Аналитик данных от Simulative

    Simulative
    Стоимость курса
    79 000 Р
    Сертификат
    Нет
    Начало курса
    В любой момент
    Трудоустройство
    Нет

    Программа обучения

    Продуктовые метрики

    Работа аналитика направлена на улучшение продукта, пользовательского опыта и оптимизацию ресурсов компании — для этого нужно глубоко разбираться в том, как «переводить» продукт на язык цифр и метрик. Поэтому в первом модуле подробно изучаем:

    • Введение в продуктовые метрики
    • Метрики привлечения
    • Метрики продукта
    • Метрики вовлеченности
    • Дополнительные метрики

    Подкрепим изученный материал практикой и расчетными заданиями:

    • Построение маркетинговой модели
    • Расчет retention
    • Расчет lifetime
    • Расчет MAU/WAU/DAU

    Дополнительно рассмотрим интересные темы (например, ложную корреляцию) с помощью блиц-тестирования.

    SQL для анализа данных

    Язык SQL — основной инструмент аналитика. Его чаще всего спрашивают на собеседованиях и используют в работе. Расписание модуля:

    • Глава 1: «Введение в базы данных»
    • Глава 2: «Основы работы с БД»
    • Глава 3: «Первые шаги в SQL»
    • Глава 4: «Как я умею гуглить»
    • Глава 5: «JOIN: Объединение таблиц – важнейшая операция в РСУБД»
    • Глава 6: «GROUP BY: расчет агрегированных метрик и описательных статистик»
    • Глава 7: «Подзапросы, CTE, correlated subquery и вложенная логика»
    • Глава 8: «Оконные функции: самый мощный инструмент для решения задач»
    • Глава 9: «Код стайл: как писать красивый код на SQL»
    • Глава 10: «DDL и DML: не SELECT-ом единым»
    • Финальный тест по модулю SQL
    • Финальный проект по модулю SQL

    Вас ждет 150+ практических заданий, а также 3 финальных проекта на выбор.

    Примеры практических заданий: ABC/XYZ-анализ, когортный анализ rolling retention, сегментация клиентской базы, распределение баланса по перцентилям, SCD, превращение длинной таблицы в широкую (pivot table), аналитика банковских транзакций.

    Темы итоговых проектов:

    • RFM анализ клиентской базы аптечной сети
    • Повышение retention платформы IT Resume
    • Аналитика активности студентов корпоративного клиента

    Визуализация данных: Metabase

    Построение графиков и дашбордов — еще одна распространенная задача аналитика. И Metabase отлично синергируется с визуализацией данных и SQL: можно писать запросы и сразу строить графики. В этом модуле рассматриваем:

    • Знакомимся с Metabase
    • Как зайти в Metabase
    • Глава 1: «Визуализируем наши SQL-запросы»
    • Разбор домашнего задания
    • Глава 2: «Работа с Questions»
    • Глава 3: «Filter Fields»
    • Глава 4: «Построение дашбордов»
    • Дополнительные фишки
    • Итоговая работа

    В качестве итогового проекта вам предстоит построить сопроводительные визуализации для проекта, который вы делали в модуле по SQL. Дополнительно вам нужно будет собрать полноценный дашборд.

    Git / Github

    Для работы в команде необходимо уметь работать с системой контроля версий Git. В этом модуле мы расскажем, как пользоваться всеми основными командами, решать конфликты при merge и делать пулл-реквесты.

    • Глава 1: Введение
    • Глава 2: Работа с локальным репозиторием
    • Глава 3: Работа с удаленным репозиторием
    • Глава 4: Работа с ветками
    • Глава 5: Работа с историей
    • Глава 6: Перебазирование и слияние
    • Глава 7: Работа с чужими репозиториями
    • Глава 8: Заключение
    • Глава 9: Конспект
    • Глава 10: Итоговый тест
    • Глава 11: Практический кейс
    • Глава 12: Разбор практического кейса

    В конце модуля вам предстоит сделать проект, в котором вы выступите в роли разработчика в большой команде и вам будет необходимо оформить pull request в одну из используемых библиотек.

