Курс Hard Аналитика данных для повышения квалификации

Hard Аналитика данных

Повысьте грейд за 6 месяцев
СТАРТ ПОТОКА
СКОРО ПОЯВИТСЯ
Старт потока продвинутого курса Hard Аналитика данных
уровень сложности
JUNIOR+ / middle
ФОРМАТ ОБУЧЕНИЯ
видеолекции и задания
Кому подойдет курс Hard Аналитика
Поэтапная оплата курса Hard Аналитика
курс от экспертов индустрии
Кому подойдет курс Hard Аналитика
Курс

записаться на курс или задать вопрос

Мы свяжемся с вами и ответим на все ваши вопросы по курсу.

кому подойдет курс //

На курсе «Hard Аналитика данных» вы освоите навыки, необходимые аналитику уровня middle, а после курса сможете претендовать на повышение грейда как внутри компании, так и при поиске работы.

Аналитик данных уровня junior

Аналитик данных уровня middle

Продуктовый аналитик

BI-аналитик

Курс для BI-аналитика
Курс для продуктового аналитика
Курс для аналитика данных уровня Middle
Курс для аналитика данных уровня Junior

Кто такой middle аналитик данных >>

При составлении программы мы опирались на опыт практиков индустрии и нанимающих лидов, а также проанализировали карты компетенций крупных российских tech-компаний.
Для middle аналитиков важны не только hard, но и soft skills — именно поэтому в обучении мы уделяем особое внимание общению с заказчиками и объясняем, как преодолеть сложности кросс-командной коммуникации.
Специалист растет, когда успешно справляется с новыми для себя задачами или решает проблемы шире своей зоны ответственности. Это возможно только тогда, когда багаж знаний включает не только основы работы с данными, но и темы из смежных областей, — поэтому в программе курса вы найдете 4 модуля из разных сфер Data Science.
мы сделали 2 важных вывода:
1
2
Middle-аналитик данных

почему курс актуален //

Программа курса «Hard Аналитика данных» поможет в решении проблем, с которыми нередко сталкиваются аналитики крупных компаний — даже если вы лично пока с ними еще не сталкивались.
Аналитикам часто приходится создавать дашборды. Но если они формируются без понимания задач бизнеса, то только отнимают время у команды.
Создание ненужных отчетностей
Чтобы успешно работать в связке с узкими специалистами, нужно разбираться в области. Еще лучше — уметь самостоятельно писать пайплайны обработки данных, если у компании нет команды DWH.
Неэффективная коммуникация с командой DWH
В процессе обучения вы разберетесь в типах хранилищ данных и способах взаимодействия с ними, а также освоите Spark, S3, Clickhouse как самые популярные и оптимальные инструменты обработки больших данных.
Стандартные A/B-тесты работают не всегда, а ошибка в расчетах может обернуться большими расходами. Аналитик данных уровня middle должен знать, как выйти за пределы применения стандартных тестов и ответить на сложные вопросы заказчика.
Задачи, которые нельзя решить стандартными методами
На курсе вы узнаете, как выстроить культуру экспериментов в компании, изучите продвинутые методы экспериментов и узнаете что делать в случаях, если провести стандартный A/B-тест невозможно.
Аналитики данных регулярно взаимодействуют с командой инженеров машинного обучения, поэтому полезно знать основы и уметь решать базовые задачи самостоятельно. Еще лучше, если аналитик умеет сам строить модели — это дает преимущество на рынке труда.
Незнание методов машинного обучения
В процессе обучения вы разберетесь, как создавать и обучать модели, а затем оценивать и интерпретировать результаты для бизнеса.
На курсе вы освоите продуктовый подход, узнаете, какие существуют альтернативы дашбордам, и научитесь выбирать оптимальный вариант отчетности для решения поставленной задачи. Ваши дашборды будут отражать максимум информации и четко отвечать на запросы бизнеса.
Аналитикам часто приходится создавать дашборды. Но если они формируются без понимания задач бизнеса, то только отнимают время у команды.
  1. Создание ненужных отчетностей
Чтобы успешно работать в связке с узкими специалистами, нужно разбираться в области. Еще лучше — уметь самостоятельно писать пайплайны обработки данных, если у компании нет команды DWH.
2. Неэффективная коммуникация с командой DWH
В процессе обучения вы разберетесь в типах хранилищ данных и способах взаимодействия с ними, а также освоите Spark, S3, Clickhouse как самые популярные и оптимальные инструменты обработки больших данных.
Стандартные A/B-тесты работают не всегда, а ошибка в расчетах может обернуться большими расходами. Аналитик данных уровня middle должен знать, как выйти за пределы применения стандартных тестов и ответить на сложные вопросы заказчика.
3. задачи, которые нельзя решить стандартными методами
На курсе вы узнаете, как выстроить культуру экспериментов в компании, изучите продвинутые методы экспериментов и узнаете что делать в случаях, если провести стандартный A/B-тест невозможно.
Аналитики данных регулярно взаимодействуют с командой инженеров машинного обучения, поэтому полезно знать основы и уметь решать базовые задачи самостоятельно. Еще лучше, если аналитик умеет сам строить модели — это дает преимущество на рынке труда.
4. Незнание методов машинного обучения
В процессе обучения вы разберетесь, как создавать и обучать модели, а затем оценивать и интерпретировать результаты для бизнеса.
На курсе вы освоите продуктовый подход, узнаете, какие существуют альтернативы дашбордам, и научитесь выбирать оптимальный вариант отчетности для решения поставленной задачи. Ваши дашборды будут отражать максимум информации и четко отвечать на запросы бизнеса.

