План на сегодня :)
1
Обсудим цель
На её основе сможем подобрать направление развития, также её учитывает ментор при обучении
2
Обсудим процесс обучения
Формат занятий, работа с ментором, персонализация под цели ученика
3
Пройдём тест
Получим рекомендации и карьерный путь, разберём вопросы
часть 1
Обсудим цель
Наши занятия — персонализированные, поэтому важно определить цель
Кем сейчас работаете?
Куда хотите прийти через полгода-год?
часть 2
Процесс обучения
Наш фокус — на практическом опыте для учеников
Кейсы от практиков:
лекции, воркшопы и ДЗ
час лекционного материала + воркшоп от спикера + проверка ДЗ + live-встречи со спикерами
Комьюнити:
студенты, выпускники и спикеры
чаты для студентов, спикеров и выпускников
онлайн и оффлайн-встречи комьюнити
Куда трудоустраиваются студенты
Помогаем нашим студентам попадать на собеседования и устраиваться на работу
1
Портфолио на реальных кейсах
помогаем на наших реальных кейсах сделать практические задания, чтобы представить результаты на собеседовании
2
Подготовка резюме
помогаем собрать твой опыт в достойное резюме, подходящее для работодателя
3
Папочка с резюме
помещаем резюме наших учеников в специальную "папочку" в которую регулярно приходят HR и руководители, и приглашают студентов на собеседования
4
Подготовка к собеседованию
помогаем подготовиться к собесу и пройти тестовый собес с нашим ментором
5
Помощь на испытательном сроке
помогаем уже после трудоустройства удержаться на испытательном сроке
6
Защита диплома
потенциальные работодатели присутствуют на защите дипломов наших учеников
ТЕстирование на навыки аналитика
Пройдём тест
Тест замерит текущие знания по 5 основным блокам навыков
Кем составлены вопросы?
Тест и таблица навыков аналитика составлены на основе опыта нескольких десятков аналитиков и директоров по продукту и аналитике, среди которых:
Михаил Карпов
ex-CPO Skyeng, ex-ВКонтакте, Founder at ProductCamp
Роман Абрамов
Исп.директор СберАвто, ex-Яндекс
Андрей Менде
ML Product Manager at Booking.com
Софья Погребинска
Product Manager at Paypal, ex-Amazon
Тест состоит из 19 вопросов
Ориентировочно — 30 секунд на каждый вопрос
Пожалуйста, введите ваше имя:


И номер телефона:


Начать тест
Прошёл тест — что дальше?
Навыки для роста аналитика
наборы групп навыков, необходимых для получения определенного уровня в профессии Data Analytics
Программа курса (120 лекций и воркшопов)
с учётом результатов теста, вы можете посмотреть подсвеченные лекции как некоторые из наиболее популярных лекций для развития нужных скиллов
Блок 1: "Продуктовая аналитика и работа в команде"
  • Роль и место аналитика в продуктовой команде
  • Приёмка задач: понимание проблем
  • Типовые задачи по аналитике и планирование работы над подобными задачами
  • [Бизнесовость] Управление продуктом на основе модели Lean Canvas и роль аналитики в этой модели
  • MVP-подход для решения аналитических задач
  • Основные типы бизнес-метрик
  • [Бизнесовость] Unit-экономика
  • Декомпозиция метрик и факторный анализ - практика
  • Введение в web-аналитику: основные понятия и инструменты
  • [Инструменты] Основные отчеты Google Analytics
  • [Инструменты] Основные отчеты Yandex Metrica
  • Основные отчеты App Metrica
...
Блок 2: "Маркетинговая и клиентская аналитика"
  • Введение в маркетинговую аналитику
  • KPI и метрики
  • UTM-метки
  • [Инструменты] Основные источники данных и методы их анализа
  • Сквозная аналитика
  • [Инструменты] Методы сегментации клиентов и целевой аудитории
  • Введение в RFM-анализ
  • Введение в когортный анализ
...
