Unuamana lerna sperto. Yandex.Workshop - Datuma Analizisto

Unuamana lerna sperto. Yandex.Workshop - Datuma Analizisto
Mi dividas mian sperton pri trejnado en Yandex.Practicum por tiuj, kiuj ŝatus akiri aŭ tute novan specialaĵon aŭ moviĝi de rilataj kampoj. Mi nomus ĝin la unua paŝo en la profesio, laŭ mia subjektiva opinio. Estas malfacile scii precize de nulo, kion oni devas studi, ĉar ĉiuj havas certan kvanton da scio, kaj ĉi tiu kurso instruos vin multon, kaj ĉiuj mem komprenos la scion en kiuj areoj ili bezonos akiri pliajn sciojn. - en preskaŭ ĉiuj kazoj sufiĉos senpagaj aldonaj kursoj.

Kiel mi venis al la "penso" pri analizo?

Dum pluraj jaroj ŝi okupiĝis pri la kreado de interretaj vendejoj kaj ilia bontenado (merkatado, reklamado, Yandex.Direct, ktp.). Mi volis malvastigi la amplekson de mia agado kaj fari nur tiujn aferojn el tiu ĉi larĝa spektro, kiujn mi plej ŝatis. Cetere, mi eĉ ne sciis la nomon de mia estonta profesio, estis nur proksimumaj postuloj por la laborprocezo. Lernado de programoj kaj iloj memstare neniam estis malhelpo por mi, do mi decidis serĉi kie mi povus apliki mian sperton kaj lerni novajn aferojn.

Komence mi pensis pri duan altnivelan edukadon aŭ profesian rehekiĝon, ĉar la kursoj ŝajnis io frivola. Trarigardante diversajn eblojn, mi hazarde renkontis Yandex.Practice. Estis malmultaj profesioj, inter ili estis datuma analizisto, la priskribo estis interesa.

Mi komencis studi tion, kio disponeblas en informanalitiko rilate al akiro de dua altlernejo, sed montriĝis, ke la trejna periodo estas sufiĉe longa por areo, kie ĉio ŝanĝiĝas tre rapide; altlernejaj institucioj verŝajne ne havos tempon por respondi. al ĉi tio. Mi decidis vidi kion ofertas la merkato krom la Laborrenkontiĝo. Plejparto de la partoprenantoj denove proponis tre longajn 1-2 jarojn, sed mi ŝatus paralelan evoluon: eniron en la profesion en pli malaltaj postenoj kaj plua trejnado.

Kion mi deziris en la profesio (mi ne konsideras la laborprocezon)

  • Mi volis ke trejnado estu konstanta procezo en mia profesio,
  • Mi bone traktas rutinajn operaciojn, se mi vidas interesan celon, sed mi volis multfaradon, por ke la laborprocezo ne konsistu el pluraj mekanikaj agoj,
  • por ke ĝi vere bezonas komercon kaj ne nur (la merkato mem konfirmas tion en rubloj aŭ dolaroj),
  • estis elemento de sendependeco, respondeco, "plena ciklo",
  • estis loko por kreski (nuntempe mi vidas ĝin kiel maŝinlernado kaj scienca agado).

Unuamana lerna sperto. Yandex.Workshop - Datuma Analizisto

Do, la elekto falis sur Yandex.Practicum pro:

  • daŭro de la studo (nur ses monatoj),
  • malalta enira sojlo - ili promesis, ke eĉ kun sekundara edukado oni povas regi profesion,
  • prezo,
  • ili resendos la financon se vi komprenas, ke ĉi tiu profesio ne taŭgas por vi (estas certaj reguloj, kiuj estas sufiĉe justaj),
  • praktiku kaj praktiku denove - praktikaj projektoj, kiuj estos inkluzivitaj en la biletujo (mi konsideris tion la plej grava),
  • interreta formato, subteno,
  • senpaga enkonduka kurso pri Python, ankaŭ en ĉi tiu etapo vi komprenas ĉu vi bezonas ĝin,
  • Krome, vi devas konsideri kian memoron vi havas. La rapideco kaj sukceso de trejnado dependos de ĉi tio. Tre gravas por mi, ke la edukaj materialoj estas en formo de teksto, ĉar mi persone havas la plej evoluintan vidan memoron. Ekzemple, Geekbrains havas ĉiujn edukajn materialojn en videoformato (laŭ informoj de la trejna kurso). Por tiuj, kiuj perceptas informojn per orelo, ĉi tiu formato povas esti pli taŭga.

