5
месяцев
обучения
7
учебных
модулей
Дата-аналитик:
старт карьеры
Получи востребованную специальность

бесплатное обучение по программе
Помощь в старте карьеры
Набор закрыт
↓
Участвуйте в федеральном проекте
реализуется с 2021
по 2024 гг. в рамках национального проекта «Демография»
↓
мест на обучение
по программе
на 2022 год
на базе Национального исследовательского Томского государственного университета, федерального оператора проекта
«Содействие занятости» — это государственный проект, цель которого помочь гражданам повысить квалификацию и востребованность на рынке труда, сменить профессию или открыть свое дело в качестве ИП или самозанятого.
Обучение
4 тысячи
Проект
Национальный проект "Демография"
Содействие занятости

Data-аналитик — это специалист, который умеет собирать, обрабатывать и интерпретировать большие данные. На курсе вы научитесь собирать, обрабатывать и анализировать большие данные для решения задач компаний в самых разных отраслях.

Middle Data Analyst
2–3 года стажа
Средняя заработная плата в месяц
Senior Data Analyst
4–6 лет стажа
Junior Data Analyst
0–1 года стажа
160 000–250 000 ₽
80 000–160 000 ₽
50 000–70 000 ₽

Типичные задачи

Выгрузить данные
для определённой цели
отделу кадров нужен список сотрудников, у которых в семье больше двух детей.
Провести исследование
владелец интернет-магазина видит, что на сайте снизилась конверсия, при этом никаких существенных изменений в функциональность сайта не вносили.
аналитик делает выгрузку из базы данных.
→
→
аналитик собирает данные, на основе этого выдвигает ряд гипотез и начинает их тестировать, чтобы решить текущую проблему бизнеса.

Программа курса

Срок обучения — 4 месяца

Пре-модуль по выбору
Продуктовое мышление аналитика


Вы научитесь:
• Разбираться в логике продукта
• Ставить и проверять продуктовые гипотезы (Lean Canvas/ HADI-циклы)
• Рассчитывать юнит-экономику и проверять монетизацию продукта



Профессиональный модуль
Проектирование дизайна исследования в Big Data (основы методологии)
Вы научитесь:
• Определять проблему и цель исследования
• Выстраивать концептуальную модель объекта / предмета исследования
• Определять необходимые типы и источники данных для исследования
• Осуществлять выбор инструментов и методов анализа данных исходя из целей и задач проекта
Профессиональный модуль
Сбор данных из открытых источников
Вы научитесь:
• Работе с Google Colab
• Собирать данные из открытых источников с помощью API с использованием языка программирования Python
• Парсить данные из открытых источников с использованием Python
Профессиональный модуль
Разведочный анализ данных (EDA) на Python
Вы научитесь:
• Осуществлять чистку и преобработку данных
• Анализировать взаимосвязи между переменными
• Реализовывать графический и неграфический виды анализа
• Осуществлять первичную визуализацию данных (box-plot, pie-chart, гистограммы и т. д.)
Профессиональный модуль
Матстатистика и проверка гипотез
Вы научитесь:
• Ставить гипотезы и осуществлять их проверку
• Осуществлять A/B тестирование
• Осуществлять регрессионный и корреляционный анализ
• Интерпретировать результаты анализа
Профессиональный модуль
Хранение данных в PostgreSQL
Вы научитесь:
• Основам языка программирования структурированных запросов (SQL, Structured Query Language)
• Использовать SQL для создания баз данных
• Заполнять данными и выполнять запросы к базам в PostgreSQL
Профессиональный модуль
Визуализация данных и подготовка аналитического отчёта
Вы научитесь:
• Визуализировать результаты для решения конкретной задачи
• Определять эффективные способы представления результатов
• Структурировать и создавать презентации
• Писать аналитические отчёты
Карьерный модуль
Карьера
Дата-аналитика
Вы научитесь:
• Cоставлять карьерный план, определять планируемую траекторию движения к карьерной цели и методы её достижения
• Cоставлять резюме, собирать портфолио, писать сопроводительное письмо
• Определять стратегию подготовки к собеседованию и техническому интервью
Стажировка
Симулятор аналитической деятельности
Вы научитесь:
• Разрабатывать аналитическое решение под поставленную задачу
• Формулировать алгоритм решения аналитической задачи
• Осуществлять предобработку и анализ данных под прикладную задачу
• Представлять результаты аналитической задачи
Наши преподаватели
  • Вячеслав Гойко
    Директор Центра прикладного анализа больших данных, директор Университетского консорциума исследователей больших данных
  • Юлия Мундриевская
    Руководитель Академии «Дата-дайвинг», ведущий аналитик Центра прикладного анализа больших данных НИ ТГУ
  • Полина Басина
    Аналитик Центра прикладного анализа больших данных НИ ТГУ
  • Анастасия Абазовская
    Инженер-программист, VDOM Research
  • Вячеслав Бакулин
    Data-scientist Центра прикладного анализа больших данных НИ ТГУ
  • Ольга Архипова
    Аналитик, Yandex Medialab
  • Борис Пякилля
    Старший преподаватель ТПУ
  • Эдуард Сайфулин
    Технический директор Центра прикладного анализа больших данных НИ ТГУ
  • Алексей Благинин
    Технический специалист Центра прикладного анализа больших данных НИ ТГУ

