Курс «Аналитик данных»

Аналитик данных

Специалист, который занимается извлечением, анализом и интерпретацией данных с целью выявления закономерностей, трендов и паттернов, используя различные методы статистики, машинного обучения и анализа данных

Получите дополнительное профессиональное образование в области искусственного интеллекта
Более 80% от стоимости обучения оплатит Государство!

3 месяца обучения по 2-3 часа в день. Всего 260 часов

удостоверение по окончании

помощь в трудоустройстве

зарплата
от 120 тыс.  в месяц

Курс нацелен на получение компетенций, необходимых для профессиональной деятельности аналитика данных для разработки и применения технологических решений в области искусственного интеллекта и в смежных областях.

Курс включает изучение методов и инструментальных средств решения задач искусственного интеллекта. Вы научитесь анализировать данные с помощью сервисов аналитики и BI-инструментов, освоите Python и SQL. Программа нацелена на формирование навыков применения методов обработки и хранения больших данных современными инструментами, а также навыков применения методов математической статистики, машинного обучения, глубокого обучения и интеллектуального анализа данных для решения прикладных задач.

Программа построена по модульному принципу, предполагает изучение теоретического материала и практическую отработку полученных знаний.

Для оценки уровня знаний вы выполните практические кейсы и пройдете тестирование.

преимущества курса
Можно осваивать параллельно с получением среднего профессионального образования или высшего образования, основной работой без отрыва от производства
В основе – передовые и наиболее востребованные методы, приемы, технологии работы с большими данными
Использование современного программного обеспечения
Дистанционный формат, удобный график и темп обучения
Персональное сопровождение и поддержка обучаемых
Интерактивный формат подачи учебного материала

курс подойдет

для студентов колледжей и вузов

для начинающих специалистов в области ИТ

для получения прибыльной ИТ-специальности

для всех желающих, имеющих высшее или среднее профессиональное образование (базовое математическое или техническое образование)

чему вы научитесь
Применять методы сбора, очистки и визуализации данных, используя инструменты и языки программирования
Использовать основы статистики для выявления закономерностей, тенденций и важных показателей в данных
Применять методы машинного обучения и создавать модели для прогнозирования будущих событий на основе данных
Эффективно извлекать данные из баз данных, проводить запросы и использовать SQL для анализа данных
Работать с BI-инструментами, для создания информативных дашбордов и отчетов
Использовать результаты анализа данных для принятия бизнес-решений, предоставляя ценную информацию и рекомендации на основе данных
кто может учиться
Граждане РФ – жители всех регионов России, если:
  • старше 18 лет и не достигли пенсионного возраста
  • имеют среднее профессиональное / высшее образование или являются студентами вуза / колледжа
  • имеют достаточный уровень базовых знаний в сфере ИТ и могут справиться со вступительным испытанием

Выпускники программы «Цифровые профессии» в 2022-23 годах (выпускники всех курсов 1Т Спринт) также могут подать заявку и обучаться на курсах по программе «Искусственный интеллект»

Стоимость обучения
10 000 
80 000 

*70 000 оплачивает государство

В рамках федерального проекта
«Искусственный интеллект»

