Оставить заявку
Оставить заявку
Оставить заявку
Оставить заявку
Занятие в подарок!
Заполните форму и получите возможность бесплатно попробовать наш курс — уверены, вам понравится!
онлайн
Курс: Аналитик Big Data
Освойте ключевые технологии, научитесь работать с большими данными, расширьте знания в аналитике и перейдите на новый уровень в профессии.
Инструменты: от SQL до Hadoop
Курс: Аналитик Big Data
Освойте ключевые технологии, научитесь работать с большими данными, расширьте знания в аналитике и перейдите на новый уровень в профессии.
Инструменты: от SQL до Hadoop
- 6 месяцев
Длительность
- в удобное время
Онлайн
- на практике
Обучение
- навсегда
Доступ к курсу
Что вы получите
Профессиональный рост
гарантия роста навыков за время обучения
Поддержка
ментором
ментором
прохождение курса с удобной вам скоростью
Акцент
на практику
на практику
практика после каждой из 60 лекций на кейсах ведущих компаний рынка
Чему вы научитесь
Работать SQL
Научитесь писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов
Научитесь писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов
Использовать Python и библиотеки анализа данных
Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, сделанные на основании данных
Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, сделанные на основании данных
Строить системы анализа больших данных
Освоите Hadoop и MapReduce. Научитесь проверять гипотезы, изучите машинные методы для обработки данных, сможете выявлять скрытые аномалии в данных и строить прогнозные модели
Освоите Hadoop и MapReduce. Научитесь проверять гипотезы, изучите машинные методы для обработки данных, сможете выявлять скрытые аномалии в данных и строить прогнозные модели
Использовать сложную математику для анализа Big Data
Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями
Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями
Записаться на курс или получить бесплатную консультацию
Ответим на вопросы и расскажем про курс
Как проходит обучение
Изучаете тему
В курсе — полезные видеоуроки
Выполняете домашнее задание
В том темпе, в котором вам удобно
Общаетесь с наставником
Закрепляете знания и исправляете ошибки
Защищаете дипломный проект
И дополняете им свое портфолио
Программа курса (60 лекций и воркшопов)
Блок 1: "Получение и подготовка данных: SQL"
- 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, ..)
- Работа с популярными программами (MySQL, SQL Server, Redash, Tableau)
Блок 2: "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 3: "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 4: "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 5: Дипломная работа
- Работа над дипломным проектом
- Подготовка материалов
- Сбор презентации
- Финальная защита и консультации
Ваши проф.навыки после курса
Machine Learning
Построение моделей. Линейные методы, логистическая регрессия и SVM
Продвинутая математика для ML
Методы математической оптимизации. Основы линейной алгебры и теории множеств
Построение ML-моделей
Построение прогнозных и предсказательных моделей
Продуктовые навыки
Построение и анализ MVP-решений, работа с HADI-циклами
Hadoop
Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
Мат.статистика
Хороший уровень понимание базы мат.статистики, необходимый для работы с данными
Рекомендательные системы
Навык построения рекомендательных систем для различных отраслей
MapReduce
Продвинутые подходы в MapReduce работы с BigData
SQL
Продвинутый уровень анализа данных за счёт использования SQL-запросов
Python
Построение базовых отчётов и автоматизация работы с помощью библиотек Python
Визуализация данных
Навыки работы с OWOX, продвинутый уровень в Google Data Studio
Презентация данных
Подготовка отчётов и презентация результатов анализа данных
Цифровой сертификат
Выпускники получают сертификат об успешном прохождении курса, а также защищают дипломный проект
Успейте записаться на курс до повышения цен
Мы постепенно собираем группу и ближе к старту курса цена повышается каждую неделю
Дипломные проекты
Как дипломную работу можно взять проект с работы, личную идею или один из проектов, предложенных ментором
Кластеризация данных для сервиса страхования
Построение модели, работающей с BigData и автоматически относящей пользователей к компании к одной из заданных групп риска
Предсказательная модель оттока пользователей с веб-сервиса
Частотная задача построения модели (и системы нотификаций) прогнозирования ухода пользователей с сервиса с целью их удержания "на опережение"
Детекция фрода и нестандартного поведения
На примере заказов интернет-магазина определяем подозрительных пользователей с нестандартным поведением
Спикеры курса
- Денис СоболевSkyeng
- Илья ЧухляевOWOX
- Чайзат ХовалыгТочка банк
- Анна МорозоваЯндекс
Часто задаваемые вопросы
Программа подходит для людей, имеющих базовые навыки в Digital. Наши методики и система поддержки позволят вам гарантированно научиться созданию аналитики для сайтов и мобильных приложений.
В конце каждого модуля есть практическое задание. Когда вы успешно выполните его, сможете открыть следующую часть программы. Такой подход гарантирует, что у вас будет мотивация двигаться дальше, а мы будем уверены в том, что дали вам все нужные знания.
Курс рассчитан на 6 месяцов: кто‑то заканчивает раньше, кто‑то чуть позже. Здесь главное не скорость прохождения, а эффективное использование полученных навыков, поэтому лучше не торопиться и ориентироваться на заявленные 6 месяцев.
У вас будет куратор в чате, преподаватель лично прокомментирует домашние задания и даст полезные советы. Так вы сможете перенять уникальный опыт, профессиональные знания и лайфхаки ведущих специалистов рынка.
Да, у нас работает специальная рассрочка. Просто оставьте заявку на участие, и вы сможете обсудить все детали с менеджером.
Стоимость обучения: 6.900 рублей / месяц Скидка 35% для первых 20 студентов Полная стоимость: |