Data Science
Программа о методах и инструментах, которые обеспечивают быструю, надёжную и возобновляемую доставку данных, готовых к аналитике и эксплуатации моделей Data Science. DataOps-инженер — тот специалист, который может развернуть и конфигурировать все эти инструменты там, где остро встаёт вопрос масштабирования и гибкости. Курс предназначен для тех, кто уже знает, как строятся базы данных и работает ETL-процесс, кто уже прошёл путь первичных построений и нуждается в расширенных методах обработки потоковых данных и хранения огромных массивов.
По итогам этого курса вы научитесь пользоваться запросами SQL и работать с классическим хранилищем данных, узнаете, как спроектировать аналитическую базу данных для ваших нужд, создадите свой первый OLAP-куб и научитесь выбирать и подключать Business Intelligence решения, выполните обработку данных при помощи Spark, создадите облачную базу данных и запустите Pipeline в облаке. Вы сможете построить свой первый классификатор и регрессию и обучить нейронную сеть.
Вы научитесь преобразовывать сырые данные в полезную информацию для принятия стратегических решений. С нуля овладеете знаниями и навыками, необходимыми для работы Data Scientist. Вас ждёт много практической работы, разбор кейсов и новые полезные знакомства. Сможете извлекать максимум из больших массивов данных для быстрой проверки гипотез и построения прогнозов.
Курс поможет вам овладеть всеми важными для аналитика данных навыками, научит мыслить абстрактно, видеть за метриками и показателями смысл. Вы изучите полный цикл работы с данными: от их получения из разных источников с помощью SQL до загрузки и обработки средствами Python. Освоите актуальные инструменты анализа данных и принципы работы с Big Data, сможете проверять гипотезы, находить инсайты в данных и предлагать бизнесу оптимальные сценарии роста и увеличения капитала.
Курс для тех, кто хочет получить прикладной опыт создания работающих нейронных сетей вместо «обзора по верхам». Вы сможете формулировать задачу для проекта в Data Science, подбирать алгоритмы и метрики под задачу для разных моделей, строить модели машинного обучения с помощью библиотеки Sklearn, интерпретировать результаты и составлять отчёты об исследовании.
Этот курс для получения навыков создания пайплайнов и работы с хранилищами данных. Вы научитесь проектировать схемы хранилища: Star Schema, Snowflake Schema, Hybrid Schemas, писать запросы к базам данных, Join, агрегаты, группировки, вложенные запросы, понимать особенности популярных решений: Snowflake, BigQuery, Azure SQL DW, Redshift, выводить real-time отчётность и строить RTDM-системы с использованием массовых enterprise BI-решений, управлять ETL/ELT-процессами.
Python — простой и универсальный инструмент для решения любых аналитических задач. Вы научитесь: понимать программистов, автоматизировать рутинные задачи, использовать готовые решения для придания смысла сырой информации, находить новые взаимосвязи в данных и интерпретировать их для улучшения показателей бизнеса. Получите навыки работы с аналитическими библиотеками numpy, scipy, pandas, seaborn, plotly и matplotlib.
В первом модуле вы разберётесь, что такое аналитическое мышление, и узнаете, откуда берутся данные. Далее научитесь работать с SQL, PostgreSQL, MongoDB. Познакомитесь с возможностями и компонентами Power BI и научитесь составлять сложные запросы и отчёты. Выберите модуль, который подходит именно вам, и углубляйтесь в одну из областей: изучите анализ больших данных, освойте инструмент визуализации Tableau или выберите работу с Power BI на продвинутом уровне.
В мире появляется всё больше данных. Но данные сами по себе — это набор символов. Нужны специалисты, которые умеют извлекать важные для государства, бизнеса и общества инсайты и подавать их читателям в понятном виде. Вы научитесь видеть истории, скрытые в массивах данных, анализировать данные с Python и визуализировать их в Tableau, использовать инфографику, лонгриды или интерактивные тесты, чтобы представить читателям полученные инсайты.
На курсе вы научитесь понимать задачи бизнеса и повышать свою эффективность с помощью HR-аналитики, собирать данные из различных источников, использовать и приоритизировать HR-метрики, строить и проверять гипотезы.
Продуктовый аналитик умеет находить точки роста в данных, оформлять их в гипотезы и масштабировать на пользователей. Использует наибольший спектр инструментов для всестороннего изучения данных о пользователе и его поведении. Мы научим создавать продукт, который нужен на рынке, покажем, как автоматизировать рабочие процессы с помощью Python и Tableau, строить аналитические модели и тестировать гипотезы.
Эмоции игрока, фан, баланс и поток — вот плоскости, в которых работает гейманалитик. Он собирает данные и превращает абстрактные понятия в реальные бизнес-метрики. Опираясь на эту информацию, участники команды совершенствуют игру. На курсе мы знакомим с психологией игр, поведенческой экономикой и основами геймдизайна. Учим обрабатывать и анализировать данные, формулировать и проверять гипотезы. Вы сможете прогнозировать поведение игрока и влиять на доходы от игр.
Системный аналитик активно использует анализ в своей работе, чтобы находить правильные решения, исходя из потребностей бизнеса и возможностей команды разработки. Он хорошо ориентируется в технической стороне, IT‑инфраструктуре, знает, как разрабатывается ПО, и умеет читать код, может сам проектировать системы и их интеграции. Системный аналитик также владеет коммуникационными навыками для сбора чётких требований и предоставления фидбека о работе.