8 курсов по аналитике данных в Москве доступных для прохождения в 2024 году

• Обучение на практике SQL, Python, Power BI
• Преподаватели с опытом работы от 10 лет
• Бонусный курс по Power Point для всех студентов
• Занятия онлайн в удобное время.

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-аналитикам
  Подтянете знания аналитики, изучите основы программирования на Python. Сможете работать с базами данных и Power BI, создавать эффектные презентации. Расширите компетенции и станете лучше решать текущие задачи.

Чему вы научитесь:

1. Проводить исследования и делать точные выводы
   Изучите математическую основу анализа, научитесь работать с массивами данных и находить закономерности в цифрах.
2. Использовать программирование в аналитике
   Освоите основы программирования на Python для решения базовых бизнес-задач. Научитесь собирать базы данных на языке SQL и управлять ими.
3. Строить гипотезы и оценивать перспективы бизнес-решений
   Узнаете, какие метрики эффективности использует бизнес. Поймёте, как их собирать, читать, строить прогнозы и находить рабочие идеи.
4. 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.
5. Делать развёрнутые аналитические отчёты
   Поймёте, как пользоваться инструментами для визуализации данных, таблицами Google и Excel — и формировать отчёты для клиентов.
6. Работать с заказчиками аналитики
   Научитесь обрабатывать различные типы аналитических запросов от бизнеса и презентовать результаты своей работы убедительно и понятно для коллег.

Программа

Вас ждут онлайн-лекции и практические задания с разным уровнем сложности. Этих знаний хватит, чтобы устроиться в компанию на junior-позицию.
45 тематических модулей, 230 онлайн-уроков

Аналитик данных с нуля

1. Часть 1. Введение. Excel, Google Таблицы

• Общая информация о курсе
• Источники данных и инструменты для анализа
• Введение. Интерфейс Excel. Книги и листы
• Анализ таблиц. Печать таблиц
• Сводные таблицы
• Вычисления и формулы. Умные таблицы
• Функции подсчёта и суммирования. Статистические функции. Функции округления
• Логические функции
• Основы, интерфейс Google Таблиц
• Сводные таблицы: основы

2. Часть 2. Python, библиотеки NumPy и Pandas

• Введение в Python
• Основы языка
• Операторы, выражения
• Условный оператор if: ветвления
• Условный оператор if: продолжение
• Цикл while
• For: циклы со счётчиком. Часть 1
• For: циклы со счётчиком. Часть 2
• Цикл for: работа со строками
• Вложенные циклы
• Цикл for: продолжение работы со списками
• Функции
• Float
• Установка и настройка IDE
• Базовые коллекции: списки
• Методы для работы со списками
• Представление списков
• Библиотека NumPy. Часть 1
• Библиотека NumPy. Часть 2
• Библиотека Pandas. Часть 1
• Библиотека Pandas. Часть 2

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

• Основы SQL
• Чтение и запись данных. Часть 1
• Чтение и запись данных. Часть 2
• Введение в статистику
• Знакомство с Big Data
• Основные метрики и системы аналитики (Я.Метрика и Google Analytics)
• Загрузка данных в Power BI
• Соединение данных из разных таблиц и ресурсов

Power Point (бонусный курс)

3. Интерфейс PowerPoint. Создание и редактирование слайдов
4. Работа со стилем презентации: единый стиль, цвет и шрифт, форматирование текста
5. Работа с фигурами, таблицами и изображениями
6. Расширенные возможности редактирования и дизайна
7. Печать, презентация и публикация
8. Keynote и PowerPoint

Дипломный проект

9. Составите модель распространения пандемии
   Выявите людей в зоне риска, учтёте их пол, возраст, перемещение по городу. Построите наглядные графики и таблицы для анализа.

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

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.

Кому будет полезен этот курс:

• Всем, кто хочет работать с данными Курс даёт техническую базу и навыки использования инструментов для работы с данными
• Начинающим аналитикам Вы получите инструменты для перехода на уровень middle и сможете работать над более интересными задачами
• Специалистам из смежных сфер Маркетологов, программистов, продактов и проджектов ждёт апгрейд навыков в аналитике и новая траектория развития карьеры.

