15+ лучших курсов аналитиков данных в Москве в 2023 году. Платные и бесплатные. Рейтинг, сравнение и стоимость обучения.

1 место. Курс «Аналитик данных с нуля» — Skillbox

https://skillbox.ru/course/data-analyst/

Стоимость: Рассрочка на 22 месяца — 4 952 ₽ / мес

• Обучение на практике SQL, Python, Power BI
• Преподаватели с опытом работы от 10 лет
• Бонусный курс по Power Point для всех студентов
• Занятия онлайн в удобное время.

Кому подойдёт этот курс:

• Студенты технических вузов
  Узнаете, как проводить исследования, анализировать данные и делать наглядные отчёты. В короткие сроки получите специализацию и сможете начать карьеру в аналитике на позиции Junior.
• Руководители и владельцы бизнеса
  Взглянете по-новому на свой продукт, изучите его сильные и слабые стороны. Узнаете, как делать прогнозы для бизнеса, развивать продукт и решать текущие проблемы на основе данных аналитики.
• Разработчики, которые хотят сменить профиль
  Поймёте, как применить свои знания в программировании для решения бизнес-задач. Изучите инструменты для анализа, сборки и презентации данных заказчику — и станете более востребованным специалистом.
• Бизнес-аналитикам
  Подтянете знания аналитики, изучите основы программирования на Python. Сможете работать с базами данных и Power BI, создавать эффектные презентации. Расширите компетенции и станете лучше решать текущие задачи.

Чему вы научитесь:

1. Проводить исследования и делать точные выводы
   Изучите математическую основу анализа, научитесь работать с массивами данных и находить закономерности в цифрах.
2. Использовать программирование в аналитике
   Освоите основы программирования на Python для решения базовых бизнес-задач. Научитесь собирать базы данных на языке SQL и управлять ими.
3. Строить гипотезы и оценивать перспективы бизнес-решений
   Узнаете, какие метрики эффективности использует бизнес. Поймёте, как их собирать, читать, строить прогнозы и находить рабочие идеи.
4. Работать с сервисами аналитики и дашбордами
   Научитесь работать с Яндекс.Метрикой и Google Analytics и собирать данные в одно окно для быстрого доступа к отчёту.
5. Делать развёрнутые аналитические отчёты
   Поймёте, как пользоваться инструментами для визуализации данных, таблицами Google и Excel — и формировать отчёты для клиентов.
6. Работать с заказчиками аналитики
   Научитесь обрабатывать различные типы аналитических запросов от бизнеса и презентовать результаты своей работы убедительно и понятно для коллег.

Программа

Вас ждут онлайн-лекции и практические задания с разным уровнем сложности. Этих знаний хватит, чтобы устроиться в компанию на junior-позицию.
45 тематических модулей, 230 онлайн-уроков

Аналитик данных с нуля

1. Часть 1. Введение. Excel, Google Таблицы

• Общая информация о курсе
• Источники данных и инструменты для анализа
• Введение. Интерфейс Excel. Книги и листы
• Анализ таблиц. Печать таблиц
• Сводные таблицы
• Вычисления и формулы. Умные таблицы
• Функции подсчёта и суммирования. Статистические функции. Функции округления
• Логические функции
• Основы, интерфейс Google Таблиц
• Сводные таблицы: основы

2. Часть 2. Python, библиотеки NumPy и Pandas

• Введение в Python
• Основы языка
• Операторы, выражения
• Условный оператор if: ветвления
• Условный оператор if: продолжение
• Цикл while
• For: циклы со счётчиком. Часть 1
• For: циклы со счётчиком. Часть 2
• Цикл for: работа со строками
• Вложенные циклы
• Цикл for: продолжение работы со списками
• Функции
• Float
• Установка и настройка IDE
• Базовые коллекции: списки
• Методы для работы со списками
• Представление списков
• Библиотека NumPy. Часть 1
• Библиотека NumPy. Часть 2
• Библиотека Pandas. Часть 1
• Библиотека Pandas. Часть 2

Часть 3. SQL, чтение и запись данных, Power BI

• Основы SQL
• Чтение и запись данных. Часть 1
• Чтение и запись данных. Часть 2
• Введение в статистику
• Знакомство с Big Data
• Основные метрики и системы аналитики (Я.Метрика и Google Analytics)
• Загрузка данных в Power BI
• Соединение данных из разных таблиц и ресурсов

Power Point (бонусный курс)

3. Интерфейс PowerPoint. Создание и редактирование слайдов
4. Работа со стилем презентации: единый стиль, цвет и шрифт, форматирование текста
5. Работа с фигурами, таблицами и изображениями
6. Расширенные возможности редактирования и дизайна
7. Печать, презентация и публикация
8. Keynote и PowerPoint

Дипломный проект

9. Составите модель распространения пандемии
   Выявите людей в зоне риска, учтёте их пол, возраст, перемещение по городу. Построите наглядные графики и таблицы для анализа.

Диплом Skillbox
Подтвердит, что вы прошли курс, и станет дополнительным аргументом при устройстве на работу.

