33 курса по аналитике данных доступных для прохождения в 2024 году

Научитесь анализировать данные с помощью сервисов аналитики и BI-инструментов, освоите Python и SQL. Сможете строить прогнозы на основе данных и помогать бизнесу принимать решения.

• Обучение на практике SQL, Python, Power BI
• Онлайнв удобное время
• Преподаватели- практики с опытом работы от 10 лет
• Доступ к курсамнавсегда

Получите профессию в перспективной сфере

• 220+ компаний

ищут аналитиков. Среди них: Яндекс, Ozon, Сбербанк, ВТБ

• 130 000 рублей

зарплата специалиста с опытом работы 1–3 года

Кому подойдёт этот курс

• Студенты технических вузов

Узнаете, как проводить исследования, анализировать данные и делать наглядные отчёты. В короткие сроки получите специализацию и сможете начать карьеру в аналитике на позиции Junior.

• Руководители и владельцы бизнеса

Взглянете по-новому на свой продукт, изучите его сильные и слабые стороны. Узнаете, как делать прогнозы для бизнеса, развивать продукт и решать текущие проблемы на основе данных аналитики.

• Разработчики, которые хотят сменить профиль

Поймёте, как применить свои знания в программировании для решения бизнес-задач. Изучите инструменты для анализа, сборки и презентации данных заказчику — и станете более востребованным специалистом.

• Бизнес-аналитики

Вы подтянете знания в работе с аналитикой, изучите основы программирования на Python, научитесь работать с базами данных и Power BI. Расширите компетенции и станете эффективнее решать текущие задачи.

Чему вы научитесь

• Проводить исследования и делать точные выводы

Изучите математическую основу анализа, научитесь работать с массивами данных и находить закономерности в цифрах.

• Использовать программирование в аналитике

Освоите основы программирования на Python для решения базовых бизнес-задач. Научитесь собирать базы данных на языке SQL и управлять ими.

• Строить гипотезы и оценивать перспективы бизнес-решений

Узнаете, какие метрики эффективности использует бизнес, поймёте, как их собирать, читать, строить прогнозы и находить рабочие идеи.

• Работать с сервисами аналитики и дашбордами

Научитесь работать с «Яндекс.Метрикой» и Google Analytics и собирать данные в одно окно для быстрого доступа к отчёту.

• Делать развёрнутые аналитические отчёты

Поймёте, как пользоваться инструментами для визуализации данных, таблицами Google и Excel — и формировать отчёты для клиентов.

• Работать с заказчиками аналитики

Научитесь обрабатывать различные типы аналитических запросов от бизнеса, презентовать отчёты и обрабатывать комментарии.

Программа

Вас ждут онлайн-лекции и практические задания с разным уровнем сложности. Этих знаний хватит, чтобы устроиться в компанию на junior-позицию.

• 23 тематических модулей
• 190 онлайн-уроков

Часть 1. Введение. Excel, Google-таблицы

1.     Введение

1. Общая информация о курсе
2. Источники данных и инструменты для анализа

2.     Excel

1. Введение. Интерфейс Excel. Книги и листы
2. Анализ таблиц. Печать таблиц
3. Сводные таблицы
4. Вычисления и формулы. Умные таблицы
5. Функции подсчёта и суммирования. Статистические функции. Функции округления
6. Логические функции

3.     Google Таблицы

1. Основы, интерфейс Google Таблиц
2. Сводные таблицы: основы

Часть 2. Python, библиотеки NumPy и Pandas

1.     Python

1. Python, введение
2. Основы
3. Операторы, выражения
4. Условный оператор if: ветвления
5. Условный оператор if: продолжение
6. Цикл while
7. For: циклы со счётчиком. Часть 1
8. For: циклы со счётчиком. Часть 2
9. Цикл for: работа со строками
10. Вложенные циклы
11. Цикл for: продолжение работы со списками
12. Функции
13. Float
14. Установка и настройка IDE
15. Базовые коллекции: списки
16. Методы для работы со списками
17. Представление списков

2.     Библиотеки

1. Библиотека NumPy. Часть 1
2. Библиотека NumPy. Часть 2
3. Библиотека Pandas. Часть 1
4. Библиотека Pandas. Часть 2

Часть 3. SQL, чтение и запись данных, Power BI

1.     SQL

1. Основы SQL

2.     Чтение и запись данных

1. Чтение и запись данных. Часть 1
2. Чтение и запись данных. Часть 2

3.     Статистика

1. Введение в статистику
2. Знакомство с Big Data
3. Основные метрики и системы аналитики (Я.Метрика и Google Analytics)
4. Загрузка данных в Power BI
5. Соединение данных из разных таблиц и ресурсов

Дипломный проект

1.     Составите модель распространения пандемии

1. Выявите людей в зоне риска, учтёте их пол, возраст, перемещение по городу. Построите наглядные графики и таблицы для анализа.

Ваше резюме после обучения

• Должность Junior — аналитик данных
• Зарплата от: 60 000 ₽

Профессиональные навыки:

• Знание основ математической статистики
• Работа с Excel и Google Таблицами
• Основы программирования на Python
• Работа с Power BI
• Создание аналитических отчётов
• Знание Google Analytics и «Яндекс.Метрики»
• Работа с базами данных на SQL
• Создание дашбордов

Диплом Skillbox

Подтвердит, что вы прошли курс, и станет дополнительным аргументом при устройстве на работу.

• Методы анализа формы входных данных и следствия для структуры нейронной сети - Максим Кретов
• Дашборды: интерактивная визуализация данных / Алексей Колоколов (Институт бизнес-аналитики)
• Анализ данных. Привлечение алгоритмов линейной и полиномиальной регрессии и нейросети
• Data mining на практике. Подводные камни анализа данных / Ксения Петрова / COO dmlabs.org
• Лекция 2. Визуализация. Открытый курс OpenDataScience по машинному обучению mlcourse.ai
• Вправа 11. Основи статистичного аналізу даних. Ряди даних | 10(11) клас | Бондаренко
• Лекция 4. Примеры решения задач Machine Learning с помощью нейронных сетей. Часть 2
• HR Аналитика: практики HR анализа, инструменты, метрики, анализ, прогнозирование
• Расширение аналитических возможностей Excel с помощью надстройки ”Пакет анализа”
• Raimonds Simanovskis — Анализ данных приложений Atlassian с помощью eazyBI
• Разработка сервиса анализа и визуализации данных на Python | Технострим
• Менеджерские и инженерные практики для Data Science, Александр Сидоров
• Лекция 10. Факторный анализ и метод главных компонент. SVD разложение
• [ИТ-лекторий] Технологии и алгоритмы анализа данных социальных сетей
• Визуализация данных. Курс «ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ» | Технострим
• Наукоемкие методы анализа данных. Data Mining и Text Mining
• Запись трансляции: Тренировка по машинному обучению 22 октября 2016
• Лекция 1. Описательные статистики. Квантили, квартили. Гистограммы
• Библиотека Numpy. Курс «ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ» | Технострим
• Воронов И.А. Методы анализа многомерных данных (для гуманитариев)
• Эконометрика. Построение модели множественной регрессии в Excel.
• 11 класс, 24 урок, Статистические методы обработки информации
• Визуальный анализ данных с Orange3. Классификационные задачи.
• Зеленский. Как ему удалось прийти к власти? Анализ стратегии
• Лекция 2. Описательные статистики. Ящики с усами. Выбросы.
• Консолидация (сборка) данных из нескольких таблиц в Excel
• Использование баз данных. Решение задач. | Технострим
• Splunk для мониторинга и аналитики качества ИТ сервисов
• Использование баз данных. Оптимизация. | Технострим
• Анализ данных. Введение в статистику | Технострим
• Аналитика Big Data: что это такое и как сюда попасть
  • Использование баз данных. Введение. | Технострим
• Решение практической задачи анализа данных в Python
• Метод наименьших квадратов. Регрессионный анализ.
• Прикладные задачи анализа данных. Евгений Соколов
• Анализ данных. Введение в python | Технострим
• Использование баз данных. Схема. | Технострим
• python на практике практические задания в python
• Введение в обработку Больших Данных [GeekBrains]
• Анализ данных. Advanced Python | Технострим
• Первичный анализ данных в Python [GeekBrains]
• Продвинутые методы анализа источников ссылок
• Программист Python: Data-Science специалист
• Экспертиза SRS, анализ данных EDR: обучение
• Провалы в решении задач по анализу данных
• Р.Иманкулов - Python для анализа данных
• Подробный обзор инструментов Helium 10
• ЗАВИСИМЫЕ ВЫБОРКИ | АНАЛИЗ ДАННЫХ #14
• Тренинг по Бизнес-анализу 16.11.2016
• Методы анализа данных (Vorontsov 1)
• Лекция 1: Введение в анализ данных
• Что такое аналитика? С чего начать
• Углубленные методы анализа данных
• Алгоритмы на Python 3. Лекция №1
• Первичный анализ данных в Python

• Станьте универсальным аналитиком и начните работать уже через полгода обучения
• Изучите ключевые инструменты и соберите портфолио для демонстрации будущему работодателю
• Формат обучения - Вебинары, воркшопы, гостевые лекции
• Трудоустройство - Поможем найти работу после обучения
• Диплом - О профессиональной переподготовке установленного образца

Аналитик данных проводит статистические тесты, чтобы решить бизнес-проблемы, на которые пока нет ответа. Он работает с разными инструментами анализа, не ограничиваясь готовыми решениями и системами. Знает языки программирования и формулирует гипотезы.

Курс поможет вам не только с нуля овладеть всеми важными для аналитика данных навыками, но и научит мыслить абстрактно, видеть за метриками и показателями смысл, находить взаимосвязи и строить гипотезы.

Как работает аналитик данных

• Общается с представителями бизнеса и выявляет проблемные места компании
• Собирает информацию и составляет гипотезы для улучшения определённых показателей
• Готовит данные к проведению анализа: сортирует, фильтрует и делает выборку, находит закономерности
• Визуализирует данные и предлагает решения для развития проекта или бизнеса

На основе данных, предоставленных Data Analyst, компания может принимать верные бизнес-решения

Поможем найти работу после обучения

Кому будет полезен этот курс

Идеально подойдёт тем, кто погружается в аналитику с нуля

Всем, кто хочет работать с данными

Узнаете, как проводить исследования, анализировать данные и делать наглядные отчёты. В короткие сроки получите специализацию и сможете начать карьеру в аналитике на позиции junior.

Аналитикам без навыков программирования

Вы подтянете знания в работе с аналитикой, изучите основы программирования на Python или R, научитесь работать с базами данных и Big Data. Расширите компетенции и сможете перейти на middle-уровень.

