Ожидаемая З/П
Специалист, завершивший обучающие курсы, может рассчитывать на доход в диапазоне от 70000 до 400000 рублей ежемесячно.
Для кого
Курс ориентирован на аналитиков из разнообразных сфер, а также на профессионалов, задействованных в прогнозировании, оценке рисков, оптимизации и создании моделей, с акцентом на IT-сектор.
Чему научитесь
В рамках обучения на курсе студенты овладевают мастерством работы с базами данных через SQL, изучают программирование на Python, осваивают инструменты бизнес-аналитики (BI), прокладывают пути через замысловатые лабиринты математики и учатся предугадывать потенциальные угрозы, проводя анализ рисков.
Программа обучения
1. Образовательная программа "Аналитика данных": изучение SQL и Python, основы BI, математические дисциплины, создание портфолио, практика, получение диплома, помощь в трудоустройстве.
2. Модули курса для аналитиков данных: рабочие инструменты, анализ продуктов, работа с Google Таблицами и Excel, освоение SQL, основы веб-аналитики.
3. Программный контент курса по аналитике данных: набор инструментов, анализ продуктов, использование Google Таблиц и Excel, применение SQL, введение в веб-аналитику.
4. Учебный план курса "Специалист по данным": введение в Data Science, основы машинного обучения, линейная регрессия, классификация, проверка моделей, деревья решений, метод бутстрап, инженерия признаков, градиентный бустинг, проведение A/B тестов, обучение без присмотра, системы рекомендаций, изучение метрик, матричные разложения, практические рекомендации, мастер-классы.
5. Структура курса "Data Scientist": профессия Data Scientist.
6. Детализация учебного процесса на курсе "Data Scientist": профессиональное погружение в Data Science, основы машинного обучения, изучение линейной регрессии и бинарной классификации, методы валидации, применение решающих деревьев, бутстрап-методика, разработка признаков, градиентный бустинг, техники A/B тестирования, самостоятельное обучение, создание рекомендательных систем, анализ метрик, матричное разложение, методические указания, воркшопы.
7. Курс "ChatGPT в аналитике данных": изучение ChatGPT, этапы подготовки данных, базовые принципы GPT, интеграционные процессы, обучающие сессии, методы классификации, стратегии прогнозирования, написание дипломной работы, проектная деятельность, профессиональное развитие, подготовка к интервью, процедура защиты.
8. Разделы обучения по курсу "ChatGPT в аналитике данных": освоение ChatGPT, этапы обработки данных, базовые знания GPT, интеграционные механизмы, обучение, классификационные задачи, прогнозные модели, выполнение дипломного проекта, работа над проектом, личностное развитие, подготовка к собеседованию, защита проекта.
Кто преподает
1. Александр Поваров занимает позицию менеджера по продукту в компании TransferWise.
2. Андрей Менде исполняет обязанности владельца продукта на платформе Booking.com и является создателем обучающего сервиса ProductDo.
3. Анна Атласова осуществляет аналитическую деятельность в сфере бизнес-интеллекта на площадке Amazon.
Формат обучения
1) Образовательный процесс осуществляется через интернет.
2) Учебный план охватывает начальные уроки по SQL, Python, бизнес-аналитике и основам математики в сфере информационных технологий.
3) После завершения обучения учащиеся получают сертификат.
4) Программа предоставляет возможности для трудоустройства новичкам в данной области.
Пункты для резюме
Ключевые компетенции: исследование данных, манипулирование информационными потоками, выявление закономерностей, стратегическое решение задач, разработка докладных материалов.
Программное обеспечение и технологические решения: Google Аналитика, Табло, Миро, Экономический анализ единицы продукции, Сплит-тестирование.
Сертификат/Диплом
Официальный диплом о профпереподготовке символизирует профессиональное развитие и становится ключевым элементом портфолио.
Трудоустройство
Образовательная программа "Аналитик Данных" обеспечивает комплексные знания в области SQL, Python и BI, а также математические навыки, предлагая гарантированное трудоустройство, наставничество, практику, ассистирование в трудоустройстве, включая составление резюме и подготовку к интервью, с учетом имеющихся дипломов и взаимодействие с Карьерным центром ProductStar, с перспективой получения должности по завершении курса.
Освойте с нуля перспективную профессию аналитика данных. Вы научитесь работать с большими данными, строить прогнозы и улучшать показатели бизнеса. Погрузитесь в Data Science и научитесь работать с машинным обучением. Курс составлен с упором на практику. Вы решите кейсы топовых компаний: Uber, Lyft, Airbnb и добавите их в свое портфолио. Финальный проект оценивает комиссия из работодателей. На курсе действуйте гарантия трудоустройства. Карьерный Центр поможет найти работу в новой сфере, или мы вернем деньги.