Как записаться на курсы
01
Оставьте заявку на нашем сайте.
02
Заполните анкету участника и пройдите диагностику.
03
Дождитесь успешной проверки анкеты и запишитесь на программу в каталоге проекта.
04
По итогам успешного вступительного испытания заключите договор на обучение со скидкой от государства с ООО «1Т».
Программа курса
Раздел 1. Введение в анализ данных
  1. Введение в анализ данных. Профессия Аналитик данных
  2. Определение искусственного интеллекта и BigData. Применения искусственного интеллекта в различных областях
Раздел 2. Инструменты, библиотеки и технологии анализа данных
  1. Знакомство с синтаксисом языка Python и средой разработки Jupyter Notebook. Обзор языка R
  2. Работа с библиотеками Python
  3. Работа с внешними API и протоколом http. Парсинг Интернет-данных
  4. Системы обработки и анализа больших массивов данных (Hadoop, ETL, Spark и др.)
Раздел 3. Технологии хранения и обработки больших данных
  1. Виды представления данных: табличные, графовые, временные ряды. Качество данных, подходы и инструменты
  2. Платформы данных
  3. Введение в теорию БД. Основы языка SQL
  4. SQL базы данных
  5. Базы данных NoSQL
  6. Массово параллельная обработка и анализ данных
  7. Знакомство с СУБД Postgres. Обзор GreenPlum
  8. Моделирование данных
  9. Построение дашбордов с помощью Superset
Раздел 4. Математическое моделирование, машинное обучение и оптимизация
  1. Введение в теорию вероятностей. Базовые понятия
  2. Введение в математическую статистику. Статистические методы анализа данных
  3. Основные понятия и термины в машинном обучении и нейронных сетях
  4. Математические основы машинного обучения (линейная алгебра, статистика, оптимизация)
  5. Основные метрики оценки качества моделей машинного обучения
  6. Выбор и обработка данных для машинного обучения. Методы машинного обучения
  7. Построение моделей машинного обучения (регрессия, классификация, кластеризация, нейросети)
  8. Инструменты анализа данных и Machine Learning (Rapid Miner)
Раздел 5. Глубокое обучение и нейронные сети
  1. Введение в глубокое обучение и нейронные сети
  2. Обзор основных архитектур нейронных сетей. Сверточные и рекуррентные сети
  3. Обучение нейронных сетей с помощью TensorFlow и Keras
  4. Использование предварительно обученных моделей для классификации изображений и других задач
  5. Small Data Learning и Сиамские нейронные сети
Раздел 6. Продвижение продукта. Бизнес-метрики
  1. Введение в продуктовую аналитику
  2. Ключевые метрики роста продукта
  3. A/B-тестирование
модули

Модуль 1.

Базовый

Модуль предполагает введение в содержание профессии «Аналитик данных». Отдельные темы посвящены изучению инструментов анализа данных: Python, Jupyter Notebook, библиотеки Python, Hadoop, ETL, Spark и др.; изучению технологий хранения и обработки больших данных: БД, SQL, MPP, Postgres, GreenPlum, моделирование данных, построение дашбордов с помощью Superset

Модуль 2.

Профильный

Модуль предполагает знакомство с математическим моделированием, машинным обучением, оптимизацией и обучением нейронных сетей. Отдельные темы посвящены введению в теорию вероятности и математическую статистику, A/B-тестированию, математическим основам машинного обучения, методам анализа больших данных (регрессия, классификация, кластеризация, ассоциативные правила). Будут рассмотрены архитектура нейронных сетей, обучение нейронных сетей с помощью TensorFlow и Keras, способы использования предварительно обученных моделей для классификации изображений и других задач, продвижение продукта, бизнес-метрики.

Преподаватели

Место работы

ФГАОУ ВО «Южный федеральный университет», заведующий кафедрой Института компьютерных технологий и информационной безопасности

Образование

Кандидат технических наук

Таганрогский радиотехнический институт им. В.Д. Калмыкова, программное обеспечение вычислительной техники и автоматизированных систем

Навыки

  • SQL, PostreSQL
  • Python, NumPy

Хусаинов Наиль Шавкятович

28 лет

Стаж работы

Профессиональный опыт

2016 – н.в. ФГАОУ ВО «Южный федеральный университет», заведующий кафедрой Института компьютерных технологий и информационной безопасности

2007 – 2012 ТТИ Южного федерального университета

Навыки

  • Исследовательский анализ данных

  • Математическая статистика и теория вероятностей

Место работы

Сбер, Продуктовый аналитик

Образование

Уральский государственный экономический университет

Навыки

  • Python (анализ данных и автоматизация), Pandas (обработка и анализ данных), NumPy
  • Tableau, Power BI (Создание дашбордов)
  • SQL, mongoDB (работа с базами данных)

Санников Даниил Александрович

4 года

Стаж работы

Профессиональный опыт

2023 – н.в. Сбер, Продуктовый аналитик 
2020 – 2023 Контур, Аналитик, продуктовый аналитик

