15+ лучших курсов аналитика данных в 2023 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: Рассрочка на 22 месяца — 4 952 ₽ / мес

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
  • Онлайн в удобное время
  • Преподаватели- практики с опытом работы от 10 лет
  • Доступ к курсам навсегда

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.

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.

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.

Насколько публикация полезна?

Нажмите на звезду, чтобы оценить!

Средняя оценка 4.8 / 5. Количество оценок: 71

Оценок пока нет. Поставьте оценку первым.

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

Оцените автора
Блог Романа Семенцова
Добавить комментарий