Аналитик данных: расширенный курс

Указаны на площадке: Алексей Кузьмин, Артём Чистяков, Константин Башевой, Олег Булыгин, Екатерина Волочаева, Алёна Артемьева, Александра Калинина

Указаны на площадке: Data Analyst, Eduson Academy

Указаны на площадке: Eduson Academy, Елена Серегина, Алена Артемьева

Указаны на площадке: Eduson Academy, Елена Серегина, Алена Артемьева

Указаны на площадке: Eduson Academy, Елена Серегина, Алена Артемьева

Указаны на площадке: Алексей Кузьмин

Научитесь получать данные из БД через SQL, фильтровать, агрегировать, импортировать и экспортировать — и не тратить время разработчиков или администраторов на поиск информации. Научитесь загружать данные в базу и самостоятельно развёртывать базу данных PostgreSQL. 20 часов теории 32 часа практики Введение в SQL. Установка и знакомство Основы и работа с базами данных Основы SQL Углубление в SQL Работа с PostgreSQL

1. Введение в SQL. Установка и знакомствоВремя не указано
2. Основы и работа с базами данныхВремя не указано
3. Основы SQLВремя не указано
4. Углубление в SQLВремя не указано
5. Работа с PostgreSQLВремя не указано

Вы научитесь пользоваться базовыми инструментами и подходами в Python, чтобы начать работать с данными. Узнаете, как получать и очищать данные, находить связи и проверять гипотезы. Поработаете с главными аналитическими библиотеками. 66 часов теории 83 часа практики Основы Python: Jupiter Notebook, комментарии в коде, арифметические операции Управляющие конструкции и коллекции Функции и работа с данными, основы парсинга Работа с файловой системой и модули Регулярные выражения и основы синтаксического разбора Исключения и обработка ошибок Функции и понятие класса Регулярные выражения и основы синтаксического разбора Бонусные видеолекции по Git Библиотека NumPy: вычислительные задачи Библиотека Pandas: возможности и оптимизация Функции и работа с данными Методы оптимизации Pandas Основы парсинга и работы с API Базовые понятия статистики. Изучение данных: статистика и исследовательский анализ Случайные события. Случайные величины Корреляция и корреляционный анализ

1. Основы Python: Jupiter Notebook, комментарии в коде, арифметические операцииВремя не указано
2. Управляющие конструкции и коллекцииВремя не указано
3. Функции и работа с данными, основы парсингаВремя не указано
4. Работа с файловой системой и модулиВремя не указано
5. Регулярные выражения и основы синтаксического разбораВремя не указано
6. Исключения и обработка ошибокВремя не указано
7. Функции и понятие классаВремя не указано
8. Регулярные выражения и основы синтаксического разбораВремя не указано
9. Бонусные видеолекции по GitВремя не указано
10. Библиотека NumPy: вычислительные задачиВремя не указано
11. Библиотека Pandas: возможности и оптимизацияВремя не указано
12. Функции и работа с даннымиВремя не указано
13. Методы оптимизации PandasВремя не указано
14. Основы парсинга и работы с APIВремя не указано
15. Базовые понятия статистики. Изучение данных: статистика и исследовательский анализВремя не указано
16. Случайные события. Случайные величиныВремя не указано
17. Корреляция и корреляционный анализВремя не указано

Узнаете, кто является заказчиком аналитики в компании и как работать с разными типами заказчиков. Вы получите базовые знания об иерархии метрик, которые позволят вам говорить на одном языке с коллегами, выдвигать рабочие гипотезы и строить понятную отчётность. Маркетинговые метрики и метрики продукта Финансовые метрики Иерархия метрик Сбор требований и разработка отчётности Формулирование гипотез. Поиск точек роста Дизайн тестов, проведение и анализ. Построение простых моделей Оптимизация отчётности

1. Маркетинговые метрики и метрики продуктаВремя не указано
2. Финансовые метрикиВремя не указано
3. Иерархия метрикВремя не указано
4. Сбор требований и разработка отчётностиВремя не указано
5. Формулирование гипотез. Поиск точек ростаВремя не указано
6. Дизайн тестов, проведение и анализ. Построение простых моделейВремя не указано
7. Оптимизация отчётностиВремя не указано

Поймёте, как создавать наглядные визуализации, откуда берутся данные для визуализации и как с ними работать. Узнаете, как создавать истории с помощью данных. Как донести информацию с помощью изображений Инструменты, источники и предподготовка данных Исследование данных и основы статистики Продвинутая визуализация данных Сторителлинг в визуализации

1. Как донести информацию с помощью изображенийВремя не указано
2. Инструменты, источники и предподготовка данныхВремя не указано
3. Исследование данных и основы статистикиВремя не указано
4. Продвинутая визуализация данныхВремя не указано
5. Сторителлинг в визуализацииВремя не указано

Поймёте, как работать с данными и автоматизировать процессы с помощью Google-таблиц и Excel. 5 часов теории 4 часа практики Инструменты подготовки данных к анализу в Excel Сводные таблицы и работа с ними Действия с ячейками и диапазонами Введение в Google-таблицы Функция ВПР Валидация данных

1. Инструменты подготовки данных к анализу в ExcelВремя не указано
2. Сводные таблицы и работа с нимиВремя не указано
3. Действия с ячейками и диапазонамиВремя не указано
4. Введение в Google-таблицыВремя не указано
5. Функция ВПРВремя не указано
6. Валидация данныхВремя не указано