Разработчикам, которые хотят сменить профиль

Поймёте, как применить свои знания в программировании для решения бизнес-задач. Изучите инструменты для анализа, сборки и презентации данных заказчику — и станете более востребованным специалистом.

Аналитик — специалист, который занимается обработкой данных и составлением на их основе прогнозов, стратегий, планов и рекомендаций

Чему вы научитесь на курсе

Работать с SQL

Научитесь писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов

Использовать Python или R

Научитесь получать данные из внешних источников, обосновывать выводы, работать с массивами данных и находить закономерности в цифрах

Применять data-driven подход

Проводить A/B-тесты и определять, что приносит результат в исследуемой области, основываясь на данных, а не на интуиции

Работать с Big Data

Освоите актуальные инструменты анализа данных и получите явное конкурентное преимущество — крупнейшие компании работают с большими данными

Визуализировать данные для разной аудитории

Научитесь строить графики и диаграммы: от простых до интерактивных, сможете создавать визуализации под любой тип данных и рассказывать историю, основываясь на них

Развивать эмоциональный интеллект

Узнаете, как принимать эмоции и управлять ими. Сможете лучше понимать окружающих и строить деловые отношения. Усилите свою конкурентоспособность

Программа курса

1 модуль. Погружение

В первом модуле вы разберётесь, что такое аналитическое мышление, и узнаете, откуда берутся данные. Научитесь определять ключевые продуктовые метрики и создавать дашборды.

Аналитическое мышление

Научитесь думать как аналитик и формулировать гипотезы для проверки. Поймёте, что аналитика строится вокруг данных. Познакомитесь с базовым инструментом аналитика и сможете проводить в нём простой анализ данных.

• 16 часов теории
• 20 часов практики
• Что такое аналитическое мышление
• Введение в Google-таблицы
• Продвинутые Google-таблицы
• Основы статистики
• Откуда берутся данные
• Продвинутая визуализация данных
• Python как инструмент анализа данных
• Машинное обучение для жизни

Основы визуализации данных

Поймёте, как создавать наглядные интерактивные дашборды для анализа бизнес-метрик в онлайн-режиме. Научитесь определять ключевые продуктовые метрики и создавать дашборды.

• 10 часов теории
• 20 часов практики
• Зачем нужна визуализация данных
• Инструменты, источники и предподготовка данных
• Основы статистики и способы сравнения метрик
• Связи, потоки, процессы и карты
• Как рассказать историю с помощью данных

Метрики, гипотезы, точки роста

Научитесь работать в команде. Узнаете, кто является заказчиком аналитики в компании и как работать с разными типами заказчиков. Получите базовые знания об иерархии метрик, которые позволят вам говорить на одном языке с коллегами, выдвигать рабочие гипотезы и строить понятную отчётность.

• 8 часов теории
• 9 часов практики
• Понимание целей бизнеса
• Финансовые метрики
• Маркетинговые метрики и метрики продукта
• Иерархия метрик
• Сбор требований и разработка отчётности
• Формулирование гипотез. Поиск точек роста
• Дизайн тестов, проведение и анализ. Построение простых моделей
• Оптимизация отчётности

2 модуль. Получение данных и работа с ними

Узнаете, как писать SQL-запросы, чтобы получать данные и подготавливать их к последующему анализу. Научитесь технологиям работы с большими данными и поймёте методы их монетизации.

SQL и получение данных

Научитесь писать SQL-запросы, чтобы получать данные из базы данных — и не тратить время разработчиков или администраторов на поиск нужного разреза информации. Узнаете, как создавать новые таблицы сразу в базе без выгрузки данных в Excel — это позволит делать отчеты быстрее. Научитесь загружать данные в базу и самостоятельно развёртывать базу данных PostgreSQL, чтобы хранить данные в тех разрезах, которые нужны аналитикам.

• 20 часов теории
• 30 часов практики
• Введение в инфраструктуру
• Основы баз данных
• Основы SQL
• Углубление в SQL
• Работа с PostgreSQL
• Работа с MongoDB

Аналитика больших данных

Разберётесь в методах построения аналитики в компании. Научитесь переходить от мониторинга к прогнозированию, применяя простые скрипты Python и PySpark, чтобы не тратить средства на внедрение сложных промышленных комплексов. Сможете определять, когда и каких данных не хватает, и собирать недостающие.

• 22 часа теории
• 42 часа практики
• Что такое большие данные
• Монетизация больших данных
• Характеристики и источники данных
• Культура сбора данных
• Основы реализации проектов больших данных
• Основные характеристики больших данных и виды анализа данных. Продвинутые методы анализа больших данных
• Технологии работы с большими данными
• NoSQL-подход
• MapReduce-подход
• Введение в Hadoop

3 модуль. Автоматизация процессов 

Научитесь получать данные из внешних источников, обосновывать выводы, работать с массивами данных и находить закономерности в цифрах. Узнаете, как находить точки роста в данных, оформлять их в гипотезы и оценивать их эффективность.

Анализ данных на R

Язык на выбор

Научитесь импортировать данные в R, познакомимся с фреймами данных, освоите базовые операции (просмотр, обращение к данным, преобразование, соединение, фильтрация). Разберёте этапы анализа данных. Узнаете, какой workflow есть при анализе данных и какие действия нужно выполнить.

• 20 часов теории
• 28 часов практики
• Обзор языка R, базовые принципы программирования
• Основы R, базовые структуры данных и работа с ними
• Работа с наборами данных. Разные источники данных и подключение к ним
• Визуализация в R — исследование данных с помощью диаграмм
• Этапы анализа данных. Подготовка и очистка данных
• Основы моделирования в R
• Предоставление результатов анализа. Продвинутая визуализация
• Разработка аналитических веб-приложений в R (Shiny)

Python

Язык на выбор

Вы научитесь пользоваться базовыми инструментами и подходами в Python, чтобы начать работать с данными. Повторите основы линейной алгебры, теории множеств, методов математической оптимизации, описательной статистики, статистического анализа данных, а также научитесь реализовать это на языке Python.

• 68 часов теории
• 80 часов практики
• Введение в Git
• Основы Python. Управляющие конструкции и коллекции
• Функции
• Работа с файловой системой и модули
• Регулярные выражения и основы синтаксического разбора
• Исключения и обработка ошибок
• Понятие класса
• Библиотека NumPy. Вычислительные задачи
• Библиотека pandas
• Функции и работа с данными
• Основы парсинга и работы с API
• Продвинутый pandas
• Библиотека Matplotlib & Seaborn. Визуализация данных
• Базовые понятия статистики
• Визуализация
• Случайные события. Случайные величины
• Корреляция и корреляционный анализ
• Логистическая регрессия и дискриминационный анализ
• Доверительные интервалы. Статистическая проверка гипотез для несвязанных выборок
• Статистическая проверка гипотез для связанных выборок. A/B-тесты и как их проводить

A/B-тестирование

Научитесь самостоятельно проводить A/B-тестирования, не прибегая к помощи агентств и сторонних специалистов.

• 24 часа теории
• 28 часов практики
• Data-driven процессы и роль A/B-тестирования
• Основы A/B-тестирования
• Основы распределения и статистики
• Выбираем группы и разделяем на A/B
• Инструменты для А/B-тестирования
• Статистика и А/B-сплиттинг
• Анализ результатов
• Возможные ошибки и как их избежать
• Анализ результатов А/B-тестов

4 модуль. Гибкие навыки, или Soft skills 

Сочетание хард- и софт-скиллов поможет вам быстрее расти по карьерной лестнице и добиваться больших результатов. Эта часть курса про создание здоровой атмосферы в коллективе и грамотной коммуникации в бизнесе. 

• Эффективные коммуникации и эмоциональный интеллект
• Переговоры
• Публичные выступления
• Программа трудоустройства

В рамках дипломного проекта вы примените полученные навыки на персональном проекте по анализу данных. Это может быть анализ данных по продажам, прогнозная аналитика влияния бизнес-действий на ключевые показатели эффективности или написание алгоритма распределения товарных запасов. 

У вас есть три занятия, чтобы попробовать. Если передумаете учиться, скажите — и мы вернём вам всю сумму.

Ключевые навыки

• Получение данных с помощью языка запросов SQL
• Очистка и трансформация данных с помощью Python или R
• Сбор и анализ требований заказчиков к отчётности
• Применение в работе ключевых математических методов и основ статистики
• Прогнозирование событий на основе данных
• Анализ результатов кампаний, исследований и тестирования продуктовых гипотез
• Способность создавать аналитические решения и представлять их бизнесу

Инструменты, которые вы освоите

• Google Analytics

Сервис для создания детальной статистики посетителей сайтов.

• Яндекс.Метрика

Сервис компании Яндекс, предназначенный для оценки посещаемости сайтов и анализа поведения пользователей.

• Optimizely

Платформа для проведения A/B-тестирований.

• Amplitude

Платформа аналитики, которая призвана показать «поведенческий слой» пользовательских данных.

• Mixpanel

Система для аналитики и анализа поведения пользователей.

• R

Среда вычислений, разработанная учёными для обработки данных, математического моделирования и работы с графикой, а также язык программирования.

• R-Studio

Свободная среда разработки программного обеспечения с открытым исходным кодом для языка программирования R.

• SQL

Язык программирования, применяемый для создания, модификации и управления данными в реляционной базе данных, управляемой соответствующей системой управления базами данных.

• PostgreSQL

Свободная объектно-реляционная система управления базами данных.

• NumPy

Библиотека с открытым исходным кодом для языка программирования Python.

• Hadoop

Набор утилит, библиотек и фреймворк для разработки и выполнения распределённых программ, работающих на кластерах из сотен и тысяч узлов.

• Python

Язык программирования общего назначения, ориентированный на повышение производительности разработчика и читаемости кода.

Программа на 100% соответствует требованиям к вакансиям junior-аналитиков

• Прогнозирование и ML для аналитических задач
• Статистика и А/Б-тестирование
• Работа с Python для обработки данных
• Работа с SQL
• Работа с данными в Excel
• Построение дашбордов в Power BI

Программа

Мы исследовали 1134 вакансий, составили список самых частых требований к аналитикам без опыта работы и включили их в программу обучения

Навык 1

SQL для анализа
данных

Вы научитесь

• собирать данные, трансформировать и проводить анализ при решении аналитической задачи;
• обращаться к базе данных с помощью SQL;
• понимать, какие данные нужны для решения задачи;
• писать базовые и сложные запросы на SQL;
• преобразовывать данные и анализировать;
• использовать все операторы SQL.

Базовые запросы.

1 модуль

Генерация новых признаков и очистка данных.

2 модуль

Агрегатные функции.

3 модуль

Объединение таблиц.

4 модуль

Подзапросы и WITH.