2 место. Курс «Аналитик данных» — Нетология

https://netology.ru/programs/data-analyst

Стоимость: 109 500 ₽ или рассрочка на 24 месяца — 4 562 ₽ / мес Курс поможет вам не только с нуля овладеть всеми важными для аналитика данных навыками, но и научит мыслить абстрактно, видеть за метриками и показателями смысл, находить взаимосвязи и строить гипотезы.

По промокоду ROMANSEMENTSOV  дополнительная скидка 5% на все онлайн-курсы, кроме направлений «MBA», «Саморазвитие и хобби», «Высшее образование» и курс «Директор по интернет маркетингу». Скидка действует от текущей цены и суммируется с действующими скидками на сайте Нетологии. Срок действия: 29.06.22 — 31.08.22.

Кому будет полезен этот курс:

• Всем, кто хочет работать с данными Курс даёт техническую базу и навыки использования инструментов для работы с данными
• Начинающим аналитикам Вы получите инструменты для перехода на уровень middle и сможете работать над более интересными задачами
• Специалистам из смежных сфер Маркетологов, программистов, продактов и проджектов ждёт апгрейд навыков в аналитике и новая траектория развития карьеры.

Чему вы научитесь на курсе:

1. Работать с сырыми данными Изучите полный цикл работы с данными: от получения из разных источников с помощью SQL до их загрузки и обработки средствами Python.
2. Приносить пользу бизнесу Сможете собирать и обрабатывать запросы на аналитику, научитесь предоставлять метрики в понятном и наглядном виде, определять точку приложения усилий.
3. Работать с Big Data Освоите актуальные инструменты анализа данных и получите явное конкурентное преимущество — крупнейшие компании работают с большими данными.
4. Проверять гипотезы Полученные навыки позволят брать в работу сложные задачи. Сможете приоритизировать гипотезы и подбирать наиболее эффективные инструменты для их проверки.
5. Анализировать данные Узнаете, как находить инсайты в данных и сможете предлагать бизнесу оптимальные сценарии роста и увеличения капитала.
6. Организовывать свою работу Ставить цели и подводить итоги, поддерживать мотивацию и эффективно использовать для обучения рабочую тетрадь.

Программа курса:

1. Аналитическое мышление Научитесь думать, как аналитик и формулировать гипотезы для проверки. Поймёте, что аналитика строится вокруг данных. Познакомитесь с базовым инструментом аналитика и сможете проводить в нём простой анализ данных.

• Что такое аналитическое мышление
• Введение в Google-таблицы
• Продвинутые Google-таблицы
• Основы статистики
• Откуда берутся данные
• Продвинутая визуализация данных
• Python как инструмент анализа данных
• Машинное обучение для жизни.

2. SQL и получение данных Научитесь писать простые SQL-запросы, чтобы получать данные из базы данных — и не тратить время разработчиков или администраторов на поиск нужного разреза информации. Узнаете, как создавать новые таблицы сразу в базе без выгрузки данных в Excel — это позволит делать отчеты быстрее. Научитесь загружать данные в базу и самостоятельно развёртывать базу данных PostgreSQL, чтобы хранить данные в тех разрезах, которые нужны аналитикам. Сможете работать с разными форматами файлов: можно в одной базе создавать отчёты с данными с веб-счётчиков, из таблиц бухгалтерии и из управленческой отчётности.

• Основы SQL
• Углубление в SQL
• Работа с PostgreSQL
• Работа с MongoDB.

3. Метрики, гипотезы, точки роста Вы научитесь работать в команде. Узнаете, кто является заказчиком аналитики в компании и как работать с разными типами заказчиков. Вы получите базовые знания об иерархии метрик, которые позволят вам говорить на одном языке с коллегами, выдвигать рабочие гипотезы и строить понятную отчётность.

• Маркетинговые метрики и метрики продукта
• Финансовые метрики
• Иерархия метрик
• Сбор требований и разработка отчётности
• Формулирование гипотез. Поиск точек роста
• Дизайн тестов, проведение и анализ. Построение простых моделей
• Оптимизация отчётности.

4. Аналитика больших данных Разберётесь в методах построения аналитики в компании. Научитесь переходить от мониторинга к прогнозированию, применяя простые скрипты python и pyspark, чтобы не тратить средства на внедрение сложных промышленных комплексов. Сможете определять, когда и каких данных не хватает, и собирать недостающие.

• Что такое большие данные. Традиционные аналитические подходы
• Машинные методы в помощь обработке данных
• Ускорение обработки данных. Практика pandas
• Мотивация и инструменты больших данных
• NoSQL-подход к работе с большими данными
• MapReduce
• Практика PySpark
• Культура сбора и источники данных
• Организация команды для работы с данными.

5. Python для анализа данных Вы научитесь пользоваться базовыми инструментами и подходами в Python, чтобы начать работать с данными. Повторите основы линейной алгебры, теории множеств, методов математической оптимизации, описательной статистики, статистического анализа данных, а также научитесь реализовать это на языке Python.

• Основы Python и Git (арифметика)
• Базовые типы данных и циклы
• Функции и классы
• Продвинутые типы данных: массивы, множества, словари
• Python для анализа данных: numpy и scipy
• Python для анализа данных: pandas
• Основные библиотеки для подключения к БД из Python
• Инструменты matplotlib, seaborn для визуализации
• Выбор способа визуализации под задачу.

