Válogatott webhelyek ingyenes leckékkel a big data tanulmányozásáról.
Könyvjelzőkhöz
átlagos fizetés adatelemzés a HeadHunter szerint - 120 ezer rubel. Az anyag kiemeli az alapvető követelményeket az adatelemzők üres állásaival szemben, valamint azokat a helyeket, ahol ingyenesen szerezhet készségeket ezen a területen.
Kik az adatelemzők
A big data tudósok tudják, hogyan kell kinyerni hasznos információ különböző forrásokból, és elemezze, hogy üzleti döntéseket hozzon. Az elemzők általában eltérő információkkal szembesülnek, ezért fontos a megfelelő adatok kinyerése.
Most az adatelemző szakmát a világ egyik legvonzóbbnak és legígéretesebbnek tartják. Ahhoz, hogy jó elemző lehessen, többet kell tudnia a statisztikákról, mint a programozásról. Mivel a munka során matematikai modelleket kell felépítenie, amelyek leírják a problémát és a tényleges adatokat.
Egy adatelemző véletlenszerű változókkal és valószínűségi modellekkel dolgozik, feladata váratlan minták megtalálása. Ezért a valószínűségi elmélet és a matematikai statisztika ismerete az egyik fő követelmény a jelentkezők számára.
Ismernie kell az R vagy Python programozási nyelveket, és meg kell értenie a nagy adatfeldolgozási technológiákat. Ez a tudás elegendő az adatelemző kezdeti pozíciójához.
Ahhoz, hogy jó elemző lehessen, nemcsak a programozást vagy a statisztikákat kell megértenie, hanem tökéletesen ismernie kell a terméket, és ami a legfontosabb, képesnek kell lennie hipotézisek tesztelésére és javasolására. A nagy adat, ha helyesen használják, rengeteg jó ötletet és ötletet tartalmaz a termék fejlesztésére vagy a fontos dolgok meghatározására vonatkozóan.
De a legtöbb problémának nincs egyértelmű megoldása vagy algoritmusa: ebből a szempontból az adatelemzés nagyon kreatív munka. Az is fontos, hogy tudjunk megfelelő megjelenítést választani. Ugyanazok az adatok véletlenszerű ponthalmaznak tűnhetnek, vagy sok érdekes dolgot mondhatnak el, ha helyesen végzik.
A VKontakte -nál hatalmas adatmennyiséggel dolgozunk - napi több mint 20 milliárd méréssel. Információkat gyűjtünk a Hadoop -fürtről, és különféle eszközöket használunk a feldolgozásra: válaszok egyszerű kérdések A Hive ad nekünk, a Spark, a Pandas és a Sklearn pedig segítenek a bonyolultabb elemzések elvégzésében.
A termék- és műszaki mutatók, valamint az A / B kísérletek elemzéséhez a csapatunk által kifejlesztett adatgyűjtő, összesítő és megjelenítő rendszert is felhasználjuk. Az adatelemzésnek köszönhetően naponta több tucat termékhipotézist ellenőrzünk, és több száz kísérletet hajtunk végre, amelyek lehetővé teszik számunkra, hogy folyamatosan javítsuk a terméket, kényelmesebbé és személyre szabottabbá tegyük szolgáltatásainkat.
Például 2015 -ben elkezdtük elemezni a felhasználói tevékenységet a hírfolyamban, és megnéztük, mit lehetne javítani. Sok kutatás után arra a következtetésre jutottunk, hogy mindent sokkal kényelmesebbé tehetünk, és 2016 -ban elindítottunk egy „okos” hírcsatornát, amely minden felhasználó számára a lehető legérdekesebb és hasznosabb.
Folyamatosan elemezzük a közönség aktivitását. Valamikor, a gyakorlatban felfedeztük, hogy a felhasználók szeretnék bővíteni érdeklődési körüket, és új szerzőkkel találkozni. Ezért 2017 -ben elindult az "Ajánlások" szakasz. És most, az új szolgáltatás növekvő aktivitását elemezve látjuk, hogy ez volt a helyes döntés.