О школе
ProductStar — молодая школа, основанная директором по продукту Skyeng - Михаилом Карповым. Обучают востребованным IT-специальностям: продукт-менеджменту, аналитике и маркетингу. Имеются государственная образовательная лицензия и гарантия трудоустройства.
Программа обучения
Обучение на практике
Онлайн в удобное время
Cертификат об успешном прохождении курса
Ступень 1: "Инструменты для базового анализа данных"
Блок 1: Продуктовая аналитика
- Роль аналитика в команде
- Роль и место аналитика в команде
- Lean Canvas
- HADI циклы
- Основные типы бизнес-метрик
- Декомпозиция метрик: иерархия метрик и пирамида метрик
- Декомпозиция метрик и работа с кастомными метриками
Блок 2: Google Sheets и Excel для задач аналитики
- Основы работы в Google Sheets
- Сводные таблицы
- Форматирование данных
- Визуализация данных
- Базовые вычислительные функции и формулы
- Логические функции и инструменты
- Текстовые функции и инструменты
- Работа с диапазонами
- Массивы
- Прогнозирование
Блок 3: SQL для анализа данных
- Введение в блок SQL
- Извлечение и фильтрация данных (часть 1)
- Извлечение и фильтрация данных (часть 2)
- Преобразование и сортировка данных (часть 1)
- Преобразование и сортировка данных (часть 2)
- Группировка данных
- Введение в базы данных
- Объединение таблиц
- Подзапросы
- Обновление, добавление и удаление данных
- Создание, изменение и удаление таблиц
- Advanced
- Итоговый проект LEGO
- Бонусный урок
Блок 4: Веб-аналитика и аналитика мобильных приложений
- Введение в digital-аналитику: основные понятия и инструменты
- Базовые настройки инструментов аналитики Google Analytics и Yandex Metrica
- Основные отчеты Google Analytics. Метрики и параметры
- Метрики и параметры. Основные отчеты Yandex Metrica
- GTM особенности работы и основные возможности
- Расширенные возможности GTM. Практические кейсы
- Google Analytics 4: Важные особенности и возможности
- Переход с Google Analytics на Google Analytics 4
- Инструменты app-аналитики
- Основные отчеты App Metrica
- Возможности передачи и сбора данных из систем аналитики — BigQuery, ClickHouse, OWOX BI
- Мобильная аналитика и А/Б-тесты
Блок 5: Работа с руководителем и защита своих идей
- Анализ целевой аудитории и конкурентов
- Введение в инструменты исследований
- Принципы и подходы Customer Development
- Тренажёр CustDev и практика "в полях" на реальных кейсах
Ступень 2: "Применение на прикладных проектах и продвинутые инструменты анализа данных"
Блок 1: A/B-тестирование
- Проверка гипотез и поиск точек роста с помощью A/B-тестирования
- Основы математической статистики для A/B тестирования
- Статистический тест для оценки результатов A/B эксперимента
- Цель и метрики A/B теста
- Практическая реализация A/B теста
- Продвинутые методики тестирования
- Инструменты для A/B тестирования
Блок 2: Мат. статистика и математика для аналитика
- Основы линейной алгебры и теории множеств
- Методы математической оптимизации
- Основы описательной статистики
- Статистический анализ данных
Блок 3: Unit-экономика и работа с данными
- Unit-экономика
- Жизненный цикл клиента и когортный анализ
- Работа с бюджетами
- Нюансы бюджетов и P&L
- Прикладная аналитика
- Feature Adoption
- Growth Hacking
- Монетизация
Блок 4: Python
- Введение в Python
- Типы данных, функции, классы, ошибки
- Строки, условия, циклы
- Списки и словари в Python
- Пакеты, файлы, Pandas – начало
- Pandas – продолжение
- Визуализация данных
- Базы данных и статистика
- Многопоточность
- Веб-сервер flask и контроль версий GIt
- Итоговый проект
Блок 5: Использование Power BI и визуализация данных
- Введение в Power BI
- Power Query. Получение и преобразование данных
- Модель данных в Power BI
- DAX (Data Analysis Expressions)
- Работа с отчетами, базовые принципы визуализации данных
- Power BI Service и создание дашборда
- Power BI и Python
- Итоговый проект: Uber & Lyft
Блок 6: Работа с Tableau и дашбордами
- Введение в Tableau. Знакомство с инфраструктурой Tableau
- Модели данных и Табличные вычисления
- Параметры и уровни детализации в Tableau
- Псевдонимы, сортировка, Actions
- Разработка дашбордов. Настройка взаимодействия между визуализациями
Блок 7: Дипломная работа
- Работа над дипломным проектом для портфолио
- Как расти в руководителя аналитики
- Подготовка резюме
- Подготовка к собеседованию
1 комментарий
Ответить