- 1 место. Курс «Аналитик данных с нуля» — Skillbox
- 2 место. Курс «Аналитик данных» — Нетология
- 3 место.Курс «Аналитика данных» — SkillFactory
- Курс «Аналитик данных» — Skypro
- Курс «Факультет аналитики Big Data» — GeekBrains
- Курс «Аналитик данных» — НИУ ВШЭ
- Курс «Аналитик данных» — Финансовый Университет
- Курс «Аналитика данных и эффективное управление» — ГАОУ ВО МГПУ
- Курс «Data Analytics » — DATALEARN
- Курс «Аналитик (с 0 до PRO)» — ProductStar
- Курс «Аналитик данных» — Школа анализа данных
- Курс «Аналитика данных» — Открытое образование
- Курс «Обработка и анализ данных» — Центр компьютерного обучения «Специалист» при МГТУ им.Н.Э.Баумана
- 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:
- 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 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
- 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
- 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)
- Интерфейс PowerPoint. Создание и редактирование слайдов
- Работа со стилем презентации: единый стиль, цвет и шрифт, форматирование текста
- Работа с фигурами, таблицами и изображениями
- Расширенные возможности редактирования и дизайна
- Печать, презентация и публикация
- Keynote и PowerPoint
Дипломный проект
- 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.
По промокоду ROMANSEMENTSOV дополнительная скидка 5% на все онлайн-курсы, кроме направлений «MBA», «Саморазвитие и хобби», «Высшее образование» и курс «Директор по интернет маркетингу». Скидка действует от текущей цены и суммируется с действующими скидками на сайте Нетологии. Срок действия: 29.06.22 — 31.08.22.
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.
- 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.
- Приносить пользу бизнесу Сможете собирать и обрабатывать запросы на аналитику, научитесь предоставлять метрики в понятном и наглядном виде, определять точку приложения усилий.
- Работать с Big Data Освоите актуальные инструменты анализа данных и получите явное конкурентное преимущество — крупнейшие компании работают с большими данными.
- Проверять гипотезы Полученные навыки позволят брать в работу сложные задачи. Сможете приоритизировать гипотезы и подбирать наиболее эффективные инструменты для их проверки.
- Анализировать данные Узнаете, как находить инсайты в данных и сможете предлагать бизнесу оптимальные сценарии роста и увеличения капитала.
- Организовывать свою работу Ставить цели и подводить итоги, поддерживать мотивацию и эффективно использовать для обучения рабочую тетрадь.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
Курсы:
- «Аналитик данных»
Станьте аналитиком данных, прокачайтесь в продуктовой или маркетинговой аналитике и помогайте бизнесу принимать выгодные решения
Длительность 10 мес - «Аналитик данных»
Научитесь собирать и организовывать данные— станьте аналитиком данных, чтобы помогать бизнесу работать эффективнее
Длительность 6 мес - «Продуктовая аналитика»
Освойте продуктовую аналитику — тестируйте гипотезы, выстраивайте стратегию развития и принимайте эффективные бизнес-решения на основе данных
Длительность 4 мес - «Тренажёр Power BI»
Научитесь работать в Power BI — анализируйте данные, создавайте визуальные отчеты и автоматизируйте свои задачи
Длительность 3 мес - «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 - «Маркетолог-аналитик»
Станьте маркетологом-аналитиком — научитесь анализировать рынок и свою рекламную активность, чтобы делать ее более эффективной
Длительность 7 мес - «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 - «Мастер Google-таблиц»
Научитесь работать с Google-таблицами — отслеживайте показатели бизнеса, автоматизируйте отчетность и аналитику, экономьте время
Длительность 1 мес - «Системный аналитик»
Курс для системных аналитиков, готовых выйти на новый уровень в своей карьере.
Длительность 6 мес.
Чем вы будете заниматься:
- Создавать интерактивный дашборд с KPI для онлайн-школы
- Анализировать метрики эффективности обучения на данных онлайн-школы
- Проводить AB-тестирования с помощью техник Bootstrap.
Программа:
- Excel
- Основы работы с Excel
- Обработка данных
- Агрегация данных
- Основы Юнит-экономики в Excel
- Работа с нестандартными данными
- Настройка фильтров и визуализация
- Сборка калькулятора юнит-экономики
- Переход из Excel в Google Sheets
- Воркшоп. Интерактивный отчет
- Сложные прогнозы в Excel.
