Доброе утро всем! Девочки, ради статистических данных, какие противовоспалительные средства для кишечника когда либо назначали вашим детям? Именно преподнося как «полечим воспаление».
Семейный детский сад!😊 Ну что? Видимо я всех замучала😂 Открываю свою группу с января 2020года, пока написала заявление в ближайшем саду, чтобы нашу группу заложили в бюджет сада. В любом случае, мамочки, у кого есть такая идея, или кто-то ждёт третьего ребёнка, то подумайте заранее об этом, так как в Спб открыть данную группу не так быстро((( НУЖНО сейчас писать заявление о включении такой группы в бюджет детского сада, который находится рядом с Вами. Если что-то изменится Вы просто сможете отказаться, это заявление Вас не обязывает открывать данную группу. И ещё немного фактов, в Красносельском районе просят пройти переподготовку в 256часов по специальности педагог, на основе высшего образования, если переподготовка будет, то зп будет примерно 25т.р.-28т.р., рабочее время воспитателя 7ч12 минут в день/5 дней. Готовую еду из сада Вам будут доставлять домой. Трудоустройство будет официальное)
Доброе утрое, девочки. У нас стоит выбор с школой. Дочь ноябрьская и либо в 6 в школу либо почти в 8.как вы решили данный вопрос? Есть ли возможность оставить еще в садике на год? Наша группа в этом году выпускается.
Я все о том же, об IT. Сейчас есть очень много новых профессий. Наверняка вы тоже натыкались на такие словосочетания как Data Scientist, Data Analytics и Business Analytics. Кто это вообще такие? И в чем их различие?! Некоторые считают что они занимаются одним и тем же. На самом деле все не так просто. У каждого из них — свои задачи и функции, которые могут пересекаться. 📊Data scientist чаще работает с большими массивами данных. Он ищет в них закономерности, строит прогнозные модели, создает рекомендательные алгоритмы. Также data scientist может визуализировать данные. Ключевые навыки data scientist'а: ✅умение анализировать. Нужно проанализировать задачу перед ее выполнением, подумать над тем, какие данные нужны и как их лучше всего собрать. После сбора данных нужно оценить их качество, потом — качество моделей и вероятность их использования в реальном мире. На каждом этапе можно допустить ошибку. Поэтому нужно анализировать промежуточные результаты. Иначе вы рискуете не заметить ошибку и потратить время зря, обнаружив ее в финале. ✅способность учиться от задачи к задаче, чтобы предыдущий опыт помогал вам справляться с новыми вызовами быстрее». ✅Кроме этого, data scientist должен иметь опыт программирования на Python и R, должен уметь работать с SQL, создавать визуализации данных и обладать хотя бы базовыми знаниями в области machine learning(машинное обучение) чтобы строить модели. 📊Data analytics — позиция для тех, кто хочет начать работать с данными. Технические навыки важны, но главное — знание статистических методов. Ключевые навыки дата-аналитика: ✅знание языков Python/R, математики/статистики, SQL, ✅опыт работы с платформами для аналитики и визуализаций Tableau/Power BI ✅любовь к цифрам и усидчивость. Часто нужно довольно долго копать, чтобы найти что-то интересное. ✅способность решать проблемы, искать новые идеи и решения. ✅коммуникабельность (важны и коммуникация в команде, и правильная подача результатов анализа) 📊Задача Business analytics - получение информации с использованием ряда технологий, навыков и передовых отраслевых практик для использовании в бизнес-планировании. С течением времени у бизнеса увеличивается объем данных, и бизнес-аналитик занимается формированием, ориентированных на данных, стратегий для роста бизнеса с использованием конкурентных преимуществ. Если мы углубимся в работу бизнес-аналитики, то увидим разделение на бизнес-анализ и статистический анализ. Бизнес-анализ опирается на имеющиеся данные, чтобы судить о том, как определенный отдел или сотрудник достигает поставленных целей со временем. Статистический анализ - гораздо глубже. Он, используя собранную информацию и используя статистические алгоритмы прогнозирует будущий результат. Он включает использование интеллектуальных аналитических средств, анализ кластеров и т. д. Чем крупнее компания, тем выше вероятность, что там будут работать и инженер, и аналитик, и data scientist и бизнес аналитик. В стартапах компетенции всех трех специалистов может совмещать один человек — собирать данные, строить модели и анализировать их. У нас например относительно большая “компания”, но я почему- то занимаюсь этим всем одна. LOL🥺 #нетнеумничаю
