3 бесплатных курса для новичков, чтобы наконец понять, что такое ИИ и чем оно помогает и грозит

Проходила ранее сама. Закладывают базовое понимание и демистифицируют ИИ (вокруг ИИ все еще много мистификаций).

ИИ для каждого. ВП: 6 часов.

- как работает ИИ,
- где и как применяется (на реальных примерах - умная колонка и самоуправляемый автомобиль),
- что может, а что не может (демистификация),
- как создаются проекты ИИ,
- как ИИ влияет на общество (чем помогает и какие угрозы).

ИИ во благо. ВП: около 20 часов.

Как ИИ помогает решать сложные соц проблемы на конкретных примерах:
- мониторинг качества воздуха в Боготе (кстати, такое приложение как-то спасало меня в Индии - помогало избегать места со слишком загрязненным воздухом),
- прогнозирование энергии ветра,
- мониторинг исчезающих животных и др.

Генеративный ИИ для всех. ВП: 6 часов.

По охватываемым вопросам похож на первый курс, но здесь исключительно про генеративный ИИ (ИИ, который может производить контент - текст, картинки, видео, например ChatGPT).

Ведущий - Эндрю Нг, основатель Coursera, профессор Стендфорда. Если хотите “нырнуть” глубже, то у него много других коротких и длинных курсов для разных уровней.

Как слушать курсы бесплатно на Coursera без привязки карты и пробных периодов, писала тут. Курсы на английском, синхронный перевод видео - с помощью Яндекс браузер.

P.S. На картинке выше, примеры, как аналитик данных может применять ИИ в работе ☝️


#аналитик_данных #дата_аналитик #бесплатные_курсы

Проблема: Навык не используется на работе, но нужен для карьерного роста.

Рассмотрю решение на примере SQL, но принцип применим к любому навыку.

Вообще вопрос - из пассивной позиции. Лучше спрашивать себя: как могу даже в таких условиях использовать sql? И находить варианты.

Способ №1: простой

Не нужно ждать, пока кто-то сверху спустит задание с SQL. У вас есть данные - значит вы уже можете использовать SQL:

📈 Excel позволяет использовать Microsoft Query для выполнения SQL-запросов на данных в Excel

📈 Написать скрипт на Python для чтения данных из Excel (или другого файла) и далее анализировать с помощью SQL

📈 Импортировать данные из Excel в СУБД (MySQL, PostgreSQL, SQLite), после импорта использовать SQL. Здесь нужно будет разобраться, как создать базу данных

Прикрепляю файлы с примерами (попросила ChatGPT).

Способ №2: для активных

Почему решили, что БД не нужна? Я сейчас делаю свой микро проект и у меня есть БД. Где тогда хранятся данные? Я бы на вашем месте предложила руководителю использовать БД. Но есть нюансы:

👨‍💻 Предварительно всесторонне изучаю вопрос, что такое БД, какие бывают, как внедрить, а что лучше для маленькой компании и т.п.

👨‍💻 Прихожу с готовым предложением, а не просто из пассивной позиции: “когда будет БД”.

👨‍💻 Должна быть готова к тому, что я буду реализовывать и на мне ответственность.

Зато опыт будет колоссальный. Сразу можете положить себе в портфолио сильный кейс.

Какие еще могут быть варианты?


#аналитик_данных #дата_аналитик

3 тренда в аналитике данных: из 2023 в 2024

Привет, друзья! Надеюсь, вы отдохнули и готовы к работе? Сегодня поговорим, чем запомнился 2023 год и что продолжит набирать обороты в 2024.

№1 Искусственный интеллект в аналитике

Сочетание "Аналитика + ИИ", похоже теперь с нами навсегда.

🔸 PowerBI, Tableau и др. внедрили ИИ
🔸 ChatGPT выпустил Data Analyst
🔸 Множество стартапов с аналитикой и ИИ

№2. Аналитика самообслуживания и «демократизация данных»

Люди без технического бэкграунда и без помощи аналитика теперь могут:

🔸 Получать доступ к данным быстро (с помощью запросов к БД на естественном языке)
🔸 Делать простой анализ в считанные секунды

Все это - благодаря ИИ и интуитивно понятным интерфейсам.

