Обучение ехель: Обучающее видео по Excel — Служба поддержки Майкрософт

Обучение Excel от сертифицированного тренера Microsoft Дмитрия Якушева

За 990₽ обучаем основам

За небольшую плату продвинутым навыкам

(сложные формулы, сводные таблицы, макросы и Power Query)

*СЕРТИФИЦИРОВАННЫЙ ТРЕНЕР MICROSOFT

Ссылка на это место страницы: #next

Какая разница сколько у тебя высших
образований, если ты не можешь составить
простую таблицу или написать ВПР в Excel?

Якушев Д.

Предпринимателям

Мечтаете построить прибыльный бизнес, который будет работать как часы.

Освойте Excel и ведите дела так, как удобно вам! Настраивайте процессы под специфику вашей компании, быстро реагируйте на изменения, принимайте решения на основе полной информации.

Вы в поисках работы

Ищете работу? Практически во всех вакансиях есть требования «уверенное владение ПК и Excel»

Расскажем, что точно спросят и как грамотно отвечать на самые каверзные вопросы. Дадим 5 примеров заданий и 3 теста разного уровня сложности для проверки знаний Excel.

Руководитель

Каждый месяц сотрудники тратят уйму времени на одни и те же задачи, малоинформативные отчеты. Задержки в работе, ошибки в расчетах дорого обходятся компании. Найм новых работников – это дорого и вообще не факт, что решит проблему.

Обучите сотрудников работе в Excel, чтобы повысить эффективность их труда и оптимизировать процессы в компании.

Офисным сотрудникам

Вы уже не новичок, но есть понимание: «Мою работу точно можно упростить и ускорить!»

После обучения сократите время выполнения обычных задач, повысите эффективность своего труда, заслужите восхищение коллег и уважение руководства.

Мы поможем с вашими рабочими задачами и подскажем как грамотно попросить повышение.

Якушев Дмитрий

Microsoft Certified Trainer

84 компании   27к учеников

• 2010

Мой путь преподавателя начался в 2010 году. Сначала я помогал коллегам из смежных отделов — мы оставались по средам на пару часов и я отвечал на вопросы.

Желающих становилось все больше, вопросы повторялись. Родилась программа обучения.

• 2012

В 2012 году устроился тренером в УЦ Специалист и Центр мастеров, в которых преподавал после работы и на выходных. Ученикам нравилась моя подача, стали поступать первые корпоративные заказы

• 2014

1 июля 2014 зарегистрировал ИП (ИНН и начал в белую работать с компаниями). Корпоративных заказов становилось всё больше. Когда совмещать стало невозможно, уволился с основной работы.

• 2016

В 2016 году создал Android-приложение по обучению Excel на русском языке (120 000 скачиваний). В этом же году начал преподавать в онлайн-университете Нетология свой авторский курс по Excel для аналитиков и маркетологов. 10 декабря провёл 189 вебинар у 21-ого потока студентов и уволился.

• Настоящее время

Последние 1-2 года развиваю свои социальные сети. Совсем недавно начал возрождать Youtube-канал. Есть тонна идей, которую планирую реализовать.

Работал с 84 компаниями
и воспитал 27 000 учеников

Я хочу, чтобы основами работы владели как можно больше пользователей России и СНГ. + это так у вас есть отличная возможность пощупать мою подачу, материалы и систему обучения.

Доступ с любого количества устройств, видеоуроки по 2-3 минуты, задания в Excel-файлах, тесты для проверки знаний.

Проверяем домашние задания в течение 24 часов. Помогаем в решении ваших рабочих задач.

Часть приходят по рекомендациям, другим понравились видео на YouTube, третьи учились когда-то давно, а теперь заказывают тренинги для сотрудников своей компании.

Работал с 84 компаниями
и воспитал 27 000 учеников

Я хочу, чтобы основами работы владели как можно больше пользователей России и СНГ. + это так у вас есть отличная возможность пощупать мою подачу, материалы и систему обучения.

Доступ с любого количества устройств, видеоуроки по 2-3 минуты, задания в Excel-файлах, тесты для проверки знаний.

Проверяем домашние задания в течение 24 часов. Помогаем в решении ваших рабочих задач.

Часть приходят по рекомендациям, другим понравились видео на YouTube, третьи учились когда-то давно, а теперь заказывают тренинги для сотрудников своей компании.

К нам приходят с разными запросами.

Хотите научиться работать со сводными таблицами, ВПР. 
В идеале изучить всё прям с нуля.

Вас сложно удивить какими-то формулами. Интересно что-то большее. Хочется автоматизировать отчеты, но нет понимая как.

Есть задача, к которой никак не можете подступиться. Нужен совет профессионала. 

В компании есть группа сотрудников, коотрые в разной степени работают в Excel. В основном не новички, но уровень у всех разный. Нужен тренинг, чтобы всем было полезно.

Мы можем решить вашу задачу и рассказать как мы это сделали, чтобы вы могли затем самостоятельно справляться с похожими.

Переходите по ссылкам и выбирайте, что нужно
именно вам

Онлайн курсы

5 онлайн-курсов, которые закроют все вопросы, связанные с Excel. Проходить можно дистанционно в любом удобном вам месте — нужен лишь доступ в интернет.

