Сложность
Сложность
Начинающий
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
С проверкой домашнего задания
Сертификат
Сертификат
Да

Стоимость курса

390 000 ₽
есть рассрочка

Кто такой аналитик данных? Это специалист, который помогает бизнесу извлекать пользу из данных и принимать решения на их основе. Задачи, которые он решает:

  • Какие данные необходимо собирать?
  • Как растет продукт и его отдельные сегменты?
  • Что сделать, чтобы улучшить бизнес-показатели, и как проверить предложенные гипотезы экспериментами?
  • Какие клиенты приносят больше всего дохода и как их удержать?
  • Как найти узкие места в продукте и устранить их?

Как поступить на программу

01
Оставить заявку на программу. В заявке важно указать актуальные номер и e-mail.
02
Подтвердить обучение на курсе. Менеджер свяжется с вами по указанным в заявке контактам, чтобы вы могли подтвердить участие в обучении.
03
Отправить сканкопии документов для зачисления (паспорт, снилс, диплом, справка из вуза, свидетельство о смене фамилии).
04
Заключить договор. Менеджер отправит вам договор на ознакомление и ссылку на оплату, по которой нужно будет оплатить обучение.
05
Начать обучение. За несколько дней до начала обучения менеджер отправит организационное письмо со всей важной информацией о программе и ссылкой на чат в Telegram.

В результате освоения программы вы:

  1. Изучите
    программирование на Python, базы данных, прикладную статистику, машинное обучение, A/B-тесты, продуктовые и бизнес-подходы (RFM-анализ, когортный анализ, юнит-экономика)

  2. Освоите инструменты
    SQL, Python, Jupyter Notebook, Tableau и другие

  3. Выполните финальный проект
    В качестве финального проекта вы будете решать бизнес-задачу. Это хорошая возможность пополнить портфолио, особенно для начинающих.

    Вы получите актуальный технический стек современного аналитика для работы в ведущих IT-компаниях

Вас будут обучать

ML-разработчик в МТС
Руководитель группы анализа продуктов в Афише
Data Scientist в Сбербанке

Образовательная организация

Программы дополнительного профессионального образования практикоориентированы и позволяют за более короткий срок (от нескольких недель до двух лет) получить новую профессию, приобрести актуальные профессиональные и управленческие компетенции или расширить свои знания в той или иной предметной области.
 
К освоению дополнительных профессиональных программ допускаются:

  •  Лица, имеющие среднее профессиональное и (или) высшее образование;
  •  Лица, получающие среднее профессиональное и (или) высшее образование.

Цели обучения

1 Перейти на новую ступень профессионального развития
 
2 Соответствовать быстроменяющимся требованиям рынка и социальной среды
 
3 Стать успешным управленцем бизнеса
 
4 Удовлетворить образовательные потребности в разных областях экономики, науки, культуры и искусства

Программы ДПО

Программы повышения квалификации
Повышение профессионального уровня в рамках имеющейся квалификации и (или) совершенствование и (или) получение новой компетенции, необходимой для профессиональной деятельности 

  • От 16 академических часов
  • Удостоверение о повышении квалификации 
  • Для лиц, имеющих (или завершающих получение) высшее или среднее профессиональное образование

Программы профессиональной переподготовки
Для получения компетенций, необходимых для выполнения нового вида профессиональной деятельности

  • От 250 академических часов
  • Диплом о профессиональной переподготовке, с правом ведения новой профессиональной деятельности 
  • Для лиц, имеющих (или завершающих получение) высшее или среднее профессиональное образование

Программы профессиональной переподготовки для получения дополнительной квалификации

  • Для лиц, имеющих или получающих высшее или среднее профессиональное образование и стаж работы не менее 3 лет в управленческой должности

Программы профессиональной переподготовки для получения дополнительной квалификации в области управления «Мастер делового администрирования (MBA — Master of Business Administration)», в том числе для руководителей высшего звена (EMBA — Executive Master of Business Administration)

  • От 2040 академических часов
  • Диплом о профессиональной переподготовке, с получением дополнительной квалификации «Мастер делового администрирования лица»

Программы профессиональной переподготовки для получения дополнительной квалификации в конкретной профессиональной области «Master in...», в том числе для руководителей высшего звена (Executive Master in…)

  • От 2040 академических часов
  • Диплом о профессиональной переподготовке, с получением дополнительной квалификации 

Программы Doctor of…

Программы профессиональной переподготовки для получения дополнительных квалификаций для присвоения профессиональных степеней, в частности, Доктор делового администрирования (DBA — Doctor of Business Administration), Доктор права (Doctor of Law), Доктор образования (Doctor of Education) и иных степеней

  • От 2040 академических часов
  • Диплом о профессиональной переподготовке, с присвоением профессиональной степени 
  • Для лиц, имеющих высшее профессиональное образование и стаж работы не менее 5 лет в управленческой должности

Программа курса

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 BeautifulSoup.
  • 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 5 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

Data Warehouse (DWH) 5 занятий

  • Основные принципы и понятия Data Warehouse (DWH).
  • Понятие Data Lake. Распределенные файловые системы. Hadoop, Spark.
  • Massive parallel processing (MPP)-системы. Терадата, Вертика, Greenplum.
  • ETL и оркестрирование. Cron, Airflow.
  • Обеспечение качества данных.

Финальный проект

Учебный офис

Очное обучение
Адрес
Покровский бульвар, 11. Кабинет T919
Чкаловская

Рейтинг курса

2.9
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 07.10.2023 11:15
Аналитик данных

Аналитик данных

Оставить отзыв
Поделиться курсом с друзьями