ХОЧЕШЬ СТАТЬ АНАЛИТИКОМ?
ОБУЧЕНИЕ У НАС |
СТАРТ ПРОГРАММЫ
15 АВГУСТА 2021
ФОРМАТ ОБУЧЕНИЯ
ОНЛАЙН
КОМУ ПОДОЙДЁТ
ДЛЯ НОВИЧКОВ
ПОЭТАПНАЯ ОПЛАТА
НА 5 МЕСЯЦЕВ
ВЕБИНАР
Три лекции в неделю. Постоянная практика. Реальные задачи. Будет очень интенсивно, но результат того стоит.
Три лекции в неделю. Постоянная практика. Реальные задачи.
Будет очень интенсивно, но результат того стоит.
Мы используем cookie-файлы.
Вы не против?
ОК
ТО, ЧЕМУ ВЫ НАУЧИТЕСЬ СЕЙЧАС, ЧЕРЕЗ ДВА ГОДА УЖЕ МОЖЕТ СТАТЬ НЕАКТУАЛЬНЫМ
IT-индустрия меняется постоянно и быстро. Чем быстрее и напряжённее программа обучения, тем проще вам будет влиться в реальную работу и следовать за изменениями.
ВЫ САМИ ВЫБИРАЕТЕ ИНТЕНСИВНОСТЬ ОБУЧЕНИЯ!
Все лекции курса состоят из видеозаписей продолжительностью 15-30 минут, чтобы вы могли учиться в удобном для вас темпе.
МЫ ПРЕДОСТАВЛЯЕМ ВСЮ ИНФРАСТРУКТУРУ.
ОТ ВАС ТРЕБУЕТСЯ ТОЛЬКО БРАУЗЕР!
Мы рекомендуем уделять учёбе 10-15 часов в неделю, также у нас есть онлайн поддержка от менторов и преподавателей курса.
Наша программа охватывает весь спектр Hard Skills, которые нужны на позиции аналитика.
ВАШЕ РЕЗЮМЕ == ЧЕРЕЗ 5 МЕСЯЦЕВ
Аналитик данных
80 000 рублей.
ЖЕЛАЕМАЯ ЗАРПЛАТА ОТ
Знаю Python и библиотеки pandas, numpy, matplotlib, seaborn. Работаю в Jupyter Notebook, использую Git.

Владею PostgreSQL и ClickHouse. Имею опыт работы на удалённом сервере и в командной строке.

Использую Airflow для автоматизации задач. Для визуализации и отчётности применяю Tableau и Redash.

Понимаю и умею рассчитывать продуктовые метрики DAU, MAU, ARPU, LTV, Retention.

Хорошо разбираюсь в статистике, умею проводить A/B-тесты и применять параметрические и непараметрические методы, Bootstrapping, Power Analysis.
ПРОЕКТ СТУДЕНТА ПО ПОИСКУ АНОМАЛИЙ В АНАЛИТИЧЕСКИХ ЛОГАХ
ЗДЕСЬ >>> НАЧИНАЕТСЯ ТВОЙ ПУТЬ В МИР DATA ANALYTICS!
[Более 30 тысяч человек] уже успешно прошли наши курсы по анализу данных. Вашими наставниками будут ведущие аналитики из Yandex, ВКонтакте, Mail.ru ///
КАК ПРОХОДИТ ОБУЧЕНИЕ
Первый этап →
Второй этап →
Третий этап →
Четвертый этап →
СМОТРИТЕ ЛЕКЦИИ И ИЗУЧАЙТЕ ТЕОРИЮ
— Общайтесь с преподавателями на живых семинарах
— Изучайте материалы в удобном для вас темпе
— Учитесь даже без доступа в интернет с помощью мобильного приложения stepik.org
ЗАКРЕПЛЯЙТЕ ЗНАНИЯ В СПЕЦИАЛЬНЫХ ТРЕНАЖЕРАХ
— Практикуйтесь писать код на Python
— Формируйте запросы к базам данных
— Отправляйте свои решения на проверку
— Изучайте решения преподавателей и других студентов
РАБОТАЙТЕ НА НАСТОЯЩЕМ КЛАСТЕРЕ
— Практикуйтесь в боевых условиях
— Работайте с Big Data на кластере
— Анализируйте данные в BI-системах
ЗАДАВАЙТЕ ЛЮБЫЕ ВОПРОСЫ В ПОДДЕРЖКУ
— Обсуждайте задачи и проекты с преподавателями
— Вашими менторами будут аналитики из ведущих российских компаний
ДЛЯ КОГО ЭТА ПРОГРАММА:
СТАРТ КАРЬЕРЫ
У вас нет опыта в анализе данных, но вы хотите начать карьеру в аналитике. Наш курс предполагает, что вы владеете математикой хотя бы на школьном уровне. Остальному научим мы!
