Первая статья здесь.
Обучение в Яндекс.
Практикуме закончилось, сертификат получен, и можно подвести итоги обучения.
Также после первой статьи у многих возникли дополнительные вопросы, поэтому мне захотелось на них ответить и показать немного практики.
Кейсов достаточно много, поэтому охватить все в одной статье не получится.
Хотелось бы в первую очередь описать, что происходило на тренинге после написания первой статьи.
То, что хотелось бы описать отдельно.
Во-первых,
Самым сложным лично для меня был курс «Автоматизация» — об автоматизации процессов анализа данных (скрипты, дашборды и т. д.), качество учебного материала тут оказалось совершенно ни при чем.Это были чисто технические сбои типа «что-то нажал и всё потухло» :) (несовместимость версий ПО, проблемы с оборудованием) стали причиной задержки выполнения работ. Так же оказалось, что у меня практически нет опыта работы с командной строкой, а надо срочно учиться.
В рамках данной темы мы получили опыт работы на виртуальной машине в Яндекс.
Облако :
Сервис предоставляет масштабируемую вычислительную мощность для размещения, тестирования и создания прототипов ваших проектов.Вы сами определяете количество ядер, объем памяти, размер и количество дисков, а также выбираете операционную систему и зону доступности виртуальной машины.
Управлять виртуальными машинами можно через консоль, командную строку (CLI), API или SDK.
Во-вторых,
Меня впечатлил курс с заманчивым названием «Прогнозы и предсказания» (машинное обучение).Это оказалось очень важным; Аналитик должен иметь представление о машинном обучении, хотя это больше относится к Data Science. Скажу сразу, идея реализовать полученные аналитические выводы сразу на практике мне понравилась, потому что я люблю полный цикл работы и чем меньше разделения процессов, тем лучше получается результат (впрочем, это имеет свои трудности).
Курс состоит из 3 больших блоков:
- задачи машинного обучения в бизнесе,
- алгоритмы машинного обучения,
- процесс решения задач машинного обучения.
Третий,
дипломный проект состоялся в г.Трекер — система управления задачами и процессами, чтобы студенты были погружены в рабочий процесс, как в реальной компании.
Каждый студент выполнял свой проект и отправлял отчеты в Трекер, а также возникали неожиданные задачи.
Это был интересный опыт, но оценить сроки в реальных компаниях (сколько обычно занимает реализация того или иного проекта в жизни) было сложно.
И последнее задание на взаимную проверку в Одноклассник — это онлайн-платформа для проведения сессий обратной связи со студентами.
Там мы оценивали одно проектное задание друг друга.
В-четвертых,
Мне очень понравилась программа трудоустройства.Вы можете быть хорошим специалистом, но совершенно не понимать, что вам нужно делать, чтобы правильно и адекватно подать себя.
Мне казалось, что имея на руках портфолио с выполненными работами, работодатель все посмотрит, мы пообщаемся, и процесс у всех сократится, но оказалось, что проекты никто не смотрит. В большинстве случаев все начинается с HR-отдела и поэтому у вас должно быть нормальное резюме и сопроводительное письмо и много других тонкостей.
Поэтому неожиданно для меня эта программа оказалась чрезвычайно полезной.
Выводы
Вы в конечном итоге будете готовым специалистом, если у вас есть опыт работы в определенной области, где вы сможете не только применить изученные инструменты, но и уметь интерпретировать полученный результат, а в идеале – еще и реализовать его.Яндекс.
Практикум даст вам только инструменты для анализа, и вы действительно можете изучить инструменты с нуля (например, после окончания школы), но интерпретировать результат он вряд ли будет; для этого необходимо профильное образование или опыт работы в определенной сфере.
В нашей стране Мастерская работает немного на опережение, так как оказалось, что для многих вакансий Excel понадобится в совершенстве :).
Судя по всему, работодателям сложно перейти на другие инструменты работы с данными.
Напомню, что наш поток был первым, и я понимал, что обязательно будут какие-то технические трудности и разработчики курса тоже в какой-то степени будут у нас учиться.
Главным минусом для меня стал «человеческий фактор».
Позже, просматривая представленные проекты, я обнаружил несколько ошибок, на которые мне должны были указать преподаватели.
И вообще чувствовалось, что у преподавателей не хватает времени на проверку, я отношу все это к новому продукту и этот вопрос вполне решаем.
Более того, ребята, проходящие курс, действительно стараются сделать суперпродукт, например, тема «Прогнозы и прогнозы» полностью обновлена и стала намного понятнее и полнее.
Я прохожу через это снова.
Имелись также противоречия в рекомендациях по использованию тех или иных методов у разных учителей, разных точек зрения.
Инструменты для изучения
( о чем лучше иметь представление перед началом занятий, чтобы сэкономить время, особенно если вы работаете параллельно ):- Питон , лучше, если перед началом занятий вы будете иметь представление о языке.
Есть вводный курс, но было бы неплохо провести и другие вводные курсы;
- Блокнот Юпитера , тоже лучше читать перед началом занятий;
- SQL , требуется практически везде, все необходимое для начала работы точно было дано, теперь дело практики;
- статистический анализ , настоятельно рекомендую вам пройти « Основы статистики "на Степике с Анатолием Карповым,
Если вы его совсем не знаете, то еще раз кратко просмотрите его, проходя тему «Статистический анализ данных».Когда вы дойдете до темы «Прогнозы и предсказания», не помешало бы «Основы статистики.
пройдите того же автора и тогда будет более полная картина.
- инструменты анализа бизнес-показателей (метрики и воронки, когортный анализ, юнит-экономика, пользовательские метрики);
- инструменты для проверки гипотез, планирования экспериментов (A/B-тестирование);
- инструменты представления результатов аналитических исследований, визуализации (графики, презентации, отчеты);
- автоматизация процессов анализа данных (потоковая передача аналитических решений, запись событий в журналы, создание регулярных отчетов, дашбордов, мониторинг событий, работа с облачными сервисами);
- машинное обучение, склеарн (предварительная обработка, построение моделей, классификация, выбор лучшей модели), но все равно это достаточно короткий курс, и тем, кто хочет работать в этой области, понадобится более продвинутый курс, например от того же Яндекс
О необходимости английского языка говорить не приходится.
… 2022)) Для тех, кому интересно, что было дальше.
Я работаю аналитиком, но не в больших данных, освоил Power BI, но ищу работу, чтобы писать на Python (мне он нравится).
Сейчас я строю модели ML и делаю прогнозы только в личных целях (финансовый интерес и, чтобы не потерять квалификацию) — для торговли на бирже.
Теги: #Машинное обучение #python #курсы #Образовательный процесс в ИТ #данные #аналитика #курс #обучение #shad #Яндекс #обучение #мастерская #It #Яндекс.
мастерская #аналитик данных #профессия #повышение квалификации #python #сертификат #переподготовка
-
Восстановление Pdp 11/04
19 Oct, 24 -
Сяоми Ми Банд. Фитнес-Центр
19 Oct, 24 -
Удобный Просмотр Хабрахабра Без Картинок
19 Oct, 24 -
Cms Dle + Ulogin. Ошибки Модуля
19 Oct, 24 -
Бэкапить Или Не Бэкапить – Вот В Чем Вопрос
19 Oct, 24 -
Прибыль Zynga Рухнула На 95%
19 Oct, 24