Навыки

  • А/B-тесты, математическая статистика и теория вероятностей
  • Matplotlib, Seaborn (Визуализация данных)
  • Scikit-learn, Catboost

Место работы

НИТУ МИСИС, доцент Кафедры Магистерской школы информационных бизнес-систем

Образование

Московский институт электроники и математики (МИЭМ), математические методы в экономике

Региональный гуманитарный институт им. П.А. Столыпина, юриспруденция, гражданское право

Навыки

  • Эконометрика
  • Эконометрическое моделирование

  • Основы современной прикладной статистики

Жукова Людмила Вячеславовна

21 год

Стаж работы

Профессиональный опыт

2020 – н.в. доцент Кафедры Магистерской школы информационных бизнес-систем НИТУ МИСИС

2017 – н.в. Ведущий аналитик-математик, ЗАО ЕС-Лизинг

2012 – н.в. Старший преподаватель департамента прикладной экономики факультета экономических наук НИУ ВШЭ

2004 – 2012 Старший преподаватель кафедры математической экономики МИЭМа

2003 – 2009 Консультант КЦ 

Навыки

  • Методы искусственного интеллекта

  • Основы прикладной статистики

  • Количественные методы бизнес-аналитики

Место работы

ООО «1Т», аналитик-исследователь

Образование

АНО ВО «Российский новый университет», психология труда, инженерная психология, когнитивная эргономика

Навыки

  • Аналитика (Python, SQL, Pandas, NumPy)
  • Визуализация (Miro, Canva, Figma, Grafana, Matplotlib, Seaborn)

Шарапов Никита Александрович

8 лет

Стаж работы

Профессиональный опыт

2023 – н.в. OOO «1Т», аналитик-исследователь

2017 – н.в. Специалист по научно-исследовательским работам (аналитик-исследователь)

2021 – 2022 ФГБОУ ВО МГППУ, специалист по методической работе

Навыки

  • DWH и ML (PostreSQL, Docker, Scikit-Learn)

  • Математическая статистика (SPSS, Excel)

  • Исследования (A/B тестирования, CJM, фокус-группы)

Образование

Московский авиационный институт, инженер (самолето- и вертолетостроение)
Яндекс практикум, Data Scientist

Место работы

«Экспертный центр аналитики и социологии», аналитик данных
Ведущий эксперт в центре экспертизы в образовании РАО

Навыки

  • Анализ данных, SQL
  • Python, Pandas, Phik
  • Визуализация данных (Seaborn, Matplotlib, Poltly, WordCloud)

Кропивный Дмитрий Алексеевич

5 лет

Стаж работы

Профессиональный опыт

2023 – н.в. Ведущий эксперт в центре экспертизы в образовании РАО

2020 – н.в. «Экспертный центр аналитики и социологии», аналитик данных

2020 – н.в. ООО «1Т», преподаватель учебных курсов

Навыки

  • Построение дашбордов с помощью Grafana
  • Разновидности алгоритмов Boruta для фильтрации признаков
  • Методы машинного обучения: Scikit-learn, Catboost, LightGBM, XGBoost

Место работы

ООО «1Т» , Старший аналитик данных

Образование

ФГБОУ ВПО «Юго-Западный государственный университет», бухгалтерский учет, анализ и аудит

Навыки

  • Scikit-learn, Pandas
  • PostgreSQL, Apache Spark

  • NLTK,  OpenCV

Кулакова Надежда Сергеевна

11 лет

Стаж работы

Профессиональный опыт

2023 – н.в. ООО «1Т», старший аналитик данных

2021 – 2023 ООО «1Т», менеджер ИТ-проектов

2019 – 2021 ООО «1Т», бизнес аналитик

Навыки

  • Tensorflow, Keras

  • Многослойные нейронные сети

  • Свёрточные сети и архитектура

Место работы

НИУ ВШЭ, заведующая лабораторией инноваций в образовании

Образование

Кандидат наук об образовании

ФГАОУВО «Национальный исследовательский университет «Высшая школа экономики»