Платные консультации

Вам не нужен целый курс? Хотите оперативно получить ответ на свой конкретный вопрос? Тогда записывайтесь на консультацию. Свяжемся с вами и поможем решить проблему

Корпоративное обучение

Вам нужно организовать тренинг по Microsoft Excel в Москве, Санкт-Петербурге или любом другом городе для своих коллег? Выбираете между очным тренингом и онлайн? Узнайте больше про форматы, получите подробную программу обучения и цены.

Решение задач

Выполним весь спектр возможных работ в Excel. Настроим исходные данные, оптимизируем отчеты, построим диаграмм и напишем макрос.

К нам приходят с разными запросами.

Хотите научиться работать со сводными таблицами, ВПР.
В идеале изучить всё прям с нуля.

Онлайн курсы

5 онлайн-курсов, которые закроют все вопросы, связанные с Excel.Проходить можно дистанционно в любом удобном вам месте — нужен лишь доступ в интернет.

Вас сложно удивить какими-то формулами. Интересно что-то большее. Хочется автоматизировать отчеты, но не понимаю как

Корпоративное обучение

Вам нужно организовать тренинг по Microsoft Excel в Москве, Санкт-Петербурге или любом другом городе для своих коллег? Узнайте больше про форматы, получите подробную программу обучения и цены.

В компании есть группа из 10-30 сотрудников. Они уже не новички, но уровень у всех разный. Нужен тренинг, чтобы всем было полезно.

Платные консультации

Вам не нужен целый курс? Хотите оперативно получить ответ на свой конкретный вопрос? Тогда записывайтесь на консультацию. Свяжемся с вами и поможем решить проблему

Есть задача, к которой никак не можете подступиться. Нужен совет профессионала.

Решение задач

Выполним весь спектр возможных работ в Excel. Настроим исходные данные, оптимизируем отчеты, построим диаграмм и напишем макрос.

Переходите по ссылкам и выбирайте, что нужно именно вам или найните с бесплатного курса

За всё время работы через наши курсы прошло
более 27 000 учеников.

Чаще всего в своих отзывах участники курсов отмечают: системность программы, качество учебных материалов, количество и полезность практических заданий и понятную подачу материала.

Не все любят писать подробные отзывы, а если оставляют, то пишут мало(

Мы выбрали несколько последних, в которых мы молодцы, но не на все 100%. Такие отзывы дают понять что ещё можно улучшить. Буду рад, если после обучения вы поделитесь своими впечатлениями.

Рудановская В.

www.facebook.com/rudanovskaya

Только сейчас, начав работать, начинаю догонять, как много полезного вынесла

Дмитрий, добрый день! Еще раз огромное Вам спасибо за курс — только сейчас, начав работать, начинаю догонять, как много полезного вынесла ))

Начав проходить ваш курс, я рассчитывала просто с пользой провести время на самоизоляции и, возможно, узнать для себя что-то новенькое. Однако уже через неделю поняла, что помимо большого массива новых знаний и навыков в Excel, мой мозг получает отличную тренировку — поскрипеть ему пришлось прилично! Осознание же полученной пользы от курса настигло меня через пару недель, когда я вдруг обнаружила, что стала тратить на работу с огромными текстовыми таблицами не часы, а минуты, когда отпала необходимость «убивать глаза» в поисках ошибок в данных, а операции, прежде отнимавшие много сил и времени, теперь можно сделать в пару кликов.

 

Колчева Александра

www.facebook.com/rudanovskaya

Только сейчас, начав работать, начинаю догонять, как много полезного вынесла

Здравствуйте!
Меня зовут Александра, офисный работник, сейчас без работы. Случайно увидела рекламу курсов, заинтересовалась, потому что как раз начала изучать эту программу. 

Понравилось то, что есть и теоретический материал, и видеоуроки, и тесты для проверки, и домашнее задание. Преподаватель очень доступно объясняет материал, если при выполнении самостоятельных заданий что-то забыла, можно пересмотреть видеоурок снова, это очень удобно. Всем рекомендую пройти этот курс. 

Всегда хотела  более углубленно изучить ВПР и сводные таблицы. Спасибо, что поделились ТАКИМ КОЛИЧЕСТВОМ полезных фишек и неочевидных приемов!

Напишите нам,
мы всегда на связи

Мы подготовили страницу с ответами на самые частые вопросы.

Разложили вопросы по темам и всё подробно расписали

Как к вам обращаться

ответим в течение 24 часов

необязательно

позвоним в течение рабочего дня (пн. — пт. с 10:00 до 19:00 Мск)

Сайт https://akademia-excel.ru/

ИП Якушев Дмитрий Александрович

ОГРНИП: 314501721200022

ИНН: 501706813807

Почта: [email protected]

Написать в тех.поддержку

Регистрация на сайте означает согласие с пользовательским соглашением и на получение рассылки и рекламных материалов.

Политика в отношении обработки и защиты персональных данных.