6. NumPy, pandas, MPL Получите представление о многомерных массивах numpy и их преимуществах перед традиционными массивами Python. Узнаете основные функции взаимодействия с numpy массивами. Познакомитесь с принципами broadcast’а. Сможете использовать pandas для работы с информацией в таблицах, объяснять операции над векторами и матрицами, работать с матрицами и векторами в python, создавать и работать с элементами массива разных размерностей в numpy, отображать данные в различных срезах и различными способами для их дальнейшего анализа.

• Библиотека numpy. Вычислительные задачи
• Библиотека pandas
• Функции и работа с данными
• Продвинутый pandas
• Сложные расчётные поля, обзор основных групп функций
• Библиотека Matplotlib & Seaborn. Визуализация данных.

7. Статистика в Python Научитесь ориентироваться в статистических методах и их областях применения в решении реальных задач. Освоите основные понятия и точки применения статистики. Узнаете про основные распределения, освоите ЦПТ. Изучите дискретные и непрерывные распределения и получите основы статистических проверок гипотез.

• Основы описательной статистики, виды распределений в Python
• Центральная предельная теорема и статистический анализ данных в Python
• Основные статистические тесты и проверка гипотез.

8. Дипломный проект В рамках дипломного проекта вы примените полученные навыки на персональном проекте по анализу данных. Это может быть анализ данных по продажам, прогнозная аналитика влияния бизнес-действий на ключевые показатели эффективности или написание алгоритма распределения товарных запасов. Если у вас нет идей для своего проекта (или доступа к необходимым данным), мы предложим учебный кейс в интересной вам области на основе реального датасета других компаний. Дипломная работа выполняется самостоятельно под руководством экспертов курса и закрепляет весь спектр знаний и навыков, полученных на программе. Вы получаете готовый кейс для уверенного роста и перехода на новую должность.

Вашу квалификацию подтвердят документы установленного образца.

3 место.Курс «Аналитика данных» — SkillFactory

https://skillfactory.ru/analitika-dannyh

Стоимость: разная стоимость

Курсы:

1. «Аналитик данных»
   Станьте аналитиком данных, прокачайтесь в продуктовой или маркетинговой аналитике и помогайте бизнесу принимать выгодные решения
   Длительность 10 мес
2. «Аналитик данных»
   Научитесь собирать и организовывать данные— станьте аналитиком данных, чтобы помогать бизнесу работать эффективнее
   Длительность 6 мес
3. «Продуктовая аналитика»
   Освойте продуктовую аналитику — тестируйте гипотезы, выстраивайте стратегию развития и принимайте эффективные бизнес-решения на основе данных
   Длительность 4 мес
4. «Тренажёр Power BI»
   Научитесь работать в Power BI — анализируйте данные, создавайте визуальные отчеты и автоматизируйте свои задачи
   Длительность 3 мес
5. «Python для анализа данных»
   Освойте Python для анализа данных — автоматизируйте рутинные задачи по аналитике, создавайте отчеты и обрабатывайте большие файлы за меньшее время
   Длительность 2 мес
6. «Маркетолог-аналитик»
   Станьте маркетологом-аналитиком — научитесь анализировать рынок и свою рекламную активность, чтобы делать ее более эффективной
   Длительность 7 мес
7. «SQL для анализа данных»
   Научитесь обрабатывать данные с помощью SQL с нуля, освойте навыки работы со сложными запросами и решайте аналитические задачи самостоятельно
   Длительность 1,8 мес
8. «Мастер Google-таблиц»
   Научитесь работать с Google-таблицами — отслеживайте показатели бизнеса, автоматизируйте отчетность и аналитику, экономьте время
   Длительность 1 мес
9. «Системный аналитик»
   Курс для системных аналитиков, готовых выйти на новый уровень в своей карьере.
   Длительность 6 мес.

Курс «Аналитик данных» — Skypro

https://sky.pro/courses/analytics/data_analytics

Стоимость: 99 324 ₽

Чем вы будете заниматься:

• Создавать интерактивный дашборд с KPI для онлайн-школы
• Анализировать метрики эффективности обучения на данных онлайн-школы
• Проводить AB-тестирования с помощью техник Bootstrap.

Программа:

1. Excel

• Основы работы с Excel
• Обработка данных
• Агрегация данных
• Основы Юнит-экономики в Excel
• Работа с нестандартными данными
• Настройка фильтров и визуализация
• Сборка калькулятора юнит-экономики
• Переход из Excel в Google Sheets
• Воркшоп. Интерактивный отчет
• Сложные прогнозы в Excel.

2. SQL

• Базовые запросы
• Генерация новых признаков и очистка данных
• Агрегатные функции
• Объединение таблиц
• Объединение таблиц. Часть 2
• Подзапросы и WITH
• Оконные функции
• Создание, изменение и удаление данных в таблице. Создание индексов. Временные таблицы
• Когортный анализ
• Воркшоп: проводим аналитическое исследование и решаем бизнес-проблему с помощью SQL
• Основы оптимизации.

