Технический аналитик (Technical Analyst Data Science)

Знать:

 область деятельности и необходимые хард и софт скилы профессии;
 основные понятия и методы моделирования бизнес- процессов;
 о статистическом анализе: о методе многовариантного тестирования, корреляционном анализе, регрессионном анализе;
 о статистических методах: параметрические, непараметрические, управляемые, неуправляемые, полууправляемые, кластеризация;
 об алгоритмах машинного обучения: обучение с учителем, обучение без учителя, полууправляемое обучение, обучение с подкреплением;
 о машинном обучении: классификация, кластеризация, обнаружение выбросов, фильтрация;
 о современных языках запросов;
 об источниках информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования;

Уметь:
 проводить сравнительный анализ методов и инструментальных средств анализа больших данных;
 планировать аналитические работы с использованием технологий больших данных;

Владеть:
 навыками использования инструментов бизнес-анализа: предиктивной аналитике, предписывающему анализу.

 Технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллельная обработка данных, вычисления в оперативной̆ памяти;
 Статистический анализ: метод многовариантного тестирования, корреляционный анализ, регрессионный анализ;
 Статистические методы: параметрические, непараметрические, управляемые, неуправляемые, полууправляемые, кластеризация. Алгоритмы машинного обучения: обучение с учителем, обучение без учителя, полууправляемое обучение, обучение с подкреплением. Машинное обучение: классификация, кластеризация, обнаружение выбросов, фильтрация.

 Использовать технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллельная обработка данных, вычисления в оперативной̆ памяти;
 Проводить сравнительный анализ методов и инструментальных средств анализа больших данных;
 Планировать аналитические работы с использованием технологий больших данных
 Проводить анализ больших данных
 Осуществлять интеграцию и преобразование данных в ходе работ по анализу больших данных

Навыками использования технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллельная обработка данных, вычисления в оперативной памяти;
 Навыками использования технологии анализа данных: статистический анализ, семантический анализ, анализ изображений, машинное обучение, методы сравнения средних, частотный анализ, анализ соответствий, кластерный анализ, дискриминантный анализ, факторный анализ, деревья классификации, многомерное шкалирование, моделирование структурными уравнениями, методы анализа выживаемости, временные ряды, планирование экспериментов, карты контроля качества.

- теоретические основы анализа данных, технология OLAP и Data Mining;
- методику KDD (Knowledge Discovery in Databases), используемую при разработке моделей и решении стандартных задач Data Mining.
- правила и методы проектирования моделей данных, внедрения аналитических отчетов, информационных панелей мониторинга в компоненты ИТ инфраструктуры организации;
- алгоритмические и программные методы проведения и интеллектуального анализа данных для принятия взвешенных решений;

- проводить технический анализ данных и готовить данные к визуализации и анализу»;
- решать задачи профессиональной деятельности, используя OLAP технологии аналитики;
- использовать современные информационные технологии аналитики для информационно-аналитического сопровождения деятельности;
- работать с многомерными моделями

- инструментами и технологиями выявления, сбора и подготовки к анализу информации бизнес-анализа для формирования возможных решений;