Несмотря на разочарование от ИИ в 2023 и осознание его ограничений, игнорировать этот тренд было бы ошибкой. Gartner прогнозирует, что к 2024 году 75% организаций будут использовать ИИ для аналитики.

№3. Встроенная аналитика

Аналитика интегрируется в различные приложения и процессы, улучшая принятие решений и позволяя пользователям самостоятельно находить и решать проблемы, а также находить способы улучшений. Примеры:

🔸 Kodak встроила аналитику в свое ПО для печатных машин, это позволяет отслеживать эффективность использования чернил
🔸 Shopify предлагает продавцам инструменты аналитики на своей панели управления для отслеживания продаж, поведения клиентов и других важных бизнес-показателей.

В заключение, все эти процессы не заменят аналитика. Это лишь мощный инструмент для углубленной работы и сокращения ручного труда.

Всем успешного анализа в 2024!


#аналитик_данных #дата_аналитик

Бесполезные вопросы, которые никуда не приведут

“Нет глупых вопросов”, сказал Джон Кехо. Я думаю, что есть вопросы, которые заводят нас в тупик.

Например: А возьмут ли меня с моим опытом/уровнем английского/на удаленную работу/в моем возрасте/ и тп?

Ну скажет условный Петя (даже если он авторитет), что возьмут. Что дальше? А если скажет, что не возьмут?

Что я вижу, когда человек задает такие вопросы, давайте на примере с английским:

1) Человек точно не определил, какой у него уровень английского. Хотя сейчас это делается быстро: пройдите тест, наймите преподавателя и определите.

2) Человек не исследовал вакансии (какой уровень требуют), напрямую не задал вопрос работодателям, не прошел собеседования и не получил обратную связь.

3) Проще - задать вопрос рандомным людям в интернете, порождая бессмысленные обсуждения и напрасно тратя время других, чем приложить усилия самостоятельно. Если бы он сделал п1 и п2, то понимание пришло бы само. А вместе с этим понимание, что нужно улучшать свой английский.

Все это говорит о том, что:

- Человек самостоятельно не хочет прикладывать усилия и ищет быстрые ответы
- Не верит в себя, ищет подтверждения “из вне”, сильную руку, которая его проведет
- У него нет реального интереса, он все пытается выгадать, "рассчитать копейки", не прогадать

Теперь вопрос: хотели бы вы взять такого человека на работу?

Задавать вопросы важно - это часть развития, но только если это те вопросы, которые двигают вперед, а не заставляют сомневаться в себе.

Никто не сможет дать абсолютно точных ответов на вопросы о будущем трудоустройстве или успехе. Вместо того чтобы спрашивать, возьмут ли на работу, сосредоточьтесь на улучшении своих навыков, подайте резюме и пройдите собеседования. Это даст ясность и реальную обратную связь. Лучший способ узнать - попробовать самостоятельно. Личная ответственность и самостоятельность крайне важны в процессе обучения и профессионального роста.


#аналитик_данных #дата_аналитик

На скрине показана разница по трафику для одного из моих сайтов: визиты в SW превышают session_start в GA в 3,7 раз. Эти 2 показателя можно грубо приравнять, хотя отличия в сборе данных все равно есть.

Как вводят в заблуждение с помощью данных

❗️Заметила тенденцию в твиттере: предприниматели/индихакеры используют скриншоты из сервиса Similarweb, чтобы показать, как их сайты "популярны" и имеют успех у клиентов.

*Similarweb - это платформа для анализа конкурентов, аналоги: Semrush, Serpstat, PR-CY и другие. Может понадобиться маркетинговому/веб/диджитал аналитику, маркетологу, предпринимателю и др.

Но этим данным нельзя доверять на 100%, вот почему:

📌 Similarweb и аналоги дают приближенные данные о трафике, которые (по моему наблюдению) чаще всего завышены, иногда в несколько раз. Сам Similarweb указывает на различие в 30%, а для сайтов с посещаемостью менее 100 тыс. оценки могут быть еще менее точными.