Подписывайтесь на нас в соц.сетях:

Сайт https://akademia-excel.ru/

ИП Якушев Дмитрий Александрович

ОГРНИП: 314501721200022

ИНН: 501706813807

Почта: [email protected]

Написать в тех.поддержку

Регистрация на сайте означает согласие с пользовательским соглашением и на получение рассылки и рекламных материалов.

Политика в отношении обработки и защиты персональных данных.

Подписывайтесь:

Машинное обучение в Excel при помощи Python и PyXLL / Хабр

К старту курса о машинном и глубоком обучении делимся переводом статьи, автор которой показывает на практике, как модель машинного обучения может использоваться через Excel. Зачем это нужно? Компании больше и больше вкладывают в исследования и разработку моделей прогнозов; по мнению автора оригинала статьи, разработчика и основателя компании PyXLL доступ к ML-моделям через Excel открывает новые горизонты. Вы сможете показать модель пользователям Excel, у которых нет опыта программирования или широких знаний в области статистики. При желании можно создавать инструменты разработки и тренировки моделей полностью в Excel, например строить графы в TensorFlow. Весь исходный код из статьи доступен на GitHub.

---

Надстройка Excel PyXLL встраивает Python в Excel и позволяет расширять возможности Excel через Python. С помощью этой надстройки мы можем добавлять новые функции, макросы, меню и в целом перенести преимущества экосистемы Python и машинное обучение прямо в Excel. К концу статьи мы построим модель классификации животных.

Python для Machine Learning

Python хорошо подходит для машинного обучения, у него большой массив поддерживаемых пакетов, упрощающих программирование и сокращающих время разработки. ML и DL очень хорошо поддерживаются несколькими пакетами, поэтому Python — идеальный выбор. Посмотрим на распространённые пакеты для ML на Python.

Scikit-Learn

Пакет scikit-learn — это лаконичный и последовательный интерфейс к общим алгоритмам ML, упрощая введение ML в производственные системы. Библиотека сочетает высокую производительность, де-факто она отраслевой стандарт машинного обучения на Python. В статье мы будем работать именно с ней.

TensorFlow

TensorFlow от Google. Эта библиотека с открытым исходным кодом для расчёта графов потоков данных оптимизирована для целей ML. Она была разработана, чтобы удовлетворять высоким требованиям обучения нейронных сетей в среде Google и является преемницей DistBelief — основанной на нейронных сетях системы глубокого обучения, применяется в пограничных областях исследований Google.

Впрочем, TensorFlow не строго научна и достаточно обобщена, чтобы применяться в различных прикладных задачах. Ключевая особенность TensorFlow — многослойная система узлов, которая быстро тренирует сети искусственного интеллекта на больших наборах данных. В Google это даёт возможность распознавать голос и находить объекты на изображениях.

Keras

Keras — написанная на Python Open Source библиотека для нейронных сетей. Она способна работать поверх TensorFlow, Microsoft Cognitive Toolkit или Theano и имеет архитектуру, которая позволяет быстро проводить эксперименты с глубоким обучением и сосредоточена на модульности, расширяемости и удобстве пользователя. Из документации следует, что работать с Keras можно, когда вам нужна библиотека глубокого обучения, которая:

• Обладая перечисленными выше преимуществами, позволяет просто и быстро прототипировать решения.

• Поддерживает свёрточные и рекуррентные нейронные сети, а также их комбинирование.

• Без проблем работает на CPU и GPU.

PyTorch

PyTorch — это научный вычислительный пакет на Python, он работает в двух направлениях:

Деревья решений

Деревья решений — техника машинного обучения для решения задач регрессии и классификации. Дерево делит набор данных на множество наборов по признакам так, что одно дерево владеет одним подмножеством данных. Конечные узлы дерева — листья — содержат прогнозы и используются в новых запросах к натренированной модели. Пример ниже поможет понять, как это работает. Предположим, мы имеем набор данных со множеством признаков животных: млекопитающих, птиц, рептилий, насекомых, моллюсков и амфибий. Интуитивно разделить этот набор можно так:

Распределение данных по деревьям на основе признака упрощает классификацию новых данных, точность которой зависит от того, насколько точно деревья отражают действительность. В незаконченное дерево на рисунке выше я заложил мои знания и интуитивные представления о животных. Модель выясняет, как распределить признаки по новым данным — это и называется машинным обучением.

Алгоритм быстро анализирует большой объём данных, чего вручную сделать невозможно. В работе деревьев решений множество аспектов, от математики до логики их построения. Мы не будем касаться этих деталей, но построим модель и я покажу, как работать с ней в Excel.

Тренировка модели

Натренируем модель классифицировать животных при помощи деревьев решений. Воспользуемся для этого набором данных UCI Zoo Data Set из 101 животного, в наборе 17 логических признаков и один признак, который мы будем прогнозировать.

