать и комбинировать между собой, быстро реагируя на изменения в их структуре.
Именно этим занимаются дата-инженеры — они правильно подготавливают данные под любые задачи и доносят результат до потребителей, которые, например, собирают из этих данных обучающую выборку для ML.
На курсе «Data Engineer» мы дадим универсальные знания в области инженерии данных, которые применяются для проектирования систем хранения и обработки данных, их автоматизации и экономии ресурсов кластера.
Преподавателями и наставниками будут ведущие (а как иначе?) специалисты из Mailꓸru, Яндекс Go, Sbermarket и Mars, под руководством которых за 4 месяца вы освоите:
● Методологии проектирования DWH
● MPP реляционные СУБД на базе Greenplum
● Работу с Big Data на базе Hadoop
● Code-driven ETL на базе Airflow
● Хранилища в облаках
● Визуализацию данных
Рекомендуемый уровень для комфортного прохождения — Junior/Middle Python и уверенное владение базовым синтаксисом SQL
Больше информации о программе по ссылке.
● Методологии проектирования DWH
● MPP реляционные СУБД на базе Greenplum
● Работу с Big Data на базе Hadoop
● Code-driven ETL на базе Airflow
● Хранилища в облаках
● Визуализацию данных
Рекомендуемый уровень для комфортного прохождения — Junior/Middle Python и уверенное владение базовым синтаксисом SQL
Больше информации о программе по ссылке.
karpov.courses
Инженер данных | karpov.courses
Пройдите курсы data engineer онлайн по доступной цене: обучение на инженера данных в школе Karpov Courses.
Рядом с каждой программой на нашем сайте есть пометка, для какого уровня подготовки подходит курс. Так сложилось, что больше всего вопросов вызывает пункт «можно с нуля». Давайте разберёмся на примере самого первого направления «Аналитик данных».
На самом деле, чтобы начать учиться, вам всего лишь необходимы условия для комфортного прохождения курса в виде стабильного интернета и достаточного количества времени на освоение материала. В среднем наши студенты тратят 10-15 часов в неделю на просмотр лекций и решение практических задач.
Единственное и самое главное пожелание — это знание математики на уровне школьной программы. Все-таки в анализе данных придётся часто сталкиваться со статистикой и теорией вероятностей, которые будет довольно тяжело освоить без знания самых основ.
На самом деле, чтобы начать учиться, вам всего лишь необходимы условия для комфортного прохождения курса в виде стабильного интернета и достаточного количества времени на освоение материала. В среднем наши студенты тратят 10-15 часов в неделю на просмотр лекций и решение практических задач.
Единственное и самое главное пожелание — это знание математики на уровне школьной программы. Все-таки в анализе данных придётся часто сталкиваться со статистикой и теорией вероятностей, которые будет довольно тяжело освоить без знания самых основ.
Все темы на курсе разбираются с нуля в соответствующих модулях, поэтому предварительные знания о программировании или работе с продуктом вам не потребуются. Однако если вы всё же хотите чувствовать себя более подготовленными к старту — рекомендуем пройти 3 лекции блока «Python» на Stepik, чтобы опробовать наш формат обучения и понять степень интенсивности программы.
Итак, давайте повторим по пунктам, что вам потребуется для начала обучения на специализации «Аналитик данных»:
● Стабильный интернет
● Время и желание учить теорию и выполнять домашние задания
● Математика на уровне школьной программы
Как видите, ничего сложного! А если вдруг будет тяжело — пишите в чат техподдержки. Мы обязательно придумаем, как сделать условия обучения более комфортными для вас.
Итак, давайте повторим по пунктам, что вам потребуется для начала обучения на специализации «Аналитик данных»:
● Стабильный интернет
● Время и желание учить теорию и выполнять домашние задания
● Математика на уровне школьной программы
Как видите, ничего сложного! А если вдруг будет тяжело — пишите в чат техподдержки. Мы обязательно придумаем, как сделать условия обучения более комфортными для вас.
Желание стать аналитиком данных – это чудесно, и мы обязательно поможем достигнуть цели, но зачем это нужно бизнесу?
Давайте представим: вы – владелец успешного бизнеса по производству поп-итов, и ваш маркетинговый директор обращается с предложением найма отдела аналитики. Скажем, 10 человек с з.п. 130 000 руб./месяц и руководитель ещё за 200 000 руб./месяц. В сумме – 1 500 000 рублей. По какой причине стоит решиться тратить полтора миллиона в месяц не на новые поп-итовые станки, а на команду аналитиков, которые ничего не производят?
13 июля (уже во вторник!) в 19:00 пройдет вебинар «Зачем бизнесу аналитики», где Михаил Серёгин, сооснователь karpovꓸcourses, расскажет:
● Как аналитики по-разному помогают компании идти к своим целям
● Чего следует избегать, если не хотите стать обузой команды
● Что важно для того, чтобы ваш вклад в успех был значителен и заметен
Ссылка на регистрацию
Давайте представим: вы – владелец успешного бизнеса по производству поп-итов, и ваш маркетинговый директор обращается с предложением найма отдела аналитики. Скажем, 10 человек с з.п. 130 000 руб./месяц и руководитель ещё за 200 000 руб./месяц. В сумме – 1 500 000 рублей. По какой причине стоит решиться тратить полтора миллиона в месяц не на новые поп-итовые станки, а на команду аналитиков, которые ничего не производят?
13 июля (уже во вторник!) в 19:00 пройдет вебинар «Зачем бизнесу аналитики», где Михаил Серёгин, сооснователь karpovꓸcourses, расскажет:
● Как аналитики по-разному помогают компании идти к своим целям
● Чего следует избегать, если не хотите стать обузой команды
● Что важно для того, чтобы ваш вклад в успех был значителен и заметен
Ссылка на регистрацию
Скоро начинаем!
Присоединяйтесь к вебинару, где Михаил Серегин будет рассказывать о том, почему бизнес вкладывает деньги в аналитику и что же он [бизнес] хочет взамен.
Присоединяйтесь к вебинару, где Михаил Серегин будет рассказывать о том, почему бизнес вкладывает деньги в аналитику и что же он [бизнес] хочет взамен.