УЖЕ РАБОТАЕТЕ В АНАЛИТИКЕ
Вы сможете дополнить арсенал своих знаний такими востребованными инструментами, как Airflow, Git, Command line, Tableau, и повысите свою ценность на рынке труда.
ПРОГРАММА КУРСА ://
|
Заложим фундамент: освоим основы программирования, познакомимся с библиотеками для анализа данных, визуализации и работы с файловой системой. Будет непросто, но крутые аналитики обязаны знать эти инструменты. С первого дня начнем работать на удалённом сервере, все по-настоящему!
Открыть программу
Введение
Команда курса расскажет, как проходит обучение и что вас ждет на специализации. В свою очередь вы расскажете нам, что уже умеете и чему хотите научиться. Это поможет преподавателям при необходимости скорректировать программу курса и сделать обучение еще интереснее.
1. Основы Python
Познакомимся с Jupyter Notebook, научимся создавать переменные разных типов и увидим два наиболее важных типа данных — списки и словари. Также освоим работу с условиями, циклами и научимся использовать методы для работы со списками.
2. Знакомство с библиотекой Pandas
Разберем основные приемы работы с данными — фильтрация, агрегация, сортировка, преобразование данных. Закрепим знания на практике, разберем первый аналитический кейс, исследуем реальные данные продаж интернет-магазина.
3. Погружение в библиотеку Pandas
Займёмся более подробным решением аналитических задач — с эксплоративным анализом данных, созданием метрик и анализом распределений. Познакомимся с объединением датафрэймов и применением функций к колонкам датафрэйма. Освоим новые методы, посмотрим на пандасовские серии, научимся создавать анонимные функции и начнём визуализировать данные.
4. Работа с грязными данными
Изучим, как действовать при работе с неструктурированными данными, чтобы привести их в форму таблицы — на практике довольно часто вы будете сталкиваться с неструктурированными данными, которые не являются готовыми таблицами. Разберем, как переводить такие данные в привычный нам вид и работать с файлами в Python. Также познакомимся с набором разнообразных методов датафрэйма и краткой записью для создания списков в Python.
5. Сводные таблицы и пропущенные значения
Сконцентрируемся на аналитике и разберем кейс с рекламными данными. Освоим сводные таблицы и методы для работы с пропущенными значениями.
6. Модификация графиков и оконные функции
Усовершенствуем навыки визуализации данных и научимся кастомизировать графики. Разберём некоторые тонкости обращения к данным и изучим применение оконных функций.
7. Знакомство с API
Научимся работать с API ВКонтакте, Яндекс.Метрики, Google Documents, Telegram. Аналитики работают с этими системами на повседневной основе. Знание API этих сервисов позволит вам автоматизировать часы ручной работы.
|
Познакомимся с командной строкой и широко используемым инструментом контроля версий — Git. Обсудим базовые команды, научимся работать с репозиториями и увидим, как Git позволяет объединять деятельность множества разработчиков и аналитиков в работе над одним проектом.
Открыть программу
1. Что такое контроль версий и зачем он нужен?
Познакомимся с терминалом и рядом простых утилит командной строки. Узнаем, что такое Git. Научимся создавать пару публичный-приватный ключ и клонировать репозиторий. 