Научитесь разбираться в аналитических терминах и читать иностранную техническую документацию. Сможете презентовать результаты анализа с помощью графиков и диаграмм на английском языке. Узнаете, как эффективно готовиться к собеседованиям в зарубежные компании. Научитесь составлять убедительное резюме и писать сопроводительное письмо. 7 часов теории 7 часов практики Словарь терминов аналитика с примерами употребления и типичными словосочетаниями Важная лексика для работы с датасетами Презентация результатов анализа Чтение технической документации Самопрезентация. Elevator Pitch Прохождение собеседований Резюме и сопроводительное письмо (CV, сover letter) Email-переписка Общение в технических чатах Как вести звонки и встречи Как учить лексику Как учить грамматику

1. Словарь терминов аналитика с примерами употребления и типичными словосочетаниямиВремя не указано
2. Важная лексика для работы с датасетамиВремя не указано
3. Презентация результатов анализаВремя не указано
4. Чтение технической документацииВремя не указано
5. Самопрезентация. Elevator PitchВремя не указано
6. Прохождение собеседованийВремя не указано
7. Резюме и сопроводительное письмо (CV, сover letter)Время не указано
8. Email-перепискаВремя не указано
9. Общение в технических чатахВремя не указано
10. Как вести звонки и встречиВремя не указано
11. Как учить лексикуВремя не указано
12. Как учить грамматикуВремя не указано

Узнаете, как создать здоровую атмосферу в коллективе, научитесь грамотной коммуникации в бизнесе. Поймёте, как за счёт гибких навыков быстрее расти по карьерной лестнице и добиваться больших результатов. Основы коммуникаций и эмоционального интеллекта Публичные выступления Переговоры с заказчиком и разработчиками​​​​​​​ Подготовка и проведение обучения пользователей

1. Основы коммуникаций и эмоционального интеллектаВремя не указано
2. Публичные выступленияВремя не указано
3. Переговоры с заказчиком и разработчикамиВремя не указано
4. Подготовка и проведение обучения пользователейВремя не указано

Научитесь самостоятельно проводить A/B-тестирование, не прибегая к помощи агентств и сторонних специалистов. 19 часов теории 22 часа практики Data-driven процессы и роль A/B-тестирования Приоритизация гипотез и тесты Основы A/B-тестирования Основы распределения и статистики Выбираем группы и разделяем на A/B Инструменты для А/B-тестирования Кейс-стади Анализ результатов А/B-тестов

1. Data-driven процессы и роль A/B-тестированияВремя не указано
2. Приоритизация гипотез и тестыВремя не указано
3. Основы A/B-тестированияВремя не указано
4. Основы распределения и статистикиВремя не указано
5. Выбираем группы и разделяем на A/BВремя не указано
6. Инструменты для А/B-тестированияВремя не указано
7. Кейс-стадиВремя не указано
8. Анализ результатов А/B-тестовВремя не указано

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. 12 часов теории 37 часов практики Традиционные аналитические подходы Машинное обучение и Data Science Мотивация и технологии работы с большими данными NoSQL и MongoDB Основные инструменты обработки больших данных. HADOOP и SPARK Машинное обучение на PySpark Культура сбора и работы с данными Организация команды для работы с данными Кейсы и области применения больших данных

1. Традиционные аналитические подходыВремя не указано
2. Машинное обучение и Data ScienceВремя не указано
3. Мотивация и технологии работы с большими даннымиВремя не указано
4. NoSQL и MongoDBВремя не указано
5. Основные инструменты обработки больших данных. HADOOPи SPARKВремя не указано
6. Машинное обучение на PySparkВремя не указано
7. Культура сбора и работы с даннымиВремя не указано
8. Организация команды для работы с даннымиВремя не указано
9. Кейсы и области применения больших данныхВремя не указано

Сможете анализировать корпоративные базы данных, электронные таблицы и текстовые файлы. Научитесь видеть неочевидные закономерности между показателями. Поймёте, как создавать наглядные интерактивные дашборды для анализа бизнес-метрик в онлайн-режиме. 18 часов теории 52 часа практики Принципы эффективного анализа данных Основы работы с Power Query Преобразования таблиц Создание модели данных Визуализация данных Добавление интерактивности в отчёт Преобразования столбцов Вычисления и инструменты настройки модели Сбор визуализации в отчёт Инструменты Power BI в Excel Публикация отчёта

1. Принципы эффективного анализа данныхВремя не указано
2. Основы работы с Power QueryВремя не указано
3. Преобразования таблицВремя не указано
4. Создание модели данныхВремя не указано
5. Визуализация данныхВремя не указано
6. Добавление интерактивности в отчётВремя не указано
7. Преобразования столбцовВремя не указано
8. Вычисления и инструменты настройки моделиВремя не указано
9. Сбор визуализации в отчётВремя не указано
10. Инструменты Power BI в ExcelВремя не указано
11. Публикация отчётаВремя не указано

С помощью нейросетей научитесь работать с данными в Excel, писать SQL-запросы, выявлять тренды и корреляции. Сможете использовать ИИ и Python в Jupyter Notebook, автоматизировать процессы с n8n. Научитесь работать с ИИ-помощниками и создавать собственных. Этот курс — программа повышения квалификации. Будет доступна, когда вы пройдёте все модули расширенной программы. Занятия по нейросетям проходят по расписанию до 2 раз в неделю после 19:00 мск. 37,5 часов теории 37 часов практики Обзор возможностей и трендов применения ИИ в анализе данных. Использование эффективных промптов Анализ текстовых данных при помощи ИИ ИИ-ассистенты для работы с данными Оптимизация задач при помощи ИИ Итоговый проект

1. Обзор возможностей и трендов применения ИИ в анализе данных. Использование эффективных промптовВремя не указано
2. Анализ текстовых данных при помощи ИИВремя не указано
3. ИИ-ассистенты для работы с даннымиВремя не указано
4. Оптимизация задач при помощи ИИВремя не указано
5. Итоговый проектВремя не указано