3. Power BI

• Знакомство с Power BI и web-аналитикой
• Воркшоп: Знакомство с курсовым проектом. Работа с заказчиком
• Визуализация данных: основные принципы
• Получение и предобработка данных
• Введение в модели данных
• Введение в DAX
• Контекст вычисления и его модификация
• Работа с датами
• UX дизайн отчета
• Power BI Service. Автоматическое обновление и права доступа
• Воркшоп: Построение отчета. Формулировка выводов и рекомендаций для бизнеса.

4. Python

• Основы Python, переменные и типы данных
• Работа в циклах со списками и словарями
• Функции и библиотеки
• Основы Pandas
• Выбор и настройка визуализаций
• Запросы к удаленным базам данных
• Подключение к API.

5. Статистика

• Общее определение. Основы статистики
• Шкалы и распределения данных
• Виды статистических критериев
• Виды близости
• Воркшоп: непараметрические критерии, критерии согласия, бутстрап.

6. Аналитика в продукте и маркетинге

• Маркетинговая аналитика: воронка, конверсии, модели атрибуции.
• Продуктовая аналитика: метрики продукта, конверсии, валидация продуктовых гипотез — А/В-тесты.
• Планирование ресурсов, HR-планирование.

Курс «Факультет аналитики Big Data» — GeekBrains

https://gb.ru/geek_university/big-data-analytics

Стоимость: Рассрочка на 36 месяцев — от 3 589 ₽ / мес

Аналитик Big Data извлекает ценные данные из большого массива информации: отзывов, прогнозов, результатов исследований. Он помогает бизнесу принимать взвешенные решения: строить гипотезы, запускать продукты, улучшать процессы, планировать развитие.

Кому подойдет курс:

• Новичкам
  Сможете стать специалистом по анализу больших данных, даже если никогда не работали в IT-сфере.
• Начинающим аналитикам
  У вас будет всё для ускоренного карьерного роста: комплексные знания и опыт работы с продвинутыми инструментами, методологиями и стандартами.
• Практикующим IT-специалистам
  Подскажем, как перейти в востребованное направление и зарабатывать больше.

Программа обучения:

Подготовительный блок

1. Видеокурс: как учиться эффективно
   Расскажем, как спланировать обучение, чтобы сохранить интерес, получить максимум пользы и всё успеть.
2. Основы языка Python
   Поможем освоить Python и решать на нём задачи. Вы научитесь работать с объектами, типами данных, циклами, функциями, модулями, библиотеками.

Фундамент анализа данных
Студенты научатся главному инструменту аналитика — языку SQL. Также изучат основы языка Python и базовые библиотеки Python для анализа данных (NumPy, Pandas, Matplotlib, Scikit-learn).

3. Встреча студентов с деканом факультета
4. Основы языка Python
   На курсе вы освоите объектно-ориентированное программирование, познакомитесь с нюансами установки интерпретатора для различных систем, выбора среды разработки и отладки кода.
5. Рабочая станция
   Разберете базовые основы работы в Linux: основы работы в оболочке Linux, управление пользователями и правами файлов, работа с процессами и управление загрузкой и сервисами в Linux.
6. Основы реляционных баз данных. MySQL
   Научитесь проектировать и работать с базами данных на самой популярной СУБД.
7. Библиотеки Python для Data Science: NumPy, Matplotlib, Scikit-learn
   Освоите инструменты дата-сайентиста. Узнаете, как работают библиотеки для построения моделей машинного обучения, визуализации и работы с данными.

Сбор, обработка и хранение данных
Это основы Big Data. Студенты научатся собирать данные из различных источников. Также проработают процессы предобработки неструктурированных данных и их хранения в различных базах данных для дальнейшего анализа. На заключительном этапе познакомятся с популярным инструментом по работе с большими данными — Hadoop.

8. Методы сбора и обработки данных из сети Интернет
   Основы компьютерных сетей, работа с HTTP, открытыми данными. Основы веба: HTML/CSS, JavaScript; принципы работы с RESTful и SOAP.
9. Базы данных для аналитиков
   Изучите работу долговременных хранилищ, начнёте работать с MySQL и другими базами данных: MongoDB, Redis, Elasticsearch и ClickHouse.
10. Big Data. Введение в экосистему Hadoop
    Поработаете с парадигмой MapReduce и файловой системой HDFS, начнёте управлять ресурсами кластеров и планированием заданий в YARN, внедрите потоковую обработку данных. Изучите NoSQL, принципы ETL и архитектуры Data Lake и Lambda Architecture.

Алгоритмы обработки и анализа данных. Совместно с компанией X5 Retail Group
Студенты начнут изучение теории вероятностей и математической статистики для понимания работы алгоритмов анализа данных. Также узнают базовые алгоритмы для решения основных задач анализа данных, научатся реализовать их с помощью Python и смогут применять их на практике в дальнейшем.

11. Теория вероятностей и математическая статистика
    Научитесь проверять статистические гипотезы и проводить A/B-тестирование. Расскажем, как работать с корреляционным, дисперсионным и регрессионным анализом.
12. Алгоритмы анализа данных
    Узнаете, как устроены алгоритмы на самом низком уровне — математики.

Системы машинного обучения. Рекомендательные системы
Студенты погрузятся в прикладное машинное обучение: решат несколько бизнес-кейсов с применением ML, а также подробно изучат популярный фреймворк для работы с BigData — Apache Spark. Курсовой проект будет включать разработку рекомендательной системы.