что нужно для начала /?/

Знаете базовый синтаксис, умеете работать с библиотеками на уровне экспорта/импорта данных, владеете навыком построения базовых визуализаций
Владеете навыком проверки гипотез, знакомы со статистическими критериями и p-value
Уже работали с Tableau, Power BI, Superset или похожими инструментами
Умеете писать запросы с JOIN, where, group by и агрегационными функциями
PYTHON
SQL
Дашборды и визуализация данных
Статистика и теория вероятностей
Консультация по курсу Hard Аналитика данных для повышения квалификации
Оставьте заявку, мы свяжется с вами и поможем подобрать курс, который будет полностью соответствовать вашему уровню и целям.

НЕ УВЕРЕНЫ, ЧТО КУРС ВАМ ПОДХОДИТ?

программа курса >>

Продуктовый подход к созданию отчетности

преподаватель:
Роман Бунин
Продолжительность:
3 недели
Практические задания:
После каждого блока

Работа с командой DWH и обработка больших данных

преподаватели:
Евгений Ермаков, Александр Волынский
Продолжительность:
5 недель
финальный проект:
по модулю

Продвинутые эксперименты

преподаватель:
Дмитрий Казаков
Продолжительность:
10 недель
финальный проект:
по модулю

Машинное обучение для решения задач аналитики

преподаватель:
Никита Табакаев
Продолжительность:
5 недель

авторы курса //

Head of Data Science Raiffeisen CIB, хедлайнер курса
  • руководит data-трансформацией в Райффайзен CIB
  • хедлайнер курсов StartML, Hard аналитика и Deep Learning Engineer
  • специализируется на машинном обучении и продвинутой аналитике данных
  • студент аспирантской школы по экономике НИУ ВШЭ
Нерсес Багиян
Head of Data Science Raiffeisen CIB, хедлайнер курса
Нерсес Багиян - Преподаватель курса Hard-аналитики данных
Chief Analytics Officer in Kolesa Group
  • Отвечает за развитие команд продуктовой аналитики, экспериментов, DWH, UX-research и Data Science.
  • Работает над построением data-driven, experiment-driven культуры и discovery процессов в продуктовой аналитике.
  • Работал в команде построения BI одного из крупнейших банков Казахстана Kazkom.
ДМИТРИЙ КАЗАКОВ
Chief Analytics Officer in Kolesa Group
Дмитрий Казаков - Преподаватель курса Hard-аналитики данных
BI-evangelist Yandex DataLens, ex-Head of BI Yandex Go
  • BI-евангелист Яндекс Облако, в прошлом три года руководил группой развития BI Yandex Go
РОМАН БУНИН
BI-evangelist Yandex DataLens, ex-Head of BI Yandex Go
Роман Бунин - Преподаватель курса Hard-аналитики данных
Руководитель платформы данных toloka.ai
  • Более 10 лет опыта работы с данными.
  • Архитектор DWH и систем анализа данных в VK и Яндекс.Такси.
  • Кандидат технических наук, автор более 10 работ в области анализа данных.
  • Соавтор монографии по теории и практике анализа параллельных баз данных.
ЕВГЕНИЙ ЕРМАКОВ
Руководитель платформы данных toloka.ai
Евгений Ермаков - Преподаватель курса Hard-аналитики данных
Технический менеджер ML сервисов в VK Cloud
  • Специалист по Big Data и AI, занимается внедрением сложных кастомных проектов.
  • Участвовал в создании хранилищ данных в компаниях Платформа ОФД, X5 и VK.
АЛЕКСАНДР ВОЛЫНСКИЙ
Технический менеджер ML сервисов в VK Cloud
Александр Волынский - Преподаватель курса Hard-аналитики данных
Аналитик Raiffeisen CIB
Занимается продуктовой аналитикой и построением моделей машинного обучения в корпоративно-инвестиционном подразделении Райффайзенбанка.
НИКИТА ТАБАКАЕВ
Аналитик Raiffeisen CIB
Никита Табакаев - Преподаватель курса Hard-аналитики данных