2. Продвинутый функционал Git
Освоим типичный паттерн работы с Git — от «пулла» до «пуша» через «брэнчи». Почувствуем на себе «мёрдж конфликт».
|
Зная Python, можно автоматизировать множество рутинных задач. А что если эти задачи повторяются с какой-то периодичностью? Например отчёт, который необходимо присылать менеджеру каждую неделю. В таком случае можно автоматизировать не только сборку отчёта, но и его запуск. Именно для этого существуют многочисленные менеджеры задач. Мы познакомимся с самыми популярными из них, такими как олдскульный crontab и современный Airflow.
Открыть программу
1. Понятие крона, введение в управление рабочими процессами на платформе Airflow
Поговорим о том, зачем нужны менеджеры задач. Рассмотрим утилиту crontab как одну из низкоуровневых реализаций и постепенно перейдем к разбору менеджера задач Airflow с удобным пользовательским интерфейсом. В конце поговорим про применение менеджеров задач в индустрии и немного затронем концепцию будущего минипроекта по Airflow. В конце урока разобьем Airflow на более низкоуровневые составляющие и разберемся с тем, что же такое DAG, Job-ы и Operator-ы. Вместе попробуем написать простейший скрипт и поставить его на исполнение по расписанию.
2. Настройка ETL процессов для отправки отчетов и сборки агрегатов в Airflow
Разберемся с контролем версий при разработке проекта в Airflow, настроим связку между локальным IDE и GitLab. Напишем небольшой отчет и запушим его на сервер по всем правилам и «best practices» индустрии.
|
Освоим основы синтаксиса SQL. На примере ClickHouse научимся работать с системой управления базами данных и подключаться к ней с помощью Python. Начнем учиться грамотно визуализировать наши данные.
Открыть программу
1. Введение в базы данных и операторы SQL
Узнаем, что такое базы данных и какими они бывают, откуда берутся данные и зачем их хранить в виде базы данных. Познакомимся с СУБД ClickHouse и научимся подключаться к ней. Научимся делать базовые запросы SQL: выбор колонок, фильтрацию и сортировку данных.
2. Группировка и агрегатные функции
Научимся проводить вычисления, предварительно группируя данные: находить минимальное, среднее, максимальное значения, подсчитывать сумму и количество уникальных и неуникальных значений.
3. Объединение таблиц — JOIN
Изучим разные виды объединений таблиц и научимся находить элементы в одной таблице, которым соответствуют значения в другой.
4. Типы данных и их преобразование
Узнаем, что такое Redash и зачем он нужен. Познакомимся с различными типами данных: булевы, числовые, строковые, временные, Nullable, массивы и геокоординаты. Узнаем, как менять тип данных и что такое переполнение типов.
5. Подзапросы, представления, создание таблиц
Научимся использовать подзапросы и представления таблиц, а также вставлять новые данные. Узнаем, как создавать, сохранять и удалять таблицы.
6. Python + SQL
Научимся подключаться к ClickHouse через Python c использованием библиотеки pandahouse. Познакомимся с библиотекой Prophet, попрактикуемся в прогнозировании временных рядов и визуализации предсказаний.
7. Графики, дашборды и мониторинги
Приступим к визуализации данных. Узнаем, что такое дашборды, зачем они нужны и какими бывают. Также поговорим о том, какие бывают метрики и в каких случаях возникает необходимость создавать свои метрики.
8. SQL: оконные функции
Научимся с помощью оконных функций получать значения соседних ячеек, не меняя при этом группировку строк. Изучим синтаксис оконных функций и попрактикуемся на различных примерах.
9. Развертывание аналитического стека — ClickHouse + Redash
Рассмотрим рабочую ситуацию, когда аналитический стек отсутствует и его необходимо поднять своими руками. Поработаем с Linux серверами в терминале, доведем до работающего состояния необходимый стек.
|
В данном блоке мы познакомимся с основами теории вероятностей. Знания в этой области необходимы для более глубоко понимания прикладной статистики.
Открыть программу
1. Введение. Сложение и произведение вероятностей
Понимание основ теории вероятностей необходимо любому аналитику, чтобы хорошо разбираться в статистике и А/B тестах. В первом уроке мы разберёмся с основными понятиями и формулами расчёта вероятности.