5 модуль

Оконные функции.

6 модуль

Воркшоп: проводим аналитическое исследование и решаем бизнес-проблему с помощью SQL.

7 модуль

Создание, изменение, удаление данных в таблице, создание индексов. Временные таблицы.

8 модуль

Основы оптимизации.

9 модуль

Аналитический проект в SQL.

Навык 2

Анализ данных в Excel

Вы научитесь

• использовать базовые и сложные процедуры и функции в Excel,
• проводить анализ эффективности рекламных кампаний и создавать отчеты,
• расчитывать метрики для анализа,
• проводить RFM-анализ и когортный анализ,
• прогнозировать,
• проводить семантический анализ.

Первичная обработка данных.

1 модуль

Работа со сложными данными.

2 модуль

Прогнозирование.

3 модуль

Проект по анализу бизнес-метрик.

Навык 3

Визуализация в PowerBI

Вы научитесь

• загружать данные из разных источников,
• объединять данные из разных таблиц,
• визуализировать данные и строить динамические дашборды,
• работать с языком DAX,
• строить комплексные отчеты,
• работать с Tableau.

Загрузка и преобразование данных.

1 модуль

Моделирование и анализ данных.

2 модуль

Визуализация данных и работа с отчетами.

3 модуль

Построение комплексных отчетов.

4 модуль

Дашборд для отдела с ключевыми метриками.

Навык 4

Python для анализа данных

Вы научитесь

• программировать на Python,
• собирать данные из различных источников,
• анализировать полученные данные,
• проводить статистические тесты,
• находить закономерности и зависимости,
• визуализировать и презентовать полученные результаты,
• работать с библиотеками для анализа данных: pandas, matplotlib.

Синтаксис Python.

1 модуль

Библиотеки для анализа в Python.

2 модуль

Визуализация данных в Python.

3 модуль

Python для анализа статистических тестов.

4 модуль

Получение данных из разных источников.

5 модуль

Прогнозирование.

6 модуль

Прогнозирование прибыли.

Навык 5

Статистика на Python

Вы научитесь

• применять основы статистики,
• проверять гипотезы и делать выводы из исследований,
• моделировать и проводить A/B-тесты.

Основы статистики.

1 модуль

Нормальное распределение. Квартили распределения и график box-plot.

2 модуль

Центральная предельная теорема.

3 модуль

Доверительные интервалы для среднего. Понятие о задачах, классификации и ошибках. Метрики качества классификации.

4 модуль

Проверка статистических гипотез. Непараметрические тесты.

5 модуль

Анализ А/В теста.

Навык 6

Аналитика в продукте и маркетинге

Вы научитесь

• переводить бизнес-задачи в аналитические;
• расчитывать метрики для маркетинга, продукта и операционных процессов;
• решать комплексные аналитические задачи в контексте бизнеса.

Маркетинговая аналитика: воронка, конверсии, модели атрибуции.

1 модуль

Продуктовая аналитика: метрики продукта, конверсии, валидация продуктовых гипотез — А/В-тесты.

2 модуль

Планирование ресурсов, HR-планирование.

Зачем

Data scientist — очень перспективная специальность. Анализ данных и машинное обучение всё чаще используются в инновационном бизнесе, фундаментальной науке и прикладных исследованиях.

Для кого

Слушателю нужна базовая математическая подготовка на уровне младших курсов технического вуза. Не страшно, если вы учились давно — преподаватели помогут освежить знания.

Авторы курса

Одновременно классные специалисты и опытные преподаватели. Разрабатывают продукты в Яндексе и в других компаниях, преподают в МФТИ и в Школе анализа данных Яндекса.

О программе

Программа специализации состоит из пяти курсов. Вы освоите работу с данными от и до — сбор, оценка, обработка, результаты.

Вы научитесь:

• формулировать задачи анализа данных, относящиеся к разным классам машинного обучения;
• использовать разные алгоритмы и классы моделей машинного обучения для решения прикладных задач;
• с помощью статистических методов строить корректные выводы по полученным данным.

В программе обучение с учителем, обучение без учителя, решающие деревья, случайные леса, кросс-валидация и многое другое.

Программа заканчивается выполнением практического проекта — вы самостоятельно решите большую аналитическую задачу.

Освоите с нуля профессию Аналитик продуктов, подробно разберете всю специфику и инструменты данной профессии от Google Analytics, Python и BI-инструментов до Machine Learning и DataScience

Чему вы научитесь

Анализировать трафик и сайт
На основе данных составлять аргументированные рекомендации по изменению стратегии и рекламных кампаний

Использовать на продвинутом уровне Google Analytics и Яндекс.Метрику
Настраивать счётчики и цели в Google Analytics и Яндекс.Метрике, разбираться в стандартных отчётах и создавать свои

Проектировать систему сквозной аналитики
Отслеживать полный путь клиента от перехода на сайт до продажи и определять эффективность инвестиций

Визуализировать данные
Наглядно показывать динамику изменения данных

Программа курса

Блок 1

Продуктовая аналитика и развитие продуктов

• Роль и место аналитика в продуктовой команде
• Lean Canvas
• HADI циклы
• Основные типы бизнес-метрик
• Декомпозиция метрик: иерархия метрик и пирамида метрик
• Unit-экономика

Блок 2

Google Sheets и Excel

• Основы работы в Google Sheets
• Базовые вычислительные функции и формулы

Блок 3

Веб/мобильная-аналитика

• Введение в digital-аналитику: основные понятия и инструменты
• Базовые настройки инструментов аналитики Google Analytics и Yandex Metrica
• Основные отчеты Google Analytics. Метрики и параметры
• Метрики и параметры. Основные отчеты Yandex Metrica
• GTM особенности работы и основные возможности
• Инструменты app-аналитики
• Основные отчеты App Metrica
• Google Analytics web+app: важные особенности и возможности
• Возможности передачи и сбора данных из систем аналитики — BigQuery, ClickHouse, OWOX BI

Блок 4

Маркетинговая аналитика

• Введение в маркетинговую аналитику
• Выстраивание аналитики в performance маркетинге
• Сквозная аналитика или считаем LTV
• Жизненный цикл клиента и когортный анализ
• Основы CRM-аналитики. Сегментация клиентов
• Введение в маркетинговые исследования

Блок 5

A/B-тестирование

• Проверка гипотез и поиск точек роста с помощью A/B-тестирования
• Основы математической статистики для A/B тестирования
• Статистический тест для оценки результатов A/B эксперимента
• Цель и метрики A/B теста
• Практическая реализация A/B теста
• Продвинутые методики тестирования
• Инструменты для A/B тестирования

Блок 6

SQL для анализа данных

• Введение в блок SQL
• Извлечение и фильтрация данных (часть 1)
• Извлечение и фильтрация данных (часть 2)
• Преобразование и сортировка данных (часть 1)
• Преобразование и сортировка данных (часть 2)
• Группировка данных
• Введение в базы данных
• Объединение таблиц
• Подзапросы
• Обновление, добавление и удаление данных
• Создание, изменение и удаление таблиц
• Advanced
• Итоговый проект LEGO
• Бонусный урок

Блок 7

Python

• Введение в Python
• Типы данных, функции, классы, ошибки
• Строки, условия, циклы
• Списки и словари в Python
• Пакеты, файлы, Pandas – начало
• Pandas – продолжение
• Визуализация данных
• Базы данных и статистика
• Многопоточность
• Веб-сервер flask и контроль версий GIt
• Итоговый проект

Блок 8

Инструменты визуализации данных

• Введение в Power BI
• Power Query. Получение и преобразование данных
• Модель данных в Power BI
• DAX (Data Analysis Expressions)
• Работа с отчетами, базовые принципы визуализации данных
• Power BI Service и создание дашборда
• Power BI и Python
• Итоговый проект: Uber & Lyft
• Введение в Tableau. Знакомство с инфраструктурой Tableau
• Модели данных и Табличные вычисления
• Параметры и уровни детализации в Tableau
• Псевдонимы, сортировка, Actions
• Разработка дашбордов. Настройка взаимодействия между визуализациями

Блок 9

Построение Machine Learning моделей

Знакомство с машинным обучением
Линейная регрессия
Бинарная классификация
Валидация. Почему это важно
Решающие деревья
Бутстрап, Бэггинг и случайный лес
Feature Engineering, Feature Selection
Градиентный бустинг
Воркшоп: предсказание оттока клиентов и прогноз продаж
A/B тестирование
Обучение без учителя
Воркшоп: скоринг кредитного портфеля

Блок 10

Нейронные сети и NLP

• Введение в нейронные сети
• Обучение нейросетей
• Глубокое обучение на практике
• Дополнительные возможности Tensorflow + Keras
• Свёрточные нейронные сети
• Введение в NLP, понятие ембеддинга
• Рекурентные нейронные сети
• Нейросети с вниманием, трансформеры
• Metric learning, обучение без учителя
• Обучение с подкреплением в нейросетях

Блок 11

Рекомендательные системы

Введение
Метрики и бейзлайны
Матричное разложение
Рекомендации через поиск ближайших соседей
Гибридные рекомендательные системы

Блок 12

Аналитика больших данных

• Организация команды для работы с данными. CRISP-DM
• Культура сбора и источники данных / Улучшение качества работы с данными
• Современные инструменты визуализации данных
• Машинные методы для обработки данных (на распределенном окружении)
• Основы работы в Hadoop и MapReduce
• Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
• DataWarehouse, DataLake (clickhouse)
• Работа с облачными платформами: AWS, GCP, Azure и другие
• Практика AWS S3
• Работа с Airflow
• Работа в pyspark
• Построение прогнозных и предсказательных моделей

Блок 13

Дипломная работа и помощь с трудоустройством

• Работа над дипломным проектом для портфолио
• Подготовка резюме
• Подготовка к собеседованию
• Финальная защита и консультации
• В финальной программе возможны небольшие правки на основании фидбэка и потребностей студентов курса

Ваше резюме и проф.навыки после курса

Должность: Аналитик
Зарплата от: 125.000 рублей

Веб-аналитика
Продвинутая работа с инструментами веб-аналитики (Google Analytics, Я.Метрика)

Mobile-аналитика
Навыки работы с инструментами мобильной аналитики (Appsflyer, AppMetrica)

Конкурентный анализ
Работа с инструментами SEMRush, Similarweb, Яндекс.Радар

Продуктовые навыки
Построение и анализ MVP-решений, работа с HADI-циклами

Декомпозиция метрик
Навыки выбора корректных метрик для продукта

Маркетинговая аналитика
UTM-ки, постбэки, промо-коды, колтрекинг и другие способы анализа трафика

Аналитика воронки продаж
Навык построения сквозной аналитики воронки продаж

A/B-тестирование
Проведение и расчёт A/B-тестов с корректной стат.значимостью

SQL
Продвинутый уровень анализа данных за счёт использования SQL-запросов

Python
Построение базовых отчётов и автоматизация работы с помощью библиотек Python

Визуализация данных
Навыки работы с OWOX, продвинутый уровень в Google Sheets и Google Data Studio

Презентация данных
Подготовка отчётов и презентация результатов анализа данных

Выпускники получают сертификат об успешном прохождении курса — что, вместе с дипломным проектом, будет хорошим аргументом при трудоустройстве

Аналитик данных с нуля

Научитесь анализировать данные с помощью сервисов аналитики и BI-инструментов, освоите Python и SQL. Сможете строить прогнозы на основе данных и помогать бизнесу принимать решения.