Для загрузки данных воспользуемся pandas, а для построения дерева — scikit-learn. Загрузим данные во фрейм Pandas, разделим на признаки и целевой класс, то есть класс животного. Затем разделим данные на тренировочный и тестовый наборы. Scikit-Learn использует тренировочный набор для обучения деревьев, а тестовый резервируется для проверки точности модели.

from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
import pandas as pd
# Read the input csv file
dataset = pd.read_csv("zoo.csv")
# Drop the animal names since this is not a good feature to split the data on
dataset = dataset.drop("animal_name", axis=1)
# Split the data into features and target
features = dataset.drop("class", axis=1)
targets = dataset["class"]
# Split the data into a training and a testing set
train_features, test_features, train_targets, test_targets = \
        train_test_split(features, targets, train_size=0. 75)

Начинается самое интересное: при помощи классификатора дерева решений в scikit-learn обучим модель на тренировочных данных. Чтобы модель не переобучилась и могла работать, настроим несколько параметров. Максимальная глубина дерева будет равна 5. Поэкспериментируйте со значениями, чтобы увидеть влияние глубины на результаты.

# Train the model
tree = DecisionTreeClassifier(criterion="entropy", max_depth=5)
tree = tree.fit(train_features, train_targets)

Эти две строки строят и обучают модель. Чтобы проверить её точность, подадим на вход данные, которых она не видела.

# Predict the classes of new, unseen data
prediction = tree.predict(test_features)
# Check the accuracy
score = tree.score(test_features, test_targets)
print("The prediction accuracy is: {:0.2f}%".format(score * 100))

Воспользуемся моделью и выполним прогноз на новых данных:

# Try predicting based on some features
features = {
    "hair": 0,
    "feathers": 1,
    "eggs": 1,
    "milk": 0,
    "airbone": 1,
    "aquatic": 0,
    "predator": 0,
    "toothed": 1,
    "backbone": 1,
    "breathes": 1,
    "venomous": 0,
    "fins": 0,
    "legs": 1,
    "tail": 1,
    "domestic": 0,
    "catsize": 0
}
features = pd. DataFrame([features], columns=train_features.columns)
prediction = tree.predict(features)[0]
print("Best guess is {}".format(prediction])

Вызовем модель из Excel

Теперь загрузим модель в Excel, который хорошо подходит для интерактивных данных. Он работает почти везде, вы сможете показать модель незнакомым с разработкой людям, это даёт массу преимуществ в бизнесе, особенно когда модель применяется как часть пакетной системы или системы реального времени. Возможность вызывать модель интерактивно может оказаться по-настоящему полезной, когда нужно понять поведение системы.

К счастью, наша модель написана на Python и перенести её в Excel просто. В PyXLL есть всё необходимое, чтобы писать на Python в Excel. Нужно только добавить несколько декораторов @xl_func из модуля pyxll и настроить надстройку PyXLL для загрузки модуля с моделью. Если вы не знакомы с PyXLL, посмотрите введение в PyXLL в руководстве пользователя.

Построим дерево решений

Начнём с функции. Пользователь вызовет её, чтобы получить объект дерева, а затем этот объект для прогнозирования пройдёт через последовательность функций. Снова построим дерево, но пример будет сложнее: сохраним натренированную при помощи pickle и затем вместо того, чтобы каждый раз её создавать, загрузим её в Excel и настроим параметры, это будет интересно!

from pyxll import xl_func
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
import pandas as pd
import os
@xl_func("float, int, int: object")
def ml_get_zoo_tree(train_size=0.75, max_depth=5, random_state=245245):
    # Load the zoo data
    dataset = pd.read_csv(os.path.join(os.path.dirname(__file__), "zoo.csv"))
    # Drop the animal names since this is not a good feature to split the data on
    dataset = dataset.drop("animal_name", axis=1)
    # Split the data into a training and a testing set
    features = dataset.drop("class", axis=1)
    targets = dataset["class"]
    train_features, test_features, train_targets, test_targets = \
        train_test_split(features, targets, train_size=train_size, random_state=random_state)
    # Train the model
    tree = DecisionTreeClassifier(criterion="entropy", max_depth=max_depth)
    tree = tree. fit(train_features, train_targets)
    # Add the feature names to the tree for use in predict function
    tree._feature_names = features.columns
    return tree

Код выше совпадает с кодом, который мы видели ранее, за исключением декоратора @xl_func, который сообщает дополнению PyXLL о том, какая функция Python должна стать пользовательской функцией Excel.

Строка float, int, int: object — это сигнатура функции. Она необязательна, но без этой сигнатуры пользователь сможет передавать в функцию свои типы, например, строки и это может привести к сбою. Возвращаемый тип object означает, что классификатор идёт через Excel как объект Python, функция возвращает дескриптор, который возможно передать другим функциям Python.

Код нужно добавить в список модулей конфигурационного файла pyxll.cfg, также необходима надстройка PyXLL, если вы не установили её.

Все аргументы функции имеют значение по умолчанию, поэтому необязательны, но при желании со входными данными можно экспериментировать.

Прогнозируем класс животного

Теперь всё, что нужно для работы с моделью — ещё одна функция для передачи входных данных и получения прогноза. Используем тот же код, что и раньше, но обернём его декоратором @xl_func.