- SQL
- Базовые запросы
- Генерация новых признаков и очистка данных
- Агрегатные функции
- Объединение таблиц
- Объединение таблиц. Часть 2
- Подзапросы и WITH
- Оконные функции
- Создание, изменение и удаление данных в таблице. Создание индексов. Временные таблицы
- Когортный анализ
- Воркшоп: проводим аналитическое исследование и решаем бизнес-проблему с помощью SQL
- Основы оптимизации.
- Power BI
- Знакомство с Power BI и web-аналитикой
- Воркшоп: Знакомство с курсовым проектом. Работа с заказчиком
- Визуализация данных: основные принципы
- Получение и предобработка данных
- Введение в модели данных
- Введение в DAX
- Контекст вычисления и его модификация
- Работа с датами
- UX дизайн отчета
- Power BI Service. Автоматическое обновление и права доступа
- Воркшоп: Построение отчета. Формулировка выводов и рекомендаций для бизнеса.
- Python
- Основы Python, переменные и типы данных
- Работа в циклах со списками и словарями
- Функции и библиотеки
- Основы Pandas
- Выбор и настройка визуализаций
- Запросы к удаленным базам данных
- Подключение к API.
- Статистика
- Общее определение. Основы статистики
- Шкалы и распределения данных
- Виды статистических критериев
- Виды близости
- Воркшоп: непараметрические критерии, критерии согласия, бутстрап.
- Аналитика в продукте и маркетинге
- Маркетинговая аналитика: воронка, конверсии, модели атрибуции.
- Продуктовая аналитика: метрики продукта, конверсии, валидация продуктовых гипотез — А/В-тесты.
- Планирование ресурсов, HR-планирование.
Аналитик Big Data извлекает ценные данные из большого массива информации: отзывов, прогнозов, результатов исследований. Он помогает бизнесу принимать взвешенные решения: строить гипотезы, запускать продукты, улучшать процессы, планировать развитие.
Кому подойдет курс:
- Новичкам
Сможете стать специалистом по анализу больших данных, даже если никогда не работали в IT-сфере. - Начинающим аналитикам
У вас будет всё для ускоренного карьерного роста: комплексные знания и опыт работы с продвинутыми инструментами, методологиями и стандартами. - Практикующим IT-специалистам
Подскажем, как перейти в востребованное направление и зарабатывать больше.
Программа обучения:
Подготовительный блок
- Видеокурс: как учиться эффективно
Расскажем, как спланировать обучение, чтобы сохранить интерес, получить максимум пользы и всё успеть. - Основы языка Python
Поможем освоить Python и решать на нём задачи. Вы научитесь работать с объектами, типами данных, циклами, функциями, модулями, библиотеками.
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).
- Встреча студентов с деканом факультета
- Основы языка Python
На курсе вы освоите объектно-ориентированное программирование, познакомитесь с нюансами установки интерпретатора для различных систем, выбора среды разработки и отладки кода. - Рабочая станция
Разберете базовые основы работы в Linux: основы работы в оболочке Linux, управление пользователями и правами файлов, работа с процессами и управление загрузкой и сервисами в Linux. - Основы реляционных баз данных. MySQL
Научитесь проектировать и работать с базами данных на самой популярной СУБД. - Библиотеки Python для Data Science: NumPy, Matplotlib, Scikit-learn
Освоите инструменты дата-сайентиста. Узнаете, как работают библиотеки для построения моделей машинного обучения, визуализации и работы с данными.
Сбор, обработка и хранение данных
Это основы Big Data. Студенты научатся собирать данные из различных источников. Также проработают процессы предобработки неструктурированных данных и их хранения в различных базах данных для дальнейшего анализа. На заключительном этапе познакомятся с популярным инструментом по работе с большими данными — Hadoop.
- Методы сбора и обработки данных из сети Интернет
Основы компьютерных сетей, работа с HTTP, открытыми данными. Основы веба: HTML/CSS, JavaScript; принципы работы с RESTful и SOAP. - Базы данных для аналитиков
Изучите работу долговременных хранилищ, начнёте работать с MySQL и другими базами данных: MongoDB, Redis, Elasticsearch и ClickHouse. - Big Data. Введение в экосистему Hadoop
Поработаете с парадигмой MapReduce и файловой системой HDFS, начнёте управлять ресурсами кластеров и планированием заданий в YARN, внедрите потоковую обработку данных. Изучите NoSQL, принципы ETL и архитектуры Data Lake и Lambda Architecture.