Чему вы научитесь

1. Проводить исследования и делать точные выводы

2. Использовать программирование в аналитике

3. Строить гипотезы и оценивать перспективы бизнес-решений

4. Работать с сервисами аналитики и дашбордами

5. Делать развёрнутые аналитические отчёты

6. Работать с заказчиками аналитики

Профессиональные навыки:

• Знание основ математической статистики
• Работа с Excel и Google Таблицами
• Основы программирования на Python
• Работа с Power BI
• Создание аналитических отчётов
• Знание Google Analytics и «Яндекс.Метрики»
• Работа с базами данных на SQL
• Создание дашбордо

Программа курса

Системный анализ в структуре разработки ПО

• Вводная лекция
• Процесс разработки ПО. Waterfall. Системный анализ в Agile командах

Работа с требованиями

• Задачи документирования требований. ТЗ, Use Case, User Story, прототипирование
• Работа с нотациями UML, BPMN, IDEF0 (*)
• Согласование требований. Управление изменениями, трассировка требований

Проектирование ПО

• Проектирование информационной модели приложения. Объектно-ориентированный подход
• Разработка базовой информационной модели для системы управления движением и обработкой документов цепочки поставок для Retail
• Нефункциональные требования применимые к бэкендовым системам. Отказоустойчивость, масштабированность, устойчивость
• Архитектура информационных систем. Монолиты, SOA и микросервисы
• API и брокеры очередей. Методология интеграции приложений

Анализ данных

• Базовые и продвинутые SQL процедуры на примере PostgreSQL

Проектирование и работа с БД

• Проектирование БД
• SQL vs NoSQL. Особенности и хитрости работы с реляционными базами данных. Аспекты их применения
• Способы прогнозирования нагрузки на приложения. Способы повышения производительности БД

Проектирование API

• Принципы работы API. RESTful API vs SOAP
• Open API

Сопровождение процесса разработки

• Сложности декомпозиции задач, критерии готовности и приемка
• Системы контроля версий. GitFlow. Автоматизация доставки кода. CI/CD
• Контроль качества ПО, пирамида тестирования, сценарий тестирование

Аналитик данных с нуля до middle

Чему вы научитесь на курсе:

профессиональная переподготовка

Аналитик данных — это специалист, который умеет интерпретировать данные и извлекать из них пользу. Он хорошо разбирается в источниках данных, умеет находить и исправлять в них проблемы, делать визуализации, формулировать и проверять гипотезы. Аналитик помогает планировать эксперименты и измерять их результаты — в частности, он занимается A/B-тестированием, которое лежит в основе принятия решений во многих компаниях.

В программе профессиональной переподготовки «Аналитик данных» изучаются основы баз данных и работа с ними с помощью языка SQL, язык Python и его применения для сбора, визуализации и анализа данных, статистика и машинное обучение, а также конкретные аналитические и продуктовые подходы, которые понадобятся при работе над реальными задачами.

В результате прохождения программы вы получите актуальный технический стек современного аналитика для работы в ведущих IT-компаниях.

Программа

Что узнаете за 12 месяцев обучения

Python для автоматизации и анализа данных

18 занятий

• Введение в язык Python. Знакомство со средой программирования. Базовые операции. Интерпретация ошибок.
• Строки и списки в Python.
• Понятие управляющих конструкций. Условные операторы.
• Циклы for и while.
• Устройство функций в Python. Поиск ошибок в коде и отладка.
• Итераторы, генераторы, генераторы списков. Рекурсия.
• Работа с файлами. Продвинутая работа со словарями.
• Библиотеки для хранения и работы с данными в табличном формате: pandas.
• Сбор данных: web-scraping с
• Сбор данных: Selenium, работа с сервисами через API.
• Объектно-ориентированное программирование. Классы.
• Введение в numpy.
• Введение в pandas.
• Работы с пропущенными данными.
• Визуализация для презентации данных: matplotlib. Основные виды графиков. Основные ошибки при создании визуализаций.
• Создание интерактивных визуализаций: plotly.
• Разведывательный анализ данных. Особенности исследования текста.

SQL

10 занятий

• Введение в базы данных.
• Язык запросов и типы данных.
• Секции и порядок выполнения.
• Базовые функции.
• Функции для работы с датой и временем.
• Операции Join.
• Оконные функции.
• Основы визуализации.
• Базовые показатели и их интерпретация.
• Практическая работа по блоку.

Прикладная статистика

10 занятий

• Шкалы измерений, генеральная совокупность и выборка.
• Описательные статистики и их свойства.
• Нормальное распределение, статистическая достоверность.
• Статистический вывод, уровень значимости, статистические гипотезы.
• Корреляции (Пирсон, Спирмен, Кендалл).
• Параметрические и непараметрические методы сравнения данных.
• Сравнение номинальных данных.
• Методы сравнения средних: t-test.
• Методы сравнения средних: непараметрические аналоги.
• Методы сравнения средних: ANOVA.

A/B-тестирование

5 занятий

Введение. Мощность и корректность.

Планирование дизайна А/В и др.

Повышение чувствительности А/B тестов.

Сложности с маленькими выборками и денежными метриками.

Многорукие бандиты и альтернативы А/B тестам.

Business Intelligence

7 занятий

Задачи визуализации, подготовка данных, инструменты визуализции, введение в Tableau.

• Принципы представления данных, типы данных и виды графиков, законы восприятия и их использование для демонстрации взаимосвязей и зависимостей.
• Создание интерактивных визуализаций, специфические виды графиков, использование вычислений и встроенных функций Tableau для построения визуализаций, использование аналитических функций Tableau.
• Создание дашбордов от формирования технического задания для заказчика до публикации.
• Создание дашборда в Tableau.
• Практическое занятие: формируем дашборд согласно техническому заданию в Tableau.
• DataLens и Google Data Studio для построения визуализаций.

Машинное обучение

14 занятий

• Введение и основные задачи.
• Линейная регрессия.
• Градиентные методы обучения.
• Линейная классификация и метрики качества классификации.
• Логистическая регрессия и SVM.
• Многоклассовая классификация, работа с категориальными признаками и текстами.
• Решающие деревья.
• Бэггинг и случайные леса.
• Градиентный бустинг.
• Градиентный бустинг: имплементации.
• Отбор признаков и понижение размерности.
• Кластеризация.
• Поиск аномалий.
• Рекомендательные системы.
• Ранжирование.

Продуктовая аналитика

10 занятий

• Основы продуктовой аналитики, решаемые задачи.
• Базовые метрики продукта и их интерпретация.
• Системы аналитики и сбор данных.
• Когортный анализ.
• Unit экономика.
• Пирамида метрик.
• Дизайн кастомных метрик.
• Аналитические фреймворки.

Программа направлена на подготовку специалистов в области машинного обучения и анализа больших данных, на получение компетенций, необходимых для выполнения нового вида профессиональной деятельности - умения применять языки программирования SQL и Python д​ля сбора, визуализации, анализа больших данных (Big data) и построение моделей машинного обучения, умения применять конкретные аналитические и продуктовые подходы при работе над реальными задачами маркетинговой и клиентской аналитики с помощью BI платформ.

Программа разработана на основе профессионального стандарта «Бизнес-аналитик», утвержденного приказом Министерства труда и социальной защиты РФ от 25.09.2018 № 592н; и профессионального стандарта «Специалист по большим данным»,  утвержденного приказом Министерства труда и социальной защиты РФ от 6 июля 2020 года N 405н., а также на основе анализа требований рынка труда и обобщения зарубежного опыта.​

В результате обучения выпускник программы приобретёт следующие компетенции:

1. Способность использовать прикладное программное обеспечение при решении профессиональных задач; 
2. Способность осуществлять поиск, критически анализировать, обобщать и систематизировать информацию, использовать системный подход для решения поставленных задач;

3 Способность к постановке целей и задач исследований, выбору оптимальных путей и методов их достижения; 

4 – Способность к сбору информации о бизнес-проблемах или бизнес-возможностях; 

5 – Способность к анализу, обоснованию и выбору решения; 

6 – Умение подготавливать данные для проведения аналитических работ по исследованию больших данных; 

7 – Способность к проведению аналитического исследования с применением технологий больших данных в соответствии с требованиями заказчика Объем программы: 256 часов из них более 60% контактный. 

Режим реализации: очно-заочно с применением дистанционных образовательных технологий и электронного обучения. 

Сроки реализации программы – по мере набора групп.

Входные требования к слушателям (образование и др.): · высшее или средне-специальное образование; навыки использования ПК и базовые умения использовать продукты MS Office; Для занятий -наличие ПК или ноутбука, камеры, микрофона, стабильного доступа в интернет. Особенности программы: Широкий набор предлагаемых инструментов и методологий (в программе не только программирование на SQL и Python, но и работа с базами данных, машинное обучение, обработка естественного языка, сетевой анализ). 

Программа базового уровня сложности.

Факультет аналитики Big Data

Вы научитесь собирать и анализировать данные, извлекать полезную информацию и находить закономерности. После обучения сможете проверять гипотезы и помогать бизнесу принимать взвешенные решения.

Кому подойдет курс:

• Новичкам
• Начинающим аналитикам
• Практикующим IT-специалистам

Программа обучения:

Фундамент анализа данных
Студенты научатся главному инструменту аналитика — языку SQL. Также изучат основы языка Python и базовые библиотеки Python для анализа данных (NumPy, Pandas, Matplotlib, Scikit-learn).

Сбор, обработка и хранение данных
Студенты научатся собирать данные из различных источников. 

Математика для Data Science

Аналитик данных извлекает из данных смысл: структурирует их, формулирует и проверяет гипотезы, находит закономерности и делает выводы. Его работа помогает принимать решения в бизнесе, управлении и науке. Мы хотим научить вас пользоваться основными инструментами для получения профессии: Python и его библиотеки, Jupyter Notebook, SQL.