    Базовый Python

    Язык Python — один из мощнейших инструментов в арсенале аналитика, без него не обходится ни одна серьезная задача. Поэтому мы подробно рассмотрим все аспекты программирования на Python:

    • Глава 1: «Введение»
    • Глава 2: «Переменные. Базовые типы данных»
    • Глава 3: «Сложные типы данных»
    • Глава 4: «Дополнительные типы данных»
    • Глава 5: «Функции»
    • Глава 6: «Условия»
    • Глава 7: «Циклы for и while»
    • Глава 8: «Модули и библиотеки»
    • Глава 9: «Базовая работа с файлами»
    • Глава 10: «Промежуточные бизнес-кейсы»
    • Глава 11: «Лямбда-функции и Функциональное программирование»
    • Глава 12: «Comprehensions»
    • Глава 13: «Итерируемые объекты, итераторы, генераторы, генераторные выражения»
    • Глава 14: «Промежуточные бизнес-кейсы»
    • Глава 15: «Исключения»
    • Глава 16: «Оператор *»
    • Глава 17: «Работа с датой и временем»
    • Глава 18: «Промежуточные бизнес-кейсы»
    • Глава 19: «Регулярные выражения»
    • Глава 20: «Работа с базами данных через Python»
    • Глава 21: «Модуль requests»
    • Глава 22: «Итоговый проект»

    Вам предстоит решить более 200 задач, а также более 20 бизнес-кейсов. А в конце вас ждет большой итоговый проект.

    Примеры практических заданий: посчитать метрики MAU/DAU/WAU/retention, автоматизировать обработку чеков в сети магазинов с разных касс, проанализировать активность пользователей платформы, настроить интеграцию с Google Sheets.

    Итоговый проект: Построить ETL-пайплайн для получения данных по API корпоративного клиента и загрузки их в базу данных. Дополнительно необходимо настроить оповещения на почту об успешной обработке.

    ООП в Python

    Объектно-ориентированное программирование — подход, который позволяет писать удобный и масштабируемый код. Мы на реальных примерах покажем, где это может быть полезно для аналитика.

    • Глава 1: «Основы ООП»
    • Глава 2: «Инкапсуляция»
    • Глава 3: «Наследование»
    • Глава 4: «Полиморфизм, абстрактные классы и методы»
    • Глава 5: «Дополнительные приемы — property, staticmethod, геттеры-сеттеры, декораторы»
    • Глава 6: «Магические методы, Singleton»
    • Глава 7: «Итоговые бизнес-кейсы: ООП»

    Вам предстоит решить 20+ заданий, а также написать свой класс-коннектор к базе данных по шаблону Singleton, который вы потом будете использовать еще много лет во всех своих проектах, вспоминая нас добрым словом.

    Python для анализа данных

    Основная задача аналитика — собирать данные и извлекать из них полезные гипотезы, изучая их под разными ракурсами. Для этого в данном модуле мы разбираем библиотеки:

    • Numpy
    • Pandas
    • Matplotlib
    • Seaborn

    Полная программа модуля:

    Подмодуль «Numpy»
    • Глава 1: «Введение»
    • Глава 2: «Основные операции с массивами»
    • Глава 3: «Основные функции»
    • Глава 4: «Статистика»
    • Глава 5: «Загрузка и соxранение данных»
    • Глава 6: «Линейная алгебра»
    • Глава 7: «Логические функции»
    • Глава 8: «Случайные величины»
    • Глава 9: «Практический кейс»
    Подмодуль «Pandas»
    • Глава 1: «Введение в Pandas»
    • Глава 2: «Загружаем и обрабатываем данные»
    • Глава 3: «Изучаем датасет — проводим исследовательский анализ данных (EDA)»
    • Глава 4: «Расчеты метрик»
    • Глава 5: «Дополнительные методы»
    • Глава 6: «Практический блиц-тест»
    • Глава 7: «Практический кейс»
    • Глава 8: «Несколько лайфхаков от Андрона»
    Подмодуль «Визуализация в Python»
    • Глава 1: «Matplotlib: Основы»
    • Глава 2: «Matplotlib: Тюнинг графиков»
    • Глава 3: «Matplotlib: Остальные виды визуализаций»
    • Глава 4: «Matplotlib: Совмещение графиков»
    • Глава 5: «Seaborn: Основы»
    • Глава 6: «Seaborn: Продвинутая визуализация»
    • Глава 7: «Plotly: Интерактивные графики»
    • Глава 8: «Практическая работа»
    • Глава 9: «Разбор практической работы»
    • Глава 10: «Полезные советы от Андрона»
    Итоговый проект
    • Итоговый проект — Тестовое в Самокат
    • Итоговый проект — Разбор

    Примеры практических заданий: ABC/XYZ анализ ассортиментной матрицы, анализ сочетаемости товаров, EDA исследовательский анализ.

    Итоговая работа: большое тестовое задание в компанию Самокат.