📌 Все дело в том, как Similarweb собирает данные: берет их из 4 разных источников и обрабатывает с помощью алгоритмов машинного обучения. И это отличается от метода сбора систем аналитики. Например Google analytics использует для сбора данных код отслеживания JavaScript и Cookies, встроенные на сайт, что точнее.

Вывод:

Важно не только смотреть на цифры, но и понимать, откуда эти данные и как они были получены. Это критично, когда речь идет о принятии бизнес-решений или оценке успеха проекта.

Дополнительные ресурсы:

- Книга “Как лгать при помощи статистики?”
- Какая сторонняя оценка трафика лучше всего соответствует Google Analytics?
- Видео, как можно использовать Similarweb или аналоги для трудоустройства
- Обзор сервисов для анализа конкурентов. Какой лучше?
- Краткий обзор Similarweb на примере Азбуки Вкуса


#аналитик_данных #дата_аналитик

Всем привет! 👋

Прочитала в исследовании hh за 2023г. про аналитику данных:

"Спрос на работу с данными ощутимо вырос. Необходимо увеличить программы стажировок, которые позволяют быстрее интегрировать в рынок специалистов без опыта работы. Иначе мы рискуем увидеть углубление кризиса в ближайшие несколько лет".

Отсюда возник вопрос 👇🏻

Сколько получают аналитики данных в разных странах? (*Исследование DataCamp и Glassdoor)

Выше представлены 7 стран: США, Индия, Сингапур, Германия, Австралия, Канада, Великобритания:

📍Самая высокая средняя ЗПу аналитиков - в США: $80113 = примерно 7 290 683 руб./год
📍Самая низкая - в Индии: $8414 = примерно 765 716 руб./год

России тут нет, но кажется, что она все-таки ближе к Индии, как думаете? 😄

*Ограничения исследования: (1) взята средняя ЗП, а не медиана. (3) ЗП определяется путем голосования.

Какие факторы влияют на уровень ЗП?

👉 Уровень образования и опыта (чем выше - тем больше получаешь)
👉 Индустрия (в тех и финансовой отрасли обычно платят больше)
👉 Размер компании и местоположение (в крупных компаниях в больших городах платят больше). В Apple получают $98,322, в Netflix $97,973 с бонусом $14,714.
👉 Спрос на навыки (аналитики с более востребованными навыками получают больше, пример - Python и Excel).

На мой взгляд один из самых важных факторов - личностное навыки (уверенность в себе, умение вести переговоры, адекватная оценка своих навыков). Есть знакомый с хорошим опытом, который получал небольшие 80 тыс. рублей при том, что мог получать гораздо больше при его навыках. Попросить повышения он боялся.

Немного материалов, как вести переговоры о зарплате:
- 10 советов, как зарабатывать больше от Coursera
- 3 выигрышные стратегии по переговорам о ЗП от Harvard
- Как попросить более высокую зарплату от Harvard
- 15 мин. курс от Harvard, как вести переговоры о ЗП

А вы когда последний раз вели переговоры о зарплате?

#аналитик_данных #дата_аналитик

2 бесплатных курса по SQL для аналитиков данных

Делюсь найденными бесплатными курсами по SQL. Они заточены конкрентно под анализ данных и не требуют знаний для начала.

1. SQL для анализа данных от Udacity
- изучите SQL от Basic до Advanced
- есть практические задачи, некоторые из них "задают на собеседованиях" (как пишет Udacity)
- в конце есть "как создавать запросы к большим наборам данных"

2. SQL туториал от Mode
- изучите SQL от Basic до Advanced
- есть практические проекты, с ответами (что немаловажно): "Валидация результатов А/Б тестов", "Исследование падения вовлеченности пользователей", "Стоит ли внедрять новые функции поиска".

Другие посты про SQL:
- Бесплатные тренажеры для практики SQL
- Пройти бесплатную сертификацию на знание SQL (3 разных сертификации по уровням: начальный, средний и продвинутый)

Материалы на английском, для перевода видео и текста с англ на рус используйте Яндекс Браузер. В Chrome есть расширение Google Переводчик, но он переводит только текст.