Блок 3: "A/B-тестирование"
  • Проверка гипотез и поиск точек роста с помощью A/B-тестирования
  • Теория выборочных обследований
  • [Мат стат] Математическая статистика в теории выборочных обследований
  • Статистическая проверка итогов тестирования
  • Последовательность проведения A/B-тестов. Оценка затрат на тесты. Карты гипотез
  • Основные проблемы A/B-тестирования и способы их решения.
  • [Анализ данных, A/B-тесты] Инструменты A/B-тестирования
  • Особенности проведения A/B-тестов в оффлайн-бизнесе
...
Блок 4: "SQL и получение данных"
  • Основы SQL
  • Обновление, добавление и удаление данных. Работа с таблицами
  • Представления и хранимые процедуры. Особенности обработки транзакций
  • [SQL, Обработка данных] Расширенные возможности SQL и основные ограничения
  • Фильтрация данных и вычисляемые поля - практика (SELECT, SUM, AVG, GROUP BY, ..)
  • Группировка данных, подзапросы и объединение таблиц - практика (INNER, LEFT, RIGHT, DISTINCT, ..)
  • Обновление, добавление и удаление данных. Работа с таблицами (INSERT, UPDATE, DELETE, MERGE, FOREIGN KEY, ..)
...
Блок 5: "Python и обработка данных"
  • Введение в анализ данных с помощью Python
  • Python: настройка окружения, базовые структуры данных и основные операторы
  • Python: работа с файлами и форматированный вывод
  • Python: пространства имен и области видимости, классы и объекты
  • Python: инструменты функционального программирования
  • [Python, Обработка данных] Python: стандартные и сторонние библиотеки Python для анализа данных
...
Блок 6: "Инструменты визуализации и презентация аналитики"
  • Сравнительный обзор основных инструментов визуализации данных
  • Основные ошибки при проектировании отчетности и визуализации данных
  • Расширенные возможности визуализации в Excel и Google Sheets, Google Data Studio + практика
  • Организация хранения данных для целей анализа
  • Презентация результата команде
  • [Инструменты] Работа с популярными BI-программами (MySQL, SQL Server, Power BI, Redash, Tableau)
  • Решение бизнес-задач в команде
  • Как работать с командой и подрядчиками
  • Как управлять процессами по аналитике
Блок 7: "Python, мат.модели и обработка данных"
  • Python: настройка окружения, базовые структуры данных и основные операторы
  • Python: работа с файлами и форматированный вывод
  • Python: пространства имен и области видимости, классы и объекты
  • Python: инструменты функционального программирования
  • Python: стандартные и сторонние библиотеки Python для анализа данных
  • [Мат стат] Основы линейной алгебры и теории множеств
  • Методы математической оптимизации
  • Основы описательной статистики
  • Статистический анализ данных
...
Блок 8: "Построение Machine Learning моделей"
  • [Data Science] Линейные методы, логистическая регрессия и SVM
  • Деревья решений
  • Линейная и полиноминальная регрессия
  • Алгоритмы кластеризации
  • Способы повышения качества модели
  • Функции потерь и оптимизация
  • Оценка точности модели, борьба с переобучением, регуляризация
  • Улучшение качества модели
  • [Data Science] Неперсонализированные рекомендательные системы
  • Сontent-based-рекомендации
  • Collaborative Filtering
  • Гибридные алгоритмы
  • Поиск по картинкам
  • Сегментация изображений, детекция объектов
...
Блок 9: "Аналитика больших данных"
  • Машинные методы для обработки данных
  • Культура сбора и источники данных
  • Предобработка и визуализация данных в pandas
  • Улучшение качества работы с данными
  • Построение прогнозных и предсказательных моделей
  • Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
  • [Data Science] Основы работы в Hadoop и MapReduce
  • Работа с облачными платформами: AWS, EMR, Azure
  • Продвинутые подходы в MapReduce
  • Работа в pyspark
  • Организация команды для работы с данными. CRISP-DM
...
Блок 10: Дипломная работа и помощь с трудоустройством
  • Работа над дипломным проектом для портфолио
  • Подготовка резюме
  • Подготовка к собеседованию
  • Финальная защита и консультации
Error get alias
На курс действует гарантия возврата
— в течении первого месяца возвращаем всю сумму если что-то не понравится
Click to order
Ваш заказ
Total: 
Ваш номер телефона