Andrey Zakonov
Növekedési és kutatási igazgató, VKontakte
Python és R. ismerete
Python tanfolyam
Nyelv: Angol.
Szint: a kezdeti.
Codecademy felület
A Codecademy online platform interaktív tanulást kínál a Pythonról: egy oldal elmagyarázza a rövid elméleti hátteret és a kód értelmezőjét. A tanfolyam kezdő felhasználók számára készült, és a programozási nyelv alapvető parancsairól szól.
A tanfolyam megosztott programmal történik: csak fizetett előfizetéssel férhet hozzá tesztfeladatokhoz és dolgozhat projekteken. Az ingyenes leckék alkalmasak egyszerű konstrukciók elsajátítására és a nyelv szintaxisának megértésére.
Önálló tanulási útmutató "Python 3 kezdőknek"
Nyelv: Orosz.
Szint: a kezdeti.
Musin önképzőkönyve az egyik legnagyobb orosz nyelvű tudásbázis a Pythonról. Az oldal információkat tartalmaz a modulokról, a Pandas könyvtár használatával végzett adatelemzéssel kapcsolatos anyagokat, elméleti információkat, példákat a feladatokra és Hasznos Linkek... A megjelent cikkek alapján önálló tanulmányi útmutató is készült PDF formátumban.
Python programozó tanfolyam
Nyelv: Orosz.
Szint: a kezdeti.
A tanfolyamon a tanárok bemutatják a programozás alapfogalmait. Nagy mennyiségű házi feladatot kínálnak gyakorlati feladatok- minden döntést egy automatikus rendszer ellenőriz. Ugyanakkor a tanárok nem adnak egyéni konzultációk... A tanfolyam fokozott komplexitású feladatokat is tartalmaz, amelyeket nem kell megoldani a tanfolyam sikeres elvégzése érdekében.
Python alapismeretek és alkalmazások kurzus
Nyelv: Orosz.
Szint: átlagos.
Követelmények: alapvető programozási ismeretek Python vagy más programozási nyelveken.
A kurzus hallgatói megtanulják a nyelv alapvető alapjait: hogyan hajtja végre a tolmács a kódot, hol tárolja a változókat és adatokat, hogyan határozzák meg saját adattípusait és funkcióit. A tanfolyam azoknak a felhasználóknak készült, akik ismerik az alapvető programozási ismereteket.
A kurzus tesztfeladatai két típusra oszlanak: az anyag megszilárdítására és a megtanult készségek alkalmazásának módjának megtalálására. A megoldásokat a rendszer ellenőrzi.
Python programozási alapok tanfolyam
Nyelv: Angol.
Szint: a kezdeti.
A tanulók három alapvető témát tanulnak meg: a funkciók használata, az osztályok létrehozása és használata. Az utolsó lecke saját projektek létrehozásáról szól. A tanulás a mini-projekteken és a fontos fogalmak elsajátításán alapul. A tanfolyam azoknak szól, akik programozók akarnak lenni, vagy terveznek velük dolgozni.
R Programozás alapjai tanfolyam
Nyelv: Orosz.
Szint: a kezdeti.
Ezen a tanfolyamon a pedagógusok az R programozási nyelvnek tekintik, nem pedig problémamegoldó eszköznek. A diákok feltárják az alapvető adattípusokat és az általános szemantikai szabályokat, valamint az adatelemzéssel és -feldolgozással kapcsolatos témákat.
Adatelemzés az R tanfolyamon
Nyelv: Orosz.
Szint: átlagos.
Követelmények: alapismeretek a statisztikában.
A tanárok elmagyarázzák az adatelemzés főbb állomásait az R nyelv használatával, a diákoknak pedig a főbb szakaszokat Statisztikai analízis R, adatok olvasása és előfeldolgozása, alapvető statisztikai technikák alkalmazása és az eredmények vizualizálása.
