Аналитика данных c МФТИ

Разберётесь в базовых типах и конструкциях языка программирования Python, научитесь их применять для получения и обработки данных. Получите навыки разработки на Python.

• Основы Python
• Управляющие конструкции и коллекции
• Функции
• Работа с файлами и пакетами
• Время и даты в Python
• Понятие класса
• Регулярные выражения и основы синтаксического разбора
• Библиотека Pandas
• Функции и работа с данными
• Основы Git
• Основы парсинга и работы с API

Познакомитесь с основными теоремами комбинаторики и теории вероятности, разберётесь в математической статистике. Научитесь оперировать основными комбинаторными объектами, строить вероятностную модель, оценивать вероятность различных случайных процессов, строить и проверять статистические гипотезы, вычислять комбинаторные объекты, схемы классической вероятности.

• Комбинаторика и дискретная вероятность
• Случайные величины
• Основы математической статистики
• Методы построения оценок и статистические гипотезы
• Теория графов
• Анализ временных рядов и прогнозирование

Изучите теоретические основы работы с базами данных, структуру данных, типы данных, основные операторы и функции. Научитесь писать простые и сложные запросы, создавать базовые структуры данных, Работать в DBeaver и PostgreSQL.

• Подключение к базе данных. Структура БД
• Типы данных
• Основы SQL
• Углубление в SQL
• Работа с PostgreSQL
• Расширения в PostgreSQL

Познакомитесь с основными понятиями анализа данных, статистических и интеллектуальных методов анализа данных. Изучите этапы внедрения систем анализа данных и процесс подготовки аналитических материалов. Научитесь формировать аналитические модели, анализировать качество полученных моделей, выбирать аналитические платформы и пакеты. Освоите навыки внедрения систем анализа данных.

• Что такое статистика и для чего она нужна
• Основные статистические показатели. Исследование данных
• Регрессионный анализ и меры связи. Исследование данных
• Работа со статистическими гипотезами и основы A/B-тестирования
• Временные ряды
• Рекомендательные системы
• Работа с обезличенными данными
• Causal Inference

Освоите методы хранения и обработки больших данных и разработки программных решений. Научитесь выбирать подходящие технологии хранения больших данных, применять современные языки и платформы с большими данными. Получите навыки сбора, обработки и интерпретации больших данных в сфере финансов, работать с методами обеспечения безопасности и целостности данных.

• Business Intelligence
• Облачные технологии
• Системы хранения и многомерного представления
• MPP системы обработки данных
• Потоковая обработка данных
• NoSQL & MongoDB
• PySpark

Познакомитесь с основами машинного обучения и его применения в задачах, связанных с прогнозированием и определением трендов. Научитесь применять методы NLP, методы искусственного интеллекта для оценки и управления финансовыми рисками, использовать алгоритмы машинного обучения, интегрировать данные из различных источников для создания комплексных моделей и анализа.

• Базовая математика в машинном обучении
• Обучение с учителем (Supervised learning)
• Процесс разработки проекта машинного обучения
• Оценка качества алгоритмов обучения с учителем
• Метод ближайших соседей
• Градиентный спуск для обучения дифференцируемых моделей машинного обучения
• Методы регуляризации моделей машинного обучения Название занятия
• Линейная и логистическая регрессия
• Линейная классификация
• Метод опорных векторов
• Деревья решений
• Композиции деревьев. Случайный лес
• Градиентный бустинг
• Обучение без учителя (Unsupervised learning)
• Кластеризация
• Понижение размерности
• Обучение с подкреплением
• Основы NLP и LLM

Изучите методы хранения данных, оптимизации производительности и масштабирования систем данных, обеспечения безопасности данных. Научитесь выбирать типы данных для конкретных аналитических задач, проектировать и реализовывать системы хранения данных, обрабатывать и трансформировать данные для аналитических целей, автоматизировать процессы ETL/ELT, применять методы оптимизации для повышения производительности систем данных.

• Основы инжиниринга данных: типы и структуры данных
• Системы хранения данных: реляционные и NoSQL базы данных
• Обработка и трансформация данных: инструменты и методы
• Разработка ETL/ELT процессов: от теории к практике
• Оптимизация производительности и масштабирование систем данных
• Безопасность данных: принципы и лучшие практики

Вы освоите принципы визуализации, познакомитесь с подходами к выбору нужного типа визуализации исходя из типа данных и задачи. Научитесь выбирать тип графика для конкретной цели, анализировать данные с помощью визуализации, создавать инструменты визуального представления и упрощать операционные задачи. Приобретёте навыки создания отчётов и дашбордов.

• Основы визуализации данных и принципы дизайна информации
• Типы графиков и визуализация для разных типов данных
• Интерпретация визуализации и извлечение информации
• Создания дашбордов и презентаций
• Инструменты визуализации данных: BI-инструменты, SAS, DataLens, Qlik Sense, Apache Superset
• Основы визуализации данных в Python (библиотеки matplotlib и seaborn)

Выберете тему и примените полученные навыки для разработки итогового проекта. В процессе вас поддержит эксперт: разберёт работу и даст рекомендации по её улучшению. Добавите проект в портфолио.

Дипломы о профессиональной переподготовке Нетологии и МФТИ