Нейросети уже прочно вошли в нашу жизнь, и пришло время использовать их в аналитической работе — ускорить и оптимизировать свои задачи, делегировать рутину и освободить время для главного!
С 20 марта стартует авторский курс от Марины Ермак — руководителя отдела аналитики и машинного обучения. Она прошла путь от стажёра до Head of Analytics & ML и выстроила свой отдел с нуля.
За 6 недель вы:
После курса вы будете решать задачи быстрее и глубже, делегируете рутину нейросетям и сосредоточитесь на стратегических решениях.
📣 А до 20 февраля действуют ранние цены — -20% на курс!
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6🔥4 2
Simulative
Всем привет! На связи команда Simulative 👋🏻 В середине февраля мы планируем провести «прожарку» ваших резюме и сопроводительных писем с опытным HR-специалистом. Поэтому ждём ваши резюме на «прожарку»! На вебинаре наш HR Наталья Рожкова в прямом эфире разберёт…
Небольшое напоминание: ждём ваши резюме и сопроводительные письма на «прожарку» ⬆️
Дедлайн уже завтра!
📊 Simulative
Дедлайн уже завтра!
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3🔥2 2
Конвейер данных
Привет! На связи Павел Беляев — автор канала Тимлидское об аналитике и ментор курса «Аналитик данных» 👋🏻
Сегодня хочу немного пояснить, почему аналитику нужно хотя бы примерно ориентироваться во многих темах.
Конвейер данных включает в себя следующие основные этапы:
1️⃣ Формирование вопросов
Сначала определяется потребность в информации, подбираются метрики и методы анализа, а также составляется перечень необходимых данных.
2️⃣ Сбор данных
Сырые, необработанные данные собираются из источников в аналитическое хранилище (АХ), где и производится всяческая аналитическая «магия».
В качестве АХ могут использоваться различные системы управления базами данных (СУБД), например, ClickHouse или PostgreSQL.
Запросы к СУБД выполняются на языке SQL. А процессы сбора и транспорта данных осуществляются специальными инструментами, например, Airflow, который «дирижирует» Python-скриптами.
3️⃣ Преобразование данных
Сырые данные «готовятся», а блюдом являются витрины данных: таблицы, содержащие отфильтрованные строки, рассчитанные метрики, сгруппированные сегменты и прочие результаты реализации бизнес-логики.
С данными производятся операции фильтрации, объединения, расчёта, приведения к нужному виду и т. д. Обычно для этого используются языки SQL или Python.
4️⃣ Визуализация
Витрины служат источниками для отчётов или дашбордов, содержащих графики, чарты, диаграммы и прочую «наглядную красоту», которая помогает пользователю быстро сориентироваться в информации и сделать нужные выводы.
Визуализация делается с помощью соответствующих инструментов: Power BI, Data Lens, Looker Studio, Metabase и др.
5️⃣ Анализ
Собственно, процесс изучения и осознания ситуации, а также формирования выводов и ответов на поставленные вопросы. Рассчитанные метрики сопоставляются с некими желаемыми эталонами, изучаются тренды, обнаруживаются и обосновываются выбросы, проседания и т. д.
6️⃣ Решение
На основе выводов решается, достигнуты ли цели, что делать дальше, работает ли новая фича и т. п.
➡️ Узнать больше о курсе: simulative.ru/data-analyst
📊 Simulative
Привет! На связи Павел Беляев — автор канала Тимлидское об аналитике и ментор курса «Аналитик данных» 👋🏻
Сегодня хочу немного пояснить, почему аналитику нужно хотя бы примерно ориентироваться во многих темах.
Ценность аналитики заключается в том, что представитель бизнеса может принимать решения на её основе. А для этого данные следует прогнать через несколько процессов и стадий. Я называю этот путь конвейером данных.
Конвейер данных включает в себя следующие основные этапы:
Сначала определяется потребность в информации, подбираются метрики и методы анализа, а также составляется перечень необходимых данных.
Сырые, необработанные данные собираются из источников в аналитическое хранилище (АХ), где и производится всяческая аналитическая «магия».
В качестве АХ могут использоваться различные системы управления базами данных (СУБД), например, ClickHouse или PostgreSQL.
Запросы к СУБД выполняются на языке SQL. А процессы сбора и транспорта данных осуществляются специальными инструментами, например, Airflow, который «дирижирует» Python-скриптами.
Сырые данные «готовятся», а блюдом являются витрины данных: таблицы, содержащие отфильтрованные строки, рассчитанные метрики, сгруппированные сегменты и прочие результаты реализации бизнес-логики.
С данными производятся операции фильтрации, объединения, расчёта, приведения к нужному виду и т. д. Обычно для этого используются языки SQL или Python.
Витрины служат источниками для отчётов или дашбордов, содержащих графики, чарты, диаграммы и прочую «наглядную красоту», которая помогает пользователю быстро сориентироваться в информации и сделать нужные выводы.
Визуализация делается с помощью соответствующих инструментов: Power BI, Data Lens, Looker Studio, Metabase и др.
