15+ лучших курсов аналитиков данных в Москве в 2022 году. Платные и бесплатные. Рейтинг, сравнение и стоимость обучения.

Стоимость: Рассрочка на 24 месяца, 2 месяца бесплатно, далее – 3 960 ₽ / мес
  • 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
  1. 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)

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

Дипломный проект

  1. 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.

Стоимость: 76 200 ₽ или рассрочка на 18 месяцев – 4 233 ₽ / мес
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.

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.
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.
  1. 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.
  1. 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.
  1. 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.
  1. 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.
  1. 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.
  1. 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.
  1. 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.
Стоимость: разная стоимость

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.

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:

  1. 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.
  1. 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.
  1. 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.
  1. 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.
  1. Статистика
  • Общее определение. Основы статистики
  • Шкалы и распределения данных
  • Виды статистических критериев
  • Виды близости
  • Воркшоп: непараметрические критерии, критерии согласия, бутстрап.
  1. 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.
Стоимость: Рассрочка до 36 месяцев – от 4 987 ₽ / мес

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

  1. Видеокурс: как учиться эффективно
    Расскажем, как спланировать обучение, чтобы сохранить интерес, получить максимум пользы и всё успеть.
  2. 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).

  1. Встреча студентов с деканом факультета
  2. Основы языка Python
    На курсе вы освоите объектно-ориентированное программирование, познакомитесь с нюансами установки интерпретатора для различных систем, выбора среды разработки и отладки кода.
  3. 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.
  4. Основы реляционных баз данных. MySQL
    Научитесь проектировать и работать с базами данных на самой популярной СУБД.
  5. 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.

  1. 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.
  2. Базы данных для аналитиков
    Изучите работу долговременных хранилищ, начнёте работать с MySQL и другими базами данных: MongoDB, Redis, Elasticsearch и ClickHouse.
  3. 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.

  1. Теория вероятностей и математическая статистика
    Научитесь проверять статистические гипотезы и проводить A/B-тестирование. Расскажем, как работать с корреляционным, дисперсионным и регрессионным анализом.
  2. 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.

  1. 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.
  2. 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.
  3. 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.

  1. 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.
  2. Потоковая обработка данных
    Поработаете с высоконагруженными системами и обработаете данные в реальном времени, напишете сервисы с использованием Spark Streaming.
  3. 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:

  1. Python для автоматизации и анализа данных
    18 занятий
  2. SQL
    10 занятий
  3. Прикладная статистика
    10 занятий
  4. A/B-тестирование
    5 занятий
  5. Business Intelligence
    7 занятий
  6. Машинное обучение
    14 занятий
  7. 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 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.

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:

  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.
Стоимость: бесплатно

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.
Стоимость: 70 000 ₽ – 75 000 ₽

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:

  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.

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
  1. Инструменты обработки данных
  • Инструменты первичной обработки данных
  • Электронные таблицы
  • Сортировка и фильтрация данных. Сводная таблица
  1. Визуализация данных
  • Задачи визуализации
  • Методы визуализации
  • Визуализация данных в Google-таблицах
  1. Анализ и преобразование данных
  • Описательная статистика
  • Преобразование данных
  • Нормировка данных
  • Целевая функция
  1. 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:

  1. Системы управления базами данных
  • Информационные системы
  • Базы данных: основные функции систем управления данными
  • Архитектура СУБД. Реляционные базы данных
  1. Проектирование структурированных данных
  • Проектирование данных и связей
  • Преобразование ER-модели в БД
  • Создание таблиц. Ограничения целостности
  1. Запросы на языке SQL
  • Оператор SELECT. Условия выборки
  • Агрегатные функции. Вложенные запросы
  • Теоретико-множественные операции. Соединение таблиц
  1. Объекты баз данных
  • Выражения на SQL
  • Встроенные функции на SQL
  • Объекты. Индексы

Статистический анализ данных:

  1. Обзор задач, решаемых статистикой
  • Введение в статистику
  • Точечное и интервальное оценивание
  • Проверка гипотез
  1. Выборочные характеристики
  • Основные понятия и задачи математической статистики
  • Выборочное распределение
  • Эмпирическая функция распределения
  • Гистограмма
  • Выборочные моменты и квантили
  1. Точечное оценивание
  • Точечные оценки и их свойства
  • Метод моментов
  • Состоятельность оценки метода моментов
  • Метод максимального правдоподобия
  1. 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
  1. Проверка гипотез
  • Понятие гипотезы и критерия. Ошибки 1 и 2 рода
  • Уровень значимости и мощность
  • Критерии согласия

Элементы теории вероятностей (факультативный курс):

  1. Вероятностное пространство
  • Пространство элементарных исходов. События и операции над ними
  • Простейшее вероятностное пространство
  • Классическое определение вероятности
  • Комбинаторика
  • Условная вероятность. Независимость
  1. Простейшие случайные величины
  • Случайные величины и их характеристики
  • Закон больших чисел. Предельные теоремы в схеме Бернулли
  • Неравенства Маркова и Чебышёва
  1. Общее понятие вероятностного пространства
  • Геометрическая вероятность
  • Общее определение вероятностного пространства
  • Случайные величины и их распределения
  1. Типы распределений случайных величин
  • Распределения случайных величин
  • Многомерные распределения
  1. Числовые характеристики, сходимость
  • Начальные сведения о функциях от случайных величин
  • Некоторые числовые характеристики случайных величин
  • Сходимость последовательностей случайных величин.
Стоимость: 8 950 ₽ – 216 590 ₽

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.

Насколько публикация полезна?

Нажмите на звезду, чтобы оценить!

Средняя оценка 5 / 5. Количество оценок: 1

Оценок пока нет. Поставьте оценку первым.

Автор статьи. Ответственный за актуальный контент, текст и редактуру сайта. Эксперт по выбору профессии, курсов и профессий с 2016 года. Делюсь личным практическим опытом.

Оцените автора
Добавить комментарий