Привет!

Многие пишут вопросы по курсу «Основы анализа данных» лично. Отвечаю всем, но все же решил собрать часто задаваемые вопросы и ответы на них в одном месте ⤵️

Курс «Основы анализа данных» - старт 12 сентября, 7 поток

1️⃣
Вопрос: Какая продолжительность курса?

Ответ: курс длится 3,5 месяца, по факту общения со студентами в группе мы можем договориться в процессе на интересующие дополнительные занятия и длительность будет 4 месяца

2️⃣
Вопрос: для кого подходит курс?

Ответ: курс подходит
📍новичкам в сфере аналитики (курс поможет освоить навыки на уровне сильного junior аналитика, научитесь решать практические задачи и поменять аналитические инструменты для их решения)

📍начинающим аналитикам, инженерам (курс помогает систематизировать знания, развить имеющиеся hard-навыки и получить дополнительную проектную практику)

📍другие специалисты (менеджеры, разработчики, QA-инженеры, предприниматели, кто хочет повысить свои компетенции по работе с данными)


3️⃣
Вопрос: Какая стоимость курса и какие варианты оплаты?

Ответ: стоимость курса 45000, в нее включены
- видеоуроки
- онлайн-занятия 1 раз в неделю
- записи онлайн-занятий
- конспекты уроков
- обратная связь от меня по домашним заданиям
- помощь в подготовке итогового проекта
- защита проекта и сертификат об успешном окончании курса

Варианты оплаты:
- через сайт с карт банков РФ
- рассрочка банковская
- внутренняя рассрочка
- оплата с зарубежных счетов


Создал чат, где можно задать свои вопросы или поискать ответы на уже заданные вопросы
Присоединяйтесь в чат с вопросами


Курс «Основы анализа данных» - старт 12 сентября, 7 поток

Сижу после работы пересматриваю и готовлю материал для завтрашнего практического занятия с учениками по Apache Superset.

На курсе идет модуль по визуализации данных, прошли уже 2 инструмента: Tableau и Yandex Datalens. Завтра будет урок по Apache Superset, где будем разбирать особенности инструмента и работать с его функционалом.

При работе с BI тулами выделяю 3 основных шага (в каждом из них может быть зарыта объемная работа):
1️⃣ Подключения источников данных и настройка датасетов
2️⃣ Построение визуализаций
3️⃣ Дизайн и настройка дашборда

Пока писал пост стало интересно, что вы думаете, сколько нужно знать BI тулов аналитику данных?
Голосуйте ниже 😉

Продолжим тему BI инструментов
Судя по опросу, большинство считают, что главное уровень владения инструментом, а сколько ты их знаешь по количеству - не очень важно.
На самом деле соглашусь, что профессионализм оценивается уровнем знания инструмента, с которым больше всего работаешь, насколько сложные вещи ты можешь реализовать в нем.

Расскажу свое видение. Судя по практике, аналитику лучше знать несколько BI инструментов, 2-3, может быть 4 или даже больше. Это дает возможность покрыть больше требований работодателей и быть более гибким на рынке, неким универсалом.
При этом нужно понимать, что вы скорее всего знаете 1-2 инструмента лучше, работали с ними чаще, либо начинали с них свой путь в BI и долго разбирали весь функционал.
Аналогия с языками, выучил один, остальные даются уже быстрей и легче.

Каждый удалёнщик утром рабочего дня 😉

Как получить практический опыт решения аналитических задач

Многие из вас явно задумываются как в процессе обучения и освоения нового материала получить релевантный практический опыт.

Одним из наилучших решений является работа над собственным проектом. Это позволяет:
📍закрепить теоретические знания на практике
📍научиться применять инструменты аналитика в работе с данными
📍оформить решение в виде полезного исследования над данными
📍составить портфолио для поиска работы

Курс "Основы анализа данных" включает в себя выполнение итогового проекта на протяжении всего времени обучения. Итоговый проект включает в себя следующие шаги работы:

1️⃣ Поиск и получение из источников данных
Данные могут быть быть получены в виде готовой базы, получены с открытых источников с помощью API или парсинга

2️⃣Постановка задачи
Описываются гипотезы, вопросы к данным, а также метрики для расчета.

3️⃣Первичная обработка данных
Проводится исследовательский анализ данных (EDA) с помощью Python, также данные приводятся к очищенному и структурированному виду

4️⃣Загрузка данных в базу данных
На основе пройденных тем студенты знают, с помощью каких инструментов и каким способом грузить данные в базу данных

5️⃣Подготовка документации
Описываем основные документы: словарь данных, модель данных, source to target документ

6️⃣ Исследование данных с помощью SQL
Загруженные в базу данные исследуются с помощью SQL, проверяются гипотезы, считаются метрики

7️⃣Визуализация результатов анализа
Визуализация данных и посчитанных метрик в BI инструменте в виде дашборда

8️⃣Итоговая презентация
Презентация результатов анализа группе студентов, обсуждение результатов

✅Результат работы: комплексный практический проект для вашего портфолио со всем исходным кодом оформленный в Github

Создай свой проект по исследованию данных на курсе Data Study - "Основы анализа данных"

Все больше людей, интересующихся курсом, переживают, что не смогут подключаться на онлайн уроки.

