C 0 до Middle в Аналитике + основы DataScience

Анализ данных
50500,00
р.
65000,00
р.
Формат курса и программа (120 лекций и воркшопов):
1) Практика после каждого занятия
2) Помощь и проверка ДЗ от персонального ментора
3) По курсу можно идти со своей скоростью (среднее время прохождения: 8-12 месяцев)
4) Все материалы будут доступны и после окончания курса
5) В процессе обучения вы защищаете диплом

Блок 1: "Продуктовая аналитика и работа в команде"
  • Роль и место аналитика в продуктовой команде
  • Приёмка задач: понимание проблем
  • Типовые задачи по аналитике и планирование работы над подобными задачами
  • Управление продуктом на основе модели Lean Canvas и роль аналитики в этой модели
  • MVP-подход для решения аналитических задач
  • Основные типы бизнес-метрик
  • Unit-экономика
  • Декомпозиция метрик и факторный анализ - практика
  • Введение в web-аналитику: основные понятия и инструменты
  • Основные отчеты Google Analytics
  • Основные отчеты Yandex Metrica
  • Основные отчеты App Metrica
...

Блок 2: "Маркетинговая и клиентская аналитика"
  • Введение в маркетинговую аналитику
  • KPI и метрики
  • UTM-метки
  • Основные источники данных и методы их анализа
  • Сквозная аналитика
  • Методы сегментации клиентов и целевой аудитории
  • Введение в RFM-анализ
  • Введение в когортный анализ
...

Блок 3: "A/B-тестирование"
  • Проверка гипотез и поиск точек роста с помощью A/B-тестирования
  • Теория выборочных обследований
  • Математическая статистика в теории выборочных обследований
  • Статистическая проверка итогов тестирования
  • Последовательность проведения A/B-тестов. Оценка затрат на тесты. Карты гипотез
  • Основные проблемы A/B-тестирования и способы их решения.
  • Инструменты A/B-тестирования
  • Особенности проведения A/B-тестов в оффлайн-бизнесе
...

Блок 4: "SQL и получение данных"
  • Основы SQL
  • Обновление, добавление и удаление данных. Работа с таблицами
  • Представления и хранимые процедуры. Особенности обработки транзакций
  • Расширенные возможности SQL и основные ограничения
  • Фильтрация данных и вычисляемые поля - практика (SELECT, SUM, AVG, GROUP BY, ..)
  • Группировка данных, подзапросы и объединение таблиц - практика (INNER, LEFT, RIGHT, DISTINCT, ..)
  • Обновление, добавление и удаление данных. Работа с таблицами (INSERT, UPDATE, DELETE, MERGE, FOREIGN KEY, ..)
...

Блок 5: "Python и обработка данных"
  • Введение в анализ данных с помощью Python
  • Python: настройка окружения, базовые структуры данных и основные операторы
  • Python: работа с файлами и форматированный вывод
  • Python: пространства имен и области видимости, классы и объекты
  • Python: инструменты функционального программирования
  • Python: стандартные и сторонние библиотеки Python для анализа данных
...

Блок 6: "Инструменты визуализации и презентация аналитики"
  • Сравнительный обзор основных инструментов визуализации данных
  • Основные ошибки при проектировании отчетности и визуализации данных
  • Расширенные возможности визуализации в Excel и Google Sheets, Google Data Studio + практика
  • Организация хранения данных для целей анализа
  • Презентация результата команде
  • Работа с популярными BI-программами (MySQL, SQL Server, Power BI, Redash, Tableau)
  • Решение бизнес-задач в команде
  • Как работать с командой и подрядчиками
  • Как управлять процессами по аналитике

Блок 7: "Python, мат.модели и обработка данных"
  • Python: настройка окружения, базовые структуры данных и основные операторы
  • Python: работа с файлами и форматированный вывод
  • Python: пространства имен и области видимости, классы и объекты
  • Python: инструменты функционального программирования
  • Python: стандартные и сторонние библиотеки Python для анализа данных
  • Основы линейной алгебры и теории множеств
  • Методы математической оптимизации
  • Основы описательной статистики
  • Статистический анализ данных
...

Блок 8: "Построение Machine Learning моделей"
  • Линейные методы, логистическая регрессия и SVM
  • Деревья решений
  • Линейная и полиноминальная регрессия
  • Алгоритмы кластеризации
  • Способы повышения качества модели
  • Функции потерь и оптимизация
  • Оценка точности модели, борьба с переобучением, регуляризация
  • Улучшение качества модели
...

Блок 9: "Аналитика больших данных"
  • Машинные методы для обработки данных
  • Культура сбора и источники данных
  • Предобработка и визуализация данных в pandas
  • Улучшение качества работы с данными
  • Построение прогнозных и предсказательных моделей
  • Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
  • Основы работы в Hadoop и MapReduce
  • Работа с облачными платформами: AWS, EMR, Azure
  • Продвинутые подходы в MapReduce
  • Работа в pyspark
  • Организация команды для работы с данными. CRISP-DM
...

Блок 10: "Рекомендательные системы и обработка естественного языка (NLP)"
  • Неперсонализированные рекомендательные системы
  • Сontent-based-рекомендации
  • Collaborative Filtering
  • Гибридные алгоритмы
  • Поиск по картинкам
  • Сегментация изображений, детекция объектов
  • Применение свёрточных нейронных сетей для задач сегментации и детекции
  • Применение рекуррентных сетей в задачах обработки изображений
  • Генеративные конкурирующие сети (GAN)
  • Морфологический и синтаксический анализ
  • Тематическое моделирование (LSA, LDA, HDP)
  • Дистрибутивная семантика (word2vec, GloVe, AdaGram)
  • Счётные языковые модели и вероятностные языковые модели. LSTM.
  • Машинный перевод
  • Генерация текстов (Natural Language Generation
...

Блок 11: Дипломная работа
  • Работа над дипломным проектом для портфолио
  • Финальная защита и консультации

Тип курса: Профессия