R Programozás az adattudományi tanfolyamon
Nyelv: Angol.
Szint: átlagos.
Követelmények: A tanfolyam azoknak az elemzőknek szól, akiknek statisztikai projekteken dolgozniuk kell.
A tanfolyamot a Microsoft fejlesztette ki a Dán Műszaki Egyetemmel együttműködve. A tanfolyam megtanítja az R alapjait, megtanítja, hogyan kell olvasni és írni adatokat, dolgozni velük és eredményeket elérni. Azt is elmagyarázzák, hogyan lehet prediktív elemzést végezni az R segítségével, és megjeleníteni az adatokat.
DataCamp projekt
Nyelv: Angol.
Szint: a kezdeti.
DataCamp Learning System Interface
A DataCamp interaktív R és Python tanulási tanfolyamokat kínál természettudományos, statisztikai és gépi tanulási témákban. A projekt az adatok feldolgozására összpontosít. A DataCamp együttműködik az RStudio -val, a Continuum Analytics -szel, a Microsofttal, és vonzza a Pfizer, a Liberty Mutual, a H2O, a DataRobot és mások vezető cégeinek tanárait.
Az ingyenes előfizetés hozzáférést biztosít az alap tanfolyamokhoz és a fizetős kurzusok első fejezetéhez. A korlátlan hozzáférés érdekében előfizetést kell vásárolnia havi 29 dollárért vagy évi 300 dollárért.
A statisztika és a gépi tanulás ismerete
Statisztika alapjai tanfolyam
Nyelv: Orosz.
Szint: a kezdeti.
A kurzus tanulmányozza a kutatás során szerzett adatok leírásának módszereit, a statisztikai elemzés alapfogalmait, a kapott adatok értelmezését és megjelenítését. A fő hangsúly a matematikai elképzeléseken, az intuíción és a logikán van, amelyek meghatározzák a módszereket és a számítási képleteket.
Tanfolyam „Algoritmusok: elmélet és gyakorlat. Módszerek "
Nyelv: Orosz.
Szint: átlagos.
Követelmények: az egyik programozási nyelv ismerete: hurkok, tömbök, listák, sorok.
A kurzus alapvető algoritmikus módszereket ölel fel: "mohó" algoritmusok, "oszd meg és hódítsd" módszer, dinamikus programozás. A tanárok minden módszer esetében matematikai bizonyítékot mutatnak a helyességre és a munkaidő becslésére.
Szintén a kurzuson beszélnek az algoritmusok C ++, Java és Python megvalósításának jellemzőiről. A kurzuson tárgyalt algoritmusok többségét a feladatok részeként kell programozni.
Bevezetés a leíró statisztika tanfolyamba
Nyelv: Angol.
Szint: a kezdeti.
A tanfolyam résztvevői megismerkednek az adatok leírásához használt alapvető fogalmakkal. A tanárok a kutatási módszerekről beszélnek, megtanítják a statisztikai értékek kiszámítására és értelmezésére, valamint egyszerű valószínűségek kiszámítására. A diákok megtanulják az elosztás törvényeit és annak manipulálását, hogy valószínű adat -előrejelzéseket hozzanak létre.
Bevezetés a statisztikai következtetési tanfolyamba
Nyelv: Angol.
Szint: a kezdeti.
Követelmények: Befejezte a Bevezető a leíró statisztikába tanfolyamot.
A tanfolyam a nem nyilvánvaló adatok kimenetének tanulmányozására szolgál. A diákok a mintastatisztikák segítségével tanulmányozzák a paraméterbecslést, megtanulják a hipotézisek és a megbízhatósági intervallumok tesztelését. Az oktatók elmagyarázzák a t-tesztet és a variancia, korreláció és regresszió elemzését, valamint a statisztikai hipotézisek tesztelésének egyéb módszereit.