Причин основных несколько:
📍загруженная основная работа / сменный график
📍семья и дети
📍разные часовые пояса с Москвой
📍длительные отъезды в командировки/отпуска на время обучения

Поэтому я решил ввести все же новый тариф обучения

✅ Тариф онлайн-обучения
Для тех кто готов обучаться самостоятельно и хочет получить доступ к материалам курса. Обучение полностью в своем темпе когда вам угодно, даже через год, а цену можно зафиксировать текущую 😉

✅ Тариф наставничество (полная поддержка)
Для студентов, кто хочет заниматься в группе и получать обратную связь от меня, а также работать над итоговым проектом.
Это стандартный для моего курса формат обучения с онлайн-созвонами, общением и обратной связью, стартуем 12 сентября. Онлайн-занятия также можно смотреть в записи в удобное время, если не получается подключиться онлайн

На сайте расписана разница между тарифами подробно с ценой

Курс "Основы анализа данных"

Итоги поиска работы

Кто следит за каналом помнят, что в начале августа я решил выйти на рынок в поиске работы. Сейчас хочу подвести некий итог поисков и рассказать про сам процесс.

1. Актуализация резюме
Не стоит забывать обновлять резюме перед публикацией и добавлять туда новые навыки (если они есть). Я вот например из актуального добавил описание задач по работе с MDM, что пригодилось сразу на собесе. Обновил на Habr Career и на HeadHunter

2. Этап скрининга
бОльшая часть предложений приходило именно со стороны рекрутеров, писали в мессенджеры или звонили по телефону. Здесь такое правило выявил - обговаривать сразу основные моменты о позиции и условия работы (кому какие важны): возможность удаленки, аккредитация компании, зарплатная вилка, технологический стек. Даже если рекрутером сам не задает эти вопросы при первом созвоне их задавал я, что позволяет сразу отсеить те вакансии, которые по критериям не подходят и не тратить время на дальнейшие этапы.
Если брать по цифрам, то было 50+ приглашений, много инетересных по задачам предложений отпали из-за условий обязательного гибрида офис/удаленка.

3. Технические интервью
Проходил 7 различных интервью, в большинстве это были кейс-интервью. Т.е. общались больше про мой опыт, задачи, применяемые инструменты, интервьюеры накидывали вопросы в формате "представь ты столкнулся с такой ситуацией ... что бы ты делал? как будешь действовать?". Встречался также life coding.
По результатам собесов могу сказать и подтвердить еще раз для себя, что SQL - навык №1 по требованиям работодателя для специалистов по работе с данными.

4. Оффер
Помимо тех. интервью были еще дополнительные встречи с лидами/руководителями направлений в разных компаниях. В итоге от 3-х компаний получил итоговый оффер.
С выбором уже определился)
В середине сентября расскажу вам куда попал и в чем будет заключаться моя новая роль 😉

Начал проходить курс по dbt на их же сайте, знакомлюсь с dbt Cloud.

🔎 dbt - инструмент, применяемый для трансформации данных в ETL/ELT процессах.

Есть 2 версии:
1. dbt Cloud с пользовательским интерфейсом и довольно простым принципом работы по построению потоков трансформации над данными.
2. dbt Core - устанавливается как Python модуль, после инициализации вам грубо говоря доступен скелет проекта, куда можно прописывать правила трансформации данных с помощью sql-запросов и yml файлов конфигурации

На проектах не сталкивался с этим инструментом, но самому очень хочется освоить и применять в консалтинге/фрилансе 👨‍💻

Хочешь начать изучать hard/soft навыки аналитика данных?

Мне важно чтобы ученики после курса чувствовали себя уверенно на собесах/работе и умели пользоваться прикладными инструментами. Поэтому после теоретических занятий есть обязательная практика для закрепления знаний.

Судя по обратной связи это схема обучения отлично работает 👍

12 сентября стартует обучение, в группе осталось 5 мест (4 места) для набора

Подробнее по курс "Основы анализа данных"

Обратная связь от коллег, просто делюсь для воспоминаний)

Сегодня отработал последний день в RNT (ex EPAM)

Эмоции смешанные. С одной стороны рад новому шагу, на следующей неделе выхожу на новое место, где ждут интересные задачи 🔝
С другой стороны немного грустно, был окружен очень сильными коллегами-профессионалами в своей сфере.

Получил сегодня в рабочий чатик очень теплую и приятную обратную связь от коллег 😍🔥
Приятно осознавать, что ты ценен на проекте и приносишь своей работой видимую пользу. Это также можно осознать, когда тебя пытаются удержать и предлагают жирный 💰контр-оффер.
Это нормальная практика в компаниях, соглашаться на такой оффер или нет решаете вы :)

Понимаю, что мне важно осознавать, что я делаю действительно ценные вещи, а не трачу время впустую.

1️⃣ Работаю на проектах и делаю аналитическую работу
2️⃣ Обучаю людей и даю им то, зачем они ко мне приходят на обучение
3️⃣ Пишу статьи/посты, чтобы делиться своими мыслями и знаниями

И еще одна мысль:
Ценность не бывает бесплатной. Бесплатные вещи или знания люди ценят меньше, чем те, за которые приходится платить. Увы, даже по себе это замечаю, что бесплатные ресурсы постоянно откладываются на "потом", а за платный ресурс хочется держаться и выбить из него всю полезность за заплаченные деньги

Наверно поэтому в IT хорошо платят и много требуют) 😁