Войти
<p>Специалист по анализу данных</p>

Специалист по анализу данных

Подробнее

О программе

Станьте специалистом по работе с большими данными. Получите навыки, необходимые для освоения востребованной профессии в ИТ, под контролем опытных специалистов.

 

Аналитик данных (или дата-аналитик) — это специалист, который извлекает ценную информацию из сложных наборов данных для принятия обоснованных бизнес-решений. Используя передовые инструменты и языки программирования, дата-аналитики выявляют тренды, закономерности и корреляции, которые могут остаться незамеченными.

Программа курса поможет вам понять основы анализа данных, машинного обучения, изучить методы искусственного интеллекта для машинного обучения, глубокого обучения нейронных сетей.

Вы научитесь принимать решения на основе анализа данных, освоите навыки обработки, очистки и визуализации данных, применяя в своей работе такие инструменты, как Excel, Python, Tableau, Power BI и др. программы.

 

О программе

Аналитик данных (или дата-аналитик) — это специалист, который извлекает ценную информацию из сложных наборов данных для принятия обоснованных бизнес-решений. Используя передовые инструменты и языки программирования, дата-аналитики выявляют тренды, закономерности и корреляции, которые могут остаться незамеченными.

Программа курса поможет вам понять основы анализа данных, машинного обучения, изучить методы искусственного интеллекта для машинного обучения, глубокого обучения нейронных сетей.

Вы научитесь принимать решения на основе анализа данных, освоите навыки обработки, очистки и визуализации данных, применяя в своей работе такие инструменты, как Excel, Python, Tableau, Power BI и др. программы.

Зарплата Аналитика данных

 

 

Зарплата Аналитика данных

Чему вы научитесь

<p>Работа с данными</p>

Работа с данными

Обработка и предобработка данных, описание и обработка неструктурированных данных, анализ и визуализация данных

#навыки

<p>Введение в статистику и математический анализ</p>

Введение в статистику и математический анализ

Базовые понятия статистики, математические операции с данными

#навыки

<p>Методы анализа данных</p>

Методы анализа данных

Регрессионный анализ, анализ временных рядов, кластеризующий анализ, уменьшение размерности

#навыки

<p>Введение в машинное обучение</p>

Введение в машинное обучение

Базовые понятия машинного обучения, создание простых моделей машинного обучения

#навыки

<p>Работа с бизнес-аналитикой</p>

Работа с бизнес-аналитикой

Анализ и интерпретация бизнес-данных, создание рекомендаций для бизнес-решений на основе анализа данных

#навыки

<p>Популярные библиотеки</p>

Популярные библиотеки

Pandas, NumPy, Matplotlib, Seaborn, Sweetviz, Dataprep, D-Tale, Mitosheet, Bamboolib и другие

#инструменты

<p>SQL</p>

SQL

в BigQuery

#инструменты

<p>Платформы для анализа данных</p>

Платформы для анализа данных

Loginom, Yandex DataLens, Tableau, Power BI, Superset

#инструменты

Программа обучения

Модуль 1. Базовый модуль

1. Основы вычислений на языке Python:

- Переменные и типы

- Основные конструкции языка
- Математические вычисления, модуль math

- Обработка исключительных ситуаций

- Функции

- Форматный вывод

2. Обработка табличных данных и визуализация:

- Списки

- Построение графиков и диаграмм

- Рисование плоских фигур

3. Матрицы и векторы:

- Массивы

- Многомерные массивы

- Тренды

4. Введение в бизнес-аналитику с применением Python для анализа данных:

- Введение в  онлайн-таблицы для совместной работы, сводные таблицы

- Применение сводных таблиц для маркетинговой сегментации

- Применение машинного обучения к данным в онлайн-таблицах

- Обзор типов данных Pandas

- Библиотеки визуализации данных Matplotlib, Seaborn, Altair, Plotly Express

- Исследовательский анализ данных (EDA) c использованием pandas

- Разведочный анализ данных с использованием библиотек автоматизации EDA (Pandas Profiling, Sweetviz, Dataprep, D-Tale, Mitosheet, Bamboolib)

 

Модуль 2. Профильный модуль

1. Методы машинного обучения для анализа табличных данных:

- Машинное обучение для решения задач Data Mining

- Алгоритмы построения деревьев решений, критерии разделения

- Бустинг

- Фреймворки машинного обучения

- Кластерный анализ, алгоритм k-means и поиск ассоциативных правил

- Применение больших языковых моделей (LLM) для аналитики данных

- Анализ временных рядов

- Автоматическое машинное обучение (AutoML)

2. Современные озера и хранилища данных, аналитика больших данных и методы искусственного интеллекта:

- Облачные технологии обработки больших данных

- Маркетинговая аналитика на SQL в BigQuery

- Машинное обучение на SQL в BigQuery

- Интеграция аналитических сервисов BigQuery и Colab

- Интеграция технологий BigQuery и DuckDB

3. Платформы науки о данных и машинного обучения:

- Аналитические технологии Loginom

- AutoML H2O.ai

- Аналитические технологии Knime

4. Платформы бизнес-аналитики

- Аналитические технологии Tableau

- Аналитические технологии Power BI

- Аналитические технологии Superset

Партнёр программы

 

 

ТДата – ведущий российский разработчик программного обеспечения для построения хранилища данных и аналитики. ТДата занимается разработкой, развитием и сопровождением продуктов платформы управления данными для коммерческих заказчиков и в интересах ПАО «Ростелеком».

Как проходит обучение

<p>Обучение проходит полностью дистанционно</p>

Обучение проходит полностью дистанционно

Доступ к личному кабинету слушателя и учебным материалам 24/7, возможность обучаться из любой точки мира.

<p>Обучение поделено на модули</p>

Обучение поделено на модули

Ваше обучение будет поделено на учебные модули (разделы). Каждый модуль включает в себя лекционный материал, вебинары с экспертом, практические задания для отработки и закрепления полученных знаний.

<p>Практические задания проверяются экспертами</p>

Практические задания проверяются экспертами

Выполненные практические задания проверяют наши эксперты, после чего вы получите обратную связь и рекомендации по доработке.

<p>Изучение каждого учебного модуля ограничено дедлайном</p>

Изучение каждого учебного модуля ограничено дедлайном

Изучение каждого учебного модуля ограничено "мягким" дедлайном (дата до которой рекомендовано выполнить все практические задания) и "жестким" дедлайном, после чего вам становится доступно изучение следующего модуля.

Ответы на вопросы

Мы рекомендуем уделять до 20 часов на обучение в неделю. Изучать материалы программы вы можете в любое время, главное — вовремя выполнять практические задания. 

Если у вас есть среднее профессиональное или высшее образование, по завершению обучения вы получите диплом о профессиональной переподготовке установленного образца.

В начале обучения вы будете подключены к закрытому Telegram-чату, где сможете оперативно получить помощь от экспертов и команды поддержки, в случаях, если у вас возникнут сложности с изучением материалов.    

Для комфортного обучения на курсе вам подойдет ноутбук или стационарный компьютер, рекомендуемые требования:
• операционная система: Windows 10 или более поздняя версия (64-разрядная среда), macOS 11 или более поздняя версия;
• процессор: двухъядерный процессор с тактовой частотой 3.3 ГГц или выше;
• оперативная память: минимум 8 Гб, рекомендуется 16 Гб.