Bevezetés az adattudományi tanfolyamba
Nyelv: Angol.
Szint: átlagos.
Követelmények: Alapvető Python programozási készségek.
A tanfolyam résztvevői elsajátítják az adattudomány alapfogalmait: adatkezelést, statisztikai és gépi tanulási módszereket használó adatelemzést, információátvitelt és vizualizációt, valamint nagy adatokkal való munkát.
Bevezetés a Gépi Tanfolyamba
Nyelv: Orosz.
Szint: átlagos.
Követelmények: a matematika alapjainak ismerete (függvények, származékok, vektorok, mátrixok), programozási ismeretek Pythonban.
A kurzus a gépi tanulással megoldott főbb problémákat vizsgálja: osztályozás, regresszió és klaszterezés. A diákok megtanulják, hogyan kell értékelni a modellek minőségét, és eldönteni, hogy egy modell alkalmas -e egy adott feladatra. A tanárok a modern könyvtárakról fognak beszélni, amelyekben a tanulmányozott modelleket és módszereket alkalmazzák minőségük felmérésére.
Adattudomány: vizualizációs tanfolyam
Nyelv: Angol.
Szint: a kezdeti.
A tanfolyam az adatok megjelenítésének és a keresési adatok elemzésének alapjait tanítja. A diákok megtanulják, hogyan kell használni az R csomagot ggplot2 egyéni ábrák létrehozásához. A tanár elmondja az adatok kezelésével kapcsolatos főbb hibákat is.
Tanfolyam "Bevezetés a mesterséges intelligenciába"
Nyelv: Angol.
Szint: a kezdeti.
Követelmények: A gyakorlati laboratóriumok a Microsoft Azure-on alapulnak, és az Azure-előfizetést igényelnek.
A diákok megtanulják, hogyan kell használni a gépi tanulást prediktív modellek készítéséhez. A tanfolyam oktatói megmondják, melyiket szoftver elengedhetetlen a természetes nyelv, képek és videók feldolgozásához és elemzéséhez. Továbbá a diákok megtanulják, hogyan kell intelligens csevegőrobotokat létrehozni.
Gépi tanulási tanfolyam
Nyelv: Angol.
Szint: a kezdeti.
A kurzus hallgatói megismerik a hatékony gépi tanulási módszereket, és gyakorlati készségeket szereznek azok megvalósításában. Emellett a tanárok is beszélni fognak legjobb gyakorlatok Szilícium -völgy a gépi tanulásban és a mesterséges intelligenciában.
A tanfolyam széles körű bevezetést nyújt a gépi tanuláshoz, az adatbányászathoz és a statisztikai modellfelismeréshez. A tanfolyam esettanulmányokra és gyakorlati tapasztalatok- A diákok megtanulják, hogyan kell tanulási algoritmusokat használni "intelligens" robotok készítéséhez, szövegek elemzéséhez, számítógépes látás, orvosi informatika, audio, adatbázis -bányászat és más területek ismereteinek megszerzéséhez.
Nagy adatfeldolgozás
A „Hadoop. Rendszer nagy mennyiségű adat feldolgozására "
Nyelv: Orosz.
Szint: átlagos.
A Hadoop az egyik legnépszerűbb nyílt forráskódú rendszer nagy mennyiségű adat feldolgozására. A rendszer felhasználói között vannak a Facebook, a Twitter, a Yahoo!, A Bing, a Mail.ru. A diákok megtanulják a nagy mennyiségű adat tárolásának és feldolgozásának alapvető módjait. Továbbá a tanfolyam hallgatói megtanulják, hogyan fejleszthetnek alkalmazásokat programmodell MapReduce.
Bevezetés a Hadoop és a MapReduce tanfolyamba
Nyelv: Angol.
Szint: átlagos.