Навыки

  • Исследовательский анализ данных

  • SQL, MySQL

Королева Диана Олеговна

16 лет

Стаж работы

Профессиональный опыт

2020 – н.в. НИУ ВШЭ, заведующая лабораторией инноваций в образовании

2018 – 2020 ГАУДПО «Институт развития образования Пермского края»

2017 – 2018 ООО Издательская фирма Сентябрь

2013 – 2017 Университет «Высшая школа экономики»

Навыки

  • Аналитические исследования

  • Внедрение инновационных образовательных программ и технологий с использованием ИИ

Место работы

ООО «1Т», cтарший аналитик данных 

Профессиональный опыт

2022 – н.в. ООО «1Т», старший аналитик данных

2019 – 2022 Филиал «Аэронавигация Западной Сибири», ФГУП «Государственная корпорация по организации воздушного движения в РФ», ведущий специалист по защите информации

Навыки

  • Анализ данных и автоматизация

  • Python, Pandas, NumPy

Клавдеев Александр Владимирович

20 лет

Стаж работы

Образование

Алтайский государственный технический университет им. И.И. Ползунова, инженер по специальности «Программное обеспечение вычислительной техники и автоматизированных систем»

Центр информационных технологий и безопасности информационных систем, программа профессиональной переподготовки «Информационная безопасность»

Навыки

  • Экспертиза информационных систем

  • Работа с большими данными

  • Гибкие и классические методологии разработки

Место работы

ООО «1Т» , старший Аналитик данных

Образование

НОУ ВПО «Институт бизнеса, психологии и управления», таможенное дело

Навыки

  • Обработка и анализ данных
  • Аналитические инструменты и языки программирования

Лашков Дмитрий Юрьевич

4 года

Стаж работы

Профессиональный опыт

2024 – н.в. ОБРСОЮЗ, Аналитик данных

2022 – 2024 АО Лотереи Москвы

2019 – 2020 ООО «Сеть Связной»

Навыки

  • Grafana, Matplotlib

  • SQL, PostreSQL

Отзывы выпускников
Данилко Леонид
Технический аналитик
Мельников Артем
Технический аналитик
Акбашева Евгения
Технический аналитик
Данилко Леонид
Технический аналитик
Поделиться
— Вы работаете или учитесь?
— Я уже отучился, давно достаточно, в 2017 году окончил университет на инженера, по специальности «Новатика» называется, это что-то между менеджментом и инженером, то есть внедрять новые технологии на производство и так далее. По специальности работать не пришлось в силу того, что ее просто не было на рынке в городе, где я был, в Челябинске. Последние три года работаю в Подмосковье в учебном методическом центре военно-патриотического воспитания. Веду для десятиклассников робототехнику, беспилотники, вот это вот всё.

— Почему вы решили пойти на курс 1Т Дата?
— Начал смотреть в сторону ИТ, смотрел, какие бывают курсы, вот приглянулся анализ данных. Изначально я вообще встретился с этим, когда пошел на курс от Высшей школы экономики, анализ данных. Отучился, мне понравилось, но там больше теории было, то есть я изучал там все теоретически. Питона вообще не было, то есть это был больше SQL, больше архитектура баз данных и методологии всякого рода. Закончил, потом у нас по линии РСО, в которых я еще в студенчестве состоял, скинули ссылку, то есть вот смотрите, от 1Т есть курсы по квоте и так далее. Я такой, ну почему не попробовать, все равно как раз дальнейшее развитие. И здесь уже столкнулся именно с такой массивной практикой, с углубленными знаниями в определенных темах, то есть тестирование, А/Б-тестирование, статистика. Очень понравилось, решил остаться на стажировку, так как постоянно что-то новое узнаешь. Здесь уже комьюнити сформировано, то есть есть с кем пообщаться, к кому обратиться.

— Какие сложности были во время прохождения курса?
— Как таковой сложности в курсах не было, все было наглядно. Спасало зачастую то, что на вебинарах потом разбиралось задание. То есть я такой, нет, я не буду списывать, не буду списывать! Смотришь и потом пытаешься на свой код это проецировать, то есть это очень помогало, вебинары с разбором заданий очень помогали. Наверное, без них я бы очень-очень надолго встал на каких-то этапах.