_zoo_classifications = {
    1: "mammal",
    2: "bird",
    3: "reptile",
    4: "fish",
    5: "amphibian",
    6: "insect",
    7: "mollusc"
}
@xl_func("object tree, dict features: var")
def ml_zoo_predict(tree, features):
    # Convert the features dictionary into a DataFrame with a single row
    features = pd.DataFrame([features], columns=tree._feature_names)
    # Get the prediction from the model
    prediction = tree.predict(features)[0]
    return _zoo_classifications[prediction]

Модель возвращает целое число — спрогнозированный класс. Словарь _zoo_classifications содержит эти числа и понятные человеку названия классов.

Эта функция берёт объект дерева из ml_get_zoo_tree и список пар ключ-значение, переданных в неё как словарь. В словаре сопоставлены имена признаков, с которыми мы работали при конструировании дерева, и входные признаки. Их сопоставление таково, что при вызове tree.predict признаки упорядочены правильно.

Это простой пример, натренированный на минимуме данных, но принцип применим к любой сложной модели. При помощи Python вы можете исследовать, разрабатывать и строить модель, чтобы получить ценные инсайты и быстрые прогнозы на реальных данных.

Небольшое дополнение

Чёрно-белые листы с цифрами нравятся всем, но иногда мне нравится добавлять небольшие детали ради привлекательности таблицы. PyXLL позволяет получить доступ к объектной модели Excel с помощью функции xl_app. Объектная модель Excel точно совпадает с той, что применяется в VBA. Функция ниже создаёт на листе объект изображения и загружает его.

from pyxll import xl_app
def show_image_in_excel(classification, figname="prediction_image"):
    """Plot a figure in Excel"""
    # Show the figure in Excel as a Picture object on the same sheet
    # the function is being called from. 
    xl = xl_app()
    sheet = xl.ActiveSheet
    # if a picture with the same figname already exists then get the position
    # and size from the old picture and delete it.
    for old_picture in sheet.Pictures():
        if old_picture.Name == figname:
            height = old_picture.Height
            width = old_picture.Width
            top = old_picture.Top
            left = old_picture.Left
            old_picture.Delete()
            break
    else:
        # otherwise create a new image
        top_left = sheet.Cells(1, 1)
        top = top_left.Top
        left = top_left.Left
        width, height = 100, 100
    # insert the picture
    filename = os.path.join(os.path.dirname(__file__), "images", _zoo_classifications[classification] + ".jpg")
    picture = sheet.Shapes.AddPicture(Filename=filename,
                                      LinkToFile=0,  # msoFalse
                                      SaveWithDocument=-1,  # msoTrue
                                      Left=left,
                                      Top=top,
                                      Width=width,
                                      Height=height)
    # set the name of the new picture so we can find it next time
    picture. Name = figname

Вызов ml_zoo_predict обновляет изображение в Excel при каждом изменении прогноза. Функция обновляет Excel, поэтому вызывать её нужно после вычислений, именно этим занимается async_call из pyxll, а ниже вы видите новую версию ml_zoo_predict:

from pyxll import xl_func, async_call
@xl_func("object tree, dict features: var")
def ml_zoo_predict(tree, features):
    # Convert the features dictionary into a DataFrame with a single row
    features = pd.DataFrame([features], columns=tree._feature_names)
    # Get the prediction from the model
    prediction = tree.predict(features)[0]
    # Update the image in Excel
    async_call(show_image_in_excel, prediction)
    return _zoo_classifications[prediction]

Изображение обновляется при изменении прогноза:

Ссылки

• Исходники на Github

• PyXLL

• Инструменты для работы с Excel и Python

• Набор данных зоопарка Калифорнийского университета

• SciKit-Learn

• Что такое деревья решений?

• Учебник по моделированию на основе деревьев

Этот материал — яркое напоминание о том, что Excel может справляться с задачами машинного обучения, а область ML сложна, но её сложность преодолима и если вы хотите изменить карьеру или вывести ваши навыки на новый уровень, то можете обратить внимание на наши курсы по Machine Learning, аналитике данных или присмотреться к флагманскому курсу Data Science. Также вы можете узнать, как начать или продолжить развитие в других направлениях:

Data Science и Machine Learning

• Профессия Data Scientist

• Профессия Data Analyst

• Курс «Математика для Data Science»

• Курс «Математика и Machine Learning для Data Science»

• Курс по Data Engineering

• Курс «Machine Learning и Deep Learning»

• Курс по Machine Learning

Python, веб-разработка

• Профессия Fullstack-разработчик на Python

• Курс «Python для веб-разработки»

• Профессия Frontend-разработчик

• Профессия Веб-разработчик

Мобильная разработка

• Профессия iOS-разработчик

• Профессия Android-разработчик

Java и C#

• Профессия Java-разработчик

• Профессия QA-инженер на JAVA

• Профессия C#-разработчик

• Профессия Разработчик игр на Unity

От основ — в глубину

• Курс «Алгоритмы и структуры данных»

• Профессия C++ разработчик

• Профессия Этичный хакер

А также:

• Курс по DevOps

Advanced Excel Training I Курс по финансам I CFI

Бесплатный предварительный просмотр

• Обзор
• Что вы узнаете
• Путь к сертификации
• Что говорят студенты
• Часто задаваемые вопросы

