Этот курс по аналитике данных предназначен для тех, у кого уже есть базовые знания и опыт, но желающих освоить новые навыки и выйти на следующий, более продвинутый уровень. Под руководством топовых специалистов, занимающих серьёзные должности в ведущих компаниях России, вы научитесь работать с большими данными и моделями машинного обучения, взаимодействовать с командой DWH, грамотно планировать сложные и глубокие эксперименты и проводить их последующий анализ, составлять отчётность, применяя продуктовый подход, и создавать дашборды. Прохождение курса займёт у вас шесть месяцев.
Показываем, как будет расти ваш заработок вместе с опытом. И сколько времени потребуется, чтобы окупить вложения в образование
Если у вас уже есть знания и умения в области аналитики на уровне джуниор-специалиста, этот курс поможет вам выйти на новый уровень профессионализма.
Узнаете, что необходимо для грамотного целеполагания.
Ознакомитесь с сутью и особенностями BI-систем.
Научитесь работать с внутренними метриками.
Изучите алгоритм создания дашбордов.
Выясните, какие роли существуют у бизнес-пользователей.
Научитесь производить анализ продуктов, процессов и сущностей.
Разберётесь, какие существуют типы задач.
Сможете применять различные инструменты и шаблоны.
Узнаете, как приоритизировать работу над дашбордами.
Ознакомитесь с принципами интервьюирования заказчика.
Научитесь использовать данный инструмент.
Изучите различные дизайн-паттерны.
Потренируетесь в создании дашбордов.
Научитесь работать с основными архитектурами платформ данных.
Изучите общую структуру хранилища и главные инструменты, использующиеся для работы с ним.
Начнёте знакомиться со Spark.
Сможете создавать простые и сложные запросы на Spark.
Разберётесь, как оптимизировать запросы.
Разберётесь, как устроен Clickhouse и с какими целями его можно применять.
Сможете работать с запросами различной сложности.
Выясните, что представляет из себя такой инструмент, как S3.
Научитесь работать с S3, применяя при этом также Spark и Boto3.
Изучите устройство логической архитектуры DWH.
Ознакомитесь с различными вариантами строительства.
Узнаете, какие существуют классические роли и подходы при организации работы DWH.
Выясните, какими могут быть процессы вокруг данных.
Выполните проект, предполагающий совместное использование всех изученных в течение блока инструментов.
Узнаете, какова роль экспериментов и по каким принципам они должны внедряться.
Изучите процесс управления движением продукта через эксперименты.
Ознакомитесь с различными метриками и их связями между собой.
Узнаете, чем отличаются друг от друга ошибки первого и второго рода, а также поймёте, что такое чувствительность.
Научитесь грамотно формировать выборку и производить сплитование.
Разберётесь, что такое бутстрап и оптимальный критерий.
Выясните, как обойти проблему множественных сравнений.
Разберётесь, что представляют собой угрозы внешней достоверности результатов и какими способами можно избежать их.
Изучите чеклисты запуска и контроля экспериментов.
Научитесь грамотно проводить презентацию результатов эксперимента.
Узнаете, как обойти проблему нечувствительных тестов.
Научитесь применять CUPED.
Разберётесь, что такое SPRT и как он может помочь с решением проблемы подглядывания.
Ознакомитесь с различными методиками сausal inference.
Пройдёте несколько кейс-тестов и выполните некоторое количество мини-проектов.
Ознакомитесь с базовыми терминами машинного обучения.
Изучите модель линейной регрессии и разберётесь, как она может помочь в решении аналитических задач.
Научитесь строить линейную регрессию в Python.
Разберётесь в отличиях между функцией ошибки, функционалом качества и метрикой.
Научитесь интерпретировать результаты модели линейной регрессии.
Сможете выстроить пайплайн для эксперимента с моделями машинного обучения и определитесь с целями и предполагаемым результатом.
Изучите различные способы обработки данных.
Ознакомитесь со стратегиями валидации данных.
Разберётесь, что представляют из себя расширенные версии линейной регрессии.
Выясните, какие ограничения существуют у данной модели и в чём заключается проблема мультиколлинеарности.
Узнаете, какие критерии используются для сравнения линейных моделей.
Ознакомитесь со стратегией бинаризации таргета.
Выясните, как устроен механизм работы логистической регрессии и других линейных подходов.
Научитесь грамотно применять регуляризацию в задачах классификации.
Познакомитесь с различными метриками классификации.
Разберётесь, для чего необходимо производить калибровку вероятностей.
Научитесь интерпретировать линейные модели и оценивать вероятности.
Изучите концепцию метрического подхода в задачах регрессии и классификации.
Познакомитесь с различными алгоритмами KNN и возможностями их усложнения.
Разберётесь в особенностях интерпретации метрических подходов.
Изучите механизм работы KMeans и Dbscan, их плюсы и минусы.
Познакомитесь с метриками оценки качества кластеризации.
Ознакомитесь с основными спецификациями данных с временной структурой.
Узнаете, что такое авторегрессия и сможете решать эконометрические уравнения.
Научитесь применять библиотеку prophet для анализа временных рядов.
Изучите различные критерии декомпозиции временного ряда.
Выясните, как построить решающее дерево, используя жадный алгоритм.
Узнаете, в чём заключаются ограничения решающих деревьев и сложности в их настройке.
Разберётесь, что такое бэггинг, бустинг и стэкинг.
Поймёте, что представляет из себя концепция BVD.
Изучите механизм работы Isolation Forest.
Просмотр обучающих видеороликов
Делаете все тогда, когда вам это удобно и в подходящем вам темпе
Познакомитесь с площадками для поиска работы, узнаете, как успешно пройти стажировку, и получите доступ к бирже с вакансиями компаний-партнёров
Конечно! Школа Karpov.Courses осуществляет образовательную деятельность на основании официальной лицензии, полученной в апреле 2022 года. Подробности вы можете узнать на сайте школы.
Вы должны знать базовый синтаксис Python и уметь работать с популярными библиотеками, писать запросы на SQL, понимать статистику и теорию вероятностей, уметь создавать дашборды и визуализировать данные.
Вам понадобится только компьютер или ноутбук для написания кода. Никаких дополнительных программ и приложений устанавливать до старта обучения не нужно - за исключением Telegram, Zoom и Discord, где вы сможете общаться с преподавателями и однокурсниками.
Курс продлится шесть месяцев. Еженедельно будет открываться по три урока, состоящих из видеолекций, конспектов и домашних заданий, на выполнение которых вам будет отводиться до двух недель.
Для этого вам необходимо будет набрать не менее 75% баллов в течение прохождения курса. Баллы будут начисляться за выполнение практических заданий.
Это нормально, ведь вы находитесь в процессе освоения новых навыков и знаний. Со всеми возникшими затруднениями вы можете обращаться к экспертам курса.
Обучение организовано так, что вы можете спокойно совмещать его с работой, учебой и личной жизнью. Именно вы решаете, когда работать с материалами курса - вы занимаетесь тогда, когда удобно вам. Все уроки курса будут всегда в вашем доступе, даже после окончания курса, поэтому вы в любой момент сможете повторить пройденный материал.
Именно вы решаете, когда и сколько заниматься. Обычно студенты тратят на обучение от трех до пяти часов в неделю.
Да, вы всегда сможете задать вопрос преподавателю в личном кабинете. Также вы будете получать от него обратную связь после выполнения домашних заданий.
Да, вы можете купить курс в рассрочку, что позволит вам лучше спланировать свой бюджет.
Да, конечно. Подать заявление можно на официальном сайте ИФНС или в приложении Госуслуг. Команда школы поможет собрать пакет документов.