13. Машинное обучение в бизнесе
    Вы познакомитесь с задачами, в которых машинное обучение помогает автоматизировать бизнес-процессы и улучшать финансовые показатели. Будут задачи по ретаргетингу, look-alike аудитории, uplift-моделированию. Также будут задачи по формулированию гипотез, презентации результатов, интеграции и АБ-тестированию ML-моделей.
14. Фреймворк Apache Spark
    Владение базовыми навыками работы в Spark входит в стандартный набор инструментов по распределенной обработке больших данных. На курсе вы рассмотрите основы архитектуры Spark, принципы построения, оптимизации запросов, пакетной обработки данных с использованием Python API.
15. Рекомендательные системы
    На курсе вы рассмотрите теорию и практику решения задач машинного обучения в трёх частях: введение в машинное обучение, типы обучений, обучение с учителем, обучение без учителя, типы задач под каждое из обучений, задачи классификации, анализ временных рядов и предикативные модели.

Аналитика Big Data для бизнеса
Студенты научатся решать задачи ML с отзывами клиентов, геоданными и соцсетями. Также освоят несколько задач бизнес-аналитика в современных BI-системах: построение витрин данных, прогнозирование, управление знаниями и отчетность.Также студенты познакомятся с real-time системой обработки и анализа больших данных на основе Kafka и Apache Streaming.

16. Анализ данных в Power BI
    На примере Power BI освоите инструменты анализа и визуализации: от загрузки данных до создания полноценного дашборда и связей в модели. Познакомитесь с языком DAX: узнаете, что такое контекст вычислений, чем вычисляемые столбцы отличаются от мер, как использовать функции даты и времени.
17. Потоковая обработка данных
    Поработаете с высоконагруженными системами и обработаете данные в реальном времени, напишете сервисы с использованием Spark Streaming.
18. Финальный проект
    Сделаете проект с применением всех изученных технологий — индивидуально или в команде.

Курсы со свободной датой старта:

• Подготовка к собеседованию аналитика Big Data
• Введение в высшую математику
• Алгоритмы и структуры данных на Python. Интерактивный курс
• Видеокурс от Delivery Club
• Язык R для анализа данных
• Системы сбора логов
• Видеокурс от X5 RETAIL GROUP.
• A/B тестирование от основ до продвинутых подходов.

Вы получите диплом о профессиональной переподготовке.

Курс «Аналитик данных» — НИУ ВШЭ

https://cs.hse.ru/dpo/analyst

Стоимость: 360 000 ₽

В программе изучаются основы баз данных и работа с ними с помощью языка SQL, язык Python и его применения для сбора, визуализации и анализа данных, статистика и машинное обучение, а также конкретные аналитические и продуктовые подходы, которые понадобятся при работе над реальными задачами.
В результате прохождения программы вы получите актуальный технический стек современного аналитика для работы в ведущих IT-компаниях.

Программа:

1. Python для автоматизации и анализа данных
   18 занятий
2. SQL
   10 занятий
3. Прикладная статистика
   10 занятий
4. A/B-тестирование
   5 занятий
5. Business Intelligence
   7 занятий
6. Машинное обучение
   14 занятий
7. Продуктовая аналитика
   10 занятий.

Курс «Аналитик данных» — Финансовый Университет

http://www.fa.ru/org/dpo/finprofessional/programms/Pages/ppk-14.aspx

Стоимость: 124 000 ₽

Программа направлена на подготовку специалистов в области машинного обучения и анализа больших данных, на получение компетенций, необходимых для выполнения нового вида профессиональной деятельности — умения применять языки программирования SQL и Python д​ля сбора, визуализации, анализа больших данных (Big data) и построение моделей машинного обучения, умения применять конкретные аналитические и продуктовые подходы при работе над реальными задачами маркетинговой и клиентской аналитики с помощью BI платформ.

В результате обучения выпускник программы приобретёт следующие компетенции:

• Способность использовать прикладное программное обеспечение при решении профессиональных задач;
• Способность осуществлять поиск, критически анализировать, обобщать и систематизировать информацию, использовать системный подход для решения поставленных задач;
• Способность к постановке целей и задач исследований, выбору оптимальных путей и методов их достижения;
• Способность к сбору информации о бизнес-проблемах или бизнес-возможностях;
• Способность к анализу, обоснованию и выбору решения;
• Умение подготавливать данные для проведения аналитических работ по исследованию больших данных;
• Способность к проведению аналитического исследования с применением технологий больших данных в соответствии с требованиями заказчика Объем программы: 256 часов из них более 60% контактный.

По окончании обучения в случае успешной сдачи экзамена слушатели получают:
Диплом о профессиональной переподготовке Финансового университета, дающий право ведения новой профессиональной деятельности. ​

Курс «Аналитика данных и эффективное управление» — ГАОУ ВО МГПУ

https://www.mgpu.ru/programs/bakalavr/analitika-dannyh-i-effektivnoe-upravlenie/

Стоимость: 111 100 ₽

Цель образовательной программы — подготовка бизнес-аналитиков, обладающих междисциплинарными компетенциями из предметных областей математики, программирования, информационных систем, аналитических цифровых технологий, а также из сфер прикладной экономики, менеджмента, финансового анализа.