Обзор

Рекомендуемые подготовительные курсы

Эти подготовительные курсы являются необязательными, но мы рекомендуем вам пройти следующие курсы или получить эквивалентные знания перед тем, как записаться на этот курс:

1. Основы Excel — формулы для финансов
2. Построение финансовой модели из трех отчетов
3. Сценарий и анализ чувствительности

Дополнительные формулы и функции Excel Обзор курса

Изучите самые сложные формулы, функции и типы финансового анализа, чтобы стать опытным пользователем Excel. Этот расширенный курс обучения Excel основан на наших бесплатных основах Excel — формулах для финансов. Он разработан специально для пользователей электронных таблиц, которые уже имеют опыт работы с электронными таблицами и хотят поднять свои навыки на продвинутый уровень.

Этот расширенный учебник поможет вам стать финансовым аналитиком мирового класса для карьеры в инвестиционно-банковской сфере, частном капитале, корпоративном развитии, исследованиях акций и планировании и анализе. Наблюдая за тем, как инструктор создает все формулы и функции прямо на экране, вы можете легко приостанавливать, пересматривать и повторять упражнения, пока не освоите их.

Расширенные формулы и функции Excel Содержание курса

Этот расширенный курс обучения Excel начинается с пустой электронной таблицы и быстро погружается в использование комбинаций функций и формул для выполнения динамического анализа.

Основные формулы и функции , рассматриваемые в этом учебном курсе, включают:

• ИНДЕКС и ПОИСКПОЗ
• ЕСЛИ с И/ИЛИ
• СМЕЩЕНИЕ в сочетании с другими функциями
• ВЫБЕРИТЕ для создания сценариев
• НЕПРЯМАЯ в сочетании с другими функциями
• XNPV и XIRR
• Объединение функций CELL, COUNTA и MID
• Расчеты PMT, IPMT и основных платежей

Основные типы анализа данных в этом расширенном руководстве включают:

• Таблицы данных
• Сводные таблицы
• Столбчатые и линейные диаграммы
• Столбчатые диаграммы с накоплением
• Карты водопада
• Калибровочные таблицы

Что я получу от этого продвинутого курса обучения Excel?

• Узнайте все, что вам нужно, чтобы стать финансовым аналитиком мирового уровня
• Прошел расширенный курс обучения работе с таблицами Excel
• Мастер расширенных формул и функций
• Создавайте сложные выходные данные для финансового анализа, включая красивые таблицы, диаграммы и графики
• Простые в использовании обучающие видеоролики и уроки

Для получения дополнительной информации о CPE, пожалуйста, прочтите перед покупкой:

https://corporatefinanceinstitute. com/about/cpe-information/

Зарегистрируйтесь на наш курс Advanced Excel Formulas & Functions и станьте опытным пользователем Excel! Для всех, кто работает в инвестиционно-банковской сфере, исследованиях акционерного капитала, корпоративном развитии, финансовом планировании и анализе (FP&A), этот курс даст вам уверенность, необходимую для того, чтобы быть лидером в проведении финансового анализа в вашей организации.

Финансовое моделирование и обучение финансовых аналитиков

Этот курс моделирования Excel предназначен для того, чтобы научить вас тому, как стать полноценным финансовым аналитиком.

Этот класс является одним из девяти обязательных «основных» курсов для программы обучения финансовых аналитиков CFI, которая предоставляет сертификат аналитика финансового моделирования и оценки (FMVA).

Расширенные формулы и функции Excel

Начало работы

Уровень 3

Приблизительно 6,5 часов на выполнение

100% онлайн и самостоятельное обучение

Подпишитесь, чтобы получить доступ к FMVA и другим программам

От 497 долларов США в год

Учить больше

Чему вы научитесь

Урок

Мультимедиа

Введение

Настройка шаблона Excel

Финансовые отчеты

Финансовый анализ

Цели обучения финансовому анализу

Суммарные данные с функцией ВПР

Функция ИНДЕКС

Функция ПОИСКПОЗ

ИНДЕКС СОВПАДЕНИЕ СОВПАДЕНИЕ

Поиск цели (анализ возможных вариантов)

Динамические итоги с функциями ДВССЫЛ и СУММ

Интерактивное упражнение 2

КЛЕТОЧНАЯ функция

Функции СЧЁТ и СЧЁТ

Создание оглавления с помощью функции CELL

Функции RIGHT, CELL, LEN и FIND

Сочетание RIGHT, CELL, LEN и FIND

Объединение ЕСЛИ с формулами И, ИЛИ

Интерактивное упражнение 3

Таблицы

Диаграммы

Макросы

Конечный продукт

Квалифицированная оценка

Стать сертифицированным аналитиком по финансовому моделированию и оценке (FMVA)® Сертификация

Курс

Advanced Excel Formulas & Functions является частью сертификации Financial Modeling & Valuation Analyst (FMVA)®, которая включает 38 курсов.

