Идёт набор группы. Расписание будет опубликовано позже. Следите за изменениями на сайте.
{{course.from_date | date:'dd.MM.yyyy'}} - {{course.to_date | date:'dd.MM.yyyy'}}
%
скидка действует до {{
course.discount_expire_date }}
{{course.week_days}}
{{course.week_days}} {{ ( course.price_base_individuals_webinar && ( course.price_base_individuals && !webinarOnly || webinarOnly ) ) ? course.price_base_individuals_webinar : '' }} {{ ( course.price_base_entities_webinar && ( course.price_base_entities && !webinarOnly || webinarOnly ) ) ? course.price_base_entities_webinar : '' }}
Оставить заявку на Очное обучение
Оставить заявку на Вебинар
Записаться на Дистанционное обучение
скидка действует до {{ tables.distant.discount_expire_date }}
Продолжительность обучения: 360 академических часов
Форма обучения: в формате вебинара
Стоимость обучения: 150 000 рублей
Формы оплаты:
- единовременный платеж (предоставляется скидка 10%);
- беcпроцентная рассрочка.
Возможность предоставления беспроцентной рассрочки (подробнее об услуге уточняйте у сотрудников Института).
Документ об окончании: диплом о профессиональной переподготовке.
Данные выданного документа вносятся в единый реестр ФИС ФРДО.
О процессе обучения:
Обучение проводится в технически оборудованных аудиториях, каждый слушатель обеспечен индивидуальным компьютером, учебные классы укомплектованы всеми необходимыми методическими материалами.
О курсе:
Программа профессиональной переподготовки направлена на повышение профессионального уровня и приобретение слушателями системных знаний для выполнения нового вида профессиональной деятельности в области применения анализа данных.
Программа полезна для желающих повысить свой статус, поменять профессию, приобрести новые знания.
ЦЕЛИ ПРОГРАММЫ:
- Дать слушателям необходимые теоретические знания в области интеллектуального анализа данных, превращения разрозненных данных в ценную информацию, необходимую для принятия управленческих решений, современных цифровых технологий в сфере бизнес-аналитики
- Научить слушателей применять современные цифровые технологии для решения задач интеллектуальной обработки данных;
- Изучить практику построения моделей для анализа данных и их применения на предприятиях различных отраслей;
- Способствовать практическому применению полученных знаний и умений, предоставляя слушателям необходимую консультационную помощь и поддержку
Выпускники должны знать и уметь:
- Собирать и обрабатывать данные
- Анализировать данные
- Визуализировать данные
- Принимать решения на основе данных
- Писать программы и скрипты для автоматизации процессов
- Анализировать данные с учетом бизнес-целей
Программа курса включает в себя следующие модули обучения:
№ | Название программы обучения | Количество учебных часов |
---|---|---|
1 | Модуль 1. «Введение в аналитику» | 8 |
2 | Модуль 2. «Excel. Базовые и продвинутые возможности. Анализ данных в Excel | 64 |
3 | Модуль 3. Визуализация, дашборды. DataLens, PowerBI для сбора, трансформации, анализа и отображения данных | 32 |
4 | Модуль 4. «Power Point» | 8 |
5 | Модуль 5. «Основы статистики и логики» | 16 |
6 | Модуль 6. «Python. Получение и анализ больших наборов данных» | 72 |
7 | Модуль 7. «Excel. Инструменты анализа и прогноза» | 8 |
8 | Модуль 8. «Аналитика для бизнеса». Анализ результатов компаний, исследований и тестирования гипотиз. Прогнозирование | 32 |
9 | Модуль 9. «Power Query» для сбора, трансформации, анализа и отображения данных | 32 |
10 | Модуль 10. «Google Таблицы» | 24 |
11 | Модуль 11. «Получение данных с помощью языка запросов SQL. Извлечение данных из реляционных БД» | 32 |
Дипломная работа (проект) | 28 | |
Защита дипломной работы | 4 | |
ИТОГО ПО КУРСУ | 360 акад. часов |
№ | Тема | Часы |
---|---|---|
1 | Задачи аналитика в контексте бизнеса Требования работодателей и бизнес-процессы, включающие работу с данными |
2 |
2 | Обзор основных инструментов. Структура курса | 2 |
3 | Источники данных, принципы сбора данных. Требования к данным | 2 |
4 | Выводы аналитика, принятие решений на основании данных. Основы математической статистики | 1 |
