Прикладная аналитика данных

Получи навыки обработки, исследования и визуализации данных интернет-сервисов
11 занятий
Хочу учиться
Что дает курс

  • Ты познакомишься с азами аналитики данных, узнаешь основные бизнес-метрики и подходы к их расчету.
  • Научишься применять математическую статистику для проведения углубленного анализа, работать с источниками, тестировать продуктовые решения и проверять гипотезы. 
  • Лучшие выпускники смогут сделать свой первый карьерный шаг в ИТ и получить возможность присоединиться к одному из проектов экосистемы VK.

Какие знания нужны

  • Базовые знания языков программирования: переменные, операции, условные операторы, циклы, функции, ввод-вывод.
  • Базовые знания SQL: понимание баз данных и умение писать простые запросы.
  • Базовые знания статистики: математическое ожидание, дисперсия, выборка, распределение, статистический критерий и P-value.
Материалы для подготовки будут доступны в письме после подачи заявки.

Как проходят занятия

Онлайн-занятия проходят один–два раза в неделю в вечернее время. Запись занятия доступна на портале вместе с домашними заданиями на закрепление пройденных тем. В конце курса – защита итогового проекта.

Как поступить?

Регистрация
До 27 сентября 2021 23:59 мск зарегистрируйся на сайте и подай заявку на курс.
Тестирование
28 сентября 2021 18:00 мск тебе на почту придет ссылка на тест. Пройди его до 1 октября 2021 18:00 мск.
Зачисление
До 7 октября 2021 — письмо о зачислении придет тебе на почту.
Начало обучения
Обучение начинается на неделе с 8 октября 2021 согласно расписанию.

Программа курса

Введение в специальность
  • Основные задачи интернет-аналитики. Инструменты и источники данных. Метрики и способы их расчета.
A/B-тестирование
  • Теоретическая часть. Общая постановка задачи. Значение для бизнеса. Реализация A/B-платформы в production-сервисах. Математическое обоснование. Виды тестов. Проверка гипотез: классические подходы.
  • Практическая часть. Дизайн и предварительное исследование. Библиотеки, реализующие классические подходы. Современные подходы. Основные библиотеки.
Множественные тесты
  • Классические подходы и библиотеки. ANOVA.
Временные ряды
  • Исследование аномалий в данных. Корреляционно-регрессионный анализ. ARIMA, Causal Impact, Prophet.
BI-аналитика
  • Приемы визуализации. Виды графиков и их интерпретация. Инструменты автоматизации извлечения и предобработки данных.

Преподаватели

Дарья Чиркина
Дарья
Чиркина

Программист-исследователь и аналитик-разработчик, в сфере Data Science c 2015 года в VK и Mail.Ru Group и Yandex. Приглашенный преподаватель в НИУ ВШЭ с 2019 года.

Профессиональный опыт:
разра...

Иван Еремеев
Иван
Еремеев

Руководитель направления продуктовой аналитики в рекомендательных системах медиа и нативной рекламы в VK. Преподаватель курсов по A/B-тестированию, мобильной и веб-аналитике в GeekBrains.

Щербакова Анастасия
Щербакова
Анастасия

Аналитик электронной коммерции на проектах ВКонтакте. За плечами опыт проведения исследований и реализация аналитических проектов в сфере FMCG и не только. Окончила МИФИ.

Вопросы по обучению

Отборочный тест
Тесты на базовые знания: Python и SQL, математической статистики и теории вероятностей. Материалы для подготовки будут доступны в письме после подачи заявки.
Кто может учиться?
Действующие студенты старших курсов бакалавриата, специалитета и магистратуры любых факультетов вузов Москвы.
Какая нагрузка в неделю?
4–8 академических часов в неделю без учета времени на выполнение домашнего задания.
Моего вопроса тут нет :(

Другие вопросы можно посмотреть здесь.