Изучаемые дисциплины:

1. Высшая математика (математический анализ, дискретная математика, математическая статистика, линейная алгебра)
2. Гуманитарные дисциплины (экономика, философия, история, основы права)
3. Теоретические основы информатики и офисные приложения
4. Социально-экономическая статистика и эконометрика
5. Моделирование и автоматизация бизнес-процессов
6. Теория организации и организационное поведение
7. Основы программирования для аналитиков
8. Основы программирования для аналитиков
9. Цифровые технологии анализа данных
10. Основы финансового анализа
11. Архитектура предприятия
12. Блокчейны в бизнесе.

По окончании обучения выпускники смогут работать:

• Специалистами по анализу больших данных (Big Data) и искусственному интеллекту (AI)
• Бизнес – аналитиками по описанию и автоматизации бизнес-процессов предприятия
• Специалистами по разработке данных (Data Mining)
• Бизнес-аналитиками (Business Intelligence, BI)
• Менеджерами интернет-проектов
• Аналитиками данных (Data Analyst)
• Менеджерами по развитию
• Системными аналитиками
• Интернет-маркетологами
• Стартап-менеджерами.

Курс «Data Analytics » — DATALEARN

https://datalearn.ru/

Стоимость: бесплатно

Для кого подойдут эти курсы:

• Аналитики
  Изучите инструменты и станете более востребованными специалистами
• Маркетологи
  Сможете структуризировать данные, увеличить эффективность рекламных каналов
• Руководители
  Сможете анализировать продажи в разных разрезах и в динамике
• Предприниматели
  Построите систему аналитики и найдете точки роста для своей компании
• Инженеры
  Сможете сменить специализацию и зарабатывать больше, ваши технические знания упростят обучение
• Фрилансеры
  Сможете предлагать дополнительные услуги вашим клиентам или работать на западные компании
• Финансисты
  Загружать, анализировать данные, строить отчёты

Курсы:

1. Getting start with Data Engineering and Analytics (DE — 101)
   ~10 недель, с одним вебинаром в неделю и с домашкой, от простого к сложному, что-то вроде моей карьеры за 10 недель.
2. Getting Started with Machine Learning и Data Science (ML-101)
   Требуется серьезная мотивация и целеустремленность, чтобы закончить курс, и если вы справитесь со всеми модулями курса ML-101, то вы легко справитесь с базовым уровнем задач на позициях Data Science Intern, Junior Data Scientist, Applied Scientist
3. Курс по поиску работы для аналитических специальностей в России и за рубежом (JH — 101)
4. Getting started with SQL for beginners
   Практический видеокурс по работе с базами данных с использованием языка структурированных запросов SQL (Structured Query Language).
   Подойдет тем, кто слышал об SQL, но боялся попробовать
5. Women in Data Community
   Наша цель — создать наиболее комфортную среду для девушек, которые интересуются карьерой в data. В дополнение к основным курсам, коммьюнити — платформа, где можно пообщаться с девушками из data, узнать про карьеры в data и задать любые интересующие вопросы.

Курс «Аналитик (с 0 до PRO)» — ProductStar

https://productstar.ru/analytics-full-course

Стоимость: 93 912 ₽

Чему вы научитесь:

• Анализировать трафик и сайт
  На основе данных составлять аргументированные рекомендации по изменению стратегии и рекламных кампаний
• Использовать на продвинутом уровне Google Analytics и Яндекс.Метрику
  Настраивать счётчики и цели в Google Analytics и Яндекс.Метрике, разбираться в стандартных отчётах и создавать свои
• Проектировать систему сквозной аналитики
  Отслеживать полный путь клиента от перехода на сайт до продажи и определять эффективность инвестиций
• Визуализировать данные
  Наглядно показывать динамику изменения данных.

Программа курса:

Блок 1. Продуктовая аналитика и развитие продуктов

• Роль и место аналитика в продуктовой команде
• Lean Canvas
• HADI циклы
• Основные типы бизнес-метрик
• Декомпозиция метрик: иерархия метрик и пирамида метрик
• Unit-экономика

Блок 2. Google Sheets и Excel

• Основы работы в Google Sheets
• Базовые вычислительные функции и формулы

Блок 3. Веб/мобильная-аналитика

• 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
• Инструменты app-аналитики
• Основные отчеты App Metrica
• Google Analytics web+app: важные особенности и возможности
• Возможности передачи и сбора данных из систем аналитики — BigQuery, ClickHouse, OWOX BI

Блок 4. Маркетинговая аналитика

• Введение в маркетинговую аналитику
• Выстраивание аналитики в performance маркетинге
• Сквозная аналитика или считаем LTV
• Жизненный цикл клиента и когортный анализ
• Основы CRM-аналитики. Сегментация клиентов
• Введение в маркетинговые исследования

Блок 5. 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 6. 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 7. 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 8. Инструменты визуализации 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
• 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 9. Построение Machine Learning моделей