Speciális követelmények
A diákok elsajátítják a Hadoop -val való munka alapjait, és megtanulják, hogyan kell használni a nagy adatokkal való munkavégzéshez. Az oktatók elmondják, milyen problémákat old meg a Hadoop, elmagyarázzák a HDFS és a MapReduce fogalmát. A tanfolyam végén a hallgatók megtanulják, hogyan kell programokat írni a MapReduce segítségével, és tapasztalatokat szereznek a problémák önálló megoldásában.
Adatok átalakítása a MongoDB tanfolyam segítségével
Nyelv: Angol.
Szint: átlagos.
Speciális követelmények: Alapvető Python programozási készségek.
Az adatátalakítás az adatok tisztításának folyamata, hogy később könnyebb legyen velük dolgozni. Eddig egyes tudósok erre költenek a legtöbb idő. A kurzus hallgatói megtanulják, hogyan kell adatokat gyűjteni és kinyerni a széles körben használt formátumokból. A diákok megtanulják, hogyan kell értékelni az adatok minőségét és tanulni legjobb gyakorlatok adattisztítás a MongoDB segítségével - az egyik vezető NoSQL adatbázis.
Nagy adatokkal való munka
UCI gépi tanulás
Az erőforrás 425 adatkészletet támogat a szoftverközösség számára gépi tanulás... A szolgáltatás kiváló minőségű, valós és érthető gépi tanulási adatkészleteket kínál, amelyek segítségével gyakorolhatja a gépi tanulási technikákat.
Kaggle
A platform versenyeket kínál minden készségű kutató számára, ahol szilárd és releváns adatokon tesztelhetik modelljeiket. A Kaggle pénzjutalmat biztosít a legjobb megoldásért.
KDnuggets lista
A KDnuggets az egyik vezető webhely az üzleti intelligencia, a big data, intelligens elemzés, adattudomány és gépi tanulás. A projekt szerzői egy oldalon 78 nyílt forrású adatforrást gyűjtöttek össze feldolgozásra.
Joe Rickert listája
Joe Riker rendszeresen közreműködik az R közösségben. Összeállította azoknak a webhelyeknek a listáját, ahol az R rendszerben elemzésre nyitott adatokat találhat.
Megkértük Diana Borisovát, a Sberbank Technologies Supermass Data Competence Center informatikai mérnökét, hogy véleményezze a listát, és meséljen nekünk más tetsző tanfolyamokról.
Önképzési könyv Python 3 kezdőknek- nagyszerű leckék. Az anyag röviden és a témában van lefektetve. Ezt az oldalt nemcsak kezdő programozók, hanem tapasztalt srácok is használják.
Jól "Python programozás" alkalmas a Python tanulását kezdő emberek számára. Van egy hely, de nem a legjobb. Az alapokat sokáig elmondják - jobb, ha az oktatóanyaghoz fordul.
A profik közül - a feladatok fejlesztik az algoritmikus gondolkodást, mínusz - nem a legoptimálisabb megoldás néhány problémára (bizonyos funkciók ismerete 15 helyett két sorban megoldható).
O A Python alapjai és alkalmazásai sok jó véleményt hallottam. Kezdőknek nehéz lesz. Ezért inkább azok számára alkalmas, akik ismerik az alapokat.
"R programozás alapjai"- jó tanfolyam azoknak, akik elkezdik tanulni R. Világos és strukturált prezentáció, vannak gyakorlati feladatok, figyeljen a fontos részletekre.
Jól "Adatelemzés R -ben" klassz tanár tanítja, és a tanfolyam is kiváló. A matematikai statisztika és a programozás alapjainak tanulmányozása után R, ez a kurzus kötelező
"A statisztika alapjai" nagyszerű tanfolyam kezdőknek. Az elmélet egyszerű és érthető példákban kerül bemutatásra anélkül, hogy bizonyítékokba merülnénk, és rengeteg képlet nélkül. A gyakorlat segít megszilárdítani az elméletet.
Jól „Algoritmusok: elmélet és gyakorlat. Módszerek " a programozási elmélet jó bemutatásáról ismert Számítástechnikai Központ szervezte. Alexander a központ egyik legjobb tanára.
A tanfolyam azoknak való, akik már rendelkeznek némi algoritmus ismerettel. Gyakorlati feladatok segít az anyag megszilárdításában, egyes feladatokon hosszabb ideig kell ülnie.
Jobban, mint Andrej Raigorodsky - a tanfolyam tanára - senki sem fogja megmagyarázni ezt a témát. Mindent felrág, világos példákat hoz. A tanfolyam mindenképpen megéri a figyelmedet.
A statisztika alapjai után tovább mélyítheti ismereteit ebben a témában, és elvégezheti a második tanfolyamot. Anatolij Karpov a lehető legegyszerűbben és legegyszerűbben mutatja be az anyagot.
Egy másik nagyszerű tanfolyam a Bioinformatikai Intézetből. Kezdők számára ez egy kicsit trükkös lehet. De a tanfolyam mindenképpen megéri a figyelmedet.
Az oldal segít megtanulni a Python programozásának alapjait. A munka közvetlenül a böngészőben történik. Először is olvassa el a cikket, majd sok gyakorlati problémát old meg a könnyű szinttől a nehézig.
Tanfolyam jó értékeléssel. Azt gondolom, hogy azoknak, akiknek béna matematikai apparátusuk van, a tanfolyam kötelező. Nincs jobb, mint az elmélet a gyakorlattal kombinálva.
Diana Borisova
IT mérnök a Sberbank-Technologies szupermasszív kompetenciaközpontban
A munkáltatók felmérésének eredményei azt mutatják, hogy a Big Data szakemberek a vállalatok 6% -ában dolgoznak. A Big Data elemzők iránti fő keresletet informatikai és távközlési cégek, bankok és nagy kiskereskedelmi láncok alkotják.
Kérdés: "Vannak cége szakemberei a big data tömbök elemzésében (Big Data, Data Scientist)?"
Lehetséges válasz | Minden tevékenységi terület | IT / távközlés | Bankok | Kiskereskedelem |
Igen | 6% | 21% | 17% | 13% |
Nem | 75% | 60% | 50% | 45% |
Tanácstalan vagyok válaszolni | 19% | 19% | 33% | 42% |
A nagyvállalatok képviselői észrevételeikben megjegyzik, hogy a big data elemzés fontos üzletág.
„A Big Data elemzői a Digital divízió részei. Ez stratégiai irány számunkra, közvetlenül engedelmeskedik vezérigazgatójának... Kevesebb mint egy éve hoztak létre egy alosztályt ebben a formátumban. Üzletünk hatalmas mennyiségű adat megszerzéséhez kapcsolódik, ezért az elemzés nagyon fontos számunkra. Nagyon erős csapatunk és nagyon ambiciózus feladataink vannak ” - mondja a távközlési szolgáltató képviselője.
„Körülbelül 15 irányunk / projektünk van a bankban, ahol ilyen szakemberekre van igény. Minden projekthez saját szakemberekre van szükség, és különböző adatokat elemezhetnek ” - kommentálta egy nagy kereskedelmi bank toborzója.
A toborzók számos nehézséget észleltek a big data elemzők toborzásában, amelyet a képzett személyzet hiánya és a kompetenciák értékelési kritériumainak hiánya okozott: „Nehéz felmérni a képesítések és a szakértelem szintjét. Nagyon magas követelményeink vannak. Többlépcsős kiválasztást végzünk, több szakaszból álló interjúval, analitikai képességeket ellenőrző tesztekkel. Magasan nagyszámú a jelölteket kizárják. "
„Mindannyian szeretnénk már kialakult szakembereket, akik sikeres ügyeket hajtottak végre, de nincs sok ilyen a piacon. Nehéz meghatározni egy személy szintjét, mert a feladatok különbözőek, nem teljesen világos, hogy a tapasztalata megfelelő lesz -e számunkra ” - teszi hozzá egy nagy kereskedelmi bank képviselője.
A toborzással kapcsolatos problémák egyre nőnek, mivel nincs közös neve a big data elemzők munkájának, és nem áll rendelkezésre szabványos munkakör.
A nagy adatokkal végzett munkát jelentő állásoknak teljesen más nevei lehetnek, például: big data elemző; matematikus / matematikus-programozó; rendszerelemző menedzser; big data építész; üzleti elemző; BI elemző; információelemző; Adatbányászati szakember; gépi tanulási mérnök.
A Big Data szakemberek két területre oszthatók:
A Big Data mérnökei nagyobb felelősséggel tartoznak az adatok tárolásáért, átalakításáért és gyors hozzáférésükért;
A Big Data elemzők feladata a big data elemzése, a kapcsolatok azonosítása és a modellek felépítése.
V munkaköri kötelességek A Big Data elemzés a következőket tartalmazza:
Adatgyűjtési folyamat kiépítése a későbbi operatív feldolgozás lehetőségére;
a fogyasztói magatartás elemzése és előrejelzése, az ügyfélkör szegmentálása (csoportosítás, osztályozás, modellezés, előrejelzés);
a termékkínálat személyre szabása;
a belső folyamatok és működési tevékenységek hatékonyságának elemzése;
a jelenlegi folyamatok optimalizálására szolgáló megoldások kidolgozása az elemzés eredményei alapján;
kockázatok elemzése, gyanús tranzakciók, csalások felderítése;
a különböző forrásokból (többcsatornás értékesítés, marketing, internet) származó adatok teljességének és összekapcsolhatóságának biztosítása;
időszakos jelentések készítése az eredmények értékelésére, az adatok megjelenítésére és bemutatására.
A Big Data elemzői fizetések és szakmai készségeik követelményei
Fizetési tartomány | A szakmai készségekre vonatkozó követelmények és kívánságok |
- Felsőoktatás(matematika, matematikai statisztika) - Matematikai statisztikai módszerek, adatelemzési és matematikai modellezési algoritmusok ismerete - Tudás modern technológiák nagy adatfeldolgozás - A relációs adatbázisok és az SQL nyelv alapjainak ismerete - Tudás angol nyelvű a műszaki dokumentáció olvasásának szintjén |
|
80-110 ezer rubel. | - Kiváló elemzőkészség, képesség a problémák megoldásának új módszereire - Az SPSS, R, MATLAB, SAS Data Miner, Tableau statisztikai eszközök birtoklása - A statisztikai adatelemzés módszereinek mély ismerete, konstrukció matematikai modellek(neurális hálózatok, bayesi hálózatok, klaszterezés, regresszió, faktoriális, variancia- és korrelációs elemzések stb.) - Nagy adathalmazokkal, relációs adatbázisokkal kapcsolatos tapasztalat - Tapasztalat nagy mennyiségű adat elemzésében a függőségek és minták azonosításával - Adatábrázoló eszközökben szerzett tapasztalat (beleértve a grafikonok készítését is) - Big Data elemzőként szerzett munkatapasztalat legalább 1 év |
- Python / Ruby / Perl programozási nyelvek ismerete - Gépi tanulási tapasztalat - Hadoop, Google nagy asztal használatának tapasztalata - Big Data elemzői tapasztalat legalább 2 év Lehetséges kívánság: folyékony vagy társalgási szintű angol nyelvtudás |
|
- Kereskedelmi szempontból sikeres komplex viselkedés kialakításában szerzett tapasztalat célközönség adatbányászati eszközök használatával - Big Data elemzőként szerzett munkatapasztalat, legalább 3 év Lehetséges kívánságok: Blog beágyazási kódja
Big Data elemző |