[productstar] Профессия: Аналитик с 0 до PRO [Денис Соболев, Илья Чухляев]

[Robot]

Ссылка на картинку

Профессия: Аналитик(с 0 до PRO)
вы с нуля освоите профессию Аналитик продуктов, подробно разберете всю специфику и инструменты данной профессии от Google Analytics, Python и BI-инструментов до Machine Learning и DataScience
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
Курс по Аналитике

• 120 лекций и 120 практических заданий от практиков рынка с проверкой
• Курс можно проходить со своей скоростью на нашей платформе
• По ходу курса мы помогаем вам с трудоустройством и подготовкой к собеседованиям
• Нетворкинг: общение внутри группы курса и поддержка ментора

Спойлер: Программа курса (120 лекций и воркшопов)
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
Управление продуктом на основе модели Lean Canvas и роль аналитики в этой модели
MVP-подход для решения аналитических задач
Основные типы бизнес-метрик
Unit-экономика
Декомпозиция метрик и факторный анализ - практика
Введение в web-аналитику: основные понятия и инструменты
Основные отчеты Google Analytics
Основные отчеты Yandex Metrica
Основные отчеты App Metrica
...
Блок 2: "Маркетинговая и клиентская аналитика"
Введение в маркетинговую аналитику
KPI и метрики
UTM-метки
Основные источники данных и методы их анализа
Сквозная аналитика
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
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.
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
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: 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
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
Основы линейной алгебры и теории множеств
Методы математической оптимизации
Основы описательной статистики
Статистический анализ данных
...
Блок 8: "Построение Machine Learning моделей"
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
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
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

Читать далее...