2. Формула Бернулли
В этом уроке научимся решать более сложные задачи при помощи формулы Бернулли, а также затронем базовые темы комбинаторики.
3. Условная вероятность
Научимся оценивать условную вероятность и разберём ряд прикладных примеров, когда понимание принципов теории вероятностей позволяет избежать распространённых заблуждений.
|
Научимся планировать A/B тесты и проверять статистические гипотезы. Акцент будет сделан на приложении статистики к решению задач из индустрии.
Открыть программу
1. Введение в статистику
Начнем знакомство с математической статистикой, разберем основные понятия — выборка, генеральная совокупность, метрики. Поработаем с базовыми показателями, необходимыми для проведения разведочного анализа данных — среднее, медиана, дисперсия, квартили.
2. Центральная предельная теорема
Разберем важную тему нормального распределения и узнаем, что такое центральная предельная теорема.
3. Статистический вывод
Научимся проверять продуктовые гипотезы, используя математическую статистику. Узнаем, как рассчитываются p-уровень значимости и доверительные интервалы.
4. Сравнение средних значений, t-тест
Научимся сравнивать две группы, применяя для этого t-критерий.
5. Сравнение средних значений, дисперсионный анализ
На практике количество групп часто превышает две, и с этой ситуацией t-критерий не справляется. Научимся проводить дисперсионный анализ, который применяется именно в таких случаях.
6. Корреляция и регрессия
Помимо сравнения двух и более групп хорошего аналитика часто интересует характер взаимосвязи между двумя величинами, а также ее значимость и сила. Для этих целей научимся пользоваться корреляционным и регрессионным анализом.
7. Множественная регрессия и немного больше
В работе аналитика часто возникает задача предсказания значения зависимой переменной по значениям сразу нескольких независимых. Для этого научимся проводить множественный регрессионный анализ, а также затронем тему логистической регрессии и кластерного анализа.
|
3 занятия, 2 домашние работы
Практическое A/B тестирование подразумевает большую часть работы с математической статистикой. На лекциях рассмотрим основную проблематику экспериментов и закрепим полученные знания с помощью домашних заданий.
Блок проводится совместно с партнёром
Открыть программу
1. Введение в проблематику A/B тестов
Поговорим про современные подходы к экспериментам и обсудим, почему так важна статистика, как работают команды экспериментов в разных компаниях и почему им уделяется столько внимания.
2. Bootstrap как метод проверки статистических гипотез
Bootstrap — это мощный набор инструментов, который позволяет рассчитывать крайне сложные метрики и проводить эксперименты при помощи ресэмплинга. На лекции разберем его теоретические и практические допущения.
3. A/A тесты и проверка качества систем сплитования
A/A тесты — необходимый и полезный этап, который позволяет убедиться, что наша система сплитования трафика не сломана. Нарушение в её работе могут привести к тому, что результат эксперимента будет объясняться не качеством гипотезы, а техническими проблемами.
4. А/B тесты: практика
Самое время применить на практике все полученные знания: поработать с продуктовыми логами и проанализировать результаты нескольких A/B тестов. Предобработаем данные, выберем нужный статистический критерий и интерпретируем результаты на понятном для бизнеса языке.
5. Сложные кейсы и особенности
Обсудим, что делать, если при обработке данных экспериментов вы столкнулись со следующими сложностями:
  • Ненормальные и необычной формы распределения данных
  • Неравные размеры выборок
  • Слишком большая дисперсия данных
Разберем несколько кейсов из практики и возможные варианты решения такого рода проблем.
|
Важный навык аналитика — уметь правильно представлять результаты своей работы в виде интерактивного дашборда. Посмотрим, какие бывают типы дашбордов, научимся подбирать и оформлять графики под разные задачи, узнаем, на чём необходимо делать акценты при верстке, а также попрактикуемся собирать требования к дашборду от заказчика. Всё это сделаем в BI-системе Tableau.
Открыть программу
1. Зачем нужна визуализация. Основы Tableau
Познакомимся с тем, какие задачи решает визуализация данных, почему она важна для бизнеса, разберем основные типы графиков и научимся строить их в Tableau.