Программа обучения

1

Основы Python и анализа данных: бесплатный вводный курс

16 часов

Процесс и стадии работы аналитика: основные термины, задачи и инструменты анализа данных. Подготовка данных для анализа. Знакомство с языком программирования Python, аналитической библиотекой Pandas и средой программирования Jupyter.

+ 1 проект в портфолио

2

Введение в профессию «Аналитик данных»

4 часа

Знакомство с профессией аналитика. Обзор областей, в которых может работать аналитик. Представление разных видов аналитики. Организационная часть процесса обучения.

3

Предобработка данных

40 часов

Чистые и готовые к анализу данные — первый шаг к решению аналитической задачи. Разбираем инструменты для компенсации недостатков данных.

+ 1 проект в портфолио

4

Исследовательский анализ данных

40 часов

Предварительный поиск закономерностей в данных даёт возможность сформулировать первые гипотезы для анализа, а также избежать странных ошибок. Учимся использовать средства визуализации для работы с данными.

+ 1 проект в портфолио

5

Статистический анализ данных

40 часов

В ходе работы с продуктом возникает масса гипотез, которые можно проверить понятными статистическими методами. Изучаем основы статистики и теории вероятностей для решения бизнес-задач.

+ 1 проект в портфолио

6

Сборный Проект — 1

20 часов

Подготовка данных для анализа. Предварительное исследование датасета. Формулирование и проверка гипотез.

+ 1 проект в портфолио

1 неделя каникул после курса

7

Сбор и хранение данных

40 часов

Как устроены базы данных, как извлекать данные из них, делая запросы на языке SQL. Добыча данных в интернете.

+ 1 проект в портфолио

8

Анализ бизнес-показателей

40 часов

Ещё ближе к бизнесу — разбираем подробно, что такое метрики и основные инструменты: когортный анализ, воронка продаж и unit-экономика.

+ 1 проект в портфолио

9

Принятие решений в бизнесе на основе данных

40 часов

A/B-тестирование: в каких случаях его использовать; проектирование, формирование выборки, получение результатов и их валидация.

+ 1 проект в портфолио

10

Как рассказать историю с помощью данных

40 часов

Как правильно презентовать результаты своего исследования, оперируя графиками, важнейшими цифрами и их правильной интерпретацией.

+ 1 проект в портфолио

11

Сборный проект — 2

20 часов

Получение данных из базы. Предобработка и обзор датасета. Формулирование гипотез с учётом специфики бизнеса. Проверка гипотез и подготовка выводов в формате аналитического отчёта.

+ 1 проект в портфолио

1 неделя каникул после курса

12

Автоматизация

40 часов

Автоматизация процессов анализа данных. Превращение рутинных и постоянных задач в скрипты. Создание дашбордов для разных аудиторий и нужд компании.

+ 1 проект в портфолио

13

Прогнозы и предсказания

40 часов

Основы машинного обучения, разбор задачи предсказания оттока пользователей.

+ 1 проект в портфолио

14

Выпускной проект

40 часов

Самостоятельное решение аналитической задачи на выбор студента, со всеми стадиями анализа данных.

+ 1 проект в портфолио

Аналитика для руководителей

С помощью данных и аналитики научитесь принимать решения и выстраивать стратегию. Сможете внедрить data-driven подход в работу компании.

Поймёте, как аналитика поможет устранить проблемы в процессах, спланировать штатную структуру и взаимодействовать со стейкхолдерами. Изучите простые инструменты для самостоятельного анализа данных.

Вы научитесь:

• Находить точки роста с помощью data-driven подхода.
• Понимать, на какие метрики стоит опираться в своей работе.
• Применять метрики для планирования: краткосрочного и долгосрочного.
• Использовать аналитику для взаимодействия со стейкхолдерами.
• Быстро проверять гипотезы.
• Оценивать эффективность работы сотрудников.

Итоги обучения - Удостоверение о профессиональной переподготовке и сертификат.

профессиональная переподготовка

Аналитик данных — это специалист, который умеет интерпретировать данные и извлекать из них пользу. Он хорошо разбирается в источниках данных, умеет находить и исправлять в них проблемы, делать визуализации, формулировать и проверять гипотезы. Аналитик помогает планировать эксперименты и измерять их результаты — в частности, он занимается A/B-тестированием, которое лежит в основе принятия решений во многих компаниях.

В программе профессиональной переподготовки «Аналитик данных» изучаются основы баз данных и работа с ними с помощью языка SQL, язык Python и его применения для сбора, визуализации и анализа данных, статистика и машинное обучение, а также конкретные аналитические и продуктовые подходы, которые понадобятся при работе над реальными задачами.

В результате прохождения программы вы получите актуальный технический стек современного аналитика для работы в ведущих IT-компаниях.

Программа

Что узнаете за 12 месяцев обучения

Python для автоматизации и анализа данных

18 занятий

• Введение в язык Python. Знакомство со средой программирования. Базовые операции. Интерпретация ошибок.
• Строки и списки в Python.
• Понятие управляющих конструкций. Условные операторы.
• Циклы for и while.
• Устройство функций в Python. Поиск ошибок в коде и отладка.
• Итераторы, генераторы, генераторы списков. Рекурсия.
• Работа с файлами. Продвинутая работа со словарями.
• Библиотеки для хранения и работы с данными в табличном формате: pandas.
• Сбор данных: web-scraping с
• Сбор данных: Selenium, работа с сервисами через API.
• Объектно-ориентированное программирование. Классы.
• Введение в numpy.
• Введение в pandas.
• Работы с пропущенными данными.
• Визуализация для презентации данных: matplotlib. Основные виды графиков. Основные ошибки при создании визуализаций.
• Создание интерактивных визуализаций: plotly.
• Разведывательный анализ данных. Особенности исследования текста.

SQL

10 занятий

• Введение в базы данных.
• Язык запросов и типы данных.
• Секции и порядок выполнения.
• Базовые функции.
• Функции для работы с датой и временем.
• Операции Join.
• Оконные функции.
• Основы визуализации.
• Базовые показатели и их интерпретация.
• Практическая работа по блоку.

Прикладная статистика

10 занятий

• Шкалы измерений, генеральная совокупность и выборка.
• Описательные статистики и их свойства.
• Нормальное распределение, статистическая достоверность.
• Статистический вывод, уровень значимости, статистические гипотезы.
• Корреляции (Пирсон, Спирмен, Кендалл).
• Параметрические и непараметрические методы сравнения данных.
• Сравнение номинальных данных.
• Методы сравнения средних: t-test.
• Методы сравнения средних: непараметрические аналоги.
• Методы сравнения средних: ANOVA.

A/B-тестирование

5 занятий

Введение. Мощность и корректность.

Планирование дизайна А/В и др.

Повышение чувствительности А/B тестов.

Сложности с маленькими выборками и денежными метриками.

Многорукие бандиты и альтернативы А/B тестам.

Business Intelligence

7 занятий

Задачи визуализации, подготовка данных, инструменты визуализции, введение в Tableau.

• Принципы представления данных, типы данных и виды графиков, законы восприятия и их использование для демонстрации взаимосвязей и зависимостей.
• Создание интерактивных визуализаций, специфические виды графиков, использование вычислений и встроенных функций Tableau для построения визуализаций, использование аналитических функций Tableau.
• Создание дашбордов от формирования технического задания для заказчика до публикации.
• Создание дашборда в Tableau.
• Практическое занятие: формируем дашборд согласно техническому заданию в Tableau.
• DataLens и Google Data Studio для построения визуализаций.

Машинное обучение

14 занятий

• Введение и основные задачи.
• Линейная регрессия.
• Градиентные методы обучения.
• Линейная классификация и метрики качества классификации.
• Логистическая регрессия и SVM.
• Многоклассовая классификация, работа с категориальными признаками и текстами.
• Решающие деревья.
• Бэггинг и случайные леса.
• Градиентный бустинг.
• Градиентный бустинг: имплементации.
• Отбор признаков и понижение размерности.
• Кластеризация.
• Поиск аномалий.
• Рекомендательные системы.
• Ранжирование.

Продуктовая аналитика

10 занятий

• Основы продуктовой аналитики, решаемые задачи.
• Базовые метрики продукта и их интерпретация.
• Системы аналитики и сбор данных.
• Когортный анализ.
• Unit экономика.
• Пирамида метрик.
• Дизайн кастомных метрик.
• Аналитические фреймворки.

Как стать аналитиком данных

Аналитик данных извлекает из данных смысл: структурирует их, формулирует и проверяет гипотезы, находит закономерности и делает выводы.

Его работа помогает принимать решения в бизнесе, управлении и науке. Мы хотим научить вас пользоваться основными инструментами для получения профессии: Python и его библиотеки, Jupyter Notebook, SQL.

Вы поймёте, что представляет собой анализ данных, какие процессы он в себя включает и чем занимается аналитик.

Изучите азы важнейшего инструмента — языка программирования Python. Вы сможете оценить свои силы, мотивацию, запас времени, и решить, нужно ли идти дальше.

• Доступ к первому курсу в тренажёре
• Навыки и знания на 20 часов обучения
• 1 учебный проект на реальных данных

Аналитик данных извлекает из данных смысл: структурирует их, формулирует и проверяет гипотезы, находит закономерности и делает выводы. Его работа помогает принимать решения в бизнесе, управлении и науке. Мы хотим научить вас пользоваться основными инструментами для получения профессии: Python и его библиотеки, Jupyter Notebook, SQL.

Программа обучения

1

Основы Python и анализа данных: бесплатный вводный курс

16 часов

Процесс и стадии работы аналитика: основные термины, задачи и инструменты анализа данных. Подготовка данных для анализа. Знакомство с языком программирования Python, аналитической библиотекой Pandas и средой программирования Jupyter.

+ 1 проект в портфолио

2

Введение в профессию «Аналитик данных»

4 часа

Знакомство с профессией аналитика. Обзор областей, в которых может работать аналитик. Представление разных видов аналитики. Организационная часть процесса обучения.

3

Предобработка данных

40 часов

Чистые и готовые к анализу данные — первый шаг к решению аналитической задачи. Разбираем инструменты для компенсации недостатков данных.

+ 1 проект в портфолио

4

Исследовательский анализ данных

40 часов

Предварительный поиск закономерностей в данных даёт возможность сформулировать первые гипотезы для анализа, а также избежать странных ошибок. Учимся использовать средства визуализации для работы с данными.

+ 1 проект в портфолио

5

Статистический анализ данных

40 часов

В ходе работы с продуктом возникает масса гипотез, которые можно проверить понятными статистическими методами. Изучаем основы статистики и теории вероятностей для решения бизнес-задач.

+ 1 проект в портфолио

6

Сборный Проект — 1

20 часов

Подготовка данных для анализа. Предварительное исследование датасета. Формулирование и проверка гипотез.