Сертификация аналитика по финансовому моделированию и оценке (FMVA)®

• Приобретенные навыки Финансовое моделирование и оценка, анализ чувствительности, стратегия
• Подготовка к карьере Инвестиционно-банковские услуги и исследования акционерного капитала, планирование и анализ, корпоративное развитие

Узнать больше

Путь к сертификации

Предварительные курсы

7 курсов от начального до среднего уровня.

01 По желанию

Основные курсы

12 курсов от начального до среднего уровня.

02 Необходимый

Курсы по выбору

18 курсов продвинутого уровня.

03 Необходимый

Получить сертификат

Отправьте контрольный список FMVA® и закажите сертификат.

04 Необходимый

Присоединяйтесь к нашему сообществу

Получите доступ к Глобальному сообществу корпоративных финансов.

05 По желанию

Как работает сертификация

Курсы FMVA® Financial Analyst Certification предлагаются на 100 % в режиме онлайн, что позволяет вам гибко запускать программу финансового аналитика в любое время и учиться в удобное для вас время.

Программа является частью подписки All Access, которая включает в себя все программы и курсы. Курсы

CFI разработаны инструкторами с более чем 21-летним опытом обучения финансовых аналитиков.

Учащиеся должны пройти все основные и факультативные курсы (всего 14) и продемонстрировать владение темами путем успешного прохождения материалов курса, тестов и оценок.

В течение 48 часов после завершения программы вам будет отправлено письмо с сертификатом Blockchain Verified FMVA.

Что говорят наши ученики

ЗАДАНИЕ
Слишком сложно

Olumuyiwa Bejide

Узнать больше

Часто задаваемые вопросы

Каковы требования для прохождения курсов?

Все наши сертификационные программы открыты для студентов и специалистов в различных отраслях и с разным уровнем опыта. Наша учебная программа предназначена для обучения тому, что вам нужно знать, от базовых основ до углубленных практических исследований. Для прохождения курсов и выполнения упражнений учащимся потребуется только доступ к ПК и/или Mac, Microsoft Suite (2016 года или новее) и стабильное подключение к Интернету. Щелкните здесь для просмотра технических требований

Могу ли я загрузить файлы Excel и шаблоны финансового моделирования для курса?

Абсолютно! Все файлы и шаблоны, необходимые для курса, доступны для скачивания. Просто найдите модуль, который показывает загружаемых файлов на панели управления курсом. См. здесь визуальное руководство о том, как это сделать.

Сколько времени у меня есть, чтобы пройти курсы?

У вас будет ежегодный доступ к курсам, если вы поддерживаете активную подписку. Все курсы также являются самостоятельными, поэтому вы можете не торопиться с обучением, не беспокоясь о каких-либо сроках. Нажмите здесь, чтобы сравнить доступные варианты регистрации.

Имеют ли курсы CFI официальную аккредитацию?

Да, CFI аккредитован Better Business Bureau® (BBB) ​​для поддержания стандартов обучения, институтов CPA в Канаде и Национальной ассоциации государственных советов по бухгалтерскому учету (NASBA) в США. Большинство наших курсов имеют право на подтвержденные кредиты CPE для держателей устава CPA. Пожалуйста, перейдите на эту страницу, чтобы просмотреть все доступные кредиты CPE.

Есть ли какие-либо дополнительные сборы или расходы?

Нет! Цена пакета включает в себя все, и нет никаких дополнительных сборов или сборов для получения цифрового сертификата. Вы можете увидеть наши вступительные взносы, перечисленные здесь.

В какой валюте указаны цены на ваши курсы?

Цены на все наши онлайн-курсы указаны в долларах США. Поскольку это регулярный платеж, мы принимаем все основные кредитные и дебетовые карты, включая Visa, MasterCard и American Express.

Как получить сертификаты?

Учащиеся должны пройти все видеоуроки, викторины и итоговые оценки по каждому курсу. Вы можете пересдавать экзамены столько раз, сколько необходимо, пока не достигнете 80% проходного балла. Для получения дополнительной информации о том, как получить сертификат о прохождении курса, нажмите ЗДЕСЬ.

Как проводятся экзамены?

В конце каждого курса учащиеся должны пройти онлайн-оценку (вопросы с несколькими вариантами ответов, вопросы для заполнения пробелов и вопросы Excel). Вы можете сдавать экзамены по своему собственному расписанию, и вам нужно будет набрать не менее 80%, чтобы пройти курс и получить сертификат об окончании курса. Обратите внимание, что экзамены по курсу можно повторять столько раз, сколько вам нужно. Студенты также должны сдать выпускной экзамен FMVA®, чтобы получить сертификат. Как пройти квалифицированную оценку

Могу ли я написать инструктору по электронной почте, если у меня есть вопросы?

Несмотря на то, что курсы предназначены в основном для самостоятельного изучения, мы будем рады предоставить помощь по электронной почте для запросов общей или технической поддержки. Пакеты полного погружения включают функцию поддержки по электронной почте премиум-класса, которая позволяет вам напрямую общаться со штатными экспертами по вопросам содержания курса. Это одна из ключевых особенностей, которая отличает пакет «Полное погружение» и делает его достойным обновлением по сравнению с более доступным пакетом для самостоятельного изучения. Вы можете сравнить больше функций в наших пакетах здесь.

