15+ лучших курсов аналитика данных в 2024 году. Платные и бесплатные. Рейтинг, сравнение и стоимость обучения.

Стоимость: 129 900 ₽ или рассрочка на 24 месяца — 5 412 ₽ / мес
  • Станьте универсальным аналитиком и начните работать уже через полгода обучения
  • Изучите ключевые инструменты и соберите портфолио для демонстрации будущему работодателю
  • Формат обучения — Вебинары, воркшопы, гостевые лекции
  • Трудоустройство — Поможем найти работу после обучения
  • Диплом — О профессиональной переподготовке установленного образца

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

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

 

Как работает аналитик данных

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

 

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

Поможем найти работу после обучения

 

Кому будет полезен этот курс

Идеально подойдёт тем, кто погружается в аналитику с нуля

Всем, кто хочет работать с данными

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

Аналитикам без навыков программирования

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

Разработчикам, которые хотят сменить профиль

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

 

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

 

Чему вы научитесь на курсе

Работать с SQL

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

Использовать Python или R

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

Применять data-driven подход

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

Работать с Big Data

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

Визуализировать данные для разной аудитории

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

Развивать эмоциональный интеллект

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

 

Программа курса

1 модуль. Погружение

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

 

Аналитическое мышление

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

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

Основы визуализации данных

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

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

Метрики, гипотезы, точки роста

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

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

2 модуль. Получение данных и работа с ними

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

 

SQL и получение данных

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

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

Аналитика больших данных

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

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

3 модуль. Автоматизация процессов 

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

 

Анализ данных на R

Язык на выбор

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

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

Python

Язык на выбор

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

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

A/B-тестирование

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

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

4 модуль. Гибкие навыки, или Soft skills 

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

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

 

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

 

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

 

Ключевые навыки

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

 

Инструменты, которые вы освоите

  • Google Analytics

Сервис для создания детальной статистики посетителей сайтов.

  • Яндекс.Метрика

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

  • Optimizely

Платформа для проведения A/B-тестирований.

  • Amplitude

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

  • Mixpanel

Система для аналитики и анализа поведения пользователей.

  • R

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

  • R-Studio

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

  • SQL

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

  • PostgreSQL

Свободная объектно-реляционная система управления базами данных.

  • NumPy

Библиотека с открытым исходным кодом для языка программирования Python.

  • Hadoop

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

  • Python

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

Стоимость: цену уточняйте на сайте.

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

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

Получите профессию в перспективной сфере

  • 220+ компаний

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

  • 130 000 рублей

зарплата специалиста с опытом работы 1–3 года

 

Кому подойдёт этот курс

  • Студенты технических вузов

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

  • Руководители и владельцы бизнеса

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

  • Разработчики, которые хотят сменить профиль

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

  • Бизнес-аналитики

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

 

Чему вы научитесь

  • Проводить исследования и делать точные выводы

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

  • Использовать программирование в аналитике

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

  • Строить гипотезы и оценивать перспективы бизнес-решений

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

  • Работать с сервисами аналитики и дашбордами

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

  • Делать развёрнутые аналитические отчёты

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

  • Работать с заказчиками аналитики

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

 

Программа

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

  • 23 тематических модулей
  • 190 онлайн-уроков

Часть 1. Введение. Excel, Google-таблицы

1.     Введение

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

2.     Excel

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

3.     Google Таблицы

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

Часть 2. Python, библиотеки NumPy и Pandas

1.     Python

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

2.     Библиотеки

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

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

1.     SQL

  1. Основы SQL

2.     Чтение и запись данных

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

3.     Статистика

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

Дипломный проект

1.     Составите модель распространения пандемии

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

Ваше резюме после обучения

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

Профессиональные навыки:

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

Диплом Skillbox

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

Стоимость: Рассрочка на 36 месяцев — от 4 116 руб. / мес
  • Плавный старт: от Google-таблиц до Python и Power BI
  • 14 самостоятельных проектов с персональной обратной связью
  • 100% инструментов, необходимых junior-аналитику
  • Личный координатор для решения любых вопросов
  • Небольшие учебные группы — до 20 студентов
  • Специализация в маркетинге или продукте продвинутого уровня

Для кого эта программа:

Новичок

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

 

Работаете в IT/финансах

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

 

Аналитик

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


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

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

 

Сквозной курс

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

 

Встроенные тренажёры

  • 10 аналитических задач
  • 4 самостоятельных проекта разной сложности

 

Поддержка

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

 

Программа курса

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

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

3 недели, 7 ч/нед

Тренажер «Google Таблицы для анализа данных »

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


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

3 недели, 7 ч/нед

Тренажер «Базы данных и SQL»

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


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

8 недель, 7 ч/нед

Тренажер «Python для анализа данных»

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

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

6 недель, 7 ч/нед

Курс «Статистика для аналитиков»

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


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

Курс «Построение отчетов в BI системах»

Визуализация данных и сбор дашбордов — необходимый навык для аналитиков:


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

Специализация на выбор

Вариант 1: Продуктовая аналитика

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

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

Вариант 2: Маркетинговая аналитика

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

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

По окончании курса выдается удостоверение о профессиональной подготовке установленного образца

 

Как будет выглядеть ваше резюме после обучения

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

Отзывы на сайте.

