• Урок 1: "Введение в Python"
• Урок 2: "Типы данных, функции, классы, ошибки"
• Урок 3: "Строки, условия, циклы"
• Урок 4: "Списки и словари в Python"
• Урок 5: "Пакеты, файлы, Pandas - начало"
• Урок 6: "Pandas: продолжение"
• Урок 7: "Визуализация данных"
• Урок 8: "Работа с базами данных"
• Урок 9: "Многопоточность"
• Урок 10: "Веб-сервер flask и контроль версий GIt"
• Урок 11: "Итоговый проект"

Урок 1: "Проверка гипотез и поиск точек роста с помощью A/B-тестирования"

• Как мы принимаем решения о продуктовых изменениях
• В чем уникальная особенность A/B тестов
• Преимущества и недостатки A/B тестирования
• Что можно тестировать и какие границы применимости у A/B тестов

Урок 2: "Основы математической статистики для A/B тестирования"

• "Что такое метод выборочных обследований
• Как доверительный интервал позволяет давать оценку неопределенности
• Как рассчитывать доверительные интервалы
• Как использовать доверительные интервалы к unit-экономике"

Урок 3: "Статистический тест для оценки результатов A/B эксперимента"

• Как устроен статистический тест на различия параметров выборок
• Как уровень доверия связан с вероятностью получить ложноположительный результат
• Что такое мощность теста
• Как рассчитать необходимый размер

Урок 4: "Цель и метрики A/B теста"

• Гипотеза в основе A/B теста
• Целевая метрика A/B теста
• Какие бывают метрики
• Вспомогательные и контрольные метрики
• Процедура принятия решения

Урок 5: "Практическая реализация A/B теста"

• Объект рандомизации
• Аудитория эксперимента
• Инфраструктура для экспериментирования
• Жизненный цикл теста
• Тестирования в нативных приложениях
• Тестирование когда данных мало (например, B2B)

Урок 6: "Продвинутые методики тестирования"

• A/A тесты
• Мультивариантные тесты и двухэтапное тестирование
• Тест на не-ухудшение метрики
• Сколько тестов может идти одновременно
• Альтернативные методики тестирования
• Синтетические метрики на основе ML
• Тестирование решений на основе ML
• Многорукие бандиты

Урок 7: "Инструменты для A/B тестирования"

• Подготовка данных для A/B-тестов
• Анализ результатов A/B-тестов
• Используемые инструменты и практика

• Лекция 1: "Введение в блок SQL"
• Лекция 2: "SQL: Извлечение данных и операторы
• Лекция 3: "SQL: Фильтрация данных и условия"
• Лекция 4: "SQL: Преобразование данных и операции в SQL"
• Лекция 5: "SQL: Cортировка данных и работа с датой/временем"
• Лекция 6: "Группировка данных"
• Лекция 7: "Введение в базы данных"
• Лекция 8: "SQL: Объединение таблиц"
• Лекция 9: "SQL: Подзапросы SELECT и FROM"
• Лекция 10: "SQL: Подзапросы JOIN и WHERE"
• Лекция 11: "SQL: Обновление, добавление и удаление данных"
• Лекция 12: "SQL: Создание, изменение и удаление таблиц"
• Лекция 13: "SQL: Операции с текстом и оконные функции"
• Лекция 14: "SQL: Ускорение и оптимизация запросов, табличные выражения"
• Лекция 15: "Итоговый проект"
• Лекция 16: "Закрепление практики по SQL"
• Лекция 17: "Работа с дашбордами"
• Лекция 18: "Tableau: знакомство с инфраструктурой Tableau"
• Лекция 19: "Модели данных и Табличные вычисления"
• Лекция 20: "Tableau: Параметры и уровни детализации"
• Лекция 21: "Tableau: Псевдонимы, сортировка, Actions"
• Лекция 22: "Разработка дашбордов. Настройка взаимодействия между визуализациями"
• Лекция 23: "SQL и Tableau"
• Лекция 24: "SQL и Google Sheets, Excel"
• Лекция 25: "Введение в Power BI"
• Лекция 26: "Power Query. Получение и преобразование данных"
• Лекция 27: "Модель данных в Power BI"
• Лекция 28: "Анализ данных на DAX: синтаксис языка, базовые функции"
• Лекция 29: "Визуализация данных: работа с отчетами, базовые принципы визуализации"
• Лекция 30: "Визуализация и работа с дашбордами: Power BI Service, создание и оформление дашбордов"
• Лекция 31: "Визуализация и работа с дашбордами: Power BI Service, создание и оформление дашбордов"