#аналитик_данных #дата_аналитик #sql #бесплатные_курсы

Здравствуйте. Извините, пишу в личку. Нужен совет по созданию портфолио. На гит делать? А данные как загрузить и нужно ли вообще? Какие примеры, самые интересные надо? Я в самом начале пути. Пока по sql хочу сделать, задачи учебные и с тестовых заданий. Есть смысл и как делать?

Портфолио аналитика данных: где делать и что включать?

Такой вопрос поступил от подписчицы☝️. Портфолио не является обязательным, но может значительно увеличить шансы на успех. Вот мое мнение кратко:

Какие проекты включать в портфолио?

👌 Реальные проекты - лучший вариант (в том числе с фриланса, волонтерские и со стажировки).

👌 Учебные, если нет реальных. Но только в том случае, если в них решается конкретная аналитическая проблема (пример - анализ эффективности маркетинговых компаний с помощью SQL). Не нужно включать отстраненные и слишком простые проекты (пример - задачи по SQL с курса на Stepik).

👌 Нестандартные, необычные проекты - это привлечет внимание. Например, сделать волонтерский проект или проект с интересным набором данных. Не включайте стандартные учебные проекты с "заезженными" датасетами, типа Титаник. Они хороши, чтобы изучить основы. Но не позволяют выделиться (скорее всего работодатели видели много подобных проектов).

Не забывайте постоянно обновлять портфолио - по мере того, как обновляются ваши навыки.

Где делать портфолио?

Учитывайте вашу цель и аудиторию.

🔻 GitHub - самый профессиональный выбор, если ваша цель - демонстрация технических навыков и кода. Выбирая GitHub, также показываете, что знакомы с инструментом контроля версий.

🔻 Презентация, Notion документ и тп. - для более креативного и визуального представления, а также если показываете портфолио нетехническим пользователям.

Дополнительные материалы:

- Примеры реальных проектов для усиления портфолио
- Почему аналитику данных нужно разобраться, что такое Github + пример портфолио аналитика в Github
- Темплейт портфолио аналитика данных в Notion (бесплатно)

Давайте обсудим в комментариях (чат), делаете ли вы себе портфолио, где и что включаете?


#аналитик_данных #дата_аналитик

Признайтесь, у кого также?☝️😄

Когда-то и я проживала похожую историю, вспоминаю как "страшный сон". Был и другой вариант: вкладываешься по максимуму с утра, а к 4-5 часам сил нет ни на что, а остаются рабочие, личные задачи.

Поэтому выстроила (и продолжаю улучшать) для себя систему, которая помогает мне делать больше, чем раньше, без дикой усталости к концу дня (в большинстве случаев).

Вот мои правила:

⚡️ Чередую Работу/Отдых в течении дня

Использую Помодоро Таймер уже более 1,5 года (год назад - тут - подробно рассказывала про нюансы и результат). Появилось больше концентрации на задаче, успеваю сделать больше в короткий промежуток времени, меньше устаю.

⚡️ Бронирую блоки времени ежедневно на важные задачи

Одна из важных задач - обучение, на нее выделяю минимум 1 час ежедневно в любом случае (в не зависимости от загруженности по другим задачам). Если не делать этого регулярно, а ждать, когда освободится время - ничего не получится, потому что суть - в регулярных действиях.

Исключение, когда можно не делать - только ситуация форс-мажора. Если такая ситуация происходит постоянно (как в некоторых компаниях) - это говорит о неправильном планировании.

⚡️ Меньше вкладок в браузере - больше свободного пространства в голове

Раньше был миллион открытых вкладок, мне казалось, что все они мне нужны. Но переключаться между ними - дополнительное усилие, внимание рассеивается. Теперь сохраняю все вкладки в Pocket (расширение для Chrome) простым кликом, оставляю только 5-10, с которыми непосредственно работаю в данный момент.

⚡️ Не держу в голове кучу информации, выгружаю все в систему заметок

Создала в Notion структуру лично под себя, куда выгружаю все мысли, планы и прочее на ежедневной основе несколько раз в день. Помогает освободить голову. Узнала недавно, что есть что-то подобное - система Second Brain, кто-то использует?