2. Как сделать дашборд
Узнаем, какие существуют типы дашбордов и как это влияет на их дизайн. Познакомимся с базовыми правилами верстки и графического дизайна и научимся создавать дашборды в Tableau.
3. Сбор требований: Dashboard Canvas
Разберёмся, как собирать требования к дашборду от бизнес-заказчика, а также рассмотрим примеры создания дашбордов и получим задание на мини-проект.
4. Расчёты и интерактивность
Познакомимся с основными видами расчётов и научимся создавать интерактивные графики и дашборды.
5. Разбор дашбордов
Разберём дашборды студентов, внесем в них улучшения, поймем, как исправлять типичные ошибки и обсудим все вопросы, возникшие во время выполнения заданий.
6. Разбор мини-проектов
Разберём мини-проекты студентов, скорректируем ошибки, обсудим оставшиеся после выполнения вопросы.
|
Сформируем продуктовое видение и более глубокое понимание бизнеса и продукта. Научимся находить общий язык с продакт-менеджерами и поймём, каким образом можно использовать анализ данных для развития бизнеса. Также рассмотрим, как организована работа команд в IT-продуктах.
Открыть программу
1. Методики определения потребностей пользователя: основные фреймворки
Поговорим о фреймворке JTBD. Узнаем, что такое CJM и кто такие Personas. Разберём все это на реальных примерах.
2. Основы управления продуктом
Узнаем, что такое Business Model Canvas и Lean Canvas, зачем они нужны бизнесу и чем отличаются друг от друга. Также поговорим о HADI-циклах в управлении продуктом и разберём несколько реальных кейсов.
3. Методология управления IT-проектами
Обсудим, какие фреймворки управления проектами используют IT-компании. Также поговорим об основах самых популярных методологий разработки и управления проектами: waterfall, agile, scrum, kanban и др.
|
Поймём, какую ценность может приносить аналитика и как объяснить её бизнесу. Научимся определять потребности пользователей продукта и сегментировать их, считать юнит-экономику, выбирать правильные продуктовые метрики и драйвить рост бизнеса с помощью непрерывной проверки гипотез.
Открыть программу
1. Метрики продукта
Обсудим, что такое метрики и зачем они нужны. Узнаем, какие существуют особенности расчёта метрик в различных инструментах. Также поговорим про физический смысл и интерпретацию метрик и потренируемся считать метрики по сырым данным.
2. Экономика продукта
Узнаем, зачем нужно считать экономику продукта и какие существуют подходы к ее расчёту. Поговорим о подводных камнях при использовании различных методов, а также посчитаем экономику для нескольких типовых бизнесов.
3. Приоритизация
Обсудим, зачем нужно приоритизировать гипотезы и какие существуют подходы к приоритизации гипотез. Поговорим о том, как не дать умереть нашему продуктовому бэклогу, а также попрактикуемся приоритизировать различные гипотезы и проводить их финансовую оценку.
4. Методы сегментации клиентов и целевой аудитории
Обсудим, зачем необходимо сегментировать целевую аудиторию. Поговорим об особенностях сегментации в B2B и B2C продуктах. Познакомимся с популярными критериями выделения сегментов и методами сегментации: описательными (модель 5W, Khramatrix и др.) и аналитическими (RFM, когорты, k-means и др.).
5. Основы презентации результатов исследования заказчику
Поговорим об основных правилах создания и оформления отчета или презентации. Обсудим, какие существуют основные способы и форматы донесения информации (PDF, Power Point, BI, Excel и т.п.) и в каких случаях используется тот или иной способ. Узнаем, что такое Пирамида Минто, правило MECE и как правильно структурировать информацию.
|
На рынке труда грамотная презентация своих навыков порой так же важна, как и сами навыки, а неумение правильно вести коммуникацию может помешать устроиться на работу даже опытному аналитику. В этом блоке мы обсудим базовые вопросы, касающиеся поиска работы в сфере анализа данных, на примерах рассмотрим разные этапы поиска работы и зададим вопросы профессиональному рекрутеру одной из крупнейших IT-компаний России.
