Профессиональная переподготовка

Работа с данными

Аналитик данных

Изучение баз данных и языка SQL, языка Python, его применения для сбора, визуализации и анализа данных, статистики и машинного обучения, а также подходов для работы над реальными задачами

Занятия по вторникам и четвергам (19:00 - 22:00)

Подать заявку
  • Старт курса

    03.10.2023

  • Продолжительность

    12 месяцев

  • Формат обучения

    Очный

  • Документ

    Диплом о профессиональной переподготовке НИУ ВШЭ

О профессии

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?

Для кого

Очная программа «Аналитик данных» подходит

  • Начинающим

    в программу включены базовые статистика и программирование

  • Аналитикам, которые хотят освоить продвинутые инструменты

    научим решать рутинные задачи намного проще, чем в Excel

  • Программистам, которые хотят научиться решать бизнес-задачи

    покажем, как ваш опыт в разработке можно применить к принятию data-driven решений

В результате освоения программы вы:

  • Изучите

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

  • Освоите инструменты

    SQL, Python, Jupyter Notebook, Tableau и другие

  • 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

    Подать заявку

Программа обучения

  • Python для автоматизации и анализа данных18 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 статистика10 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-тестирование5 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 Intelligence7 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 обучение14 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 аналитика5 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

Документ об окончании

Диплом о профессиональной переподготовке при успешном завершении обучения.

У нас есть лицензия на образовательную деятельность.

Документ об окончании
Подать заявку

Преимущества программы

  • Наши преподаватели работают в крупных IT-компаниях, банках и инновационных стартапах. На каждом занятии они учат применять теорию к реальным задачам, которые они решают в индустрии.

  • Мы выкладываем видеозапись и материалы занятий. Доступ сохраняется за вами в течение 2 месяцев после завершения.

  • Мы организуем для вас сопровождающие вебинары от практикующих аналитиков. Вы узнаете, чем разные типы аналитиков отличаются друг от друга; а также, что включить в резюме и как искать работу аналитиком.

  • Менеджеры и академический руководитель программы всегда помогут вам с любыми вопросами. Даже с вопросом, как написать финальную работу. Наша задача — сделать так, чтобы вы получили максимум пользы. 

  • Вы можете общаться с другими студентами и преподавателями очно или в закрытом телеграм-чате.
    Доступ к чатам открыт навсегда – если у вас возникают вопросы, вы можете задать их даже после окончания обучения. 

Преподаватели

  • Кантонистова Елена Олеговна

    Доцент факультета компьютерных наук

  • Касьяненко Дарья Алексеевна

    Старший преподаватель

  • Карпов Максим Евгеньевич

    Старший преподаватель факультета компьютерных наук

  • Коновалова Людмила Дмитриевна

    ML-разработчик в МТС

  • Брусенцова Юлия

    Руководитель функциональной аналитики IVI

  • Макарова Ольга

    Руководитель отдела больших данных в ivi

  • Гриценко Екатерина

    Руководитель группы анализа продуктов в Афише

  • Огнева Дарья

    Веб-аналитик в Рамблере

  • Пиле Ян Эрнестович

    Руководитель группы аналитики в VK

  • Жанна Азизова

    Менеджер по продукту в VK

Эксперты

Стоимость и условия

  • 78 000 ₽

    раз в три месяца при рассрочке без переплат: 5 платежей.

  • или 390 000 ₽ за весь курс

    Подать заявку
  • Скидка

    5-10 %

    Для студентов, выпускников и слушателей основных и дополнительных программ НИУ ВШЭ.

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.

Где проходят занятия?

  • Вы будете учиться в главном корпусе Вышки – на Покровском бульваре, в компьютерных классах.

  • На время обучения получите пластиковый пропуск с доступом во все корпуса ВШЭ. В любое время вы можете зайти в библиотеку, чтобы поучиться или поработать.

  • Можете приезжать на занятия в корпус, а можете подключаться по Zoom. 

Отзывы выпускников

  • Эта программа, безусловно, очень мне помогла. Важно, что нас учили практическим навыкам, которые востребованы на рынке: парсингу данных, A/B-тестированию и моделям прогнозирования. Это помогло мне в поисках работы: сейчас я аналитик данных в МВидео.

FAQ

  • Почему я должен выбрать вашу программу?

    В наших программах в коротком формате упакован опыт бакалаврских и магистерских программ факультета компьютерных наук Вышки. Опираясь на наши знания об отрасли, мы дадим Вам необходимую базу, чтобы войти в профессию или перейти на новый уровень на вашей текущей работе.
    К тому же, большинство наши программы – очные. Это означает, что вы сможете еженедельно общаться с преподавателями, получать поддержку ассистентов и одногруппников, это поможет сохранять мотивацию.
    Обучаясь на наших курсах, вы получаете возможность интегрироваться в сообщество Вышки, общаться с нашими преподавателями и участвовать в мероприятиях факультета и университета: например, мы проводили «Ночь анализа данных», у нас регулярно проходят IT-лекторий и научный коллоквиум ФКН.
    У нас есть лицензия на образовательную деятельность, поэтому по результатам обучения мы выдаем удостоверения о повышении квалификации и дипломы о профессиональной переподготовке установленного в НИУ ВШЭ образца.

  • Чем аналитик данных отличается от специалиста по Data Science?

    Приведем пример.

    Менеджер интересуется, какие товары пользователи интернет-магазина покупают вместе, с этим вопросом он пойдет к продуктовому аналитику. Аналитик поможет выявить такие категории товаров и предложит идеи для прототипа системы рекомендаций. Для многих интернет-магазинов таких рекомендаций может оказаться достаточно, чтобы повысить средний чек. Но далее может возникнуть потребность автоматизировать рекомендации и построить модель. Этим уже займется специалист по Data Science.

    Еще больше об этом рассказал Сергей Юдин в интервью «Аналитик данных и data scientist: в чем отличие?»

  • Если я студент, могу ли я поступить на программу «Аналитик данных»?

    Да, но диплом о профессиональной переподготовке можно получить только после окончания вуза при предоставлении диплома.

  • Могу ли я заниматься на своем ноутбуке?

    Да, вы можете приходить со своим ноутбуком. Также можно использовать компьютеры университета — все занятия проходят в компьютерных классах.

Контакты