Zorgoj:

  • eniris la plej unuan fluon kaj komprenis, ke, kiel ĉiu nova produkto, certe estos teknikaj mankoj,
  • Mi komprenis, ke ne temas pri iu deviga dungado.

Kiel iras la lernado?

Por komenci, vi devas preni senpagan enkondukan kurson pri Python kaj plenumi ĉiujn taskojn, ĉar se vi ne kompletigas la antaŭan, la sekva ne aperos. Ĉiuj postaj taskoj en la kurso estas strukturitaj tiel. Ĝi ankaŭ klarigas, kio estas la profesio kaj ĉu indas fari la kurson.

Helpo povas esti ricevita en Fejsbuko, VKontakte, Telegramo kaj baza komunikado en Slack.
La plej granda parto de komunikado en Slack okazas kun la instruisto dum kompletigado de la simulilo kaj dum kompletigado de la projekto.

Mallonge pri la ĉefaj sekcioj

Unuamana lerna sperto. Yandex.Workshop - Datuma Analizisto Ni komencas nian trejnadon enprofundiĝante en Python kaj komencas uzi Jupyter Notebook por prepari projektojn. Jam en la unua etapo ni efektivigas la unuan projekton. Estas ankaŭ enkonduko al la profesio kaj ĝiaj postuloj.

En la dua etapo, ni lernas pri datumtraktado, en ĉiuj ĝiaj aspektoj, kaj komencas studi kaj analizi la datumojn. Ĉi tie du pliaj projektoj estas aldonitaj al la biletujo.

Poste estas kurso pri statistika datuma analizo + projekto.

La unua triono estas finita, ni faras grandan prefabrikitan projekton.

Plia trejnado pri laborado kun datumbazoj kaj laborado en la SQL-lingvo. Alia projekto.
Nun ni profundiĝu en analizon kaj merkatan analizon kaj, kompreneble, la projekton.
Poste - eksperimentoj, hipotezoj, A/B-testado. Projekto.
Nun vida reprezentado de datumoj, prezento, Seaborn-biblioteko. Projekto.

La dua triono estas finita - granda firmigita projekto.

Aŭtomatigo de datenanalizaj procezoj. Fluaj analizaj solvoj. Paneloj. Monitorado. Projekto.
Prognoza analizo. Metodoj por maŝinlernado. Lineara regreso. Projekto.

GRADUA PROJEKTO. Surbaze de la rezultoj, ni ricevas atestilon pri plia edukado.

Ĉiuj daŭrantaj projektoj estas de aplikata naturo en diversaj areoj de komerco: bankoj, nemoveblaĵoj, interretaj vendejoj, informaj produktoj, ktp.

Ĉiuj projektoj estas kontrolitaj de Yandex.Practice-mentoroj - laborantaj analizistoj. Komunikado kun ili ankaŭ montriĝis ege grava, ili motivas, sed por mi la plej valora afero estas labori tra eraroj.

Unuamana lerna sperto. Yandex.Workshop - Datuma Analizisto

Grava parto estas videokonferencoj kun mentoroj kaj videotrejnadoj kun invititaj praktikistoj.

Estas ankaŭ ferioj)) - unu semajno inter du trionoj. Se la procezo iras laŭ horaro, vi ripozas, kaj se ne, tiam vi finas la vostojn. Estas ankaŭ akademia forpermeso por tiuj, kiuj ial devas prokrasti siajn studojn.

Iom pri la simulilo

Unuamana lerna sperto. Yandex.Workshop - Datuma Analizisto
La kurso estas nova, sed ŝajne bazitaj sur aliaj kursoj, Yandex-specialistoj scias kiom malfacila ĝi estas foje kiam estas troŝarĝo kaj la informoj "ne venas." Tial, ni decidis distri la studentojn kiel eble plej multe per amuzaj desegnaĵoj kaj komentoj, kaj mi devas diri, tio vere helpis en momentoj de malespero kiam vi "luktas" pri tasko.