Собственно, процесс изучения и осознания ситуации, а также формирования выводов и ответов на поставленные вопросы. Рассчитанные метрики сопоставляются с некими желаемыми эталонами, изучаются тренды, обнаруживаются и обосновываются выбросы, проседания и т. д.
На основе выводов решается, достигнуты ли цели, что делать дальше, работает ли новая фича и т. п.
Путь данных весьма насыщен приключениями, и этим он интересен! Курс «Аналитик данных» достаточно комплексно составлен и затрагивает все эти этапы, чем меня и впечатлил.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5👍3🔥3 1
Мы готовы к «прожарке» резюме, а вы?
Присоединяйтесь к вебинару 18 февраля, где HR-эксперт Наталья Рожкова разберёт ваши резюме и сопроводительные письма, оценит их глазами рекрутера и покажет, какие ошибки мешают получить оффер.
На вебинаре вы:
➖ Посмотрите разбор трёх реальных резюме аналитиков и увидите сильные и слабые стороны каждого;
➖ Узнаете, как HR читает ваше резюме и какие сигналы ищет на этапе отбора;
➖ Поймёте, как адаптировать описание опыта под конкретную роль — от junior до senior-аналитика;
➖ Получите рекомендации по оформлению и структуре резюме, чтобы пройти скрининг за первые 10 секунд;
➖ Разберётесь, какую роль играет сопроводительное письмо и как написать его без «воды»;
➖ Сможете задать вопросы HR‑эксперту и получить фидбэк в прямом эфире.
❗️ Встречаемся 18 февраля в 19:00 МСК.
➡️ Регистрируйтесь!
📊 Simulative
Присоединяйтесь к вебинару 18 февраля, где HR-эксперт Наталья Рожкова разберёт ваши резюме и сопроводительные письма, оценит их глазами рекрутера и покажет, какие ошибки мешают получить оффер.
На вебинаре вы:
💬 А всем зарегистрировавшимся дарим полезный материал — чек-лист из 15 пунктов для самостоятельной проверки вашего резюме.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3🔥3 1
В мире данных тоже есть место любви. Отобрали для вас лучшие валентинки для аналитиков, которые поймут только свои
Отправьте открытку любимым аналитикам, и пусть 14 февраля будет не только про эмоции, но и про точные метрики любви!
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤18🔥7😁5
Выложили наш бесплатный курс по SQL в открытый доступ
20 уроков, от базы до оконных функций — проходите курс в свободном темпе и познавайте азы SQL вместе с Андроном!
Смотрите там, где удобно:
📱 YouTube
📱 VK Видео
А практические задания по-прежнему доступны на нашей обучающей платформе. Регистрируйтесь, чтобы попрактиковаться на тренажёрах Simulative!
📊 Simulative
20 уроков, от базы до оконных функций — проходите курс в свободном темпе и познавайте азы SQL вместе с Андроном!
Смотрите там, где удобно:
А практические задания по-прежнему доступны на нашей обучающей платформе. Регистрируйтесь, чтобы попрактиковаться на тренажёрах Simulative!
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥22❤9 2
ML-инженер: кто это и чем занимается
ML-инженер одновременно мыслит как аналитик, как разработчик и как инженер по эксплуатации моделей. Такой специалист не только экспериментирует с моделями машинного обучения, подбирает признаки и оценивает качество, но и думает о том, как эти модели будут жить в реальном продукте: как они внедряются, обновляются, масштабируются и не ломаются со временем.
Ментор курса «ML-инженер» Мария Жарова рассказала в статье, чем отличаются специалисты ML от других профессий, каким стеком они должны обладать и где можно научиться необходимым навыкам.
➡️ Читать статью: simulative.ru/blog/who-is-ml-engineer
📊 Simulative
ML-инженер одновременно мыслит как аналитик, как разработчик и как инженер по эксплуатации моделей. Такой специалист не только экспериментирует с моделями машинного обучения, подбирает признаки и оценивает качество, но и думает о том, как эти модели будут жить в реальном продукте: как они внедряются, обновляются, масштабируются и не ломаются со временем.
Ментор курса «ML-инженер» Мария Жарова рассказала в статье, чем отличаются специалисты ML от других профессий, каким стеком они должны обладать и где можно научиться необходимым навыкам.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3🔥2 1
Программа курса «ИИ для анализа данных»
Чтобы реально использовать нейросети в аналитике, мало знать, как сделать промпт. Нужно понимать, какой сервис выбрать, как ставить задачу, как проверять результат и где применять ИИ.
Именно под это мы собрали программу курса — шесть прикладных модулей с конкретными кейсами и приёмами. Публикуем подробную программу курса в карточках.
👉 Бронируйте место на курсе ранние цены действуют до 20 февраля: simulative.ru/ai-for-da
📊 Simulative
Чтобы реально использовать нейросети в аналитике, мало знать, как сделать промпт. Нужно понимать, какой сервис выбрать, как ставить задачу, как проверять результат и где применять ИИ.
Именно под это мы собрали программу курса — шесть прикладных модулей с конкретными кейсами и приёмами. Публикуем подробную программу курса в карточках.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤3😱1 1