+ 1 проект в портфолио

1 неделя каникул после курса

7

Сбор и хранение данных

40 часов

Как устроены базы данных, как извлекать данные из них, делая запросы на языке SQL. Добыча данных в интернете.

+ 1 проект в портфолио

8

Анализ бизнес-показателей

40 часов

Ещё ближе к бизнесу — разбираем подробно, что такое метрики и основные инструменты: когортный анализ, воронка продаж и unit-экономика.

+ 1 проект в портфолио

9

Принятие решений в бизнесе на основе данных

40 часов

A/B-тестирование: в каких случаях его использовать; проектирование, формирование выборки, получение результатов и их валидация.

+ 1 проект в портфолио

10

Как рассказать историю с помощью данных

40 часов

Как правильно презентовать результаты своего исследования, оперируя графиками, важнейшими цифрами и их правильной интерпретацией.

+ 1 проект в портфолио

11

Сборный проект — 2

20 часов

Получение данных из базы. Предобработка и обзор датасета. Формулирование гипотез с учётом специфики бизнеса. Проверка гипотез и подготовка выводов в формате аналитического отчёта.

+ 1 проект в портфолио

1 неделя каникул после курса

12

Автоматизация

40 часов

Автоматизация процессов анализа данных. Превращение рутинных и постоянных задач в скрипты. Создание дашбордов для разных аудиторий и нужд компании.

+ 1 проект в портфолио

13

Прогнозы и предсказания

40 часов

Основы машинного обучения, разбор задачи предсказания оттока пользователей.

+ 1 проект в портфолио

14

Выпускной проект

40 часов

Самостоятельное решение аналитической задачи на выбор студента, со всеми стадиями анализа данных.

+ 1 проект в портфолио

Курсы по обработке и анализу данных предназначены для аналитиков, разработчиков аналитических решений и приложений, экономистов и маркетологов, работающих с инструментами анализа данных. Специалисты по бизнес-аналитике, Big Data и Data Mining необходимы практически каждой современной организации, а в особенности – средним и крупным предприятиям с разветвлённой системой филиалов.

Ритейл, телеком, реклама и маркетинг, финансовый и банковский секторы, производство и реализация товаров и услуг, логистика, ИТ – везде требуются аналитики. Освоив эту профессию или углубив свои познания по обработке и анализу данных, Вы не только существенно повысите свой профессиональный уровень, но и сможете претендовать на повышение оклада или должности!

Мы предлагаем курсы по самым современным методикам анализа!

• Data Science: от основ до машинного обучения и использования промышленных решений,
• Python и язык R,
• Анализ данных на языке SQL,
• 8 уровней Microsoft Excel: от визуализации данных до технологий Power BI, PowerPivot, Power Query, OLAP и др.,
• MS SQL Server 2012, 2014 и 2016; Oracle, PostgerSQL, MySQL и другие СУБД,
• IBM SPSS Statistics иBPMN,
• Big Data и др.

«Специалист» является лучшим учебным центром Microsoft в России, Восточной и Центральной Европе! Только по Excel мы предлагаем 8 уровней обучения, а каждый 5-й специалист по SQL Server в России - выпускник нашего центра! 

Расписание по курсам обработка и анализ данных

• Сертифицированный разработчик баз и хранилищ данных по проектированию бизнес - аналитики на SQL Server 2016
• Microsoft Excel 2019/2016. Уровень 6. Бизнес - аналитика с использованием Power Pivot, Power Query и 3D Map
• Математика для Data Science. 2 часть. Теория вероятности и математическая статистика
• Профессионал по бизнес - анализу и визуализации данных в Microsoft Excel и Power BI
• Математика для Data Science. 3 часть. Методы оптимизации и алгоритмы анализа данных
• Microsoft Excel 2019/2016. Уровень 8. Углублённое изучение DAX и Excel PowerPivot
• Математика для Data Science.1 часть. Математический анализ и линейная алгебра
• Специалист по Data Science, машинному обучению и искусственному интеллекту
• Курс 50578A: Язык запросов MDX для аналитических служб SQL Server (OLAP)
• AI - 102: «Проектирование и реализация решения с использованием ИИ Azure
• Битрикс24 — администрирование: CRM, коробочная версия, бизнес - процессы
• Курс 55040A: Data Mining на платформе Microsoft (Excel + SQL Server)
• Microsoft Excel 2019/2016. Уровень 7. Power Query в Microsoft Excel
• Microsoft Excel 2019/2016. Уровень 3. Анализ и визуализация данных
• Моделирование и автоматизация бизнес - процессов на базе BPMN0
• Построение аналитических отчетов на базе BI платформы QlikSense
• Специалист по бизнес - аналитике в Microsoft Excel и Power BI
• Управление и реинжиниринг бизнес - процессов. Базовый уровень
• Моделирование бизнес - процессов на базе BPMN0. Уровень 1
• Моделирование бизнес - процессов на базе BPMN0. Уровень 2
• Автоматизация бизнес - процессов на базе BPMN0. Уровень 3
• Программирование на языке Python. Уровень 1. Базовый курс
• Основы графов и нечетких логик для анализа больших данных
• Основы работы с Tableau – визуализация и анализ данных
• Программирование на языке R. Уровень 1. Базовые знания
• Data Science. Уровень 2. Применение машинного обучения
• AI - 100: Проектирование и реализация решений Azure AI
• Практикум: Создание запросов Power Query в MS Excel
• Нейронные сети. Компьютерное зрение и чтение (NLP).
• Data Science. Уровень1. Инструменты и технологии
• Основы работы с большими данными (Data Science)
• Data Science. Уровень 3. Масштабируемые решения
• RPA. Автоматизация бизнес - процессов с UiPath
• Инструментарий бизнес - аналитика: практикум
• Microsoft Power BI Desktop для пользователей
• Решение искусственного интеллекта на Azure
• М20779В: Анализ данных инструментами Excel
• Специалист в Microsoft Excel и Power BI
• Программист - аналитик на языке Python
• Аналитик данных (дипломная программа)
• Анализ данных на языке SQL. Уровень 2
• AI - 900: Основы Microsoft Azure AI
• DA - 100: Анализ данных в PowerBI
• М20778С: Анализ данных в PowerBI
• Python для бизнес - аналитики
• Python для машинного обучения
• Анализ данных на языке SQL
• Основы бизнес - анализа
• Аналитик Big Data
• Бизнес - Аналитик
• Системный анализ

Станьте специалистом по анализу данных: используйте продвинутые методы и инструменты, чтобы автоматизировать рутинные задачи, повысить квалификацию и получить высокооплачиваемую должность.

Навыки после обучения:

• Владение Python для анализа данных
• Знание языка программирования R и основных библиотек
• Создание аналитических панелей (фреймворки Dash и Shiny)
• Работа с различными источниками данных: CSV, XML и XLS
• Визуализация данных с помощью Matplotlib
• Организация и проведение А/B-тестирования
• Выявление аномалий данных
• Работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL

Курс для тех, кто хочет стать аналитиком или прокачать свои скиллы в текущей работе.
Обучим инструментам BI, Excel, SQL, Python

Аналитик данных извлекает из данных смысл: структурирует их, формулирует и проверяет гипотезы, находит закономерности и делает выводы. Его работа помогает принимать решения в бизнесе, управлении и науке.

Чему научитесь

Освоите технологии и инструменты, с помощью которых сможете решать самые сложные задачи

Data-driven подходу

Принимать решения на основе данных, обрабатывать, проверять гипотезы при помощи методов мат. статистики

Excel и SQL

Освоите продвинутые методы Excel и
инструмент SQL для обработки данных

Визуализации и BI

Визуализировать данные в наглядные дашборды

Основы Python

Автоматизация, обработка данных
и визуализация

Кому подойдет курс

если вы работаете с данными

1

Аналитикам

Уже работаете аналитиком?
Вы получите инструменты для перехода на новый уровень и улучшите свои навыки качественного
и количественного анализа данных.

2

Менеджерам

Научитесь быстро обрабатывать и анализировать данные для построения прогнозов, стратегий и планов. Станете более автономными при принятии решений.

3

Маркетологам

Поймёте, как использовать данные для оценки эффективности рекламы, выдвигать и проверять гипотезы с помощью A/B-тестирования, а также научитесь быстро создавать понятные отчеты по рекламным кампаниям.

4

Бизнесу

Для селлеров, которые хотят научиться анализировать данные по продажам
на маркетплейсах. А также
для всех предпринимателей, которые хотят найти точки роста и оптимизировать ресурсы бизнеса с помощью data-driven подхода.

Программа курса

Введение в аналитику данных (2 часа)

Расскажем, чем занимаются аналитики и что такое аналитика данных

Excel (16 часов)

• Обсудим, какие функции и способы их ввода бывают, как отслеживать ошибки и работать с листами и условным форматирование. Решим задачу о сопоставлении плановых и фактических продаж по категориям.
• Поработаем со сводными таблицами и диаграммами (включая спарклайны , построение срезов и работу с форматированием). Построим отчёт по продажам и оценим влияние каждого округа на число заказов.
• Разберём Power Query, работу с OLAP-кубами, язык запросов MDX и надстройку «Поиск решения». Разберём задачу по расчёту плановых цифры по продажам и закупкам для обеспечения равномерного роста внутри всех категорий.

SQL (14 часов)

• Изучим структуру оператора SELECT, основные операторы и функции на примере БД многонациональной производственной компании
• Разберём подзапросы и соединение таблиц, в том числе со сложными условиями. Проанализируем данные по клиентам и заказам.
• Научимся создавать свои собственные таблицы, а также модифицировать их и удалять, поработаем с обобщенными табличными выражениями и представлениями.
• Разберём аналитические функции, прочие продвинутые конструкции SQL и типовые подходы к оптимизации запросов

Визуализация и Business Intelligence (16 часов)

• Обсудим дизайн и удобство восприятия дашбордов. Поработаем с PowerBI и Tableau, освоим языки Power Query M и DAX. Научимся загружать различные источники данных, создавать справочники, меры и вычислимые столбцы. Создадим аналитический дашборд для визуализации показателей эффективности компании.
• Разберем, чем операционные дашборды отличаются от аналитических, создадим операционный мониторинг по показателям компании при помощи инструмента Grafana.

Python в аналитике данных (14 часов)

• Разберём общие конструкция языка и научимся работать с Jupyter Notebook. Разберём популярный пакет для анализа данных pandas, сделаем простые визуализации и проанализируем выбросы в данных.
• Научимся загружать, модифицировать и объединять данные, проведём анализ посещаемости интернет-магазина. Выполним анализ конверсии, построим воронку продаж, проведём когортный анализ и сравним качество трафика из различных рекламных источников.
• Разберем основы математической статистики, научимся проверять простые статистические гипотезы и обрабатывать результаты A/A и A/B тестирования.

