- 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
- 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
- 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.
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 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.
