Visa suma yra finansuojama UŽIMTUMO TARNYBOS.
Kam skirti šie mokymai?
Šie mokymai tinka visiems dirbantiems žmonėms, norintiems suprasti ir išmokti kokie yra duomenys, kaip juos pasiekti ir analizuoti, kokios pagrindinės duomenų analitiko ir duomenų mokslininko darbo atsakomybės. Kursas taip pat tinka visiems savo tolimesnę karjerą ketinantiems sieti su duomenų analitika.
Ko išmoksite?
Mokymų metu sužinosite:
Ką gebėsite po mokymų?
● Dirbti analitikų komandoje ir atlikti pagrindines užduotis
● Pasiekti jums reikiamus duomenis ir juos ištraukti naudojant SQL kodą
● Versijuoti ir saugoti savo atliekamas analizes
● Atrasti įžvalgas duomenyse („Tableau“/„Power Bi“)
● Sutvarkyti, išanalizuoti duomenis ir juos pristatyti ( „Python“: „Pandas“, „Sckitlearn“, „Matplotlib“ etc, „Jupyter Notebooks“,)
DOVANA! Mokymų metu dovanojame įrankio TABLEAU licenciją, kai mokymai vyksta su TABLEAU įrankiu.
GALIMOS DARBO POZICIJOS PO MOKYMŲ:
Mišrus mokymasis: mokykis ir IŠ NAMŲ ir IŠ KLASĖS. Galimybė keisti formatą mokymų metu!
Intensyvumas: 160 val. (visos valandos gyvai, realiu laiku su lektoriumi)
Trukmė: 2 mėnesiai
Laikas: 5 kartus per savaitę, nuo 18.00-22.00 val.
Mokymai nuotoliniu būdu: ČIA
Mišrus mokymasis: mokykis ir IŠ NAMŲ ir IŠ KLASĖS. Galimybė keisti formatą mokymų metu!
Intensyvumas: 160 val. (visos valandos gyvai, realiu laiku su lektoriumi)
Trukmė: 2 mėnesiai
Laikas: 5 kartus per savaitę, nuo 18.00-22.00 val.
Mokymai nuotoliniu būdu: ČIA
Mišrus mokymasis: mokykis ir IŠ NAMŲ ir IŠ KLASĖS. Galimybė keisti formatą mokymų metu!
Intensyvumas: 160 val. (visos valandos gyvai, realiu laiku su lektoriumi)
Trukmė: 2 mėnesiai
Laikas: 5 kartus per savaitę, nuo 18.00-22.00 val.
Mokymai nuotoliniu būdu: ČIA
Mišrus mokymasis: mokykis ir IŠ NAMŲ ir IŠ KLASĖS. Galimybė keisti formatą mokymų metu!
Intensyvumas: 160 val. (visos valandos gyvai, realiu laiku su lektoriumi)
Trukmė: 2 mėnesiai
Laikas: 5 kartus per savaitę, nuo 18.00-22.00 val.
Mokymai nuotoliniu būdu: ČIA
Mišrus mokymasis: mokykis ir IŠ NAMŲ ir IŠ KLASĖS. Galimybė keisti formatą mokymų metu!
Intensyvumas: 160 val. (visos valandos gyvai, realiu laiku su lektoriumi)
Trukmė: 2 mėnesiai
Laikas: 5 kartus per savaitę, nuo 18.00-22.00 val.