Финальный проект

Каждый ученик получает собственную бизнес-задачу по анализу данных. Необходимо найти данные, объединить и обработать их при помощи SQL и Python, а затем визуализировать в BI-инструменте.

Освоите с нуля профессию Аналитик продуктов, подробно разберете всю специфику и инструменты данной профессии от Google Analytics, Python и BI-инструментов до Machine Learning и DataScience.

Чему вы научитесь:

• Анализировать трафик и сайт
  На основе данных составлять аргументированные рекомендации по изменению стратегии и рекламных кампаний
• Использовать на продвинутом уровне Google Analytics и Яндекс.Метрику
  Настраивать счётчики и цели в Google Analytics и Яндекс.Метрике, разбираться в стандартных отчётах и создавать свои
• Проектировать систему сквозной аналитики
  Отслеживать полный путь клиента от перехода на сайт до продажи и определять эффективность инвестиций
• Визуализировать данные
  Наглядно показывать динамику изменения данных

• Обучение с нуля
• Теория анализа данных, которая пригодится на практике
• Электронные таблицы для быстрого анализа
• Язык SQL для работы с базами данных
• Программирование на Python 
• Практические задачи на основе реальных данных

Программа обучения

Курс состоит из 6 обучающих модулей и дипломной работы

Работа с электронными таблицами 

Excel и Google.Таблицы для анализа данных. Импорт и экспорт таблиц. Функции, которые чаще применяются в анализе данных. Построение наглядных диаграмм для отчётности. Google.Формы для сбора и обработки данных. Google.Презентации. Анализ отчётов по продажам. Прогнозирование продаж. Расчёт юнит-экономики продукта.

Базы данных MS Access / LibreOffice Base

Знакомство с базами данных. Построение запросов. Связи между таблицами. Импорт и экспорт данных. Ключевые поля. Создание отчётов. Работа в учебной базе данных.

SQL

Серверные СУБД. Установка и настройка MySQL. Программа SQLyog. Основные операторы языка SQL. Внутренние и внешние связи между таблицами. Работа с большими массивами данных. Нормализация. Хранимые процедуры для создания отчётов. Представления. Другие виды SQL серверов. Аналитика категорий товаров и продаж в базе данных по различным срезам.

Python для анализа данных

Установка среды для разработки на Python. Создание простого графического интерфейса. Основные операторы языка. Математическая статистика для бизнеса. Обработка данных из базы данных и из электронных таблиц с помощью Python. Знакомство с языком анализа данных R.

Python для визуализации данных. PowerBi

Библиотека Numpy. Вычислительные задачи. Библиотека Pandas. Подготовка данных на Python для визуализации. Когортный анализ.  Подключение к веб-серверу для получения данных по API. Визуализация данных с помощью Microsoft PowerBI. Подключение различных источников данных к PowerBI.

Веб-аналитика

Сквозная аналитика для интернет-магазина. Настройка систем статистики: Google.Analytics, Google Tag Manager, Яндекс.Метрика. Понятие dataLayer в Google Tag Manager. Электронная коммерция. Когортный анализ в интернет-магазине. Google Data Studio. А/B тестирование. Расчёт достоверности теста. Аналитика мобильного приложения.

Дипломная работа

Проверка гипотез для интернет-проекта. Подготовка и анализ А/B теста. Создание отчёта и презентации по итогам работы.

Профессиональные навыки:

• Получение данных с помощью языка запросов SQL
• Работа с Excel и Google.Таблицами на уровне продвинутого пользователя
• Очистка и обработка данных с помощью Python
• Визуализация данных и построение отчётов в PowerBi
• Инструменты аналитики: Google Analytics, Яндекс. Метрика, Google Tag Manager
• Применение в работе ключевых математических методов и основ статистики
• Прогнозирование событий на основе данных
• Анализ результатов кампаний, исследований и тестирования продуктовых гипотез
• Организация и анализ A/B тестов

Ритейл, телеком, реклама и маркетинг, финансовый и банковский секторы, производство и реализация товаров и услуг, логистика, ИТ – везде требуются аналитики.

Освоив эту профессию или углубив свои познания по обработке и анализу данных, Вы не только существенно повысите свой профессиональный уровень, но и сможете претендовать на повышение оклада или должности!

Специалисты по бизнес-аналитике, Big Data и Data Mining необходимы практически каждой современной организации, а в особенности – средним и крупным предприятиям с разветвлённой системой филиалов.

Курсы по самым современным методикам анализа!

• Data Science: от основ до машинного обучения и использования промышленных решений,
• Python и язык R,
• Анализ данных на языке SQL,
• 8 уровней Microsoft Excel: от визуализации данных до технологий Power BI, PowerPivot, Power Query, OLAP и др.,
• MS SQL Server 2012, 2014 и 2016; Oracle, PostgerSQL, MySQL и другие СУБД,
• IBM SPSS Statistics и BPMN,
• Big Data и др.

Кому подойдут курсы

Наши видеокурсы собраны так,
чтобы вы учились шаг за шагом:

• Разные уровни сложности: от новичка до профи.
• Практические задачи в каждом видеокурсе.
• По завершении просмотра курса — возможность получить сертификат и готовые работы для портфолио.
• Возможность участвовать в конкурсах.
• И найти работу мечты в компаниях-лидерах!

Выберите курс для себя

• Плавный старт: от Google-таблиц до Python и Power BI
• 14 самостоятельных проектов с персональной обратной связью
• 100% инструментов, необходимых junior-аналитику
• Личный координатор для решения любых вопросов
• Небольшие учебные группы — до 20 студентов
• Специализация в маркетинге или продукте продвинутого уровня

Ваши навыки после обучения:

• Принимаю решения на основе data-driven подхода
• Выстраиваю сквозную аналитику в компании с нуля
• Автоматизирую обработку данных
• Умею обрабатывать большой объём данных при помощи Python
• Создаю инфраструктуру, которая позволяет самостоятельно готовить отчёты специалистам других отделов
• Составляю рекомендации по изменению стратегии и рекламных кампаний на основе данных
• Создаю аналитическую архитектуру с учётом особенностей бизнеса
• Разрабатываю аналитические дашборды с учётом специфики бизнеса
• Рассчитываю эффективность бизнеса и кластеризирую пользователей
• Понимаю, что нужно анализировать до и после запуска продукта или новой фичи
• Разбираюсь в многообразии метрик и настройке систем аналитики
• Провожу A/B-тесты, выстраиваю гипотезы, проверяю и отсеиваю неработающие
• Измеряю эффективность каналов продвижения
• Использую прикладную математику для аналитических решений в маркетинге и бизнес-аналитике

Data Science сегодня — это одно из самых востребованных направлений подготовки в бизнес-аналитике. В основе data science лежит работа с большими данными (Big Data). 

Большие данные — это действительно огромные массивы неструктурированной информации, для работы с которыми используются методы машинного обучения и математическая статистика. Основное отличие data science от классических методов бизнес-аналитики — это поиск связей и закономерностей в массивах информации, для разработки моделей, предсказывающей результат. 

Данный курс специально разработан для знакомства с основными технологиями и подходами анализа данных.

На первом уровне курса подготовки по data science в Образовательном центре МГТУ им. Н.Э. Баумана Вы научитесь:

• Основам Big Data и Data Science.
• Основам работы с SQL — самым популярным языком структурированных запросов.
• Как использовать язык программирования Python для анализа данных.
• Как работать с данными, основы визуализации и описательного анализа.
• Разовьете пространственное, статистическое и функциональное мышление.

Во время обучения Вы узнаете:

Введение в data science

• Введение в Big Data и Data science.
• “Разумная” постановка и приемка задач.
• Data science в различных секторах экономики.
• Необходимые навыки для работы с Big Data и Data science.
• Данные и их источники – характеристики, полнота, взаимная корреляция, причинно-следственные связи, признаки искажения.
• Типы данных. Базы данных. Способы хранения данных.
• Математические приемы, используемые при работе с данными:  матричные операции, введение в статистику и проверку гипотез.

12 ак.ч.

Основы SQL

• SQL – язык структурированных запросов.
• Общий подход.
• Базовая концепция, фильтрация, функции.
• Функционал PgAdmin.
• Подзапросы, Join, Табличные операции.

8 ак.ч.

Python для анализа данных

• Введение в язык программирования Python.
• Функционал Google Colaboratory, основные возможности.
• Язык программирования – Python.
• Основные функции.
• Базовые конструкции и структуры.
• Стандартные функции языка.
• Логические выражения.
• Условные операторы.
• Списки, словари, кортежи.
• Циклы и условия.
• Функции и классы.
• Решение практических задач с использованием Python

14 ак.ч.

Работа с данными

• Библиотека NumPy, типы данных, массивы и операции с ними.
• Матричные операции, семплирование, чтение файлов.
• Библиотека SciPy. Научные вычисления. Работа с данными. Тестирование данных.
• Библиотека Pandas, загрузка и запись данных, срезы данных, мультииндексация, groupby, datetime, статистические функции.

8 ак.ч.

Визуализация

• Библиотека Matplotlib, варианты отрисовки графиков и изображений.
• Библиотека Seaborn, визуализация парных взаимосвязей, heatmap, диаграммы.
• Библиотека Plotly. Продвинутая визуализация. Динамические графики.
• Библиотека Dash. Обзор фреймворка для создания дэшбордов (аналитические BI инструменты).

4 ак.ч.

Описательный анализ

• Pipeline описательного анализа от загрузки датасета, до извлечения полезных метрик и агрегирование.
• Совместное решение бизнес-задачи с использованием ранее освоенных инструментов.

4 ак.ч.

50 ак.ч.

Цель курса - приобретение слушателями необходимых знаний методов статистического анализа данных и практических навыков их применения.

В процессе изучения курса слушатели получат базовые теоретические знания статистической методологии анализа статистических данных в части оценки колеблемости, динамики и структуры, а также построения прогнозных оценок.

В курсе рассматриваются прикладные аспекты анализа на основе абсолютных, относительных и средних величин, показателей вариации, взаимосвязи и структурных сдвигов.

Рассмотрены вопросы анализа динамики социально-экономические явлений и построения прогнозных оценок на основе простейших методов прогнозирования.

Курс будет полезен тем, кто хочет понять статистику, познать суть методов статистического анализа данных и возможности их прикладного применения для решения конкретных прикладных задач.

Отзывы на сайте.

