В современном машинном обучении и анализе данных активно используются различные методы из различных областей математики. Более того, типичны ситуации, в которых для решения практически важной задачи требуется знания и навыки из различных разделов математики. Данный курс посвящен тем разделам математики, которые наиболее часто встречаются при решении практических задач: математическому анализу, линейной алгебре, теории вероятностей и математической статистике. Помимо фундаментальных знаний в каждой из областей, показывается, как комбинирование знаний из вышеупомянутых разделов может быть использовано на практике.

Курс предназначен для ознакомления студентов с командной строкой и широко используемым инструментом контроля версий - Git. В рамках данного курса студенты изучат основные команды Git, научатся эффективно работать с репозиториями и осознают возможности, которые предоставляет Git для объединения деятельности разработчиков и аналитиков над общим проектом. Основное внимание уделяется практическим навыкам: студенты овладеют методами отслеживания и фиксации изменений в своем коде с использованием Git, а также применят платформы GitHub и GitLab для организации коллективной работы.

Курс предназначен для освоения студентами основ программирования на языке Python. В ходе обучения студенты изучат основные концепции языка программирования Python, включая работу с переменными, условиями, циклами и функциями. Особое внимание будет уделено изучению библиотек для анализа данных, визуализации и обработки файлов. Для обеспечения практического опыта и эффективного освоения учебного материала предусмотрено выполнение заданий на удаленном сервере. Это обеспечит студентам возможность применять полученные знания на практике и приобрести опыт работы в реальных условиях.

На курсе студенты освоят навык создания интерактивных дашбордов для визуализации результатов анализа данных. Они изучат различные типы дашбордов, методы оформления графиков и стратегии, необходимые для адаптации дашбордов к требованиям заказчика. Обучение будет проводиться с использованием BI-системы Tableau. Кроме того, студенты углубят свои знания в построении информативных графиков с целью эффективного представления результатов анализа данных. Эти навыки сыграют важную роль в процессе принятия стратегических решений на основе данных

Курс направлен на углубленное освоение синтаксиса SQL и развитие навыков работы с базами данных. Студентам предстоит изучить основные принципы работы с системами управления базами данных, включая ClickHouse, и освоить навыки подключения к ним через Python. Цель обучения состоит в формировании у студентов компетенций по извлечению, трансформации и агрегации данных с использованием SQL в различных СУБД, таких как ClickHouse и PostgreSQL. Овладение SQL позволит студентам успешно решать задачи, связанные с анализом и подготовкой данных, а также эффективно интегрировать этот процесс с анализом данных в Python.

В рамках данного курса студенты приобретут глубокие знания о формировании продуктового видения и углубят свое понимание бизнеса и продукта. Они освоят навыки эффективного взаимодействия с продакт-менеджерами и использования анализа данных в целях развития бизнеса. Кроме того, будет изучена организация работы команд в IT-продуктах. Студенты научатся определять ценность аналитики и ее применения для объяснения бизнесу. Они смогут выявлять потребности пользователей продукта, сегментировать аудиторию, проводить анализ юнит-экономики, выбирать подходящие продуктовые метрики и стимулировать рост бизнеса через непрерывную проверку гипотез. Курс позволит студентам сформировать необходимые комплексные навыки для понимания и решения ключевых бизнес-задач. Они смогут выявлять потребности пользователей, сегментировать аудиторию, анализировать юнит-экономику и выбирать подходящие продуктовые метрики. Полученные знания помогут им успешно интегрировать технические аспекты в общую бизнес-концепцию и приносить пользу компании на всех уровнях.

На курсе студенты освоят методы планирования A/B тестов и проверки статистических гипотез, сфокусированные на их практическом применении в реальных бизнес-сценариях. Они глубоко изучат принципы экспериментального дизайна, научатся применять сложные методы статистического анализа на больших объемах данных и проводить интерпретацию результатов тестирования с высокой степенью точности. Этот модуль включает в себя серьезное исследовательское задание, требующее от студентов глубокого понимания математических принципов и навыков анализа данных, и поможет им освоить ключевые инструменты для принятия обоснованных решений на основе строгих выводов.

На курсе студенты изучают прикладные библиотеки для работы с данными (numpy, pandas), а также знакомятся с основными методами машинного обучения (линейные модели, метрические методы, решающие деревья, случайные леса, градиентный бустинг). Курс не затрагивает математические основы данных методов и скорее даёт студентам навыки, необходимые для применения данных методов как “чёрных ящиков” для несложных задач. Более фундаментальное изучение методов происходит в дисциплине “Машинное обучение”.