Инструменты,

которые вы освоите

Python

Высокоуровневый язык программирования

Pandas
Инструмент анализа и манипулирования данными с открытым исходным кодом
Matplotlib
Библиотека для работы с графикой
Beautifulsoup
Библиотека
для синтаксического разбора файлов
HTML / XML
Scrapy
Фреймворк
для
веб-краулинга
Selenium
Инструмент
для автоматизации действий веб-браузера
Requests
Библиотека, с помощью которой можно делать запросы в интернет
sciPy
Библиотека
для языка программирования Python
PostgreSQL
Свободная объектно-реляционная система управления базами данных
DataLens
Сервис для бизнес-аналитики
Seaborn
Импорт наборов данных и библиотек
Навыки, которые вы приобретёте
  • Разрабатывать аналитическое решение
    в соответствии с поставленной задачей
  • Cобирать данные из открытых источников
    с помощью библиотек BeautifulSoap, Scrapy,
    Selenium, Requests
  • Получать данные из хранилищ с помощью
    языка SQL (PostgreSQL)
  • Осуществлять проверку, обработку и анализ (графический и неграфический) данных с помощью языка программирования Python
  • Ставить гипотезы и осуществлять их проверку
  • Применять в работе ключевые математические
    методы и основы статистики
  • Визуализировать и представлять результаты аналитической работы, строить дашборды и аналитические отчёты
Что ещё ждёт на курсе?
Онлайн-обучение:
Изучение материалов в удобное для вас время и посещение консультаций
Постоянная поддержка
Поддержка слушателей командой кураторов и тьюторов — специалистов-практиков, готовых помочь углубиться в отрасль
Пополняем портфолио
Выполнение индивидуального проектного задания в ходе стажировки, которое можно использовать для своего профессионального портфолио
Профессиональное комьюнити
Выпускники программы попадают в профессиональное комьюнити аналитиков, где могут делиться знаниями и спрашивать помощи у единомышленников
Удобные инструменты
Для обучения используются доступные инструменты, которые останутся у вас после обучения
Центр карьеры
Наша цель — ваше трудоустройство. Рынок нуждается в крутых, грамотных специалистах. Мы поможем вам таким стать,
а Центр карьеры поможет устроиться на работу

Выберите подходящую категорию

В проекте могут принять участие определенные категории граждан. Чтобы узнать, как подать заявку
по выбранной категории, нажмите на кнопку «Подробнее»

*Категории, выделенные звёздочкой, предназначены для лиц до 35 лет включительно

4 шага к вашему карьерному развитию

1
Запишитесь
на обучение и подтвердите заявку
на портале «Работа
в России»
2
Зарегистрируйтесь
в Личном кабинете гражданина и загрузите в него документы
3
Подайте документы, подтверждающие категорию участника,
в Центр занятости населения
4
Выберите один из двух типов договора
и желаемую дату обучения и отправьте оригинал договора
Подробная инструкция
Набор на программу в 2023 году закрыт
Станьте участником программы и
скачайте инструкцию
Стань специалистом,
для которого есть вакансии!
Переходи по кнопке и оставляй заявку
Принять участие!
Чат поддержки

Остались вопросы?


Выберите тему, по которой возник вопрос

Академия Data-Diving при Томском государственном университете

Центр прикладного анализа больших данных ТГУ