• Знакомство с машинным обучением
• Линейная регрессия
• Бинарная классификация
• Валидация. Почему это важно
• Решающие деревья
• Бутстрап, Бэггинг и случайный лес
• Feature Engineering, Feature Selection
• Градиентный бустинг
• Воркшоп: предсказание оттока клиентов и прогноз продаж
• A/B тестирование
• Обучение без учителя
• Воркшоп: скоринг кредитного портфеля

Блок 10. Нейронные сети и NLP

• Введение в нейронные сети
• Обучение нейросетей
• Глубокое обучение на практике
• Дополнительные возможности Tensorflow + Keras
• Свёрточные нейронные сети
• Введение в NLP, понятие ембеддинга
• Рекурентные нейронные сети
• Нейросети с вниманием, трансформеры
• Metric learning, обучение без учителя
• Обучение с подкреплением в нейросетях

Блок 11. Рекомендательные системы

• Введение
• Метрики и бейзлайны
• Матричное разложение
• Рекомендации через поиск ближайших соседей
• Гибридные рекомендательные системы

Блок 12. Аналитика больших данных

• Организация команды для работы с данными. CRISP-DM
• Культура сбора и источники данных / Улучшение качества работы с данными
• Современные инструменты визуализации данных
• Машинные методы для обработки данных (на распределенном окружении)
• Основы работы в Hadoop и MapReduce
• Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
• DataWarehouse, DataLake (clickhouse)
• Работа с облачными платформами: AWS, GCP, Azure и другие
• Практика AWS S3
• Работа с Airflow
• Работа в pyspark
• Построение прогнозных и предсказательных моделей

Блок 13. Дипломная работа и помощь с трудоустройством

• Работа над дипломным проектом для портфолио
• Подготовка резюме
• Подготовка к собеседованию
• Финальная защита и консультации
• В финальной программе возможны небольшие правки на основании фидбэка и потребностей студентов курса.

Курс «Аналитик данных» — Школа анализа данных

https://practicum.yandex.ru/data-analyst

Стоимость: 70 000 ₽ — 75 000 ₽

Аналитик данных извлекает из данных смысл: структурирует их, формулирует и проверяет гипотезы, находит закономерности и делает выводы. Его работа помогает принимать решения в бизнесе, управлении и науке. На курсе мы хотим научить вас пользоваться основными инструментами для получения профессии: Python и его библиотеки, Jupyter Notebook, SQL.

За 6 месяцев обучения по 15 часов в неделю вы освоите востребованные навыки аналитика данных и соберёте портфолио проектов. Вот какие проекты вы будете делать на курсе:

• Анализ текущей ситуации на рынке игр
  Помогите игровому сервису определить самые популярные направления.
• Исследование рынка недвижимости в Санкт-Петербурге
  Вычислите рыночную стоимость недвижимости в Санкт-Петербурге.
• Определение перспективного тарифа для оператора мобильной связи
  Помогите компании определить, какой тариф приносит больше прибыли.

Программа обучения:

1. Основы Python и анализа данных: бесплатный вводный курс
   Процесс и стадии работы аналитика: основные термины, задачи и инструменты анализа данных. Подготовка данных для анализа. Знакомство с языком программирования Python, аналитической библиотекой Pandas и средой программирования Jupyter.
2. Введение в профессию «Аналитик данных»
   Знакомство с профессией аналитика. Обзор областей, в которых может работать аналитик. Представление разных видов аналитики. Организационная часть процесса обучения.
3. Предобработка данных
   Чистые и готовые к анализу данные — первый шаг к решению аналитической задачи. Разбираем инструменты для компенсации недостатков данных.
4. Исследовательский анализ данных
   Предварительный поиск закономерностей в данных даёт возможность сформулировать первые гипотезы для анализа, а также избежать странных ошибок. На курсе учимся использовать средства визуализации для работы с данными.
5. Статистический анализ данных
   В ходе работы с продуктом возникает масса гипотез, которые можно проверить понятными статистическими методами. Изучаем основы статистики и теории вероятностей для решения бизнес-задач.
6. Сборный Проект — 1
   Подготовка данных для анализа. Предварительное исследование датасета. Формулирование и проверка гипотез.
7. Сбор и хранение данных
   Как устроены базы данных, как извлекать данные из них, делая запросы на языке SQL. Добыча данных в интернете.
8. Анализ бизнес-показателей
   Ещё ближе к бизнесу — разбираем подробно, что такое метрики и основные инструменты: когортный анализ, воронка продаж и unit-экономика.
9. Принятие решений в бизнесе на основе данных
   A/B-тестирование: в каких случаях его использовать; проектирование, формирование выборки, получение результатов и их валидация.
10. Как рассказать историю с помощью данных
    Как правильно презентовать результаты своего исследования, оперируя графиками, важнейшими цифрами и их правильной интерпретацией.
11. Сборный проект — 2
    Получение данных из базы. Предобработка и обзор датасета. Формулирование гипотез с учётом специфики бизнеса. Проверка гипотез и подготовка выводов в формате аналитического отчёта.
12. Автоматизация
    Автоматизация процессов анализа данных. Превращение рутинных и постоянных задач в скрипты. Создание дашбордов для разных аудиторий и нужд компании.
13. Прогнозы и предсказания
    Основы машинного обучения, разбор задачи предсказания оттока пользователей.
14. Выпускной проект
    Самостоятельное решение аналитической задачи на выбор студента, со всеми стадиями анализа данных.