— Какие у вас впечатления от преподавателей?
— Было круто, было круто, преподаватели, которые ПДА, очень общительные, в плане тех же вебинаров. Уже когда мы на стажировку вышли, по-свойски общение идет, то есть такое, не то чтобы панибратство, а товарищество. То есть они делают скидку на то, что мы не профессионалы, разжевывают какие-то моменты, не критикуют. Вообще критики я никогда не видел, не замечал.

— Что вы узнали, какие навыки приобрели за время обучения?
— О себе сейчас. У меня уже нет какого-то страха открывать чужой код, то есть я уже в нем нормально разбираюсь, могу понимать, читать какую-то документацию, вплоть до английского языка, хотя я с ним не очень дружу. Умею пользоваться большинством средств в Питоне, то есть библиотеками, которые на курсе преподавали раньше, я о них даже не слышал. Сейчас это у меня уже никакой тревожности не вызывает, с этим проблем никаких и трудностей нет. Наверное, я все-таки верю, что я могу решить большинство задач, которые связаны с аналитикой.

— Поделитесь планами в професии
— Найти, во-первых, работу себе новую, поменять сферу деятельности, именно по аналитике. Мне очень нравится аналитика. Вакансию, по-моему, скидывали в чат от Министерства просвещения, вот я туда подался, там, в принципе, почитал. Это, во-первых, мне уже понятно. Слава богу, это меня уже не пугает, я понимаю, что от меня требуется. И мне вот это нравится. То есть база данных, ее нужно анализировать, строить дашборды, аналитику какую-то проводить. Наверное, с этого бы я хотел начать.

— Что бы вы посоветовали тем, кто только сейчас планирует пройти обучение в 1Т?
— Самое главное бы я бы пообещал студенту — это не сдаваться. Зачастую, когда какой-то студент не из этой сферы приходит на курс, сталкивается с первой какой-то проблемой, которую, как ему кажется, вообще всё, ну это крах, я ничего не понимаю, не разбираюсь. Здесь нужно не отчаиваться, а переждать, переварить, и всегда какой-то ответ, он находится. То есть или из Google, или от лидов, в чатике тему поднимают. Сложного ничего нет.

— Какие впечатления от 1Т?
— Одна из компаний, которая предоставляет обучение, то есть те же все видео уроки, лекции, конспекты, с чем часто уже сталкиваются. Но потом она раскрылась совсем в другом формате, в том, что здесь уже какое-то сообщество, все друг с другом общаются близко, шутят, решают какие-то проблемы, не критикуют. Вообще критики я не заметил никогда. Ни на стажировке, ни на обучении. И это, наверное, какой-то такой, грубо говоря, бар по увлечениям. То есть в него все заходят, общаются, учатся, обмениваются знаниями. И, как я уже заметил, подписался на 1Т Клуб, на всякие вот эти каналы. Обширное очень поле деятельности, и это какое-то уже движение, на мой взгляд.
Мельников Артем
Технический аналитик
Поделиться
Всем добрый день! Меня зовут Артем, мне 24 года, я проходил курс 1Т Дата по специальности технический аналитик. Я закончил прохождение курсов, уже получил диплом.

Я работаю научным сотрудником в городе Сергиев Посад, в  центральном научно-исследовательском институте уже полтора года. Как-то раз нам пришло письмо, приглашение, по-моему это было в мае, о возможности обучения на курсах 1Т Дата. Недолго думая, я решил, почему бы, собственно говоря, не попробовать?

Хотя  детства, со школьных времен, для меня информатика, программирование были постольку-поскольку были интересны. Но я решил попробовать, потому что актуальный вопрос сейчас стоит… Например, у меня такой вопрос всегда возникал, почему, например, ИТ-специалисты в сфере информационной безопасности получают большие деньги, почему им это нравится, чем они занимаются, с какими программами работают, что делают, специфика деятельности. Интересно было узнать, и я решил все же попробовать, испытать это на своей шкуре.