Итого: | 8 |
№ | Тема | Часы |
---|---|---|
1 | Базовые возможности Excel. Книги, листы, ячейки, форматы | 4 |
2 | Копирование. Автозаполнение. Мгновенное заполнение | 3 |
3 | Числовые форматы. Пользовательские форматы. Стили. Темы. Импорт стилей | 4 |
4 | Формулы. Виды адресации. Именованные диапазоны | 4 |
5 | Массивы. Динамические массивы | 4 |
6 | Умные таблицы | 2 |
7 | Функции | 24 |
8 | Сортировка. Фильтрация. Расширенный фильтр | 4 |
9 | Консолидация данных | 1 |
10 | Условное форматирование: встроенные возможности, по формуле, переключатель УФ | 4 |
11 | Проверка свойств и значений | 2 |
12 | Графики и диаграммы: основные виды, принципы выбора. Элементы диаграммы, стили диаграмм, фильтрация рядов и категорий. Редактирование и удаление диаграммы. Печать диаграмм | 2 |
13 | Продвинутые виды диаграмм | 2 |
14 | Сводные таблицы. Сводные диаграммы. Дашборды | 4 |
Итого: | 64 |
№ | Тема | Часы |
---|---|---|
1 | Цели визуального представления данных. Инструменты под различные ситуации и задачи. Понятие дашборда Фундаментальные принципы визуализации |
4 |
2 | Yandex.DataLens. Агрегация данных. Простые виды диаграмм Отчеты с географической привязкой |
8 |
3 | Power BI. Подготовка и визуализация данных. Power Pivot и Power Query Power BI Desktop |
8 |
4 | Модель данных. Язык DAX. Расчетные столбцы, меры | 8 |
5 | Интерактивные отчеты. Фильтры, управляющие элементы | 2 |
6 | Публикация данных и совместная работа с отчетами | 2 |
Итого: | 32 |
№ | Тема | Часы |
---|---|---|
1 | Презентация и ее структура. Слайды Назначение презентации. Стилистика, гаммы, управление вниманием аудитории Логика изложения |
3 |
2 | Работа с текстом. Принципы оформления текстовой информации на слайдах | 1 |
3 | Графические объекты | 1 |
4 | Диаграммы. Импорт диаграмм | 1 |
5 | Создание инфографики | 1 |
6 | Режим слайд-шоу. Тайминги | 1 |
Итого: | 8 |
№ | Тема | Часы |
---|---|---|
1 | Математическая логика. Основные операции | 4 |
2 | Введение в статистический анализ | 2 |
3 | Описательная статистика. Анализ временных рядов | 4 |
4 | Теория вероятностей | 4 |
5 | Проверка гипотез | 2 |
Итого: | 16 |
№ | Тема | Часы |
---|---|---|
1 | Задачи и алгоритмы. Интерпретатор, среды разработки | 2 |
2 | Переменные, типы данных, управляющие структуры | 6 |
3 | Структурирование кода. Методы | 6 |
4 | Модули. Импорт | 2 |
5 | Коллекции. Списки, кортежи, словари | 8 |
6 | Введение в алгоритмизацию. Поиск, сортировка, задачи со списками | 8 |
7 | Визуализация числовых данных. Matplotlib | 4 |
8 | Основы ООП. Класс как структурированный тип | 4 |
9 | Конструкторы и другие методы в классах | 4 |
10 | Работа с исключениями | 2 |
11 | Библиотека Pandas. Импорт из файлов excel. Агрегация | 4 |
12 | Автоматизация сбора данных. Selenium | 6 |
13 | Связь с хранилищем данных. Использование sql-запросов | 4 |
14 | Вычислительные задачи. Библиотека NumPy | 4 |
15 | Статистический анализ данных | 4 |
16 | Анализ временных рядов | 4 |
Итого: | 72 |
№ | Тема | Часы |
---|---|---|
1 | Диспетчер сценариев. Подбор параметра. Таблица данных | 2 |
2 | Поиск решения. Задача распределения ресурсов | 1 |
3 | Построение линейного и экспоненциального тренда. Функции ПРЕДСКАЗ, ТЕНДЕНЦИЯ, РОСТ | 2 |
4 | Лист прогноза | 1 |
5 | ABC - анализ | 1 |
6 | Надстройка Пакет анализа | 1 |
Итого: | 8 |
№ | Тема | Часы |
---|---|---|
1 | Факторы, влияющие на прибыльность бизнеса. Инструменты капитализации, модель бюджета | 4 |
2 | Развернутые аналитические отчеты и презентации | 2 |
3 | Виды исследований в маркетинге. ABC-анализ. Воронка продаж. SWOT-анализ | 12 |
4 | Прогнозная аналитика и регрессионный анализ | 4 |
5 | Интерпретация прогнозной модели | 2 |
6 | Разбор практических кейсов | 4 |
7 | Ключевые показатели деятельности. Виды KPI | 2 |
8 | Контроль бизнес-процессов на основании результатов анализа | 2 |
Итого: | 32 |
№ | Тема | Часы |
---|---|---|
1 | Введение. Что такое Power Query Обсуждение рутинных задач, которые в Excel приходится выполнять не слишком эффективно Структура запроса Power Query. Источник, преобразования, результат Язык M Автоматизация. Макросы, шаблоны или запросы? |