⚡️ Заставляю себя снижать градус перфекционизма

Есть понятие MVP - минимальный жизнеспособный продукт. Когда вы не "вылизываете" задачу по максимуму, но стремитесь выполнить ее достаточно хорошо, чтобы она удовлетворяла основным потребностям. Помогает избежать излишнего затягивания и сосредоточиться на достижении цели, оставляя пространство для улучшений в будущем. Подход применим не ко всем задачам, но ко многим.

Сразу вспомнила компанию, в которой перфекционизм превосходит все грани, им заражены все сотрудники (например, доходит до того, что несколько дней исправляют запятые в документе, который предназначен для личного использования).

⚡️ Совмещаю несколько дел одновременно

Например, занимаюсь спортом/готовлю/прогуливаюсь/другое + слушаю легкие обучающие материалы (не требующие сильной умственной нагрузки) + слушаю это на английском. Тем самым "убиваю 3 зайцев одним выстрелом".

❤️ Будет интересно почитать, какие приемы используете вы?


#аналитик_данных #дата_аналитик

15 бесплатных подкастов по аналитике и не только на английском

Подкасты позволяют прокачать восприятие английского на слух + узнать новое + их можно прослушивать в процессе других дел (приготовления пищи, еды, спорта и тп), как писала в этом посте. Вот несколько примеров подкастов, которые слушала/слушаю.

Подкасты про аналитику и data science:

⚡️ Secrets of Data Analytics Leaders: лидеры в области данных и аналитики (из списка Fortune 2000 по всему миру) делятся секретами своего успеха.

⚡️ The Harvard Data Science Review Podcast: новости, политика и бизнес через призму науки о данных. Каждый эпизод - «исследование», как данные используются, чтобы вводить в заблуждение, манипулировать и склонять нас к определенным решениям.

⚡️ Data Career podcast: про построение карьеры в области данных и личный бренд.

⚡️ DataFramed: лидеры в области данных и ИИ делятся знаниями, опытом, новыми технологиями и тенденциями.

⚡️ Women in Analytics after hours: для женщин, работающих в сфере данных и аналитики.

⚡️ O’Reilly Data Show Podcast: про Data science и ИИ.

Подкасты не про аналитику:

⚡️ Think fast, Talk smart: инструменты для более эффективного общения от преподавателя стратегических коммуникаций в Стэнфорде.

⚡️ Ask a Harvard Professor: ученые рассуждают на разные темы.

⚡️ Ted Talks Daily: известные люди рассуждают на разные темы.

Выше 👆🏻 - подкасты от уровня Upper Intermediate (но можно пробовать с уровнем ниже).

Ниже👇🏻 - подкасты от Intermediate (но можно пробовать с уровнем ниже). Отличие этих подкастов в том, что авторы говорят более простыми словами и медленнее, чем обычная речь.

❗️Подкасты для более низкого уровня английского:

⚡️ 6 minute English, 6 minute vocabulary, 6 Minute Grammar, Learning English for work (британский акцент): серия подкастов от BBC. В течении 6 минут рассуждают на различные темы, дают слова для понимания.

⚡️ Simple English News Daily (британский акцент): ежедневная краткая сводка новостей со всего мира за 7 минут.

⚡️ Thinking in English (британский акцент): автор рассуждает на различные темы - наука, философия, экономика, здоровье и другие, при этом часто приводит научные исследования. Перед обсуждением дает необходимые для понимания слова, также есть транскрипт.

Подкасты в Spotify, но вообще их можно найти на всех площадках.

Как слушать подкасты на английском (мои выводы):

1. Чем более интересна тема - тем более концентрируешься на прослушивании и больше понимаешь (в том числе потому что не отвлекаешься), по итогу - больше удовлетворенности от прослушивания.

2. Поначалу слушала, даже если было понятно 30%. Если слушать постоянно и много - то с каждым разом понимаешь все лучше и лучше.

3. Если с первого раза плохо понятно, можно прослушивать второй и третий - становится понятнее.

4. С короткими подкастами 6-15 минут легче сохранять мотивацию продолжать, особенно поначалу.

Делитесь, кто какие подкасты слушает🔥.


#аналитик_данных #дата_аналитик #английский