Принятие решений на основе данных

Крупные компании генерируют столько данных, что их невозможно изучить и осмыслить командой специалистов. Аналитические инструменты позволяют представить их одновременно в максимально сжатом формате и не потерять в качестве, чтобы сделать выводы и принять решения.

Результаты процессов в компании содержат скрытую связь между решениями и ключевыми признаками, по которым они были приняты. Аналитика и машинное обучение позволяют восстановить эти связи и применить их для автоматизации процессов или масштабирования.

Диджитализация общества повышает конкуренцию в каждой из отраслей бизнеса. Современные вычислительные мощности способны бесшовно поставлять данные в онлайн процессы, минимизируя операционные затраты и повышая скорость принятых решений.

Решения становятся объективнее и достовернее, если они основаны на данных. Бизнес, который опирается на аналитические данные, принимает обоснованные решения, снижает влияние эмоций или субъективных предпочтений.

Поймете важность аналитики. Поймете что такое продуктовые гиотезы, как они связаны с метриками. Узнаете, что такое дерево метрик, и как его можно применять на практике для генерации гипотез и поиска узких мест. Познакомитесь с АВ-тестами, узнаете их преимущества и недостатки.

Поймете, откуда можно брать данные, как их можно выгружать и валидировать. Узнаете, как объём данных влияет на скорость их обработки.

В этом модуле познакомитесь с разными инструментами и научитесь выбирать подходящий под конкретную задачу. Освоите три основных инструмента: Excel, Python и BI-системы. Узнаете, как применять различные методы анализа данных на практике (на примере линейной регрессии).

Познакомитесь с основными правилами и принципами визуализации данных. Научитесь использовать подходящую под вашу задачу визуализацию, и научитесь строить её в Python и в Excel

Научитесь выстраивать систему приоритетов на основе метрик и фреймворков. Сумеете определять разницу между принятием решений на личном опыте и опорой на цифры.

В заключительном модуле научитесь переводить с аналитического на бизнес-язык и наоборот. Поймете, как правильно выстраивать рассказ вокруг данных и подкреплять выводы расчетами. Научитесь наблюдать за внедрением инициативы, выделяя ключевые и барьерные метрики.

Узнаете как модели машинного обучения обучаются, принимают решения и какие типы задач можно решать при помощи них. Научитесь находить точки применения data science в ваших бизнес процессах. Научитесь ставить задачи и узнаете необходимый уровень вашего вовлечения для их эффективной реализации. Узнаете, как оценивать финансовый эффект и устанавливать правильную приоритезацию задач.

Начнете со сбора данных и разметки. Познакомитесь с понятием целевой переменной и выбором источников данных, которые коррелируют с ней. Узнаете, как влияют на результат глубина и количество, собираемых данных. Поймете, как проверить качество данных на разных этапах, и научитесь генерировать признаки из сырых данных. Узнаете, в каких случаях без разметки данных не обойтись, когда может справится с задачей внешний подрядчик, а когда стоит выстраивать функцию внутри.

Познакомитесь с блоком про аналитику: узнаете, как провести разведочный анализ (EDA) и проверить гипотезы на исторических данных. Узнаете об основных метриках оценки качества для различных типов задач.

Познакомитесь с особенностями процессов разработки моделей машинного обучения. Узнаете основные форматы взаимодействия с внедренными моделями и способы интеграции с ними.

Научитесь рассчитывать финансовый эффект от внедрения моделей машинного обучения. Поймете, почему важен этап АВ-тестирования и особенности проведения множественных АВ-тестов. Узнаете, зачем нужно мониторить качество работы моделей на всем периоде ее эксплуатации.

На примере пройдёте все этапы: от постановки задачи до мониторинга.

Это обучение подойдёт вам, если вы не работаете с данными напрямую, как аналитик, но хотите научиться принимать решения, опираясь на цифры или выводы, а не на предыдущий опыт или мнение коллег.

В курсе предусмотрено 2 части: для тех, кто начинает свой путь в работе с данными, и тех, кто уже знаком с основами, но хочет закрыть пробелы или ускорить работу.

Вы можете ознакомиться с программами обеих частей и выбрать ту, которая подходит вам больше. Если у вас возникают сложности с выбором, пожалуйста, напишите нам, мы поможем определиться

Если вы до этого не работали с данными или работали минимально, то рекомендуем присмотреться к части Аналитика. Для части Data Science важно базовое понимание работы аналитики и наличие внутри вашей компании команды data science специалистов

После регистрации на платформе и старта потока обучения вы сможете смотреть видеолекции и читать текстовые конспекты в удобное для вас время. В личном кабинете будет доступно расписание, где вы сможете увидеть дедлайны по сдаче домашних работ и даты вебинаров с командой сопровождения. А ещё у вас будет Дискорд — мессенджер, где можно задать вопросы в процессе обучения, пообщаться с командой курса и другими студентами программы

Мы рекомендуем закладывать на старте до 10 часов в неделю — это максимальная нагрузка. Средняя нагрузка — 6−8 часов.

Да, рекомендуем присмотреться к части курса Аналитика, она как раз для менеджеров и руководителей, которые только начинают путь в работе с данными

Вас поддержит целая команда: преподаватели и авторы курса — с ними вы увидитесь на вебинарах и сможете задать прикладные вопросы, эксперты помогут с ответами на вопросы в чатах, ревьюеры будут проверять домашние работы и давать обратную связь, а куратор поможет разобраться с организационными вопросами.

Да, по итогам завершения любой из частей курса вы получаете именной сертификат. Чтобы его получить необходимо успешно сдать не меньше половины домашних работ и успешно сдать финальный проект.

Да, мы осуществляем образовательную деятельность на основании государственной лицензии № 042 048 от 11 апреля 2022 года, выданной Департаментом образования и науки города Москвы.

Да. Если вы оплатили обучение на курсе после 23 мая 2022 года, являетесь налоговым резидентом России и уплачиваете подоходный налог, вы можете оформить вычет. Однако подать документы можно только в году, следующем за годом оплаты обучения.

Налоговый вычет за обучение — это часть расходов на образование, которую государство может вам компенсировать. С подробной информацией об условиях получения налогового вычета, порядком его расчёта и списком необходимых документов можно ознакомиться на сайте ФНС.