Аналитик с 0 до PRO
Освойте с нуля профессию продуктового аналитика и овладейте самыми передовыми инструментами.
Формат
Лекции в записи
Начало обучения
Сразу после оплаты
Продолжительность курса
12 месяцев
Где проходит обучение
На собственной платформе
Уровень сложности
Новичок
Этот курс включает
Видеоуроки в записи
Чему вы научитесь?
Какие средства анализа эффективности маркетинга существуют. Как проводить аналитику продукта. Где брать информацию и обратную связь от потребителей. Какие методы хранения больших данных наиболее удобны. Как эффективно обрабатывать данные.О курсе
Маркетинговая аналитика нужна любой компании и корпорации. Система сквозной аналитики позволяет оценить продукт, его продвижение, конкурентов и выявить подходящие пути для увеличения продаж и развития бренда проекта. В этом курсе вы с нуля освоите профессию «Аналитик продуктов». Курс подготовлен и проводится в рамках образовательного проекта ProductStar.
Продолжительность – 12 месяцев. Подготовка проходит на платформе школы в удобном для студента ритме. На протяжении курса оказывается менторская поддержка. Программа включает пошаговое изучение профессии и состоит из нескольких блоков. На занятиях вы научитесь проводить анализ трафика и сайта, работать с GoogleAnalytics и Яндекс.Метрикой, визуализировать данные и отслеживать полный путь клиента от перехода на сайт до продажи.
В курсе «Аналитик с 0 до PRO»:
- Аналитика продуктов и командная работа.
- Маркетинговая и клиентская аналитика. А/В тестирование.
- Получение и обработка данных в SQL и Python.
- Инструменты визуализации и презентация аналитики.
- Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования.
Завершив обучение, вы получите сертификат о прохождении курса. В вашем резюме появятся такие строки, как: конкурентный анализ, аналитика воронки продаж, Web- и Mobile-аналитика и другие навыки, которые помогут легко получить нужную работу.
Программа обучения
Роль и место аналитика в продуктовой команде
Lean Canvas
HADI циклы
Основные типы бизнес-метрик
Декомпозиция метрик: иерархия метрик и пирамида метрик
Unit-экономика
Основы работы в Google Sheets
Базовые вычислительные функции и формулы
Введение в digital-аналитику: основные понятия и инструменты
Базовые настройки инструментов аналитики Google Analytics и Yandex Metrica
Основные отчеты Google Analytics. Метрики и параметры
Метрики и параметры. Основные отчеты Yandex Metrica
GTM особенности работы и основные возможности
Инструменты app-аналитики
Основные отчеты App Metrica
Google Analytics web+app: важные особенности и возможности
Возможности передачи и сбора данных из систем аналитики — BigQuery, ClickHouse, OWOX BI
Введение в маркетинговую аналитику
Выстраивание аналитики в performance маркетинге
Сквозная аналитика или считаем LTV
Жизненный цикл клиента и когортный анализ
Основы CRM-аналитики. Сегментация клиентов
Введение в маркетинговые исследования
Проверка гипотез и поиск точек роста с помощью A/B-тестирования
Основы математической статистики для A/B тестирования
Статистический тест для оценки результатов A/B эксперимента
Цель и метрики A/B теста
Практическая реализация A/B теста
Продвинутые методики тестирования
Инструменты для A/B тестирования
Введение в блок SQL
Извлечение и фильтрация данных (часть 1)
Извлечение и фильтрация данных (часть 2)
Преобразование и сортировка данных (часть 1)
Преобразование и сортировка данных (часть 2)
Группировка данных
Введение в базы данных
Объединение таблиц
Подзапросы
Обновление, добавление и удаление данных
Создание, изменение и удаление таблиц
Advanced
Итоговый проект LEGO
Бонусный урок
Введение в Python
Типы данных, функции, классы, ошибки
Строки, условия, циклы
Списки и словари в Python
Пакеты, файлы, Pandas – начало
Pandas – продолжение
Визуализация данных
Базы данных и статистика
Многопоточность
Веб-сервер flask и контроль версий GIt
Итоговый проект
Введение в Power BI
Power Query. Получение и преобразование данных
Модель данных в Power BI
DAX (Data Analysis Expressions)
Работа с отчетами, базовые принципы визуализации данных
Power BI Service и создание дашборда
Power BI и Python
Итоговый проект: Uber & Lyft
Введение в Tableau. Знакомство с инфраструктурой Tableau
Модели данных и Табличные вычисления
Параметры и уровни детализации в Tableau
Псевдонимы, сортировка, Actions
Разработка дашбордов. Настройка взаимодействия между визуализациями
Знакомство с машинным обучением
Линейная регрессия
Бинарная классификация
Валидация. Почему это важно
Решающие деревья
Бутстрап, Бэггинг и случайный лес
Feature Engineering, Feature Selection
Градиентный бустинг
Воркшоп: предсказание оттока клиентов и прогноз продаж
A/B тестирование
Обучение без учителя
Воркшоп: скоринг кредитного портфеля
Введение в нейронные сети
Обучение нейросетей
Глубокое обучение на практике
Дополнительные возможности Tensorflow + Keras
Свёрточные нейронные сети
Введение в NLP, понятие ембеддинга
Рекурентные нейронные сети
Нейросети с вниманием, трансформеры
Metric learning, обучение без учителя
Обучение с подкреплением в нейросетях
Введение
Метрики и бейзлайны
Матричное разложение
Рекомендации через поиск ближайших соседей
Гибридные рекомендательные системы
Организация команды для работы с данными. CRISP-DM
Культура сбора и источники данных / Улучшение качества работы с данными
Современные инструменты визуализации данных
Машинные методы для обработки данных (на распределенном окружении)
Основы работы в Hadoop и MapReduce
Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
DataWarehouse, DataLake (clickhouse)
Работа с облачными платформами: AWS, GCP, Azure и другие
Практика AWS S3
Работа с Airflow
Работа в pyspark
Построение прогнозных и предсказательных моделей
Работа над дипломным проектом для портфолио
Подготовка резюме
Подготовка к собеседованию
Финальная защита и консультации
В финальной программе возможны небольшие правки на основании фидбэка и потребностей студентов курса