Так получилось, что я попал на второй поток, на первый не успел, а на второй попал. Прошел трехмесячные курсы, которые были, по большому счету, действительно тяжелыми. Для человека, который никогда этим не занимался, я подошел к этому вопросу очень серьезно. Очень было беспокойно, что мне не хватит моего уровня математики, высшей математики, матстатистики. Так как в принципе аналитик данных тесно связан, как я теперь уже знаю, с А/Б-тестированием, а там везде присутствуют элементы матстатистики и причем довольно-таки глубоко необходимо знать мат статистику, в нее вникать постоянно.

Очень понравились мне слова ректора Российского нового университета на 1Т Офлайне, он сказал, что необходимо постоянно совершенствоваться в плане математики, для того, чтобы добиваться каких-либо результатов. Потому что человек, который стоит на месте, он никуда не пойдет. Это логично.

Впечатление мои от обучения такие, разносторонние. Я как бы очень рад, что у меня получилось закончить, но мне досадно в том плане, что не я сам смог закончить. Не своими силами, а мне приходилось постоянно обращаться к второстепенным источникам, обращаться к людям, пытаться найти помощь. Были моменты, когда я сам чего-то достиг, какие-то темы сам решал, и были моменты, когда времени, например, не хватало, приходилось смотреть вебинары на скорую руку, анализировать результаты других коллег, чьи работы разбирали на вебинарах. Очень мне радостно в том плане, что в любой трудной ситуации, в любом моменте, тебе постоянно приходят на помощь, постоянно помогают преподаватели, постоянно помогают такие же ученики как и ты сам.

Отклик максимальный, также есть ChatGPT, к которому можно постоянно обращаться, что тоже очень хорошо. Интересно в том плане было проходить, наверное, мне это было в новинку, было интересно познать все. Но вот с другой стороны, как человек, который никогда этим не занимался, и который уже в принципе закончил, получил диплом, я могу сказать со стопроцентной уверенностью, что как специалист навряд ли я смогу сейчас состояться. Потому что именно база знаний, которые дают, объем информации очень большой, и необходимо постоянно совершенствоваться. В плане объема информации поступаюет много новых материалов, материалов которые можно вычитать, то есть директории там различные, словари различных средств программирования. Мне радостно, в том плане, что была возможность изучить языки программирования. Я никогда не программировал, у меня была в школе возможность, на Паскале мы программировали. Сейчас я посмотрел на такой язык программирования, как Python. Мы поработали со средствами визуализации, изучили немного матстатистику, продуктовую аналитику посмотрели.

В конечном итоге у меня сложились сложилось общее впечатление, что же все должен делать дата-аналитик, я понял!  Я считаю, что этого более чем достаточно, тем более на курсах повышение квалификации и получения специальности. Я хотел бы выразить слова благодарности своим преподавателям, это Дмитрию (Крапивному?), Даниилу Сальникову, за проявленное усердие, постоянные методические навыки, которые они передавали на вебинарах. Была возможность пообщаться с преподавателями, поговорить, и всегда они приходили на помощь. Это очень радостно и это достойно уважения, в том плане что тебя не бросят, ты понимаешь, что всегда тебе помогут в любой твоей ситуации, когда тебе непонятно или трудно.

Для ребят, которые планируют прийти на курс 1Т Дата — подходите более серьезно к обучению, потому что это обучение — это не отписка, это серьезное обучение, серьезная организация, здесь нужно подходить своевременно, усердно, сидеть и стараться, пытаться. Как я понял, исходя из общения с преподавателями, у меня были моменты, когда я хотел просто взять все и бросить, я психовал, мне это не нравилось, мне казалось что это, блин, настолько бред, что я не смогу, я не справлюсь. Но, уважаемые друзья, наверное в жизни нет ничего тяжелее, чем борьба с самим собой. Всегда приходится бороться именно с самим собой. Внутренние убеждения пытаются загложить тебя самого, погубить, но ты должен всегда переступать через свои амбиции, пытаться совершенствовать себя. Всегда война с самим собой и борьба с самим собой — это самое тяжелое в жизни. Если бороться, ты всегда придешь к результату, Именно благодаря тому, что меня постоянно поддерживали, мне говорили «Не бросай, все хорошо», со стороны преподавателей и со стороны моих друзей и близких, эта поддержка дала свои результаты. Благодаря этому я смог завершить курс. Так что, ребята, которые будут только приходить в 1Т, не переживайте, у вас все получится, вам во всем помогут, самое главное — это усердие, старания и дисциплинированность в плане обучения. На этом все, всем огромное спасибо за предоставленную возможность обучения на курсах 1Т Дата, всем всего хорошего, до свидания.
Акбашева Евгения
Технический аналитик
Поделиться
Здравствуйте. Меня зовут Евгения. Я преподаватель вуза в Кабардино-Балкарского государственном университете, старший преподаватель кафедры компьютерных технологий и информационной безопасности. Относительно недавно у нас в университете был организован новый институт — Институт искусственного интеллекта и цифровых технологий. Мы должны готовить специалистов в области искусственного интеллекта и больших данных, что, собственно, и предлагают все курсы 1Т Data. В рамках повышения квалификации и переподготовки кадров, нас и отправили на курсы 1Т «Аналитик данных».

