Telegram Web
Уважаемые коллеги!

Семинар «Особенности коллаборации российских социологов на основе библиографических данных eLibrary» переносится на 15 ноября в 12:30 (по Мск) в связи с болезнью спикера.
Если вы хотели поучаствовать в семинаре, но не успели зарегистрироваться, вы можете сделать это по ссылке.

Напоминаем, что на семинаре будут представлены результаты исследовательского проекта «Паттерны коллаборации в российском социологическом сообществе: структура научных школ и возможные точки роста» сотрудников ANR-Lab.

Спикер - Дарья Мальцева, заведующая Международной лабораторией прикладного сетевого анализа НИУ ВШЭ .

Формат участия - онлайн.
Академия Дата-Дайвинг проводит Школу прикладного анализа данных для Забайкальского государственного университета

26-28 октября команда Академии Дата-Дайвинг провела очный модуль Школы прикладного анализа данных для Забайкальского государственного университета.
Участниками Школы стали студенты и преподаватели социологического, энергетического, историко-филологического и других факультетов вуза.

Ольга Васильевна Еремеева, проректор по развитию ЗабГУ высказала мнение по поводу очного модуля Школы: “Школа прикладного анализа данных - очень серьезный и замечательный проект. И хорошо, что наши коллеги присутствуют в этой самой повестке. Уверена в том, что компетенции, которые мы прокачиваем в эти три дня, коллегам понадобятся и пригодятся для дальнейшей работы.
Впереди у университета и у коллег, которые принимают участие в Школе, сейчас стоит задача сделать анализ, использовать уже другие технологии (мы, в частности, говорим про “цифру”), те программы и опыт, который они получили на Школе прикладного анализа данных. Это позволит получить результат совсем другой, нежели когда мы использовали те самые традиционные методы.
Сейчас наш университет в стадии трансформации, как и, наверное, все участники проекта “Приоритет 2030”, поэтому мы перенесем и применим полученные знания во время практической работы. И в ноябре мы выйдем на результат, который поможет нам оценить наши дефициты, зоны, над которыми надо работать и развивать и которые помогут нам в обосновании принятия управленческих решений.


В данный момент обучение продолжается в рамках онлайн-модуля. После прохождения теоретической части участники на протяжении трёх недель самостоятельно будут продолжать работу над групповыми проектами в сопровождении экспертов Школы. Кроме того, слушатели получили доступ к дополнительным материалам школы (отраслевым кейсам).
Всем привет!🤗
Собрали для вас полезности от нашего прекрасного преподавателя по Excel - Екатерины Савиной🔥

Для начала официальные источники с сайта Microsoft (прекрасно работает с VPN😌)

Официальная страничка Excel

Справка и обучение по Excel

Обучающие видео по Excel

Таблица сравнения возможностей различных версий Excel

Технические характеристики и ограничения Excel

Ссылка на тех документацию с описанием сочетаний клавиш (горячие клавиши)

Учебник. Импорт данных в Excel и создание модели данных

Возможности бизнес-аналитики в Excel и Office 365

А здесь подборка чатов и полезностей с других сайтов

Excel Chat (чат, где можно задать и обсудить вопросы)

Excel Everyday (канал, в котором выкладывают небольшие полезные видеоподсказки)

Простые, но эффективные приёмы для ускоренной работы в Excel

Лучшие 25 приемов Power Query

7 функций Excel, которые помогут управлять финансами

Как в Excel закрепить область при прокрутке

4 техники анализа данных в Microsoft Excel

@data_analyst_pro
Media is too big
VIEW IN TELEGRAM
Всем привет✌🏻
А мы продолжаем рубрику «Уютная беседа с аналитиком».
Наш гость — Светлана Трофимова, тьютор по дизайну исследования и статистическому анализу данных.👩🏻‍💻
Приятного просмотра!

@data_analyst_pro
🎧 Подкаст от наших коллег

Когда погружаешься в новую сферу, полезно окружить себя новыми интересами. Предлагаем один из таких вариантов – подкаст Data breakfast. Если что-то слышали про международное сообщество Open Data Science, то это прекрасный шанс познакомиться с участниками поближе.

Очно в Санкт-Петербурге ребята регулярно собираются, чтобы обсудить все, что связано с данными, искусственным интеллектом и даже больше. А подкаст – это записи тех самых бесед за завтраком.

От себя рекомендуем первый выпуск, в котором можно узнать про найм в сфере машинного обучения, пополнить копилку историй про собеседования и просто без купюр послушать, как все происходит в it-сфере. После первого эпизода уже и не заметите, как затянет✌🏻

@data_analyst_pro
​​🤖🧠 Поговорим про искусственный интеллект?

