-
Тип степени: Сертификат "Аналитик бизнес-аналитики"
-
Дополнительная квалификация: Сертификат "Статистика
Сертификат "MATLAB и Simulink"
Сертификат "Python
Сертификат "Data Engineer
Сертификат "Аналитика данных -
Итоговый экзамен: Практическая работа над проектом с итоговыми презентациями
-
Время уроков: Полный рабочий деньС понедельника по пятницу с 8:30 до 15:35 (в праздничные дни с 8:30 до 17:10).
-
Язык обучения: Немецкий
-
Продолжительность: 20 Недели
Статистика
Основы статистики (около 6 дней)
Основы теории измерений (совокупность и выборка, типы выборок, уровни измерения и шкалы)
Одномерная описательная статистика (частотные распределения, центральные меры, меры дисперсии, стандартные значения, гистограммы, столбчатые диаграммы, круговые диаграммы, линейные диаграммы и коробчатые графики)
Двумерная описательная статистика (меры корреляции, коэффициенты корреляции, кросстабы, диаграммы рассеяния и сгруппированные гистограммы).
Основы индуктивной выводной статистики (распределение вероятностей, нормальное распределение, распределение средних значений, тест на значимость, проверка нулевой гипотезы Фишера, размер эффекта, оценка параметров, доверительные интервалы, графики ошибок, анализ мощности и определение оптимального размера выборки)
Искусственный интеллект (ИИ) в рабочем процессе
Презентация конкретных технологий ИИ
и возможного применения в профессиональной среде
Методы сравнения двух групп (около 5 дней)
z- и t-тест для выборки (отклонение от заданного значения)
t-тест для средней разницы между двумя независимыми/взаимосвязанными выборками
Проверка эффективности действий, мер, вмешательств и других изменений с помощью t-тестов (претест-посттест с двумя группами).
Вспомогательные тесты значимости (тест Андерсона-Дарлинга, тест Райана-Джойнера, тест Левене, тест Бонне, тест значимости для корреляций)
Непараметрические методы (тест Вилкоксона, тест знаков, тест Манна-Уитни)
Анализ случайностей (биномиальный тест, точный тест Фишера, тест хи-квадрат, кросс-табуляция с мерами ассоциации)
Методы сравнения средних показателей нескольких групп (около 5 дней)
Одно- и двухфакторный дисперсионный анализ (простой и сбалансированный ANOVA)
Многофакторный дисперсионный анализ (общая линейная модель)
Фиксированные, случайные, перекрестные и вложенные факторы
Методы множественных сравнений (Tukey-HSD, Dunnett, Hsu-MCB, Games-Howell)
Анализ взаимодействия (анализ эффектов взаимодействия)
Анализ избирательности и мощности для дисперсионного анализа
Введение в проектирование экспериментов (DoE) (около 1 дня)
Полные и частичные факториальные экспериментальные схемы
Работа над проектом (около 3 дней)
Закрепление изученного материала
Презентация результатов проекта
Математическое моделирование с помощью MATLAB и Simulink
Основы MATLAB (около 2 дней)
Пользовательский интерфейс MATLAB
Чтение данных из файла
Переменные, массивы, операторы, базовые функции
Графическое представление данных
Настройка диаграмм
Экспорт графиков
Переменные и команды (около 2 дней)
Реляционные и логические операторы
Наборы, наборы с двумерными твердыми телами (полиформа)
Проведение математических и статистических расчетов с помощью векторов
Графика в статистике
Анализ и визуализация (около 1 дня)
Создание и изменение матриц
Математические операции с матрицами
Графическое представление матричных данных
Применение матриц: отображения, вращение, линейные системы уравнений, метод наименьших квадратов
Искусственный интеллект (ИИ) в рабочем процессе
Презентация конкретных технологий ИИ
и возможного применения в профессиональной среде
Обработка данных (около 1 дня)
Типы данных: Структурные массивы, массивы ячеек, строка против char, категориальные, дататайм и многое другое.
