-
Тип степени: Сертификат "Аналитик данных
-
Дополнительная квалификация: Сертификат "Статистика
Сертификат "Реляционные базы данных SQL"
Сертификат "PCEP™ - Certified Entry-Level Python Programmer"
Сертификат "Data Engineer
Сертификат "Аналитика данных -
Итоговый экзамен: Практическая работа над проектом с итоговыми презентациями
Certified Entry-Level Python Programmer (PCEP™) (на английском языке) -
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
Реляционные базы данных с помощью SQL
Основы систем баз данных и SQL (около 3 дней)
Обзор систем и моделей баз данных
Избыточные данные и целостность данных
Нормализация и BCNF
Проектирование баз данных и модель сущности-отношения (ERM)
Первичные и внешние ключи
Взаимосвязи между отношениями
Типы данных в SQL
Индексы и производительность
Ограничения и проверка
Запросы (SQL)
Формы и отчеты в современных СУБД
Циклические ссылки и управление зависимостями
Введение в SQL Server Management Studio (SSMS) (около 2 дней)
Обзор SQL Server и SSMS
Физическое проектирование базы данных
Создание таблиц и определение типов данных
Ограничения, значения по умолчанию и взаимосвязи
Диаграммы базы данных и взаимосвязи
Резервное копирование и восстановление
Искусственный интеллект (ИИ) в рабочем процессе
Презентация конкретных технологий ИИ
и возможного применения в профессиональной среде
Введение в DDL (язык определения данных) (около 8 дней)
Основы SQL и расширенный синтаксис
Создание таблиц и определение ограничений
Операторы и определения функций
Запрос и манипулирование данными
Обработка ошибок и управление транзакциями
DCL - язык управления данными и безопасность (около 1 дня)
Администрирование и авторизация пользователей
Роли, полномочия и аудит
Типы данных, импорт и экспорт данных в современных системах (около 1 дня)
Импорт и экспорт данных
Современные типы данных
Работа над проектом (около 5 дней)
Закрепление изученного материала
Презентация результатов проекта
Программирование с помощью Python
Основы Python (около 1 дня)
История, концепции
Использование и области применения
синтаксис
Лексика, семантика
Соглашения PEP-8
Интерпретатор против компилятора
Первые шаги в Python (около 5 дней)
Числа
Строки
Дата и время
Стандартный ввод и вывод
Числовые операторы
Сравнение, логические и побитовые операторы
Преобразование типов данных
список, кортеж, диктант, набор
Функции и методы работы со списками
Ветвления и циклы (if, for, while)
операторы-члены
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 и аргументы
Возвращаемые значения
Рекурсия
Пространства имен
Функциональное программирование
Устранение неполадок (около 0,5 дня)
пробовать, кроме
Типы ошибок
Перехват программных прерываний
Передача ошибок между функциями
Объектно-ориентированное программирование (около 4,5 дней)
Классы Python
Методы
Неизменяемые объекты
Класс данных
Наследование
Работа над проектом, подготовка к сертификации и сертификационный экзамен "PCEP™ - Certified Entry-Level Python Programmer" на английском языке (около 4 дней)
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 этого курса вы будете обладать основными знаниями в области статистики, уметь выполнять сложные запросы с использованием реляционных баз данных на языке SQL и владеть языком программирования Python. В сочетании со специальными знаниями в области инженерии данных и анализа данных, преподаваемых в рамках курса, вы сможете управлять обширными массивами данных, эффективно анализировать их статистически и обобщать результаты в ясной и понятной форме.
Курс рассчитан на людей с высшим образованием в области делового администрирования, математики или (бизнес) информатики и сопоставимыми квалификациями.
Поскольку компаниям приходится управлять и структурировать все большие объемы данных для анализа и постановки задач для своих бизнес-процессов, навыки анализа данных востребованы во всех отраслях.
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 .