Приглашаем на открытую лекцию «Дилеммы развития искусственного интеллекта: чем заниматься – создавать возможности или устранять угрозы?»🧑🏻‍🏫

Спикер: Константин Воронцов – профессор кафедры интеллектуальных систем ФУПМ МФТИ, профессор Российской академии наук

Когда: 1 декабря, 14.30 (московское время)
Где: 2 корпус ТГУ, ауд. 302 (для студентов и преподавателей ТГУ)

🔗 Онлайн-трансляция: https://youtube.com/live/jixqRndY6_s?feature=share

Лекция проводится в рамках Школы прикладного анализа данных, которая проходит с 30 ноября по 2 декабря на площадке НИ ТГУ
🔜 Напоминание

Через 10 минут начинается лекция Константина Воронцова

> Дилеммы развития искусственного интеллекта: чем заниматься – создавать возможности или устранять угрозы?

Очно: 2 корпус ТГУ, ауд. 302 (для студентов/сотрудников ТГУ)
Онлайн: трансляция YouTube

🆕 По ссылке ниже доступна запись трансляции
30 ноября - 2 декабря на площадке Томского государственного университета прошел очный модуль ежегодной Школы прикладного анализа данных, реализуемая Академией Дата-Дайвинг и Томским государственным университетом при поддержке Университетского консорциума исследователей больших данных.

В образовательном мероприятии приняли участие 57 слушателей из 13 университетов и организаций:
- ТГУ
- НовГУ им. Ярослава Мудрого
- НГУАДИ
- ЯрГУ им. П.Г.Демидова
- Самарский университет
- СурГУ
- ОмГТУ
- РАНХиГС
- ЮГУ
- ТПУ
- ПГНИУ
- Законодательная Дума Томской области
- ФАУ “РосКапСтрой”

В этом году в программе Школы было 3 образовательных трека:
1. Образование и общество;
2. Рынок труда;
3. Управление наукой.

Участники Школы прикладного анализа данных 3 дня учились принципам цифровой аналитики, осваивали инструменты анализа текстовой информации и сетевого анализа в рамках своих научных интересов, визуализировали тестовые наборы данных, а также работали над групповыми проектами в смешанных командах.

В Школе приняли участие приглашенные эксперты: Константин Воронцов, д.ф.-м.н.,руководитель лаборатории "МОСА" Института ИИ МГУ, профессор РАН, МГУ и МФТИ.
Дарья Мальцева, заведующая Международной лабораторией прикладного сетевого анализа НИУ ВШЭ.

Результатом трехдневного обучения стали дорожные карты 9 групповых проектов, а также технические задания на выгрузку данных. После того, как команды получат готовые датасеты, они приступят к их обработке и интерпретации в сопровождении экспертов и модераторов. А уже 25 декабря состоится итоговая защита проектов, где команды представят результаты своей проектной деятельности приглашенным экспертам, а также получат зачеты в рамках программы повышения квалификации.

Школы прикладного анализа данных реализуются при поддержке Мегапьютер Интеллидженс - компании, создавшей русскоязычную аналитическую платформу PolyAnalyst. PolyAnalyst является ключевым инструментом Школы в рамках курса, посвященного анализу данных, текстовой аналитике и созданию интерактивных дашбордов.
Всем привет!🌸

Рекомендуем к прочтению новую статью на Хабр😉
👉Визуализация: лучшие практики
В статье рассматриваются варианты визуализации результатов работы и их применение в различных областях, включая ИБ. Конкретных примеров визуализации там немного, но рекомендуем заострить внимание на разнообразии и полезности представленных решений. Вдруг и вам пригодится😜
Приятного прочтения!
​​​​Дорогие друзья!
Наша команда академии Дата-Дайвинг поздравляет всех с Новым годом. За этот год вместе с нами больше тысячи студентов погрузились в мир данных.

И мы хотим сказать вам спасибо за то усердие, с которым вы вгрызались в методологии анализа данных. За то, как храбро боролись с питоном и продирались сквозь дебри статистического анализа. За то, как делали свои дашборды понятными, а sql-запросы быстрыми и оптимизированными.

Желаем новых проектов, отличных задач для анализа и много-много качественных данных. А самое главное – призываем вас не переставать учиться новому. Мы, в свою очередь, обещаем и дальше помогать в этом нелегком деле.

С нетерпением ждем начала года, чтобы продолжать :) До новых встреч, друзья, в новом 2024 году!
🤔 Давайте решим задачу

Мы тренировались писать SQL-запросы и код на Python. А сегодня предлагаем вспомнить язык регулярных выражений.

Для начала несколько полезных ссылок:
короткий курс с примерами, чтобы изучить регулярные выражения (можно пройти за вечер)
понятная статья о том, как устроен язык (стоит заглянуть ради иллюстраций)
удобный сервис для проверки выражений (подсветка и объяснение на полях здорово помогают разобраться)

➡️ Перейдём к делу: в нашем тексте есть теги, ограниченные угловыми скобками <>. Требуется написать регулярное выражение для поиска этих тегов.