Алгоритмы обработки и анализа данных. Совместно с компанией X5 Retail Group
Студенты начнут изучение теории вероятностей и математической статистики для понимания работы алгоритмов анализа данных. Также узнают базовые алгоритмы для решения основных задач анализа данных, научатся реализовать их с помощью Python и смогут применять их на практике в дальнейшем.
- Теория вероятностей и математическая статистика
Научитесь проверять статистические гипотезы и проводить A/B-тестирование. Расскажем, как работать с корреляционным, дисперсионным и регрессионным анализом. - Алгоритмы анализа данных
Узнаете, как устроены алгоритмы на самом низком уровне — математики.
Системы машинного обучения. Рекомендательные системы
Студенты погрузятся в прикладное машинное обучение: решат несколько бизнес-кейсов с применением ML, а также подробно изучат популярный фреймворк для работы с BigData — Apache Spark. Курсовой проект будет включать разработку рекомендательной системы.
- Машинное обучение в бизнесе
Вы познакомитесь с задачами, в которых машинное обучение помогает автоматизировать бизнес-процессы и улучшать финансовые показатели. Будут задачи по ретаргетингу, look-alike аудитории, uplift-моделированию. Также будут задачи по формулированию гипотез, презентации результатов, интеграции и АБ-тестированию ML-моделей. - Фреймворк Apache Spark
Владение базовыми навыками работы в Spark входит в стандартный набор инструментов по распределенной обработке больших данных. На курсе вы рассмотрите основы архитектуры Spark, принципы построения, оптимизации запросов, пакетной обработки данных с использованием Python API. - Рекомендательные системы
На курсе вы рассмотрите теорию и практику решения задач машинного обучения в трёх частях: введение в машинное обучение, типы обучений, обучение с учителем, обучение без учителя, типы задач под каждое из обучений, задачи классификации, анализ временных рядов и предикативные модели.
Аналитика Big Data для бизнеса
Студенты научатся решать задачи ML с отзывами клиентов, геоданными и соцсетями. Также освоят несколько задач бизнес-аналитика в современных BI-системах: построение витрин данных, прогнозирование, управление знаниями и отчетность.Также студенты познакомятся с real-time системой обработки и анализа больших данных на основе Kafka и Apache Streaming.
- Анализ данных в Power BI
На примере Power BI освоите инструменты анализа и визуализации: от загрузки данных до создания полноценного дашборда и связей в модели. Познакомитесь с языком DAX: узнаете, что такое контекст вычислений, чем вычисляемые столбцы отличаются от мер, как использовать функции даты и времени. - Потоковая обработка данных
Поработаете с высоконагруженными системами и обработаете данные в реальном времени, напишете сервисы с использованием Spark Streaming. - Финальный проект
Сделаете проект с применением всех изученных технологий — индивидуально или в команде.
Курсы со свободной датой старта:
- Подготовка к собеседованию аналитика Big Data
- Введение в высшую математику
- Алгоритмы и структуры данных на Python. Интерактивный курс
- Видеокурс от Delivery Club
- Язык R для анализа данных
- Системы сбора логов
- Видеокурс от X5 RETAIL GROUP.
- A/B тестирование от основ до продвинутых подходов.
Вы получите диплом о профессиональной переподготовке.
В программе 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:
- Python для автоматизации и анализа данных
18 занятий - SQL
10 занятий - Прикладная статистика
10 занятий - A/B-тестирование
5 занятий - Business Intelligence
7 занятий - Машинное обучение
14 занятий - Продуктовая аналитика
10 занятий.
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 для 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.
В результате обучения выпускник программы приобретёт следующие компетенции:
- Способность использовать прикладное программное обеспечение при решении профессиональных задач;
- Способность осуществлять поиск, критически анализировать, обобщать и систематизировать информацию, использовать системный подход для решения поставленных задач;
- Способность к постановке целей и задач исследований, выбору оптимальных путей и методов их достижения;
- Способность к сбору информации о бизнес-проблемах или бизнес-возможностях;
- Способность к анализу, обоснованию и выбору решения;
- Умение подготавливать данные для проведения аналитических работ по исследованию больших данных;
- Способность к проведению аналитического исследования с применением технологий больших данных в соответствии с требованиями заказчика Объем программы: 256 часов из них более 60% контактный.
По окончании обучения в случае успешной сдачи экзамена слушатели получают:
Диплом о профессиональной переподготовке Финансового университета, дающий право ведения новой профессиональной деятельности.