Ну, первое, на что обращаю внимание, когда заходишь в обучающие среду ЛМС, это, конечно же, современный привлекательный дизайн. Местами он забавный, вместе с тем довольно мотивирующий и привлекательный, что сразу бросается в глаза. Появляется уже интерес. Дальше уже, в принципе, погружаешься в процесс обучения целиком и полностью смотришь представленные в курсе разделы. Они поделены на два модуля, основной и профилирующий. Они открывались по мере прохождения курса, то есть не сразу общедоступны были. В основном модуле даются общие навыки, которые необходимы для вхождения в профессию. Это основа. Поэтому ты работаешь с базами данных. А профиль уже более узкоспециализированный, именно для аналитиков данных — TRIMS, визуализация данных продуктовая аналитика. И в конце была машинное обучение. В принципе, такой набор тем достаточно полно раскрывает профессию, как мне кажется.

В каждой теме были предложены практические задания для самостоятельного выполнения базового уровня и продвинутого посложнее. В них были изложены очень интересные актуальные задачи, какие то реальные кейсы, которые было очень интересно рассматривать и решать. В принципе, многие из них были своеобразным вызовом, вызвали некоторые сложности, но, тем не менее, я вроде бы справилась.
И мне как преподавателю представленный объем теоретических именно знаний перед выполнением практических заданий поначалу показался уж слишком минимизированным. То есть предполагалось, что, просмотрев какие то теоретические материалы, выложенные там, я могла сразу выполнять практические задания. Но не всегда это получалось. По каждому разделу предлагался вебинар, на котором можно было поприсутствовать либо онлайн, либо посмотреть в записи, когда будет удобно. И в принципе, все вопросы, которые возникали, на этих вебинарах, разрешались.

Так что, в принципе, объем знаний, предоставляемый на курсе, вполне достаточен. И одним из несомненных и важных преимуществ курса является именно отсутствие жестких дедлайнов. То есть у меня, во-первых, есть возможность заниматься в удобное для меня время. Во-вторых, я могу эти задания выполнять, собственно, без всяких паник и истерик, что вот закроют и не примут. В общем, это было достаточно удобно.

Отлично работала техподдержку, отлично работал чат. В телеграмме можно было задать какие-то интересующие вопросы, найти помощь, поддержку. В конце курса была итоговая аттестация в виде такого полноценного задания, позволяющего продемонстрировать практически все полученные аналитические навыки и владение инструментами, которые были изучены в ходе курса. После итоговой аттестации всем желающим была предложена стажировка. Ну, мы, как сотрудники университета, к сожалению, не могли поучаствовать в стажировки, но, тем не менее, то, что есть вообще, в принципе, такая возможность, это тоже огромный плюс этого курса.

Ну, и в итоге что сказать? В современной, стремительно развивающейся ИТ-индустрии нам другого выхода не остается, как идти в ногу со временем., непрерывно развиваться, повышать уровень своих компетенций. И курс — это то, что как раз в этом и помогает. Спасибо вам большое. Спасибо всей команде курса «Аналитик данных» за предоставленную возможность получить новые актуальные знания и навыки. Всего доброго.