Курсы:

• Power BI: от новичка до уверенного бизнес-пользователя
• Бизнес-анализ
• Tableau
• Моделирование данных
• MySQL
• Блокчейн
• SQL
• Бизнес-аналитика
• Анализ данных
• Большие данные

• Занятия в режиме онлайн из любой точки мира
• Много практики для портфолио
• Реальная востребованность на рынке
• Сертификат после прохождения курса

Кому подойдет:

Аналитики
Изучите инструменты и станете более востребованными специалистами

Маркетологи
Сможете структуризировать данные, увеличить эффективность рекламных каналов

Руководители
Сможете анализировать продажи в разных разрезах и в динамике

Предприниматели
Построите систему аналитики и найдете точки роста для своей компании

Инженеры
Сможете сменить специализацию и зарабатывать больше, ваши технические знания упростят обучение

Фрилансеры
Сможете предлагать дополнительные услуги вашим клиентам или работать на западные компании

Финансисты
Загружать, анализировать данные, строить отчёты

• Плавный старт: от Google-таблиц до Python и Power BI
• 14 самостоятельных проектов с персональной обратной связью
• 100% инструментов, необходимых junior-аналитику
• Личный координатор для решения любых вопросов
• Небольшие учебные группы — до 20 студентов
• Специализация в маркетинге или продукте продвинутого уровня

Для кого эта программа:

Новичок

Ваш опыт работы максимально далек от аналитики. Хотите узнать что-то новое и интересное, освоить востребованную профессию. Вам не потребуется специальных знаний, выходящих за рамки школьной программы. На специализации вы получите достаточную подготовку, чтобы решать задачи аналитика уровня junior.

Работаете в IT/финансах

В вашей текущей работе есть пересечения с аналитикой, и вы хотите профессионально вырасти, получив сильную базу и практику в новой области. Вы пополните свое портфолио десятком решенных задач и кейсов. Опыт работы с данными позволит вам быстрее сориентироваться в программе и использовать ресурсы карьерного центра для быстрого развития карьеры.

Аналитик

Уже работаете аналитиком или являетесь заказчиком для аналитиков. Вы хотите поднять свой уровень компетенций и расширить инструментарий для текущей работы.
На курсе вы решите кейсы из нескольких индустрий и задачи разной сложности, прокачаете знания разных аналитических фреймворков и хард скиллы.

Аналитики нужны во всех сферах бизнеса: от маркетинга и продаж до разработки продуктов, от финансов до управленческих решений. Грамотный анализ данных нужен всем компаниям вне зависимости от индустрии: ритейл, киберспорт, путешествия, образование, медицина

При этом спрос на специалистов значительно превышает предложение. Это значит, что сейчас самое время начать свой путь в аналитике данных и получить востребованную профессию Data Analyst.

Сквозной курс

• SQL-запросы
• 48 бизнес-задач
• Основы математической статистики
• Google-таблицы
• Отчеты в Power BI
• Математическая статистика
• Построение отчетов в BI-системы

Встроенные тренажёры

• 10 аналитических задач
• 4 самостоятельных проекта разной сложности

Поддержка

• Сообщество в Slack с менторами и студентами
• Отслеживание прогресса и мотивации с куратором
• Техническая поддержка по учебной платформе
• Подготовка к трудоустройству с Карьерным центром

Программа курса

Вы получите крепкий фундамент профессии Data Analyst: разовьете основы аналитического мышления и освоите ключевые инструменты — Google Sheets, SQL, Python, Power BI, математическую статистику.

После прохождения базовой части программы вам предстоит выбрать специализацию на одном из самых популярных направлений работы аналитика: продукте или маркетинге.

3 недели, 7 ч/нед

Тренажер «Google Таблицы для анализа данных »

Владение таблицами – базовая компетенция аналитика. А решить сложные задачи, не изобретая велосипед — мастерство:

• 6 модулей, нацеленных на продвинутых пользователей
• Анализ данных и визуализация
• 240 упражнений
• Подборки внешних материалов
• Возможность задать вопросы экспертам

3 недели, 7 ч/нед

Тренажер «Базы данных и SQL»

Согласно анализу, в 84% вакансий аналитиков с опытом от 1 до 3 лет требуется знания SQL:

• 6 модулей, упорядоченных по сложности
• 240 упражнений
• Подборки внешних инструментов для дополнительной практики
• Возможность задать вопросы по обучению экспертам

8 недель, 7 ч/нед

Тренажер «Python для анализа данных»

Скриптовый язык требуется в 83% вакансий для специалистов с опытом от 1 до 3 лет. В ближайшее время владение Python станет блокирующим для роста в сфере:

• 16 модулей, от введения в программирование до работы с API
• 480 упражнений
• Подборки внешних материалов
• Возможность задать вопросы практикам

6 недель, 7 ч/нед

Курс «Статистика для аналитиков»

Математическая статистика — третье по популярности требование для кандидатов-аналитиков:

• 12 модулей, от базовых понятий теории вероятности до множественных регрессий
• 400 упражнений
• Возможность задать вопросы экспертам

Курс «Построение отчетов в BI системах»

Визуализация данных и сбор дашбордов — необходимый навык для аналитиков:

• Установка и настройка Power BI
• Подключение источников данных
• Оформление результатов с помощью визуализации

Специализация на выбор

Вариант 1: Продуктовая аналитика

На продуктовой специализации вы разберетесь в основных метриках продукта, узнаете, какие данные нужно собирать и где их хранить, научитесь проверять гипотезы и получать ценные для бизнеса инсайты на основе данных.

• Продуктовое мышление: 3 недели
• Клиентская аналитика: 5 недель
• А/В-тестирование: 6 недель
• Data-driven культура: 2 недели

Вариант 2: Маркетинговая аналитика

На маркетинговой специализации вы научитесь настраивать сквозную аналитику, понимать взаимосвязи различных источников трафика, проводить когортный и RFM-анализ и составлять понятные отчеты и дашборды, запускать статистически обоснованное А/В-тестирование и делать грамотные выводы с использованием математического аппарата.

• Сегментирование и персонализация ЦА: 2 недели
• Когортный и RFM-анализ: 2 недели
• Работа с базами данных: 2 недели
• Настройка сквозной аналитики: 2 недели
• Внешние источники данных: 2 недели
• Инструменты анализа данных: 2 недели
• А/В-тесты — статистика и математика: 2 недели
• А/В-тесты — проблемы при А/В-тестировании и их решение: 2 недели

По окончании курса выдается удостоверение о профессиональной подготовке установленного образца

Как будет выглядеть ваше резюме после обучения

• Принимаю решения на основе data-driven подхода
• Выстраиваю сквозную аналитику в компании с нуля
• Автоматизирую обработку данных
• Умею обрабатывать большой объём данных при помощи Python
• Создаю инфраструктуру, которая позволяет самостоятельно готовить отчёты специалистам других отделов
• Составляю рекомендации по изменению стратегии и рекламных кампаний на основе анализа данных
• Создаю аналитическую архитектуру с учётом особенностей бизнеса
• Разрабатываю аналитические дашборды с учётом специфики бизнеса
• Рассчитываю эффективность бизнеса и кластеризирую пользователей
• Понимаю, что нужно анализировать до и после запуска продукта или новой фичи
• Разбираюсь в многообразии метрик и настройке систем аналитики
• Провожу A/B-тесты, выстраиваю гипотезы, проверяю и отсеиваю неработающие
• Измеряю эффективность каналов продвижения
• Использую прикладную математику для аналитических решений в маркетинге и бизнес-аналитике

Отзывы на сайте.

Аналитик данных извлекает из данных смысл: структурирует их, формулирует и проверяет гипотезы, находит закономерности и делает выводы. Его работа помогает принимать решения в бизнесе, управлении и науке.
На курсе мы хотим научить вас пользоваться основными инструментами для получения профессии: Python и его библиотеки, Jupyter Notebook, SQL.

Чему вы научитесь

За 6 месяцев обучения по 15 часов в неделю вы освоите востребованные навыки аналитика данных и соберёте портфолио проектов. Вот какие проекты вы будете делать на курсе:

• Анализ текущей ситуации на рынке игр
  Помогите игровому сервису определить самые популярные направления.
• Исследование рынка недвижимости в Санкт-Петербурге
  Вычислите рыночную стоимость недвижимости в Санкт-Петербурге.
• Определение перспективного тарифа для оператора мобильной связи
  Помогите компании определить, какой тариф приносит больше прибыли.

Программа обучения

1. Основы Python и анализа данных: бесплатный вводный курс
   Процесс и стадии работы аналитика: основные термины, задачи и инструменты анализа данных. Подготовка данных для анализа. Знакомство с языком программирования Python, аналитической библиотекой Pandas и средой программирования Jupyter.
2. Введение в профессию «Аналитик данных»
   Знакомство с профессией аналитика. Обзор областей, в которых может работать аналитик. Представление разных видов аналитики. Организационная часть процесса обучения.
3. Предобработка данных
   Чистые и готовые к анализу данные — первый шаг к решению аналитической задачи. Разбираем инструменты для компенсации недостатков данных.
4. Исследовательский анализ данных
   Предварительный поиск закономерностей в данных даёт возможность сформулировать первые гипотезы для анализа, а также избежать странных ошибок. На курсе учимся использовать средства визуализации для работы с данными.
5. Статистический анализ данных
   В ходе работы с продуктом возникает масса гипотез, которые можно проверить понятными статистическими методами. Изучаем основы статистики и теории вероятностей для решения бизнес-задач.
6. Сборный Проект — 1
   Подготовка данных для анализа. Предварительное исследование датасета. Формулирование и проверка гипотез.
7. Сбор и хранение данных
   Как устроены базы данных, как извлекать данные из них, делая запросы на языке SQL. Добыча данных в интернете.
8. Анализ бизнес-показателей
   Ещё ближе к бизнесу — разбираем подробно, что такое метрики и основные инструменты: когортный анализ, воронка продаж и unit-экономика.
9. Принятие решений в бизнесе на основе данных
   A/B-тестирование: в каких случаях его использовать; проектирование, формирование выборки, получение результатов и их валидация.
10. Как рассказать историю с помощью данных
    Как правильно презентовать результаты своего исследования, оперируя графиками, важнейшими цифрами и их правильной интерпретацией.
11. Сборный проект — 2
    Получение данных из базы. Предобработка и обзор датасета. Формулирование гипотез с учётом специфики бизнеса. Проверка гипотез и подготовка выводов в формате аналитического отчёта.
12. Автоматизация
    Автоматизация процессов анализа данных. Превращение рутинных и постоянных задач в скрипты. Создание дашбордов для разных аудиторий и нужд компании.
13. Прогнозы и предсказания
    Основы машинного обучения, разбор задачи предсказания оттока пользователей.
14. Выпускной проект
    Самостоятельное решение аналитической задачи на выбор студента, со всеми стадиями анализа данных.