Чему вы научитесь на курсе:

1. Работать с сырыми данными Изучите полный цикл работы с данными: от получения из разных источников с помощью SQL до их загрузки и обработки средствами Python.
2. Приносить пользу бизнесу Сможете собирать и обрабатывать запросы на аналитику, научитесь предоставлять метрики в понятном и наглядном виде, определять точку приложения усилий.
3. Работать с Big Data Освоите актуальные инструменты анализа данных и получите явное конкурентное преимущество — крупнейшие компании работают с большими данными.
4. Проверять гипотезы Полученные навыки позволят брать в работу сложные задачи. Сможете приоритизировать гипотезы и подбирать наиболее эффективные инструменты для их проверки.
5. Анализировать данные Узнаете, как находить инсайты в данных и сможете предлагать бизнесу оптимальные сценарии роста и увеличения капитала.
6. Организовывать свою работу Ставить цели и подводить итоги, поддерживать мотивацию и эффективно использовать для обучения рабочую тетрадь.

Программа курса:

1. 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.

• 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.

2. SQL и получение данных Научитесь писать простые 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. Сможете работать с разными форматами файлов: можно в одной базе создавать отчёты с данными с веб-счётчиков, из таблиц бухгалтерии и из управленческой отчётности.

• Основы SQL
• Углубление в SQL
• Работа с PostgreSQL
• Работа с MongoDB.

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

• Маркетинговые метрики и метрики продукта
• Финансовые метрики
• Иерархия метрик
• Сбор требований и разработка отчётности
• Формулирование гипотез. Поиск точек роста
• Дизайн тестов, проведение и анализ. Построение простых моделей
• Оптимизация отчётности.

4. 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.

• Что такое большие данные. Традиционные аналитические подходы
• Машинные методы в помощь обработке данных
• Ускорение обработки данных. Практика pandas
• Мотивация и инструменты больших данных
• NoSQL-подход к работе с большими данными
• MapReduce
• Практика PySpark
• Культура сбора и источники данных
• Организация команды для работы с данными.

5. Python для анализа данных 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.

• Основы Python и Git (арифметика)
• Базовые типы данных и циклы
• Функции и классы
• Продвинутые типы данных: массивы, множества, словари
• Python для анализа данных: numpy и scipy
• Python для анализа данных: pandas
• Основные библиотеки для подключения к БД из Python
• Инструменты matplotlib, seaborn для визуализации
• Выбор способа визуализации под задачу.

6. NumPy, pandas, MPL Получите представление о многомерных массивах numpy и их преимуществах перед традиционными массивами Python. Узнаете основные функции взаимодействия с numpy массивами. Познакомитесь с принципами broadcast’а. Сможете использовать pandas для работы с информацией в таблицах, объяснять операции над векторами и матрицами, работать с матрицами и векторами в python, создавать и работать с элементами массива разных размерностей в numpy, отображать данные в различных срезах и различными способами для их дальнейшего анализа.

• Библиотека numpy. Вычислительные задачи
• Библиотека pandas
• Функции и работа с данными
• Продвинутый pandas
• Сложные расчётные поля, обзор основных групп функций
• Библиотека Matplotlib & Seaborn. Визуализация данных.

7. Статистика в Python Научитесь ориентироваться в статистических методах и их областях применения в решении реальных задач. Освоите основные понятия и точки применения статистики. Узнаете про основные распределения, освоите ЦПТ. Изучите дискретные и непрерывные распределения и получите основы статистических проверок гипотез.

• Основы описательной статистики, виды распределений в Python
• Центральная предельная теорема и статистический анализ данных в Python
• Основные статистические тесты и проверка гипотез.

8. Дипломный проект 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. Если у вас нет идей для своего проекта (или доступа к необходимым данным), мы предложим учебный кейс в интересной вам области на основе реального датасета других компаний. Дипломная работа выполняется самостоятельно под руководством экспертов курса и закрепляет весь спектр знаний и навыков, полученных на программе. Вы получаете готовый кейс для уверенного роста и перехода на новую должность.

Вашу квалификацию подтвердят документы установленного образца.

