著者：徐陽先生
最近、多くの友人が、仕事を見つける前にデータ分析をどの程度学べばよいのか疑問に思っています。
まず、就職活動で知っておくべきこととは？ビジネスニーズですね。
そこで、求人サイトのデータ分析に関わる数多くの職種を分析し、給与水準に応じて大まかに3段階に分けてみました。
ビギナーのレベル：
共通テーブルの作成と基本的なデータベース機能の操作をマスターすれば、ビジネス データ アナリストになれます。
中間レベル：
初級レベルに基づいて、一般的な機能のアプリケーションに習熟し、データベース操作に習熟し、ETL 能力を習得し、統計分析モデルを習得し、業界関連のビジネス経験があり、簡単なモデリング操作を実行できる場合は、戦略的データアナリスト。
上級レベル：
データ サイエンティストの能力、機械学習、深層学習アルゴリズム能力、モデリング マイニング能力とモデリング マイニング能力、および業界のビジネス ロジックに対する深い理解があれば、アルゴリズム エンジニアおよびマイニング エンジニアになることができます。
では、これらの機能を開発するにはどうすればよいでしょうか。
01学習 統計
まず、統計を学ぶ必要があります。統計部分は、主に 3 つのモジュールに分かれています。
最初のモジュールは記述統計学です。
データセットを取得する際に予備的な統計分析を行うのに役立ちます。記述統計で習得する必要がある概念には、中心傾向、離散傾向、データ分布、欠損値と外れ値などがあります。
2 番目のモジュールは、パラメーター推定と仮説検定です。
点推定法、信頼度、信頼区間、帰無仮説、対立仮説、P値、検定統計量など、ここで習得しておくべきことはだいたいあります。
3 番目のモジュールは統計モデルです。
このモジュールでは、主にカイ 2 乗分析、分散分析、主成分分析、因子分析、および統計モデルのドット (回帰分析) をマスターする必要があります。
02学習 分析ツール
統計学を学んだ後、コードとプログラミングの部分を開始し、分析ツールの学習に入ります。
入門レベルのデータ分析のために習得する必要がある 4 つの主要なツールについて説明した前に、今回はこれらのツールを使用するために習得する必要があるスキルについて直接説明します。
Excel では、主にいくつかの基本的な計算機能、ピボット テーブル、VLOOKUP 関数をマスターする必要があります。
SQLでは、主にテーブルの追加、削除、変更、クエリ、テーブル接続、サブクエリ、ウィンドウ関数、SQL文の実行順序を習得します。
Python では、リスト、辞書、文字列、タプル、配列、セットなど、最も基本的なデータ構造を習得する必要があります。また、IF ステートメント、For ループ、while ループなどの基本的なステートメントもマスターする必要があります。また、numpy/pandas など、Python のさまざまなライブラリの使用に習熟している必要があります。
最後に、データの視覚化のための分析ツール BI があります。誰もが学ぶ必要があるのは、ダッシュボードの作成といくつかの基本的な計算機能の使用です。
03アルゴリズム モデルと機械学習
ツールを学習した後、アルゴリズム モデルと関連する機械学習の知識を開始します。
誰もが主にマスターするのは、モデルの原理、モデルの適用、モデルのチューニング、および効果の評価です。機械学習の部分は、主に教師あり学習と教師なし学習に分けられます。教師あり学習では、主に回帰アルゴリズムと分類アルゴリズムに分けることができます。教師なし学習で主に習得する必要があるのは、クラスタリング アルゴリズムと次元削減アルゴリズムです。
04 ビジネス知識をマスターする
最後はビジネス知識モジュールです。
一般的なビジネス分析手法には、ファネル分析、解体分析、比較分析、リテンション分析、ユーザー セグメンテーション分析、属性分析、チャネル パス分析などがあります。
上記はこの問題の共有です。フォローしてください！私たちはまた、私たちにプライベートメッセージを送信するために、同じ混乱を持つ友人を歓迎します!
コース相談