Создание и организация табличных данных
Условный выбор данных
Импорт/экспорт в Matlab: структуры папок, данные .mat, табличные данные, непрерывные тексты
Программирование в MATLAB (около 3 дней)
Управляющие структуры: циклы, if-else, исключения
Функции
Объектно-ориентированное программирование
Дизайн приложений
Моделирование в MATLAB (около 5 дней)
Численное интегрирование и дифференцирование
Основы моделирования обыкновенных дифференциальных уравнений, варианты ODE и решателей в Matlab
Технология моделирования в Matlab: входные параметры, интерполяция данных, имитационные исследования
Управление моделированием: функции событий (пересечение нуля), функции выхода
Примеры применения, например, моделирование электродвигателя, моделирование ракеты
Simulink (около 4 дней)
Основы Simulink: Диаграммы, функции, сигналы и дифференциальные уравнения
Функции, подсистемы и библиотеки
Импорт/экспорт, таблицы поиска, управление
Пересечение нулей, автоматизация задач моделирования (доступ к Matlab)
Примеры применения, например, моделирование трансмиссии самолета
Работа над проектом (около 2 дней)
Закрепление изученного материала
Презентация результатов проекта
Программирование с помощью Python
Основы Python (около 1 дня)
История, концепции
Использование и области применения
Синтаксис
Первые шаги в Python (около 5 дней)
Числа
Строки
Дата и время
Стандартный ввод и вывод
список, кортеж, диктант, набор
Ветвления и циклы (if, for, while)
Искусственный интеллект (ИИ) в рабочем процессе
Презентация конкретных технологий ИИ
и возможного применения в профессиональной среде
Функции (около 5 дней)
Определение собственных функций
Переменные
Параметры, рекурсия
Функциональное программирование
Устранение неполадок (около 0,5 дня)
попытаться, кроме
Перехват прерываний программы
Объектно-ориентированное программирование (около 4,5 дней)
Классы Python
Методы
Неизменяемые объекты
Класс данных
Наследование
Графический интерфейс пользователя (около 1 дня)
Кнопки и текстовые поля
Расположение сетки
Выбор файла
Работа над проектом (около 3 дней)
Закрепление изученного материала
Презентация результатов проекта
Инженер по обработке данных
Основы бизнес-аналитики (около 2 дней)
Области применения, аспекты архитектуры BI
Основы бизнес-аналитики, OLAP, OLTP, задачи инженеров по данным
Хранилище данных (DWH): обработка структурированных, полуструктурированных и неструктурированных данных
Управление требованиями (около 2 дней)
Задачи, цели и процедуры анализа требований
Моделирование данных, введение/моделирование с помощью ERM
Введение/моделирование в UML
- Диаграммы классов
- Анализ сценариев использования
- Диаграммы деятельности
Искусственный интеллект (ИИ) в рабочем процессе
Презентация конкретных технологий ИИ
и возможного применения в профессиональной среде
Базы данных (около 3 дней)
Основы систем баз данных
Архитектура систем управления базами данных
Применение РСУБД
Реализация модели данных в РСУБД, нормальные формы
Практическое и теоретическое введение в SQL
Пределы реляционных баз данных, csv, json
Хранилище данных (около 4 дней)
Звездная схема
Моделирование данных
Создание Star Schema в RDBMS
Схема "Снежинка", основы, моделирование данных
Создание схемы Snowflake Schema в RDBMS
Galaxy Schema: основы, моделирование данных
Медленное изменение таблиц размерностей типов 1-5 - перестроение, штабелирование, реорганизация, мини-размерность и тип 5
Введение в обычные, причинные, мини- и монструозные, гетерогенные и суб-измерения
Сравнение ориентации на состояние и на транзакции
Таблицы фактов DWH, плотность и хранение
ETL (около 4 дней)
Очистка данных
- Нулевые значения
- Подготовка данных
- Согласование данных
- Применение регулярных выражений
Понимание данных
- Проверка данных
- Статистический анализ данных
Защита данных, безопасность данных
Практическая структура ETL-маршрутов
Data Vault 2.0, основы, концентраторы, связи, спутники, хэш-ключ, хэш-диф.