Курсы:

1. «Аналитик данных»
   Станьте аналитиком данных, прокачайтесь в продуктовой или маркетинговой аналитике и помогайте бизнесу принимать выгодные решения
   Длительность 10 мес
2. «Аналитик данных»
   Научитесь собирать и организовывать данные— станьте аналитиком данных, чтобы помогать бизнесу работать эффективнее
   Длительность 6 мес
3. «Продуктовая аналитика»
   Освойте продуктовую аналитику — тестируйте гипотезы, выстраивайте стратегию развития и принимайте эффективные бизнес-решения на основе данных
   Длительность 4 мес
4. «Тренажёр Power BI»
   Научитесь работать в Power BI — анализируйте данные, создавайте визуальные отчеты и автоматизируйте свои задачи
   Длительность 3 мес
5. «Python для анализа данных»
   Освойте Python для анализа данных — автоматизируйте рутинные задачи по аналитике, создавайте отчеты и обрабатывайте большие файлы за меньшее время
   Длительность 2 мес
6. «Маркетолог-аналитик»
   Станьте маркетологом-аналитиком — научитесь анализировать рынок и свою рекламную активность, чтобы делать ее более эффективной
   Длительность 7 мес
7. «SQL для анализа данных»
   Научитесь обрабатывать данные с помощью SQL с нуля, освойте навыки работы со сложными запросами и решайте аналитические задачи самостоятельно
   Длительность 1,8 мес
8. «Мастер Google-таблиц»
   Научитесь работать с Google-таблицами — отслеживайте показатели бизнеса, автоматизируйте отчетность и аналитику, экономьте время
   Длительность 1 мес
9. «Системный аналитик»
   Курс для системных аналитиков, готовых выйти на новый уровень в своей карьере.
   Длительность 6 мес.

Цель образовательной программы - подготовка бизнес-аналитиков, обладающих междисциплинарными компетенциями из предметных областей математики, программирования, информационных систем, аналитических цифровых технологий, а также из сфер прикладной экономики, менеджмента, финансового анализа.

Изучаемые дисциплины:

1. Высшая математика (математический анализ, дискретная математика, математическая статистика, линейная алгебра)
2. Гуманитарные дисциплины (экономика, философия, история, основы права)
3. Теоретические основы информатики и офисные приложения
4. Социально-экономическая статистика и эконометрика
5. Моделирование и автоматизация бизнес-процессов
6. Теория организации и организационное поведение
7. Основы программирования для аналитиков
8. Основы программирования для аналитиков
9. Цифровые технологии анализа данных
10. Основы финансового анализа
11. Архитектура предприятия
12. Блокчейны в бизнесе.

По окончании обучения выпускники смогут работать:

• Специалистами по анализу больших данных (Big Data) и искусственному интеллекту (AI)
• Бизнес – аналитиками по описанию и автоматизации бизнес-процессов предприятия
• Специалистами по разработке данных (Data Mining)
• Бизнес-аналитиками (Business Intelligence, BI)
• Менеджерами интернет-проектов
• Аналитиками данных (Data Analyst)
• Менеджерами по развитию
• Системными аналитиками
• Интернет-маркетологами
• Стартап-менеджерами.

Для кого подойдут эти курсы:

• 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

Курсы:

1. Getting start with Data Engineering and Analytics (DE - 101)
   ~10 недель, с одним вебинаром в неделю и с домашкой, от простого к сложному, что-то вроде моей карьеры за 10 недель.
2. Getting Started with Machine Learning и Data Science (ML-101)
   Требуется серьезная мотивация и целеустремленность, чтобы закончить курс, и если вы справитесь со всеми модулями курса ML-101, то вы легко справитесь с базовым уровнем задач на позициях Data Science Intern, Junior Data Scientist, Applied Scientist
3. Курс по поиску работы для аналитических специальностей в России и за рубежом (JH - 101)
4. Getting started with SQL for beginners
   Практический видеокурс по работе с базами данных с использованием языка структурированных запросов SQL (Structured Query Language).
   Подойдет тем, кто слышал об SQL, но боялся попробовать
5. Women in Data Community
   Наша цель - создать наиболее комфортную среду для девушек, которые интересуются карьерой в data. В дополнение к основным курсам, коммьюнити - платформа, где можно пообщаться с девушками из data, узнать про карьеры в data и задать любые интересующие вопросы.