    Автоматизация и деплой

    Многие задачи в работе аналитика — рутина, которую можно автоматизировать. Однако, чтобы сделать это, нужно уметь также развернуть и настроить сервер, настроить окружение, установить все необходимые программы и много еще чего. Расписание модуля:

    • Глава 1: Введение
    • Глава 2: Создание и настройка сервера
    • Глава 3: Разработка проекта
    • Глава 4: Деплой
    • Глава 5: Автоматизация
    • Глава 6: Настройка веб-сервера и Metabase
    • Глава 7: Windows Scheduler
    • Итоговый проект

    По итогу прохождения модуля вам предстоит полностью настроить сервер, а также автоматизировать скрипт, который ежедневно будет забирать данные по API со стороннего сервера и складывать их в базу данных, которую вы также развернули на сервере.

    Визуализация данных: Power BI

    Power BI — одна из мощнейших систем визуализации, которая используется в большинстве крупных компаний. С ее помощью можно строить гибкие дашборды и настраивать сквозную аналитику.

    Мы разберем весь цикл работы с Power BI, DAX, Power Query и дашбордами:

    • Глава 1: Введение
    • Глава 2: Установка Power BI
    • Глава 3: Знакомство с Power BI
    • Глава 4: Первый дашборд в Power BI
    • Глава 5: Power Query
    • Глава 6: Быстрый старт в DAX
    • Глава 7: Важное начало — моделирование, переменные и не только
    • Глава 8: Итерационные X-функции DAX
    • Глава 9: Мини-практика 1 — Создание универсального календаря
    • Глава 10: Разбор практического задания
    • Глава 11: Мини-практика 2 — Итерационные X-функции
    • Глава 12: Разбор практического задания
    • Глава 13: Функции фильтров в DAX
    • Глава 14: Предварительная агрегация. Создание в DAX внутренних таблиц
    • Глава 15: Мини-практика 3 — Работа с несвязными таблицами
    • Глава 16: Разбор практического задания
    • Глава 17: Контексты DAX
    • Глава 18: Функция CALCULATE и управление контекстом фильтра
    • Глава 19: Преобразование контекста фильтра
    • Глава 20: Работа с датами в DAX
    • Глава 21: Мини-практика 4 — Функция CALCULATE и работа с датами
    • Глава 22: Разбор практического задания
    • Глава 23: Работа со связями таблиц в DAX
    • Глава 24: Мини-практика 5 — Связанные таблицы
    • Глава 25: Разбор практического задания
    • Глава 26: Мини-практика 6 — Несколько таблиц-данных
    • Глава 27: Разбор практического задания
    • Глава 28: Мини-практика 7 — Функции условия
    • Глава 29: Разбор практического задания
    • Глава 30: Работа с Power BI Service
    • Глава 31: Технические фишки DAX для построения умных и интерактивных визуализаций в отчетах
    • Глава 32: Статический и динамический ABC-анализ в DAX
    • Глава 33: Итоговый проект
    • Глава 34: Мастер-классы по DAX и Power BI

    По итогу прохождения модуля вам предстоит построить полноценный коммерческий дашборд на несколько страниц со сложными мерами и визуализациями — например, check-up дашборд руководителя или визуализацию финансовой отчетности.

    Математика и статистика

    Аналитика — это про проверку гипотез, A/B тестирование и расчеты. А для этого нужно иметь крепкий математический фундамент. Поэтому в этом модуле мы максимально простым языком будем рассказывать сложные университетские темы:

    • Урок 1: Введение в статистику
    • Урок 2: Реализация выборок в Python
    • Решение задачи из Урока 2: Реализация выборок в Python
    • Урок 3: Типы переменных
    • Урок 4: Базовые понятия из математического анализа
    • Урок 5: Базовые понятия теории вероятностей
    • Урок 6: Дискретные распределения
    • Урок 7: Непрерывные распределения
    • Урок 8: Полезные статистические функции в Python
    • Урок 9: Описательная статистика. Часть 1
    • Урок 10: Описательная статистика. Числовые характеристики распределения
    • Урок 11: Расчет статистических характеристик в Python
    • Урок 12: Проект по описательной статистике
    • Урок 13: Нормальное распределение
    • Урок 14: Закон больших чисел и ЦПТ
    • Разбор задания из Урока 14
    • Урок 15: Параметрические точечные методы оценки параметров распределения
    • Разбор заданий из Урока 15
    • Урок 16: Свойства статистических оценок
    • Разбор заданий из Урока 16
    • Урок 17: Доверительные интервалы
    • Урок 18: Количественная репрезентативность
    • Урок 19: Проверка статистических гипотез
    • Урок 20: Проверка гипотез: концепция p-value
    • Урок 21: Проверка гипотез для одной выборки
    • Разбор задания из Урока 21
    • Урок 22: Проверка параметрических гипотез для двух выборок
    • Разбор задания из Урока 22
    • Урок 23: Параметрические критерии для двух и более независимых выборок
    • Разбор задания из Урока 23
    • Урок 24: Проверка данных на нормальность
    • Урок 25: Преобразование данных: приведение к нормальному распределению
    • Урок 26: Урок 26: Непараметрические критерии для среднего и дисперсии для двух и более независимых выборок
    • Разбор задания из Урока 26
    • Урок 27: Непараметрические критерии однородности независимых выборок
    • Урок 28: Критерии для зависимых выборок
    • Разбор задания из Урока 28
    • Урок 29: Как определять зависимость данных
    • Разбор задания из Урока 29
    • Урок 30: Анализ качественных данных
    • Разбор задания из Урока 30
    • Финальный проект по статистике