Открыть программу
1. Разные роли аналитика в бизнесе
Обсудим, какие бывают аналитики, чем аналитик в стартапе отличается от аналитика в корпорации и какие типовые задачи решает аналитик в продуктовой команде. Поговорим о том, как индустрия, организационная структура и зрелость компании влияют на задачи аналитика. Также затронем тему ценности аналитики для бизнеса.
2. Собеседование и резюме
Поговорим о том, что тимлиды ищут в Junior-аналитиках. Рассмотрим, как правильно представлять свои достижения и завершенные проекты, подготовимся к типичным задачам на собеседованиях.
3. Интерактивное занятие
Обсудим, уточним и дополним присланные студентами резюме. После внесения изменений проведем отбор резюме и поговорим о требованиях к кандидатам. Проведем онлайн-скрининг с одним из студентов.
|
Вы попробуете себя в роли аналитика, выполняющего тестовое задание в компанию. Вы получите доступ к удалённому серверу и базам данных и попрактикуетесь решать задачи, с которыми в своей работе сталкиваются аналитики. Вам будут представлены на выбор разные аналитические проекты, в ходе работы над которыми вы сможете применить все навыки, которые приобрели за время прохождения курса. Вы будете писать код, работать с базами данных, автоматизировать рутинные задачи, искать инсайты в данных и анализировать результаты A/B-тестов. Как и в любой крупной компании, с помощью Git вы пройдёте code-ревью и получите фидбэк. Итоговый проект позволит вам закрепить полученные знания и непременно сделает ваше резюме более интересным для будущего работодателя.
НАШИ ВЫПУСКНИКИ РАБОТАЮТ ЗДЕСЬ >>>
ПРОГРАММА ТРУДОУСТРОЙСТВА>>>
Помощь с резюме и сопроводительным письмом, отработка навыков самопрезентации
Рекомендации компаниям - партнерам, среди которых Озон, Яндекс, Авито и др.
Сопровождение наших выпускников в трудоустройстве до момента оффера
ПОЛНАЯ "УПАКОВКА"
РЕКОМЕНДАЦИЯ КОМПАНИЯМ
СОПРОВОЖДЕНИЕ
— Как только вы будете готовы, наши HR отправят ваше резюме с рекомендациями компаниям-партнёрам
— Свой прогресс в трудоустройстве вы будете отслеживать с помощью специальных дневников
— Работать над ошибками мы будем вместе с вами: мы подскажем, что нужно подтянуть и в каком направлении лучше мыслить, чтобы эффективнее справляться с задачами на собеседованиях.
— Наша цель ­ — довести вас до оффера.
ПОМОЖЕМ С ПОИСКОМ РАБОТЫ, УСИЛИМ ВАШЕ РЕЗЮМЕ И НАУЧИМ ПРАВИЛЬНО ПРЕЗЕНТОВАТЬ СВОИ НАВЫКИ
ДЕМО-ВЕРСИЯ
Лекции, конспекты, задания и разборы этих заданий от наших преподавателей.
ПОЛНАЯ ВЕРСИЯ
+ Модуль «Python»
+ Модуль «SQL»
+ Модуль «Теория вероятностей»
+ Модуль «Статистика»
+ Модуль «A/B тесты»
+ Модуль «Визуализация»
+ Модуль «Развитие продукта»
+ Модуль «Продуктовая аналитика»
+ Модуль «Как искать работу»
+ Модуль «Итоговый проект»
+ Поддержка от преподавателей
+ Работа на удалённом сервере
Все модули курса. Доступ к поддержке от наших преподавателей, готовых ответить на любые вопросы. Возможность работы на удалённом сервере.
+ 3 лекции модуля «Python»
— Модуль «SQL»
— Модуль «Теория вероятностей»
— Модуль «Статистика»
— Модуль «A/B тесты»
— Модуль «Визуализация»
— Модуль «Развитие продукта»
— Модуль «Продуктовая аналитика»
— Модуль «Как искать работу»
— Модуль «Итоговый проект»
— Поддержка от преподавателей
— Работа на удалённом сервере
16 000 ₽
70 000 ₽
0 ₽
Доступ к курсу открывается сразу после нажатия на кнопку ниже.
