- 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.
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
- Общая информация о курсе
- Источники данных и инструменты для анализа
2. Excel
- 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
3. Google Таблицы
- Основы, интерфейс Google Таблиц
- Сводные таблицы: основы
Часть 2. Python, библиотеки NumPy и Pandas
1. Python
- Python, введение
- Основы
- 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
2. Библиотеки
- 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
1. SQL
- Основы SQL
2. Чтение и запись данных
- Чтение и запись данных. Часть 1
- Чтение и запись данных. Часть 2
3. Статистика
- 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
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.
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.
- 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.
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.
- 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 для сбора, визуализации, анализа больших данных (Big data) и построение моделей машинного обучения, умения применять конкретные аналитические и продуктовые подходы при работе над реальными задачами маркетинговой и клиентской аналитики с помощью BI платформ.
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:
- 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;
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.
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