    По итогу прохождения модуля вам предстоит проанализировать коммерческий набор данных, сформулировать набор гипотез и, вооружившись математическими формулами, проверить их.

    A/B тестирование

    В этом модуле подробно будем говорить про проведение A/B тестов, формирование выборок и не только. Поговорим про доверительные интервалы, статистические тесты, сэмплирование:

    • Глава 1: Что такое эксперименты
    • Глава 2: Приоритезация гипотез
    • Глава 3: Дизайн A/B-теста
    • Глава 4: Проведение АВ-теста
    • Глава 5: Подготовка данных
    • Глава 6: Анализ полученных данных
    • Глава 7: Презентация результатов

    В качестве практической работы вам предстоит спроектировать, провести и проанализировать A/B тест на обновление списка рекламы от партнеров на платформе Marketpele Feed, которая помогает издательствам зарабатывать на рекламе.

    Дипломная работа

    Дипломная работа — финальный этап симулятора. Вам предстоит объединить все полученные знания воедино и сделать большой финальный проект, который и будет живым подтверждением того, что вы не просто получили знания и навыки на каких-то учебных задачах, а что вы реально можете применять их на практике, внедрять и настраивать аналитику с нуля в компании, а также генерировать качественные гипотезы и бизнес-выводы.

    Вам предстоит работать с информацией о продажах крупного онлайн-маркетплейса (формата Озон). Вам нужно будет полностью настроить аналитику для этой компании: наладить и автоматизировать сбор данных, настроить сервер, установить BI-системы, построить дашборды, провести аналитику и сгенерировать ценные бизнес-выводы.

    Мастер-классы

    На ежемесячной основе мы проводим крутые мастер-классы от практикующих специалистов. Вам будут доступны записи старых мастер-классов, а также возможность посетить новые.

    Примеры тем:

    • Разбор тестового задания на позицию аналитика в OZON
    • Разбор задач по SQL повышенной сложности
    • Когортный анализ LTV с помощью SQL (с выводами)
    • ABC-анализ ассортимента в Pandas (с выводами)

    Отзывы о школе 1

    5 из 5
    1
    0
    0
    0
    0
    Сортировать:
    Дате публикации
    • Дата публикации
    • Популярности
    • Сначала положительные
    • Сначала отрицательные
    • Аврора 9 июня 2023

      Меня захватило симуляторное обучение на базе курсов Simulative! Хотя я была неопытна в анализе данных и SQL, я решила попробовать и начала свое путешествие в этом увлекательном мире. Первоначально, я испытывала страх, что проект окажется слишком сложным для меня. Но оказалось, что этот симулятор доступен даже для новичков и дает возможность начать обучение с самых основ. Следует отметить, что уроки в этом проекте очень понятны и содержат много полезной информации. В отличие от других курсов, которые я проходила ранее, здесь я получила глубокое понимание тем, которые я ранее считала сложными. Я почувствовала себя членом команды, участвующим в ответственных задачах. Одним словом, это крутой проект, который я рекомендую каждому начинающему аналитику данных. Однако, я не сразу выбрала премиальный тариф. Вначале я остановилась на базовом, но потом ощутила нехватку обратной связи от преподавателей, поэтому доплатила и перешла на премиум. Оказалось, что это было блестящим решением. Преподаватели с увлечением и терпением разбирали каждое задание со всеми участниками группы и помогали в выстраивании правильной логики запросов. Я очень довольна своим выбором симулятора на базе курсов Simulative, поскольку это отличное обучение, доступные и понятные уроки, а также профессиональные преподаватели.

      Был ли отзыв полезен?
    Посмотреть все отзывы о Simulative