Python и SQL для анализа данных

30

часов теории

72

часа практических занятий

4

модуля обучения

Программа предназначена для лиц, имеющих среднее профессиональное или высшее образование, желающих освоить новый вид профессиональной деятельности в области машинного обучения и анализа данных. Курс разработан в соответствии с требованиями профессиональных стандартов «Бизнес-аналитик» и «Специалист по большим данным» и нацелен на формирование компетенций, необходимых для сбора, подготовки и интеллектуального анализа больших массивов информации при реализации проектов искусственного интеллекта.

Практический интенсив охватывает широкий стек технологий: от продвинутой аналитики в Google-таблицах до программирования на Python с использованием библиотек NumPy и Pandas. Вы научитесь писать сложные запросы на SQL (PostgreSQL), работать с базами данных NoSQL (MongoDB) и инструментами Big Data (Hadoop, Spark) , а также визуализировать результаты в Power BI, Tableau и Yandex DataLens. Особое внимание уделяется построению моделей машинного обучения — от линейной регрессии до нейронных сетей, NLP и компьютерного зрения.

Обучение объемом 144 академических часа проходит в очно-заочной форме с применением дистанционных технологий и завершается итоговой аттестацией в виде защиты практической работы по реальному кейсу. После успешного освоения программы слушатели получают удостоверение о повышении квалификации Финансового университета при Правительстве Российской Федерации.

О программе

Фундаментальный стек работы с данными

Вы освоите ключевые инструменты аналитика и инженера данных: от продвинутого Python (Pandas, NumPy) и парсинга веб-страниц до написания сложных запросов в SQL (PostgreSQL) и работы с NoSQL базами (MongoDB).

Вы научитесь автоматизировать сбор и очистку сырых данных, проектировать архитектуру хранения и подготавливать датасеты для дальнейшего анализа или обучения моделей.

Бизнес-аналитика и продуктовые метрики

Изучение методологии проверки гипотез, A/B-тестирования, юнит-экономики и ключевых метрик (Retention, LTV, ARPPU). Работа с Google-таблицами и Excel на продвинутом уровне.

Вы сможете не просто собирать цифры, а переводить их на язык бизнеса: находить точки роста компании, рассчитывать эффективность маркетинга и обосновывать управленческие решения на основе данных.

Продвинутая визуализация и BI-системы

Практическое освоение трех ведущих платформ для визуализации: Power BI, Tableau и Yandex DataLens. Создание расчетных полей, фильтров и интеграция с различными источниками данных.

Вы научитесь превращать сухие таблицы в понятные интерактивные дашборды и аналитические отчеты, которые позволяют стейкхолдерам и заказчикам мгновенно оценивать ситуацию и принимать решения.

Машинное и глубокое обучение

Погружение в Data Science: от классических алгоритмов (регрессия, деревья решений, кластеризация) до глубокого обучения, компьютерного зрения и обработки естественного языка (NLP).

Вы получите навыки создания, обучения и валидации предиктивных моделей, сможете разрабатывать рекомендательные системы и внедрять элементы искусственного интеллекта в бизнес-процессы.

Технологии Big Data

Знакомство с экосистемой Hadoop и Spark, механизмами распределенного хранения и потоковой обработки данных, а также методами анализа временных рядов (ARIMA, GARCH).

Вы овладеете компетенциями для работы с большими массивами информации, что позволит масштабировать аналитические решения и работать в высоконагруженных проектах уровня Enterprise.

Реальный проект и диплом Финуниверситета

Обучение завершается защитой практической работы на основе реального бизнес-кейса, а программа (144 часа) соответствует профессиональным стандартам «Бизнес-аналитик» и «Специалист по большим данным».

Вы сформируете портфолио еще в процессе учебы и получите официальное удостоверение о повышении квалификации одного из ведущих вузов страны, подтверждающее ваши компетенции.

Программа

Модуль 1. Аналитика: инструменты, методы, показатели

Изучение продвинутых инструментов анализа в Google-таблицах и Excel.
Освоение методологии проверки бизнес-гипотез и проведения A/B-тестирований.
Разбор ключевых метрик: юнит-экономика, Retention, LTV и воронки продаж.
Практика: расчет маркетинговых показателей и оценка эффективности бизнес-моделей на реальных кейсах.

Модуль 2. Python и анализ данных

Изучение основ программирования на Python и работы в среде Jupyter Notebook.
Освоение библиотек Pandas и NumPy для обработки и манипуляции массивами данных.
Изучение методов сбора данных: парсинг веб-сайтов и работа с API.
Практика: разведочный анализ данных (EDA), очистка датасетов и статистическая проверка гипотез.

Модуль 3. SQL и получение данных

Изучение архитектуры реляционных баз данных и основ SQL в среде PostgreSQL.
Написание сложных запросов с использованием JOIN, агрегатных и оконных функций.
Знакомство с нереляционными базами данных на примере MongoDB.
Практика: проектирование структур хранения и извлечение данных из многотабличных информационных систем.

Модуль 4. Визуализация данных

Изучение принципов построения понятных и эффективных графиков.
Освоение инструментария ведущих BI-платформ: Power BI, Tableau и Yandex DataLens.
Создание интерактивных отчетов и настройка автоматического обновления данных.
Практика: разработка комплексного дашборда для мониторинга ключевых показателей бизнеса.

Модуль 5. Основные модели машинного обучения

Разбор алгоритмов обучения с учителем: регрессии, деревья решений и случайный лес.
Изучение методов кластеризации и поиска аномалий в данных.
Знакомство с методами анализа временных рядов для прогнозирования (ARIMA, GARCH).
Практика: построение, обучение и оценка точности предиктивных моделей на Python.

Модуль 6. Глубокое машинное обучение и обработка больших данных

Введение в нейронные сети, компьютерное зрение (CV) и обработку естественного языка (NLP).
Знакомство с экосистемой Big Data: принципы работы Hadoop и Spark.
Изучение архитектуры высоконагруженных систем и потоковой обработки данных.
Практика: решение задач классификации или распознавания образов с использованием инструментов Deep Learning.

Подробный учебный план программы

PDF

Преподаватели и эксперты программы

Анпилогов Вадим Васильевич

Руководитель проектов по экономической эффективности Плюса Фантеха (Яндекс)

Добровольский Игорь Николаевич

Кандидат экономических наук; Технический директор/CTO REACTOR FZCO, UAE

Шаталова Алевтина Юрьевна

Ведущий программист Центра разработки программного обеспечения, Старший преподаватель Кафедры анализа данных и машинного обучения Факультета информационных технологий и анализа больших данных Финуниверситета

Личная страница

Документ, который Вы получите

Стоимость обучения

Стоимость обучения составляет 67 000 ₽. Возможна поэтапная оплата, оплата из средств материнского капитала, скидки на обучение в соответствии с Положением о скидках

Положение о скидках