Unuamana lerna sperto. Yandex.Workshop - Datuma Analizisto
Kaj foje ekestis malespero:

  • Vi, vi diplomiĝis en universitato antaŭ longe kaj vi ŝajnas nenion memori, kaj tiam vi vidas la titolon de la temo “Normala proksimuma proksimuma distribuo” kaj vi rezignas, kaj vi pensas, ke vi nepre venkos' ne komprenas ĉi tion, sed poste kaj probabla teorio kaj statistiko fariĝas por vi pli kaj pli kompreneblaj kaj interesaj,
  • aŭ vi ricevas ĉi tion:

    Unuamana lerna sperto. Yandex.Workshop - Datuma Analizisto

Konsilo al estontaj studentoj: 90% de eraroj estas kaŭzitaj de laceco aŭ troŝarĝo kun novaj informoj. Prenu paŭzon duonhoron aŭ horon kaj provu denove, kiel regulo, dum ĉi tiu tempo via cerbo prilaboros kaj decidos ĉion por vi)). Kaj 10% se vi ne komprenas la temon - relegu ĝin denove kaj ĉio certe funkcios!


Dum la trejnado aperis speciala programo por helpi pri dungado: ellaboro de vivresumoj, kovrilaj leteroj, ellaboro de biletujo, preparo por intervjuoj, ktp, kun specialistoj de la HR-fako. Ĉi tio montriĝis ege grava por mi, ĉar mi konstatis, ke mi ne estis al intervjuo dum multaj jaroj.

Estante preskaŭ ĉe la fino de miaj studoj, mi povas konsili kion ĝi estas dezirinda havi:

  • strange, inklino al analizo, la kapablo konstrui logikaj rilatoj, ĉi tiu tipo de pensado devus triumfi,
  • la kapablo kaj deziro lerni ne perdiĝas (vi devos multe studi memstare), ĉi tio estas pli, kompreneble, por la kategorio de homoj pli ol 35-jaraj,
  • same banala, sed estas pli bone ne komenci, se via instigo estas limigita nur al "Mi volas gajni multe/pli."

Malavantaĝoj kaj ne tute pravigitaj atendoj, kie ni estus sen ili?

  • Ili promesas, ke kun sekundara edukado ĉiu povas kompreni.

    Ne tute vera, eĉ sekundara edukado estas ankoraŭ malsama. Mi kredas, kiel homo, kiu vivis en antikvaj tempoj)), kiam ne estis disvastigita uzo de Interreto, ke devus ekzisti sufiĉa koncipa aparato. Kvankam, alta instigo konkeros ĉion.

  • La intenseco montriĝis sufiĉe alta.

    Estos malfacile por tiuj laborantaj (precipe en kampo malproksima de ĉi tio), eble indus redistribui la tempon ne egale inter kursoj, sed je la unua triono pli, kaj tiel plu en malkreskanta ordo.

  • Kiel atendite, estis teknikaj problemoj.

    Kiel persono implikita en plenciklaj projektoj, mi komprenas ke, almenaŭ komence, ĝi estas neebla sen teknikaj problemoj. La uloj klopodis tre malfacile ripari ĉion kiel eble plej rapide.

  • La instruisto ne ĉiam respondas ĝustatempe en Slack.

    "Akurate" estas duobla koncepto, en ĉi tiu kazo, ĝustatempe, la tempo, kiun vi bezonas, ĉar laborantaj studentoj asignas tempon por studi kaj la rapideco respondi demandojn estas kritika por ili. Ni bezonas pli da instruistoj.

  • Eksteraj fontoj (artikoloj, pliaj kursoj) estas bezonataj.

    Iuj artikoloj estas rekomenditaj de Yandex.Practice, sed ĉi tio ne sufiĉas. Mi povas rekomendi, paralele, kompletigi per kursoj pri Stepik - Big Data por administrantoj (por ĝenerala evoluo), Programado en Python, Fundamentoj de Statistiko, ambaŭ partojn kun Anatoly Karpov, Enkonduko al Datumaroj, Teorio de probablo (unuaj 2 moduloj).

konkludo

Ĝenerale la kurso estas tre bone farita kaj celas esti kaj eduka kaj motiva. Mi ankoraŭ bezonas regi multajn aferojn, sed nun ĝi ne timigas min, mi jam havas signifan agadplanon. La kosto estas tre malaltekosta - unu salajro por analizisto ĉe la plej malalta pozicio. Multe da praktiko. Helpu pri ĉio, de rekomencoj ĝis kafaj provizoj.

fonto: www.habr.com

Aldoni komenton