Mokymai nuotoliniu būdu: ČIA
I MĖNUO – ĮVADAS Į DUOMENŲ ANALITIKĄ
SQL
Duomenų bazių struktūra:
● Lentelių schemos/architektūra
● Lentelių sukūrimas/redagavimas/naikinimas
● Įrašų lentelėje sukūrimas/redagavimas/naikinimas
Duomenų ištraukimas iš duomenų bazių:
● Užklausų sintaksė
● Duomenų filtravimas
● Pagrindinės funkcijos užklausose
● Lentelių jungimas (ryšiai tarp jų)
● Vidinės užklausos
DUOMENŲ TIPAI
TABLEAU / POWER BI
Duomenų prisijungimas ir tvarkymas pasitelkiant Tableau prep / Power Query:
● Duomenų tipų keitimas ir valymas
● Naujų kintamųjų kūrimas
● Lentelių jungimas ir duomenų agregavimas
Vizualus susipažinimas su duomenimis:
● Grafikų kūrimas
● Tinkamos vizualizacijos parinkimas
● Įžvalgų ir tendencijų pastebėjimas
Detali analizė ir naujų kintamųjų kūrimas:
● Naujų suskaičiuotų laukų kūrimas, set’ų ir grupių kūrimas (calculated fields) (Tableau)
● Naujų lentelių skaičiavimas ir parametrų kūrimas (table calculation) (Tableau ir Power BI)
● Skirtingų duomenų tipams pritaikytų filtrų kūrimas (Tableau)
● Lentelių, stulpelių, measures kūrimas naudojant DAX kalbą (Power BI)
Gautų rezultatų apibendrinimas naudojant dashboard ir stories/bookmarks:
● Dashboard estetika
● Spalvų pasirinkimas
● Tikslingas duomenų atvaizdavimas
II MĖNUO – – PYTHON PAGRINDAI IR ĮVADAS Į STATISTINĘ ANALIZĘ
Programavimo kalbos sintaksės pagrindai:
● Duomenų struktūros: string, integer, float, boolean, list, set, dictionary
● Sąlygos: if / elif / else
● Ciklai: for loop, while loop
● Funkcijos: paprastosios ir anoniminės. Funkcijų pritaikymas duomenims. Supažindinimas ir darbas su populiariausiomis duomenų analitikos bibliotekomis (numpy, pandas, math)
● Teorinis supažindinimas su numpy ir math
● Praktinis darbas su pandas biblioteka: duomenų nuskaitymas, transformavimas, tvarkymas ir paruošimas analizei
PYTHON PAGRINDAI IR ĮVADAS Į STATISTINĘ ANALIZĘ
Duomenų vizualizavimas:
● Matplotlib: duomenų vaizdavimas naudojant plot, hist, bar, scatter. Grafikų konfigūravimas
● Seaborn: duomenų vaizdavimas, stilistika. Statistiniai modeliai (teorinis pagrindas, praktinis pritaikymas su scikit-learn biblioteka)
● tiesinė regresija
● klasterizavimas
● pasirinkimo medžiai
BAIGIAMASIS PROJEKTAS, PRISTATYMAS IR ATSISKAITYMAS
REGISTRUOTIS NUOTOLINIU BŪDU Bandomoji paskaita
Patirtis: Middle
Dirba: „Kilo Health”
Dirbo: „Filippo Loreti”
Dėsto: Duomenų analitika/SQL/Python
Patirtis: Senior
Dirba: „Lietuvos Geležinkeliai”
Dirbo: „Civitta”
Dėsto: Duomenų analitika
Patirtis: Senior
Dirba: „Alna Software”
Dirbo: „Omnisend”
Dėsto: Duomenų analitika/SQL
Patirtis: Senior
Dirba: „Danske Bank”
Dirbo: „Euromonitor International”
Dėsto: Duomenų analitika
Mokome ne tik IT rinkoje populiariausių programavimo kalbų, bet ir padedame įsitvirtinti IT srityje. Todėl Karjeros Centro misija – 100 proc. sėkmingai įdarbintų ar praktiką radusių studentų! Su mūsų pagalba susikursite savo sėkmės istoriją. Visiems motyvuotiems ir turintiems gerus pagrindus studentams padedame rasti darbo vietą vienoje mūsų IT įmonių-partnerių.
Jeigu norite sužinoti daugiau informacijos apie finansavimo galimybes, rekomenduojame susisiekti su užimtumo tarnyba.
Turite klausimų apie pačius mokymus? Susisiekite su mumis: [email protected], +370 606 75 071
Mokymuose orientuojamasi į praktinį užduočių atlikimą. Užsiėmimų pradžioje teoriškai supažindinama su to užsiėmimo temomis, svarbiais akcentais ir likęs laikas skiriamas praktinių užduočių atlikimui.
Tai savaitės trukmės programa, skirta savarankiškam darbui namuose, prieš prasidedant intensyviems duomenų analitikos mokymams.
Pre-kurso medžiagą sudaro teorija ir praktinės užduotys, padedančios įsisavinti duomenų analitikos pradmenis.
Po mokymų gebėsite:
1. Dirbti analitikų komandoje ir atlikti pagrindines užduotis.
2. Pasiekti jums reikiamus duomenis ir juos ištraukti naudojant SQL kodą.
3. Versijuoti ir saugoti savo atliekamas analizes.
4. Atrasti įžvalgas duomenyse („Tableau“/„Power Bi“).
5. Sutvarkyti, išanalizuoti duomenis ir juos pristatyti („Jupyter Notebooks“, „Python“: „Pandas“, „Sckitlearn“, „Matplotlib“ etc).
Kiekvienam sėkmingai baigusiam mokymus, gavusiam gerus lektorių vertinimus ir nepraleidusiam daugiau nei trijų paskaitų, suorganizuosime 2-3 darbo pokalbius mūsų įmonėse-partnerėse. Taip pat padėsime pasirašyti gerą gyvenimo aprašymą, pasiruošti darbo pokalbiui.
Nežinote, ar ši programa jums tinka? Turite dvejonių ir negalite išsirinkti?