ПОМЕСЯЧНО:
ПОЛНАЯ ОПЛАТА:
Оплата в течение
5 месяцев
Скидка 10 000 ₽
при полной оплате
80 000 ₽
НАЧАТЬ УЧИТЬСЯ
Мы свяжемся с вами и ответим на все ваши вопросы по курсу. Если вы хотите оплатить курс, перейдите по этой ссылке.
Удобный способ связи
*Проверьте настройки приватности, чтобы мы смогли связаться с вами
УЧИТЕСЬ У >ЛУЧШИХ>
ПРЕПОДАВАТЕЛИ>>>
АНАТОЛИЙ КАРПОВ
Руководил командой аналитики в отделе бизнеса и рекламы ВКонтакте. Автор онлайн-курсов по анализу данных на платформе stepik.org, на которых обучаются более 150 тысяч человек. Более 5 лет преподавал курсы по анализу данных, статистике и машинному обучению в Институте биоинформатики.
Работал ведущим аналитиком в Mail.Ru, ВКонтакте и JetBrains.
Модули >>>
МИХАИЛ СЕРЕГИН
Работал в Delivery Club, куратор в Школе Менеджеров Яндекса (2019), преподаватель профессиональной переподготовки «Аналитик данных» в НИУ ВШЭ.
Куратор программы, сооснователь karpov.courses
БЕСЛАН КУРАШОВ
Более 4 лет опыта работы в Яндексе. Развивал аналитику в Директе и Едадиле. Преподаёт в НИУ ВШЭ курсы «SQL и основы бизнес аналитики» и «Продуктовая аналитика» в рамках программы профессиональной переподготовки «Аналитик данных».
Cооснователь и преподаватель в karpov.courses
Модули >>>
ОЛЬГА СИЛЮТИНА
Аналитик в отделе бизнеса и рекламы ВКонтакте
Работала аналитиком в SEMrush

Модули >>>
РОМАН БУНИН
Сертифицированный Tableau специалист, кандидат технических наук
Модули >>>
Руководитель команды визуализации в Яндекс Go. Более 6 лет профессионально занимается визуализацией данных: руководил проектами разработки аналитических инструментов в Лаборатории данных, управлял разработкой SaaS BI сервиса для фарм-компаний в качестве операционного директора. Преподаватель курса в школе дизайна Бюро Горбунова. Автор блога и канала Reveal the Data о визуализации данных и Tableau.
АЛЕКСАНДР ИЛЬИН
Аспирант Сколтеха. Преподаёт программирование на Python в Институте Биоинформатики.
Модули >>>
ЖАННА АЗИЗОВА
Занималась анализом данных в отделе искусственного интеллекта в «Правовед.Ру lab». Ментор программ по Продуктовой аналитике и Анализу данных в karpov.courses.
Продуктовый аналитик ВКонтакте
Модули >>>
ИСКАНДЕР МИРМАХМАДОВ
Сооснователь EXPF
Модули >>>
Более 5 лет опыта в анализе данных. Работал с Мвидео, Citymobil, Аэрофлот, Райффайзен банком
ВИТАЛИЙ ЧЕРЕМИСИНОВ
Сооснователь EXPF
Модули >>>
Последние 5 лет занимается консалтингом и помогает разным продуктам решать задачи, связанные с анализом данных, экспериментами и ML.
АЛИНА ДУБОДЕЛОВА
HR в Авито
Модули >>>
Работала в страховой компании Гелиос и HRом в Яндекс.Маркет, сейчас HR в Авито
МИХАИЛ МЕРКУРЬЕВ
Модули >>>
Продуктовый аналитик компании ManyChat. Больше 4-х лет работы в Saas-продуктах и в e-commerce.
РУСЛАН ХАДЖИМАГОМАДОВ
Продуктовый аналитик международного направления Учи.ру. Работал продуктовым аналитиком в Qiwi.
Модули >>>
КИРИЛЛ СОКОЛОВ
Аналитик-разработчик Яндекс.Маркет.
Модули >>>
Занимается задачами моделирования спроса. Ранее строил ML-модели для промышленных предприятий в SAP. 8 лет преподавательского опыта.