Стоимость: Рассрочка до 36 месяцев  — от 5 070 ₽ / мес

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

  • 18 месяцев
  • 9 кейсов в вашем портфолио
  • Гарантия трудоустройства
  • Онлайн, 1–2 раза в неделю

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.

 

Гарантия трудоустройства закреплена в договоре. Если после успешного обучения вы не найдёте работу, мы вернём вам деньги

 

Программа обучения

Подготовительный блок

Курсы

Видеокурс: как учиться эффективно

 

Расскажем, как спланировать обучение, чтобы сохранить интерес, получить максимум пользы и всё успеть.

7 уроков

Основы языка Python

 

Поможем освоить Python и решать на нём задачи. Вы научитесь работать с объектами, типами данных, циклами, функциями, модулями, библиотеками.

14 видеоуроков

I четверть

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). 

Проект

Закрытое соревнование на Kaggle по предсказанию цены на недвижимость — решение задачи регрессии.

Курсы

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.

6 недель — 11 уроков

Linux. 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 недели — 8 уроков

Основы реляционных баз данных. MySQL

 

Научитесь проектировать и работать с базами данных на самой популярной СУБД.

6 недель — 12 уроков

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.

5 недель — 10 уроков

II четверть

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.

Проекты

— Несколько пауков для сбора данных с сайтов разной сложности: от открытого API до динамических страниц.
— Хранение и обработка полученных данных.

Курсы

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.

4 недели — 8 уроков

12 часов обучающего контента, 24 часа практики

Базы данных для аналитиков

 

Изучите работу долговременных хранилищ, начнёте работать с MySQL и другими базами данных: MongoDB, Redis, Elasticsearch и ClickHouse.

4 недели — 8 уроков

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.

4 недели — 8 уроков

III четверть

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.

Проекты

— Разведочный анализ данных (EDA) на основе выбранного датасета: визуализация, корреляционный анализ, дисперсионный анализ, факторный анализ.
— Предиктивная аналитика выбранного датасета.
— Участие в одном или двух соревнованиях на Kaggle: предсказать средний балл на экзамене по математике, который получают ученики репетиторов; предсказать, подойдет ли репетитор для подготовки к экзамену по математике.
— Проект от X5 Retail Group: А/Б-тестирование на данных офлайн-ритейла.

Курсы

Теория вероятностей и математическая статистика

 

Научитесь проверять статистические гипотезы и проводить A/B-тестирование. Расскажем, как работать с корреляционным, дисперсионным и регрессионным анализом.

4 недели — 8 уроков

Алгоритмы анализа данных

 

Узнаете, как устроены алгоритмы на самом низком уровне — математики.

4 недели — 8 уроков

IV четверть

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.

Проекты

— Проект разработки модели с помощью Flask от сырых данных и типичных для отрасли задач до внедрения.
— Рекомендательная система на основе коллаборативной фильтрации.

Курсы

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.

5 недель — 9 уроков

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. 

4 недели — 9 уроков

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.

4 недели — 8 уроков

V четверть

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.

Курсы

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.

4 недели —  8 уроков

Потоковая обработка данных

 

Поработаете с высоконагруженными системами и обработаете данные в реальном времени, напишете сервисы с использованием Spark Streaming.

4 недели —  8 уроков

Финальный проект

 

Сделаете проект с применением всех изученных технологий — индивидуально или в команде.

5 недель —  9 уроков

Курсы со свободной датой старта

Подготовка к собеседованию аналитика Big Data

 

Отработаете ответы на вопросы и научитесь решать тестовые задачи.

3 недели — 6 уроков

Введение в высшую математику

 

Курс для полного понимания машинного обучения: задачи из математического анализа, линейной алгебры, аналитической геометрии и теории вероятностей.

4 недели — 8 уроков

Алгоритмы и структуры данных на Python. Интерактивный курс

 

Отработаете ответы на вопросы и научитесь решать тестовые задачи.

5 недель — 9 уроков

Видеокурс от Delivery Club

 

Каждый урок посвящён определённой задаче Delivery Club. Вы изучите методы прогнозирования спроса, продвинутые алгоритмы кластеризации и работу с географией. Узнаете, как использовать внешние данные для прогнозирования количества заказов в ресторанах.

5 недель — 10 уроков

Язык R для анализа данных

 

Узнаете, как писать эффективный код, формулировать гипотезы на основе данных и превращать их в полезную информацию.

4 недели — 8 уроков

Видокурс от Reg.ru.
Системы сбора логов

 

Познакомитесь с системой сбора логов, в том числе в микросервисной среде. Уроки посвящены ELK-стеку, syslog/rsyslog, sentry. Также поговорим об использовании этих инструментов в расследовании инцидентов.