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.

Чему вы научитесь?

• Собирать, агрегировать и структурировать данные.
• Писать регулярные выражения, создавать сводные таблицы, работать с временными рядами.
• Визуализировать данные.
• Работать с базами данных.
• Освоите работу с реляционными СУБД на примере PostgreSQL и Oracle, научитесь использовать NoSQL хранилища на базе MongoDB, Redis и Neo4J.
• Сможете вычислять статистические параметры наборов данных и узнаете законы распределения.
• Научитесь строить доверительный интервал и выдвигать гипотезы.

Программа:

Первичная обработка данных:

1. Введение в науку о данных

• Основные понятия анализа данных
• Измерения и шкалы. Виды данных
• Источники данных. Подготовка данных

2. Инструменты обработки данных

• Инструменты первичной обработки данных
• Электронные таблицы
• Сортировка и фильтрация данных. Сводная таблица

3. Визуализация данных

• Задачи визуализации
• Методы визуализации
• Визуализация данных в Google-таблицах

4. Анализ и преобразование данных

• Описательная статистика
• Преобразование данных
• Нормировка данных
• Целевая функция

5. Работа с временными рядами

• Анализ временных рядов
• Сглаживание временных рядов
• Определение трендов временных рядов
• Построение моделей для временных рядов с сезонными составляющими

Хранение больших данных:

6. Системы управления базами данных

• Информационные системы
• Базы данных: основные функции систем управления данными
• Архитектура СУБД. Реляционные базы данных

7. Проектирование структурированных данных

• Проектирование данных и связей
• Преобразование ER-модели в БД
• Создание таблиц. Ограничения целостности

8. Запросы на языке SQL

• Оператор SELECT. Условия выборки
• Агрегатные функции. Вложенные запросы
• Теоретико-множественные операции. Соединение таблиц

9. Объекты баз данных

• Выражения на SQL
• Встроенные функции на SQL
• Объекты. Индексы

Статистический анализ данных:

10. Обзор задач, решаемых статистикой

• Введение в статистику
• Точечное и интервальное оценивание
• Проверка гипотез

11. Выборочные характеристики

• Основные понятия и задачи математической статистики
• Выборочное распределение
• Эмпирическая функция распределения
• Гистограмма
• Выборочные моменты и квантили

12. Точечное оценивание

• Точечные оценки и их свойства
• Метод моментов
• Состоятельность оценки метода моментов
• Метод максимального правдоподобия

13. Точные и асимптотические доверительные интервалы

• Интервальное оценивание
• Точные доверительные интервалы для семейства нормальных распределений
• Асимптотические доверительные интервалы и примеры их построения
• Асимптотическая нормальность оценки и построение доверительных интервалов

14. Проверка гипотез

• Понятие гипотезы и критерия. Ошибки 1 и 2 рода
• Уровень значимости и мощность
• Критерии согласия

Элементы теории вероятностей (факультативный курс):

15. Вероятностное пространство

• Пространство элементарных исходов. События и операции над ними
• Простейшее вероятностное пространство
• Классическое определение вероятности
• Комбинаторика
• Условная вероятность. Независимость

16. Простейшие случайные величины

• Случайные величины и их характеристики
• Закон больших чисел. Предельные теоремы в схеме Бернулли
• Неравенства Маркова и Чебышёва

17. Общее понятие вероятностного пространства

• Геометрическая вероятность
• Общее определение вероятностного пространства
• Случайные величины и их распределения

18. Типы распределений случайных величин

• Распределения случайных величин
• Многомерные распределения

19. Числовые характеристики, сходимость

• Начальные сведения о функциях от случайных величин
• Некоторые числовые характеристики случайных величин
• Сходимость последовательностей случайных величин.

Курсы 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.

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.

Окончив курсы, Вы будете свободно и уверенно выполнять статистическую и экономическую обработку больших массивов данных, их визуализацию и анализ, а также понимать работы механизмов глубокого исследования данных, искать скрытые закономерности и алгоритмы обработки.