2 |
2 | Манипуляции со столбцами. Форматы столбцов Удаление, перемещение, переименование столбцов Первая строка в качестве заголовка и наоборот Создание столбца индекса Извлечение данных из столбца Разбиение столбца по разделителям Добавление условного столбца. Функции в языке M |
6 |
3 | Фильтрация. Удаление лишних строк. Удаление дубликатов Сортировка. Многоуровневая сортировка |
4 |
4 | Преобразование структуры данных. Транспонирование Pivot и Unpivot Заполнение строк значениями Структурированный столбец Превращение столбца в список Работа с таблицами, содержащими объединенные ячейки Создание отчета по шаблону |
12 |
5 | Источники данных. Таблицы в файле. Файлы других форматов Запрос к БД. Ранее сохраненные запросы Power Query Консолидация. Соединение таблиц и запросов. Параметры Создание функций |
8 |
Итого: | 32 |
№ | Тема | Часы |
---|---|---|
1 | Базовый уровень. Основы, интерфейс Google Таблиц. Совместная работа с документами. Сортировка. Фильтры. Сводные таблицы. Визуализация данных. Проверка данных. Правила работы с формулами Типы диапазонов, связывание листов и документов между собой. Функция IMPORTRANGE. Функции суммирования и подсчёта. Логические функции. Текстовые функции. Функции для работы с датой. Работа с диапазонами: основные функции (ВПР, ИНДЕКС, ПОИСКПОЗ, СОРТ) FILTER: введение QUERY: введение |
12 |
2 | Продвинутый уровень. QUERY: продвинутый уровень. Работа с диапазонами: продвинутые функции (СМЕЩ, FILTER). Статистические функции и функции баз данных. Функции импорта. Формулы массивов. Инструмент «Анализ данных» Продвинутые текстовые функции. Google формы, сбор данных для Google таблиц и книг Excel |
8 |
3 | Скрипты. Основа скриптов и пользовательские функции. Блок работы со скриптами в таблице | 4 |
Итого: | 24 |
№ | Тема | Часы |
---|---|---|
1 | Введение в реляционные базы данных. Клиент-серверная архитектура. Требования к СУБД. Инфологический, даталогический и физический аспекты проектирования БД. Реляционная модель. Нормализация БД. Назначение, состав SQL | 4 |
2 | Подключение к БД и манипуляции с таблицами. Среда SQL Server Management Studio и её альтернативы Полномочия для просмотра и изменения таблиц Типы данных для полей таблицы. Декларативные ограничения целостности. Связи между таблицами. Первичные и внешние ключи. Создание таблиц в MS SQL Server посредством среды Management Studio |
4 |
3 | Основы выборки данных. Синтаксис команды SELECT. Полные и краткие имена таблиц и полей. Псевдонимы. Арифметических операции, встроенных функции. Агрегирующие функции. Фильтрация. Операции сравнения для числовых и текстовых значений. Логические операции. Сортировка выводимого результата | 4 |
4 | Соединение таблиц в запросе. Декартово произведение. Внутреннее соединение. Внешнее соединение | 4 |
5 | Расширенные возможности выборки данных. Группировка строк по одному или нескольким полям. Агрегирующие функции и фильтрация по группам. Вывод промежуточных итогов. Вложенные запросы SELECT. Объединение, вычитание, пересечение результатов нескольких запросов SELECT. Обобщенные табличные выражения | 8 |
6 | Представления. Понятие представления, преимущества использования. Создание представлений при помощи запросов SELECT. Ограничения на синтаксис запроса. Использование представлений для выборки данных | 4 |
7 | Транзакции. Назначение и свойства транзакций. Блокировки | 1 |
8 | Индексы и производительность. Алгоритмическая сложность различных запросов. План выполнения запроса. Понятие индекса. Индексы по нескольким полям. Типы данных и индексы. Кластеризованный индекс. Повышение производительности при помощи некластеризованных индексов. Обзор возможностей языка Python для работы с большими наборами данных | 3 |
Итого: | 32 |
Укажите ваш e-mail, выберите формат обучения и нажмите запросить КП, и мы отправим Вам коммерческое предложение по данному курсу!
Запрос успешно
отправлен! Спасибо за обращение!
В ближайшее время мы отправим Вам коммерческое предложение по
данному курсу!
Ошибки в следующих полях:
После обучения вы получаете:
Контактная информация: