-
Тип ступеня: Сертифікат "Аналітик даних
-
Додаткові кваліфікації: Сертифікат "Статистика
Сертифікат "Реляційні бази даних SQL"
Сертифікат "Python
Сертифікат "Інженер з обробки даних
Сертифікат "Аналітика даних -
Підсумковий іспит: Практична робота над проектами з фінальними презентаціями
-
Час занять: Повна зайнятістьЗ понеділка по п'ятницю з 8:30 до 15:35 (у святкові дні з 8:30 до 17:10)
-
Мова викладання: Німецька
-
Тривалість: 20 Тижні
Статистика
Основи статистики (близько 6 днів)
Основи теорії вимірювання (генеральна сукупність та вибірка, типи вибірок, рівні вимірювання та шкали)
Одновимірна описова статистика (частотні розподіли, центральні міри, міри дисперсії, стандартне значення, гістограми, стовпчикові діаграми, кругові діаграми, лінійні діаграми та блок-діаграми)
Двовимірна описова статистика (міри кореляції, коефіцієнти кореляції, перехресні таблиці, діаграми розсіювання та згруповані гістограми)
Основи індуктивної вивідної статистики (розподіл ймовірностей, нормальний розподіл, розподіл середніх значень, тест на значущість, перевірка нульової гіпотези Фішера, розмір ефекту, оцінка параметрів, довірчі інтервали, гістограми помилок, аналіз потужності та визначення оптимального розміру вибірки)
Штучний інтелект (ШІ) в робочому процесі
Презентація конкретних технологій ШІ
та можливих застосувань у професійному середовищі
Методи для порівняння двох груп (приблизно 5 днів)
z- і t-тест для вибірки (відхилення від заданого значення)
t-тест для середньої різниці між двома незалежними/зв'язаними вибірками
Перевірка ефективності дій, заходів, втручань та інших змін за допомогою t-тестів (претест-посттест з двома групами)
допоміжні тести значущості (тест Андерсона-Дарлінга, тест Райана-Джойнера, тест Левена, тест Боннета, тест значущості для кореляцій)
Непараметричні методи (критерій Вілкоксона, критерій знаків, критерій Манна-Уітні)
Аналіз непередбачуваності (біноміальний тест, точний тест Фішера, тест хі-квадрат, перехресні таблиці з мірами асоціації)
Методи порівняння середніх значень декількох груп (приблизно 5 днів)
Одно- та двофакторний дисперсійний аналіз (простий та збалансований ANOVA)
Багатофакторний дисперсійний аналіз (загальна лінійна модель)
Фіксовані, випадкові, перехресні та вкладені фактори
Методи множинних порівнянь (Tukey-HSD, Dunnett, Hsu-MCB, Games-Howell)
Аналіз взаємодії (аналіз ефектів взаємодії)
Аналіз вибірковості та потужності для дисперсійного аналізу
Вступ до планування експерименту (ПЕ) (приблизно 1 день)
Повні та часткові факторні експериментальні плани
Робота над проектом (близько 3 днів)
Закріплення вивченого матеріалу
Презентація результатів проекту
Реляційні бази даних з SQL
Основи систем баз даних за допомогою Access (близько 3 днів)
Надлишкові дані
Цілісність даних
Нормалізація
BCNF
Проектування БД
Відношення 1:n, m:n
типи даних
таблиці
Первинні та зовнішні ключі
Посилальна цілісність
Зв'язки між відношеннями
Модель зв'язків між сутностями
Індекс, значення за замовчуванням
Обмеження (перевірка)
Запити
Форми, звіти
Циклічне посилання
Вступ до SQL Server Management Studio (SSMS) (приблизно 2 дні)
Огляд
Фізичний дизайн БД
Створення таблиць
Типи даних в MS SQL
Первинний ключ
Обмеження, значення за замовчуванням, діаграма, зв'язки
Резервне копіювання та відновлення
Штучний інтелект (ШІ) в робочому процесі
Презентація конкретних технологій ШІ
та можливих застосувань у професійному середовищі
Вступ до DDL (приблизно 8 днів)
Основи SQL
синтаксис
Команди
Множинні таблиці
Оператори
Управління потоком
Функції скалярних значень
Функції табличних значень
Системні функції
Процедури з параметрами та без параметрів
Типи помилок
Транзакції, блокування, DeadLock
DCL - мова управління даними (приблизно 1 день)
Логіни
Навчання користувачів
Ролі
Повноваження
Типи даних, імпорт та експорт даних (приблизно 1 день)
Тип даних географія
Експорт, імпорт даних
Робота над проектом (близько 5 днів)
Закріплення вивченого матеріалу
Презентація результатів проекту
Програмування на Python
Основи Python (приблизно 1 день)
Історія, поняття
Використання та сфери застосування
Синтаксис
Перші кроки з Python (приблизно 5 днів)
Числа
Рядки
Дата та час
Стандартний ввід та вивід
список, кортеж, множина
Розгалуження та цикли (if, for, while)
Штучний інтелект (ШІ) в робочому процесі
Презентація конкретних технологій ШІ
та можливих застосувань у професійному середовищі
Функції (приблизно 5 днів)
Визначте власні функції
Змінні
Параметри, рекурсія
Функціональне програмування
Усунення несправностей (приблизно 0,5 дня)
спробувати, крім
Перехоплення переривань програми
Об'єктно-орієнтоване програмування (близько 4,5 днів)
Класи Python
Методи
Незмінні об'єкти
Класи даних
Спадкування
Графічний інтерфейс користувача (приблизно 1 день)
Кнопки та текстові поля
Сітковий макет
Вибір файлів
Робота над проектом (близько 3 днів)
Закріплення вивченого матеріалу
Презентація результатів проекту
Інженер з обробки даних
Основи бізнес-аналітики (близько 2 днів)
Сфери застосування, виміри архітектури BI
Основи бізнес-аналітики, OLAP, OLTP, завдання інженерів даних
Сховища даних (DWH): обробка структурованих, напівструктурованих та неструктурованих даних
Управління вимогами (приблизно 2 дні)
Завдання, цілі та процедури в аналізі вимог
Моделювання даних, введення/моделювання за допомогою ERM
Введення / моделювання в UML
- Діаграми класів
- Аналіз варіантів використання
- Діаграми діяльності
Штучний інтелект (ШІ) в робочому процесі
Презентація конкретних технологій ШІ
та можливих застосувань у професійному середовищі
Бази даних (близько 3 днів)
Основи систем управління базами даних
Архітектура систем управління базами даних
Застосування СКБД
Реалізація моделі даних в СКБД, нормальні форми
Практичний та теоретичний вступ до SQL
Обмеження реляційних баз даних, csv, json
Сховище даних (приблизно 4 дні)
Зіркова схема
Моделювання даних
Створення зоряної схеми в СКБД
Схема "сніжинка", основи, моделювання даних
Створення схеми "сніжинка" в СКБД
Схема галактики: основи, моделювання даних
Повільно змінні розмірності типів 1-5 - переформулювання, укладання, реорганізація, міні-розмірність та тип 5
Вступ до нормальних, причинно-наслідкових, міні- та монстр-вимірів, гетерогенних та під-вимірів
Порівняння орієнтованих на стан і на транзакцію
Таблиці фактів DWH, щільність та зберігання
ETL (близько 4 днів)
Очищення даних
- Нульові значення
- Підготовка даних
- Гармонізація даних
- Застосування регулярних виразів
Розуміння даних
- Перевірка даних
- Статистичний аналіз даних
Захист даних, безпека даних
Практична структура ETL маршрутів
Data Vault 2.0, основи, хаби, лінки, сателіти, хеш-ключ, хеш-диф.
Моделювання даних у Data Vault
Практична структура моделі Data Vault - Raw Vault, практична реалізація хеш-процедур
Робота над проектом (близько 5 днів)
Закріплення вивченого матеріалу
Презентація результатів проекту
Аналітика даних
Вступ до аналізу даних (приблизно 1 день)
Еталонна модель CRISP-DM
Робочі процеси аналізу даних
Визначення штучного інтелекту, машинного навчання, глибокого навчання
Вимоги та роль в компанії інженерів даних, науковців даних та аналітиків даних
Огляд основ Python (приблизно 1 день)
типи даних
Функції
Аналіз даних (близько 3 днів)
Модулі Central Python в контексті аналізу даних (NumPy, Pandas)
Процес підготовки даних
Алгоритми інтелектуального аналізу даних на Python
Штучний інтелект (ШІ) в робочому процесі
Презентація конкретних технологій ШІ
та можливих застосувань у професійному середовищі
Візуалізація даних (близько 3 днів)
Розвідувальний аналіз даних
інсайти
Якість даних
Аналіз переваг
Візуалізація за допомогою Python: Matplotlib, Seaborn, Plotly Express
Сторітелінг даних
Управління даними (близько 2 днів)
Архітектури великих даних
Реляційні бази даних з SQL
Порівняння SQL та NoSQL баз даних
Бізнес-аналітика
Захист даних в контексті аналізу даних
Аналіз даних в контексті великих даних (приблизно 1 день)
Підхід MapReduce
Spark
NoSQL
Дашборди (приблизно 3 дні)
Бібліотека: Dash
Структура дашбордів - Компоненти Dash
Налаштування дашбордів
Зворотні дзвінки
Text Mining (близько 1 дня)
Попередня обробка даних
Візуалізація
Бібліотека: SpaCy
Робота над проектом (близько 5 днів)
Закріплення вивченого матеріалу
Презентація результатів проекту
Можливі зміни. Зміст курсу регулярно оновлюється.
Після цього курсу ви матимете базові знання зі статистики, зможете виконувати складні запити з використанням реляційних баз даних за допомогою SQL та володітимете мовою програмування Python. У поєднанні зі спеціальними знаннями з інженерії даних та аналізу даних, що викладаються на курсі, ви зможете керувати великими масивами даних, ефективно аналізувати їх зі статистичної точки зору та узагальнювати результати у чіткий та зрозумілий спосіб.
Курс орієнтований на осіб з вищою освітою в галузі бізнес-адміністрування, математики або (бізнес) інформатики та аналогічною кваліфікацією.
Оскільки компаніям доводиться керувати та структурувати постійно зростаючі обсяги даних для аналізу та встановлення цілей для своїх бізнес-процесів, навички аналізу даних користуються попитом у всіх секторах.
Ваш змістовний сертифікат дає детальне уявлення про отриману кваліфікацію та покращує ваші кар'єрні перспективи.
Дидактична концепція
Ваші викладачі мають високу професійну та дидактичну кваліфікацію і навчатимуть вас від першого до останнього дня (без системи самонавчання).
Ви будете навчатися в ефективних малих групах. Курси зазвичай складаються з 6-25 учасників. Загальні заняття доповнюються численними практичними вправами з усіх модулів курсу. Практичний етап є важливою частиною курсу, оскільки саме в цей час ви опрацьовуєте вивчене, набуваєте впевненості та рутинності в його застосуванні. Заключний розділ курсу передбачає виконання проекту, кейс-стаді або підсумковий іспит.
Віртуальний клас alfaview®
BildungszentrumЗаняття проходять з використанням сучасної відеотехнології alfaview® - або з комфорту вашого власного будинку, або в нашому приміщенні за адресою . Весь курс може бачити один одного віч-на-віч через alfaview®, спілкуватися один з одним в якості голосу, синхронізованого по губах, і працювати над спільними проектами. Звичайно, ви також можете бачитись і спілкуватись зі своїми тренерами наживо в будь-який час, і протягом усього курсу викладачі навчатимуть вас у режимі реального часу. Уроки не є електронним навчанням, а справжнім живим викладанням віч-на-віч за допомогою відеотехнологій.
alfatraining Agentur für Arbeit Навчальні курси субсидуються та сертифікуються відповідно до положення про затвердження AZAV. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinЯкщо ви подаєте заявку на або , всі витрати на курс, як правило, покриває організація, яка його фінансує.
Europäischen Sozialfonds Deutsche Rentenversicherung Фінансування також можливе через (ESF), (DRV) або регіональні програми фінансування. Berufsförderungsdienst Як військовослужбовець строкової служби, ви можете відвідувати курси підвищення кваліфікації через (BFD). Agentur für Arbeit (Qualifizierungschancengesetz) Компанії також можуть підвищити кваліфікацію своїх працівників за допомогою програми фінансування від .