<person name=”Эдуард”>Эдик</person> пришел <span number = ‘3’>учиться</span> на <bold><a href="https://skills.tsu.ru/catalog/povyshenie-kvalifikatsii/sql-dlya-analiza-dannykh/">курс по базам данных</a></bold>, а <person>Слава</person> – нет.

Оставляйте решение в комментариях👇🏻
А мы в понедельник опубликуем свои варианты. Хороших выходных!

@data_analyst_pro
📝 Решение задачи

Разберем задачу про поиск тегов при помощи регулярных выражений. Тег ограничен угловыми скобками <>, внутри которых может быть любой символ, но не сами угловые скобки.

1️⃣ <.*?>
На языке регулярных выражений:
точка (.) – любой символ;
звёздочка (*) – квантификатор, указывающий, что предыдущий символ повторяется от 0 до бесконечности раз;
вопросительный знак (?) – в этом случае делает наш квантификатор «ленивым», чтобы захватывалась минимальная совпадающая подстрока.

ℹ️ По умолчанию любой квантификатор (* или .) является «жадным», то есть в строке он будет искать самое длинное совпадение с регулярным выражением.

✍🏻 Проверьте самостоятельно: скопируйте в конструктор наш пример из задания и протестируйте выражение <.*>

ℹ️ Выражение <.+?> тоже может подойти. Напишите в комментариях разницу между этими вариантами👇🏻

2️⃣ <[^<>]*>
При помощи каретки (^) можно задать инвертированный класс: запись [^<>] означает «любой символ, кроме < и >».

Ставьте ❤️, если понравилась рубрика, и 🔥, если хотите продолжения

@data_analyst_pro
🥗 Приглашение на дата-обед

Tomsk Data Science – сообщество энтузиастов, увлеченных наукой о данных. Ребята регулярно проводят встречи и обсуждают самое интересное из мира IT.

В это воскресенье в гости заглянет HR из Тинькофф👩🏻‍💻 Запланирован разбор проблем во время трудоустройства в data science, а также множество полезных советов.

🗓 28 января, 14.00 по томскому времени
📍 очно в Томске (Точка кипения, пр-кт Ленина, д. 26)

🗺 Участники Open Data Science встречаются в разных городах и даже в других странах, посмотреть можно здесь

@data_analyst_pro
Во вторник (23 января) эксперты Академии Дата-Дайвинг приняли участие в стратегической сессии по вопросам организации и проведения Чемпионата высоких технологий.

Чемпионат проводится второй год в рамках национального проекта «Образование» и Всероссийского чемпионатного движения по профессиональному мастерству. Его цель – создание условий и системы мотивации для повышения значимости и престижа рабочих профессий.

В этом году Академия Дата-Дайвинг стала индустриальным партнером компетенции «Специалист по анализу данных (BI-аналитик)», которую курирует Политехнический колледж ФГБОУ ВО «Новгородского государственного университета им. Ярослава Мудрого». Наши эксперты участвуют в разработке конкурсного задания, а также войдут в экспертную комиссию.

Финал чемпионата пройдёт очно в Великом Новгороде. Нам особенно приятно сообщить, что у победителей будет возможность пройти оплачиваемую стажировку в Академии Дата-Дайвинг. Положение и правила проведения на сайте.

В качестве бонуса прикладываем в комментариях слайд с компетенциями BI-аналитика. Этот анализ проводился с помощью открытого инструмента мониторинга рынка труда РосНавык. Можно потренироваться самостоятельно и собрать компетенции нужной вам профессии🧑🏻‍💻

@data_analyst_pro
🧐 Логическая задача

На
реальном it-собеседовании любят в том числе проверять смекалку кандидатов. Давайте устроим быструю тренировку🦾

➡️ Некоторые аналитики знают язык программирования Python. Каждый аналитик вооружён критическим мышлением.

Определите верное высказывание:
1. Python знают только аналитики
2. Все знатоки Python не вооружены критическим мышлением
3. Аналитики, которые вооружены критическим мышлением, не знают Python
4. Все, кто знают Python, вооружены критическим мышлением
5. Некоторые знатоки Python вооружены критическим мышлением
6. Аналитики, которые знают Python, не вооружены критическим мышлением
7. Только аналитики вооружены критическим мышлением

Проверьте себя👇🏻

@data_analyst_pro
2024/05/28 15:18:42
Back to Top
HTML Embed Code:


Fatal error: Uncaught Error: Call to undefined function pop() in /var/www/tgoop/chat.php:243 Stack trace: #0 /var/www/tgoop/route.php(43): include_once() #1 {main} thrown in /var/www/tgoop/chat.php on line 243