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:
- Высшая математика (математический анализ, дискретная математика, математическая статистика, линейная алгебра)
- Гуманитарные дисциплины (экономика, философия, история, основы права)
- Теоретические основы информатики и офисные приложения
- Социально-экономическая статистика и эконометрика
- Моделирование и автоматизация бизнес-процессов
- Теория организации и организационное поведение
- Основы программирования для аналитиков
- Основы программирования для аналитиков
- Цифровые технологии анализа данных
- Основы финансового анализа
- Архитектура предприятия
- 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:
- 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. - 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 - Курс по поиску работы для аналитических специальностей в России и за рубежом (JH — 101)
- 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 - 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.
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.
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:
- 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. - Введение в профессию «Аналитик данных»
Знакомство с профессией аналитика. Обзор областей, в которых может работать аналитик. Представление разных видов аналитики. Организационная часть процесса обучения. - Предобработка данных
Чистые и готовые к анализу данные — первый шаг к решению аналитической задачи. Разбираем инструменты для компенсации недостатков данных. - 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. - 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. - Сборный Проект — 1
Подготовка данных для анализа. Предварительное исследование датасета. Формулирование и проверка гипотез. - Сбор и хранение данных
Как устроены базы данных, как извлекать данные из них, делая запросы на языке SQL. Добыча данных в интернете. - Анализ бизнес-показателей
Ещё ближе к бизнесу — разбираем подробно, что такое метрики и основные инструменты: когортный анализ, воронка продаж и unit-экономика. - Принятие решений в бизнесе на основе данных
A/B-тестирование: в каких случаях его использовать; проектирование, формирование выборки, получение результатов и их валидация. - Как рассказать историю с помощью данных
Как правильно презентовать результаты своего исследования, оперируя графиками, важнейшими цифрами и их правильной интерпретацией. - 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. - Автоматизация
Автоматизация процессов анализа данных. Превращение рутинных и постоянных задач в скрипты. Создание дашбордов для разных аудиторий и нужд компании. - Прогнозы и предсказания
Основы машинного обучения, разбор задачи предсказания оттока пользователей. - Выпускной проект
Самостоятельное решение аналитической задачи на выбор студента, со всеми стадиями анализа данных.
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:
- Введение в науку о данных
- Основные понятия анализа данных
- Измерения и шкалы. Виды данных
- Источники данных. Подготовка данных
- Инструменты обработки данных
- Инструменты первичной обработки данных
- Электронные таблицы
- Сортировка и фильтрация данных. Сводная таблица
- Визуализация данных
- Задачи визуализации
- Методы визуализации
- Визуализация данных в Google-таблицах
- Анализ и преобразование данных
- Описательная статистика
- Преобразование данных
- Нормировка данных
- Целевая функция
- 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:
- Системы управления базами данных
- Информационные системы
- Базы данных: основные функции систем управления данными
- Архитектура СУБД. Реляционные базы данных
- Проектирование структурированных данных
- Проектирование данных и связей
- Преобразование ER-модели в БД
- Создание таблиц. Ограничения целостности
- Запросы на языке SQL
- Оператор SELECT. Условия выборки
- Агрегатные функции. Вложенные запросы
- Теоретико-множественные операции. Соединение таблиц
- Объекты баз данных
- Выражения на SQL
- Встроенные функции на SQL
- Объекты. Индексы
Статистический анализ данных:
- Обзор задач, решаемых статистикой
- Введение в статистику
- Точечное и интервальное оценивание
- Проверка гипотез
- Выборочные характеристики
- Основные понятия и задачи математической статистики
- Выборочное распределение
- Эмпирическая функция распределения
- Гистограмма
- Выборочные моменты и квантили
- Точечное оценивание
- Точечные оценки и их свойства
- Метод моментов
- Состоятельность оценки метода моментов
- Метод максимального правдоподобия
- 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
- Проверка гипотез
- Понятие гипотезы и критерия. Ошибки 1 и 2 рода
- Уровень значимости и мощность
- Критерии согласия
Элементы теории вероятностей (факультативный курс):
- Вероятностное пространство
- Пространство элементарных исходов. События и операции над ними
- Простейшее вероятностное пространство
- Классическое определение вероятности
- Комбинаторика
- Условная вероятность. Независимость
- Простейшие случайные величины
- Случайные величины и их характеристики
- Закон больших чисел. Предельные теоремы в схеме Бернулли
- Неравенства Маркова и Чебышёва
- Общее понятие вероятностного пространства
- Геометрическая вероятность
- Общее определение вероятностного пространства
- Случайные величины и их распределения
- Типы распределений случайных величин
- Распределения случайных величин
- Многомерные распределения
- 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.