Курс «Аналитика данных» — Открытое образование

https://openedu.ru/program/ITMOUniversity/DATAN/

Стоимость: 60 000 ₽

Чему вы научитесь?

• Собирать, агрегировать и структурировать данные.
• Писать регулярные выражения, создавать сводные таблицы, работать с временными рядами.
• Визуализировать данные.
• Работать с базами данных.
• Освоите работу с реляционными СУБД на примере PostgreSQL и Oracle, научитесь использовать NoSQL хранилища на базе MongoDB, Redis и Neo4J.
• Сможете вычислять статистические параметры наборов данных и узнаете законы распределения.
• Научитесь строить доверительный интервал и выдвигать гипотезы.

Программа:

Первичная обработка данных:

1. Введение в науку о данных

• Основные понятия анализа данных
• Измерения и шкалы. Виды данных
• Источники данных. Подготовка данных

2. Инструменты обработки данных

• Инструменты первичной обработки данных
• Электронные таблицы
• Сортировка и фильтрация данных. Сводная таблица

3. Визуализация данных

• Задачи визуализации
• Методы визуализации
• Визуализация данных в Google-таблицах

4. Анализ и преобразование данных

• Описательная статистика
• Преобразование данных
• Нормировка данных
• Целевая функция

5. Работа с временными рядами

• Анализ временных рядов
• Сглаживание временных рядов
• Определение трендов временных рядов
• Построение моделей для временных рядов с сезонными составляющими

Хранение больших данных:

6. Системы управления базами данных

• Информационные системы
• Базы данных: основные функции систем управления данными
• Архитектура СУБД. Реляционные базы данных

7. Проектирование структурированных данных

• Проектирование данных и связей
• Преобразование ER-модели в БД
• Создание таблиц. Ограничения целостности

8. Запросы на языке SQL

• Оператор SELECT. Условия выборки
• Агрегатные функции. Вложенные запросы
• Теоретико-множественные операции. Соединение таблиц

9. Объекты баз данных

• Выражения на SQL
• Встроенные функции на SQL
• Объекты. Индексы

Статистический анализ данных:

10. Обзор задач, решаемых статистикой

• Введение в статистику
• Точечное и интервальное оценивание
• Проверка гипотез

11. Выборочные характеристики

• Основные понятия и задачи математической статистики
• Выборочное распределение
• Эмпирическая функция распределения
• Гистограмма
• Выборочные моменты и квантили

12. Точечное оценивание

• Точечные оценки и их свойства
• Метод моментов
• Состоятельность оценки метода моментов
• Метод максимального правдоподобия

13. Точные и асимптотические доверительные интервалы

• Интервальное оценивание
• Точные доверительные интервалы для семейства нормальных распределений
• Асимптотические доверительные интервалы и примеры их построения
• Асимптотическая нормальность оценки и построение доверительных интервалов

14. Проверка гипотез

• Понятие гипотезы и критерия. Ошибки 1 и 2 рода
• Уровень значимости и мощность
• Критерии согласия

Элементы теории вероятностей (факультативный курс):

15. Вероятностное пространство

• Пространство элементарных исходов. События и операции над ними
• Простейшее вероятностное пространство
• Классическое определение вероятности
• Комбинаторика
• Условная вероятность. Независимость

16. Простейшие случайные величины

• Случайные величины и их характеристики
• Закон больших чисел. Предельные теоремы в схеме Бернулли
• Неравенства Маркова и Чебышёва

17. Общее понятие вероятностного пространства

• Геометрическая вероятность
• Общее определение вероятностного пространства
• Случайные величины и их распределения

18. Типы распределений случайных величин

• Распределения случайных величин
• Многомерные распределения

19. Числовые характеристики, сходимость

• Начальные сведения о функциях от случайных величин
• Некоторые числовые характеристики случайных величин
• Сходимость последовательностей случайных величин.

Курс «Обработка и анализ данных» — Центр компьютерного обучения «Специалист» при МГТУ им.Н.Э.Баумана

https://www.specialist.ru/section/processing-and-analysis-of-data

Стоимость: 8 950 ₽ — 216 590 ₽

Курсы предназначены для аналитиков, разработчиков аналитических решений и приложений, экономистов и маркетологов, работающих с инструментами анализа данных. Специалисты по бизнес-аналитике, Big Data и Data Mining необходимы практически каждой современной организации, а в особенности – средним и крупным предприятиям с разветвлённой системой филиалов.

Курсы по самым современным методикам анализа:

• Data Science: от основ до машинного обучения и использования промышленных решений,
• Python и язык R,
• Анализ данных на языке SQL,
• 8 уровней Microsoft Excel: от визуализации данных до технологий Power BI, PowerPivot, Power Query, OLAP и др.,
• MS SQL Server 2012, 2014 и 2016; Oracle, PostgerSQL, MySQL и другие СУБД,
• IBM SPSS Statistics и BPMN,
• Big Data и др.

Окончив курсы, Вы будете свободно и уверенно выполнять статистическую и экономическую обработку больших массивов данных, их визуализацию и анализ, а также понимать работы механизмов глубокого исследования данных, искать скрытые закономерности и алгоритмы обработки.