1 неделя — 2 урока

Видеокурс от X5 RETAIL GROUP.
A/B тестирование от основ до продвинутых подходов

 

На курсе вы подробно изучите, что такое A/B тесты, для чего применяется этот инструмент, как применяется A/B тестирования в отрасли ритейл, на примере X5 RETAIL GROUP, разберем тему валидации результатов тестирования. 

6 недель — 12 уроков

Ключевые навыки

— Владею методами анализа больших данных и методами машинного обучения
— Использую в работе методы прикладной статистики и теории вероятностей
— Умею обрабатывать большие данные с помощью разных технологий (Hadoop, Hive, Spark, Hue, HBase, Kafka, Spark Streaming)
— Владею SQL и NoSQL СУБД
— Работаю с BI-системами (Power BI), формирую отчёты анализа данных
— Программирую на Python и работаю с библиотеками для анализа данных (NumPy, Matplotlib, scikit-learn)

 

Мы проводим обучение на основании государственной лицензии № 040485. Это значит, что у вас будет официальный документ, который подтвердит профессиональную переподготовку. Для работодателя это показатель, что вы разобрались в Data Science и самостоятельно выполнили проекты из вашего портфолио.

профессиональная переподготовка


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

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

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

 

Программа

Что узнаете за 12 месяцев обучения

Python для автоматизации и анализа данных

18 занятий

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

SQL

10 занятий

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

Прикладная статистика

10 занятий

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

A/B-тестирование

5 занятий

Введение. Мощность и корректность.

Планирование дизайна А/В и др.

Повышение чувствительности А/B тестов.

Сложности с маленькими выборками и денежными метриками.

Многорукие бандиты и альтернативы А/B тестам.

Business Intelligence

7 занятий

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

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

Машинное обучение

14 занятий

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

Продуктовая аналитика

10 занятий

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

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

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

Чему научитесь

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

 

Data-driven подходу

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

 

Excel и SQL

Освоите продвинутые методы Excel и
инструмент SQL для обработки данных

 

Визуализации и BI

Визуализировать данные в наглядные дашборды

 

Основы Python

Автоматизация, обработка данных
и визуализация

 

Кому подойдет курс

если вы работаете с данными

1

Аналитикам

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

2

Менеджерам

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

3

Маркетологам

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

4

Бизнесу

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

 

Программа курса

Введение в аналитику данных (2 часа)

Расскажем, чем занимаются аналитики и что такое аналитика данных

Excel (16 часов)

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

SQL (14 часов)

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

Визуализация и Business Intelligence (16 часов)

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

Python в аналитике данных (14 часов)

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

Финальный проект

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

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

Программа обучения

1

Основы Python и анализа данных: бесплатный вводный курс

16 часов

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

+ 1 проект в портфолио

2

Введение в профессию «Аналитик данных»

4 часа

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

3

Предобработка данных

40 часов

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

+ 1 проект в портфолио

4

Исследовательский анализ данных

40 часов

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

+ 1 проект в портфолио

5

Статистический анализ данных

40 часов

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

+ 1 проект в портфолио

6

Сборный Проект — 1

20 часов

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

+ 1 проект в портфолио

1 неделя каникул после курса

7

Сбор и хранение данных

40 часов

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

+ 1 проект в портфолио

8

Анализ бизнес-показателей

40 часов

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

+ 1 проект в портфолио

9

Принятие решений в бизнесе на основе данных

40 часов

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

+ 1 проект в портфолио

10

Как рассказать историю с помощью данных

40 часов

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

+ 1 проект в портфолио

11

Сборный проект — 2

20 часов

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

+ 1 проект в портфолио

1 неделя каникул после курса

12

Автоматизация

40 часов

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

+ 1 проект в портфолио

13

Прогнозы и предсказания

40 часов

Основы машинного обучения, разбор задачи предсказания оттока пользователей.

+ 1 проект в портфолио

14

Выпускной проект

40 часов

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

+ 1 проект в портфолио

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

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

В результате обучения выпускник программы приобретёт следующие компетенции:

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

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

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

5 – Способность к анализу, обоснованию и выбору решения; 

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

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

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

Сроки реализации программы – по мере набора групп.

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

Программа базового уровня сложности.

Стоимость: разная стоимость

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

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

Мы предлагаем курсы по самым современным методикам анализа!

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

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

 

Расписание по курсам обработка и анализ данных

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

Преимущества выбора курсов в РоманСеменцов.ру

1. Агрегатор онлайн-курсов


2. Рейтинги онлайн-школ

  • ТОП школ по любым направлениям
  • Дата начала: 2023-01-01
  • Дата окончания: 2023-12-31

3. Актуальное обучение

  • Выбирайте лучшие курсы по отзывам реальных учеников
  • Дата начала: 2023-01-01
  • Дата окончания: 2023-12-31

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
Блог Романа Семенцова
Добавить комментарий