Моделирование данных в Data Vault
Практическая структура модели Data Vault - Raw Vault, практическая реализация хэш-процедур
Работа над проектом (около 5 дней)
Закрепление изученного материала
Презентация результатов проекта
Аналитика данных
Введение в анализ данных (около 1 дня)
Эталонная модель CRISP-DM
Рабочие процессы анализа данных
Определение искусственного интеллекта, машинного обучения, глубокого обучения
Требования и роль в компании инженеров по данным, data scientist и data analysts
Обзор основ Python (около 1 дня)
типы данных
Функции
Анализ данных (около 3 дней)
Центральные модули Python в контексте аналитики данных (NumPy, Pandas)
Процесс подготовки данных
Алгоритмы интеллектуального анализа данных на Python
Искусственный интеллект (ИИ) в рабочем процессе
Презентация конкретных технологий ИИ
и возможного применения в профессиональной среде
Визуализация данных (около 3 дней)
Эксплоративный анализ данных
понимание
Качество данных
Анализ преимуществ
Визуализация с помощью Python: Matplotlib, Seaborn, Plotly Express
Рассказ о данных
Управление данными (около 2 дней)
Архитектуры больших данных
Реляционные базы данных и SQL
Сравнение баз данных SQL и NoSQL
Бизнес-аналитика
Защита данных в контексте анализа данных
Анализ данных в контексте больших данных (около 1 дня)
Подход MapReduce
Spark
NoSQL
Приборные панели (около 3 дней)
Библиотека: Dash
Структура приборных панелей - компоненты Dash
Настройка дашбордов
Обратные вызовы
Текстовый майнинг (около 1 дня)
Предварительная обработка данных
Визуализация
Библиотека: SpaCy
Работа над проектом (около 5 дней)
Закрепление изученного материала
Презентация результатов проекта
Возможны изменения. Содержание курса регулярно обновляется.
По окончании курса вы будете обладать основными знаниями в области статистики, уметь работать с MATLAB и Simulink и владеть языком программирования Python. В сочетании со специальными знаниями в области инженерии данных и анализа данных, преподаваемых на курсе, вы сможете управлять обширными массивами данных, эффективно анализировать их статистически и обобщать результаты в четкой и понятной форме.
Курс рассчитан на людей с высшим образованием в области компьютерных наук, бизнес-информатики, делового администрирования, математики или сопоставимой квалификации.
Аналитики бизнес-аналитики отвечают за проведение анализа компании и выступают в качестве связующего звена между специализированным отделом и командой ИТ-специалистов. Специалисты и менеджеры с соответствующими навыками востребованы как в крупных, так и в средних компаниях в сфере промышленности, торговли, услуг и финансов.
Ваш значимый сертификат дает подробное представление о приобретенных вами квалификациях и улучшает ваши карьерные перспективы.
Дидактическая концепция
Ваши преподаватели обладают высокой профессиональной и дидактической квалификацией и будут обучать вас с первого до последнего дня (никакой системы самообучения).
Вы будете учиться в эффективных небольших группах. Обычно курсы состоят из 6-25 человек. Общие занятия дополняются многочисленными практическими упражнениями во всех модулях курса. Практический этап - важная часть курса, поскольку именно в это время вы обрабатываете полученные знания и обретаете уверенность и практичность в их применении. Заключительный раздел курса включает в себя проект, разбор конкретных ситуаций или итоговый экзамен.
Виртуальный класс alfaview®
BildungszentrumЗанятия проводятся с использованием современной видеотехнологии alfaview® - не выходя из дома или в нашем офисе по адресу . Весь курс может видеть друг друга лицом к лицу через alfaview®, общаться друг с другом с помощью синхронизированного по губам голоса и работать над совместными проектами. Разумеется, вы также можете в любое время видеть и разговаривать со своими преподавателями в прямом эфире, и на протяжении всего курса вас будут обучать преподаватели в режиме реального времени. Уроки - это не электронное обучение, а настоящее живое очное преподавание с помощью видеотехнологий.
alfatraining Agentur für Arbeit Учебные курсы субсидируются и сертифицируются в соответствии с положением об утверждении AZAV. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinПри подаче заявки или заявки на обучение все расходы на курс обычно покрываются финансирующей организацией.
Europäischen Sozialfonds Deutsche Rentenversicherung Финансирование также возможно через программы (ESF), (DRV) или региональные программы финансирования. Berufsförderungsdienst Как постоянный солдат, вы можете посещать курсы повышения квалификации по программе (BFD). Agentur für Arbeit (Qualifizierungschancengesetz) Компании также могут повысить квалификацию своих сотрудников по программе финансирования от .