Помогут ли эти курсы продвинуться по карьерной лестнице?

Основываясь на сотнях отзывов тысяч студентов, мы знаем, как курсы CFI помогли многим людям продвинуться по карьерной лестнице в сфере финансов. Наши курсы разработаны, чтобы быть чрезвычайно практичными и имитировать опыт обучения в качестве профессионального финансового аналитика … лучший способ продвинуться по карьерной лестнице. Для получения реальных примеров и более глубокого понимания концепций курса, пожалуйста, загляните в нашу бесплатную библиотеку карьерных ресурсов.

Еще вопросы?

Вы можете просмотреть более подробную информацию в нашем Справочном центре или написать нам по электронной почте, и мы будем рады ответить на любые ваши вопросы

Учебные ресурсы MIMU Excel | MIMU

Поиск

поиск

• Английский
• မြန်မာ

Учебные ресурсы MIMU Excel

На этой странице вы найдете учебные материалы — видеоролики, раздаточные материалы и упражнения — разработанные MIMU для нашего базового обучения Excel. Пожалуйста, поделитесь с нами отзывами о том, как вы находите курсы и особенно о том, как они помогли вам в работе, заполнив форму обратной связи по обучению MIMU.

Basic Excel

Эта глава предназначена для пользователей начального уровня, которые начинают изучать Microsoft Excel. Рассматриваются следующие темы:

• Объяснение окна Excel
• Сохранение/Открытие файла
• Управление листами
• Ввод данных/копирование/удаление/перемещение
• Тип данных, используемый в Excel
• Сортировка/Поиск/Замена данных
• Управление строкой/столбцом
• Фильтрация данных
• Форматирование таблицы
• Форматирование страницы

Учебные ресурсы

Рисование диаграмм

Эта глава предназначена для пользователей, которые хотели бы научиться рисовать диаграммы в Microsoft Excel, используя предоставленные образцы данных. Они также узнают, как выбрать лучший тип диаграммы в соответствии с набором данных. Покрываются следующие типы карт:

• Столбчатые диаграммы
• Линейные графики
• Круговые диаграммы
• Гистограммы
• Диаграммы с областями
• XY (разброс) диаграммы
• Столбчатая и линейная диаграмма
• Пирамида населения
• Диаграмма с дополнительной осью
• Диаграмма с измененной осью

Учебные ресурсы

Функция/формула и тепловая карта

Эта глава предназначена для пользователей, которые хотели бы научиться создавать тепловую карту, представляющую собой графическое представление данных в цвете. Они также изучат наиболее часто используемые формулы в Excel. Охвачены следующие функции:

• Числовая/математическая/статистическая функция
  СУММ, СРЕДНИЙ, МАКС, МИН, СЧЁТ, СЧЁТ. СЧИТАТЬПУСТО, СЧЁТЕСЛИ, ПРЕОБРАЗОВАТЬ, ПРОДУКТ, ЗАМЕНА И ТЕКСТ, СТАНДОТКЛОН, VAR
• Text Function
  DOLLAR, TRIM, LEN, RGITH, LEFT, MID, CONCATENATE, PROPER, LOWER, UPPER, SEARCH, SUBSTITUTE
• Информационная функция
  IПУСТО, IНОМЕР, ИСТЕКСТ
• Логическая функция
  ЕСЛИ, И, ИЛИ, НЕ
• Функция поиска и ссылки
  СТОЛБЦ, РЯД, ВПР, ГПР
• Таблица тепловых карт

Учебные ресурсы

Сводная таблица

Эта глава предназначена для пользователей, которые хотели бы научиться создавать сводную таблицу, которая представляет собой интерактивный способ быстрого суммирования больших объемов данных. Охвачены следующие функции Pivot:

• Как установить метку столбца и метку строки
• Расчет значений (пример: количество и сумма)
• Группировать и разгруппировать (пример: по месяцам)
• Как удалить повторяющиеся строки

Учебные ресурсы

Название	Видео файлы (2016)	Руководство (2010)	Руководство (2016)	Данные для руководства	Данные для упражнения
Сводная таблица	Скачать	Скачать	Скачать	Скачать	Скачать

Создание стандартной формы/проверка данных

Эта глава предназначена для пользователей, которые хотели бы узнать, как создать стандартную форму ввода данных, которая может предотвратить опечатку, помочь нам сэкономить время и способствовать стандартизации данных. Охвачены следующие функции:

• Создание зависимого раскрывающегося списка
• Создание независимого выпадающего списка
• Определение проверки диапазона данных
• Определение проверки типа данных

Учебные ресурсы

Название	Видео файлы (2016)	Руководство (2010)	Руководство (2016)	Данные для руководства	Данные для упражнения
01_Создание зависимого раскрывающегося списка	Скачать	Скачать	Скачать	Скачать	Скачать
02_Создание независимого раскрывающегося списка	Скачать	Скачать	Скачать	Скачать	Скачать
03_Определение типа данных и проверки диапазона	Скачать	Скачать	Скачать	Скачать	Скачать

Тест Excel

Эта глава предназначена для пользователей, которые хотели бы получить общие знания об Excel.