НАША КОМАНДА <!>
1 — Чем мы лучше остальных?
2 — Основатель

Анатолий Карпов
Основатель
Я и команда курса уже много лет занимаемся преподаванием в сфере анализа данных. На сегодняшний день более 150 тысяч человек учатся на наших курсах. Некоторые из них абсолютно бесплатны и находятся в открытом доступе, например, наш открытый курс по введению в Data Science, на котором обучаются уже более 30 тысяч человек. На основе этого, а также других наших курсов вы можете составить собственное мнение о нас как преподавателях.

Наша цель — сделать лучшую специализацию по анализу данных, которая сможет с нуля подготовить вас к успешному старту карьеры. Мы вложили в эту программу все свои знания, полученные за годы работы в таких компаниях как ВКонтакте, Яндекс, Mail.ru. Мы записали десятки часов лекций, составили сотни заданий, десятки кейсов и развернули целый кластер с Big Data для практики. Я уверен, что у нас всё получилось.

Я очень хочу, чтобы всё получилось и у вас. Сотни слушателей наших курсов, лекций, интенсивов уже смогли начать работать в индустрии, с нуля освоив новую профессию. В эту программу мы вложили всю свою любовь и страсть к анализу данных! Присоединяйтесь. Обещаю, будет очень круто!
НЕСКОЛЬКО слов о себе
Я закончил факультет психологии СПбГУ — возможно, не самое типичное начало истории про работу в IT!

В университете я учился на кафедре когнитивной психологии, где требовались знания в области программирования, математической статистики и машинного обучения. После окончания университета я понял, что хочу связать свою жизнь с анализом данных.

Я начал работать аналитиком в Stepik и однажды интереса ради решил прочитать курс по статистике студентам-биологам. Далее события стали развиваться довольно стремительно: курс из офлайн формата на 30 человек быстро перебрался в онлайн, на нем начали учиться сотни, затем тысячи человек. Недавно число студентов и вовсе перевалило за 100 тысяч! Как говорится, пранк вышел из-под контроля!:) Таким образом, я понял, что обучать других анализу данных - это то, что мне нравится в жизни больше всего!

Наряду с образовательными проектами я всегда продолжал работать в индустрии, возглавлял команду аналитики ВКонтакте, открывал и закрывал EdTech стартапы, а сейчас работаю ведущим аналитиком в Mail.ru.

Самое классное в этой истории то, что работа в IT свела меня с замечательными людьми, с которыми мы делаем эту специализацию и которые, как и я, хотят, чтобы вы начали свою лучшую карьеру в мире анализа данных!
ОТЗЫВЫ ВЫПУСКНИКОВ /
Курс очень понравился. Замечательный преподавательский состав, всегда готовый помочь, реальные кейсы, подробные рецензии на задания, много практики. Очень хорошая атмосфера в группе. А самое главное — все необходимые знания для будущей работы. Спасибо всем, кто трудился над созданием этого курса!
Вячеслав Ветров
Прошел в заданном темпе два модуля из пяти — Питон с Пандас и SQL — потом пришлось поставить курс на паузу по внешним причинам. Первые два модуля очень хороши, накрывают широкий круг тем и хорошо обеспечены упражнениями. Команда, делающая курсы, прекрасна! Поскольку доступ к материалам неограничен, рассчитываю вернуться к оставшимся трем модулям уже с своем темпе позже. Спасибо!
Григорий Реут
Мне курс очень понравился, особенно часть по Python и SQL. Полученные знания позволили мне не только найти работу, но и достаточно уверенно себя на ней чувствовать, применяя изученные технологии. Очень классные ребята-ассистенты, отвечающие на вопросы, спасибо им большое! Очень круто, что добавили часть про продуктовую аналитику.
Елизавета Тебиева
В целом, курс мне понравился. Даёт представление об основных навыках, необходимых для работы дата-аналитиком. Прекрасные преподаватели, новые знакомства, местами сложный, но в то же время такой интересный материал сделали эти месяцы обучения увлекательным приключением! Большое спасибо Анатолию и всей команде!
Алина Шулицкая