01/ Ви працюєте бухгалтером, фінансовим консультантом або аналітиком і мрієте перейти в IT, щоб отримувати більше і працювати з найсучаснішими технологіями.
02/ Ви давно працюєте з таблицями в Excel, але розумієте, що цього недостатньо для успішної кар'єри в IT, і не знаєте, з чого почати.
03/ Ви пробували вчити SQL та Python самостійно, але вам бракує структури, практики та впевненості у своїх навичках для вирішення реальних задач.
04/ Ви розумієте, що робота аналітиком даних в IT — це перспективно, але вас лякає освоєння нових технічних навичок і нерозуміння, як отримати першу роботу.
05/ Ви вже працюєте аналітиком даних в IT, але хочете освоїти сучасні інструменти для роботи з великими даними, щоб претендувати на складніші проєкти та вищу зарплату.
01
Welcome-лекція "Як тримати фокуc і досягти результату". Підписання Кодексу курсу
02
Раз на 2 тижні у понеділок відкриваються матеріали до модуля на платформі. Всі модулі складаються з кількох лекцій тривалістю 20-30 хв та весь лекційний матеріал супроводжується практикою для закріплення.
Ось так виглядає платформа для навчання:
03
Протягом 2-3 тижнів ви переглядаєте лекції
04
Та робите тести та ДЗ для закріплення знань
05
Якщо виникають питання, ви задаєте його в чаті
06
Груповий зідзвон щотижня для обговорення поточних питань і прибирання блокерів кожного студента (день обираємо разом з групою)
07
Після кожного виконаного ДЗ ви отримуєте детальний зворотний зв’язок від кураторів.
Так виглядає одна перевірка роботи навіть коли вона на максимальний бал ☺️
08
Під час навчання ви створите 3 аналітичні проєкти для вашого портфоліо з використанням SQL, BigQuery, Python, Google Sheets та BI-інструменти. Проєкти охоплять збір, обробку, аналіз та візуалізацію даних, допомагаючи продемонструвати ваші практичні навички та готовність до реальних бізнес-завдань.
09
Останній крок — отримати сертифікат "Про успішне завершення" надається за умови набору 70% балів за ДЗ, здачі резюме та портфоліо з 3х проєктів. Без портфоліо від нас ніхто не виходить 😎
Блок 1. Фундамент аналітики данихВступ до професії, ключові навички та інструменти аналітика даних
Модуль 1Вступ до професії аналітика даних. Продуктовий аналіз і метрики
Цей модуль допоможе вам зануритися у світ аналітики даних. Ви дізнаєтеся:
- Хто такий аналітик даних: Які задачі він вирішує та які навички потрібні для успіху.
- Ключові навички аналітика: Реальні приклади завдань і сценарії використання даних.
- Що таке продуктовий аналіз: Як аналіз даних допомагає бізнесу приймати кращі рішення.
- Метрики: Як правильно їх розуміти, обчислювати та використовувати для оцінки успіху.
Модуль 2Аналіз даних в Google Spreadsheet та Excel - від основ до просунутого використання
- Порівняння Google Sheets та Excel: Основні відмінності та унікальні можливості кожного інструменту.
- Створення та форматування таблиць: Налаштування відображення різних типів даних.
- Сортування та фільтрація даних: Використання Views для гнучкого управління даними.
- Агрегація та умовне форматування: Використання функцій IF, SUMIF, Pivot Table для ефективного аналізу.
- Просунуті функції: VLOOKUP, робота з курсами валют, об'єднання даних, обробка тексту.
- Інтерактивні звіти: Побудова дашбордів для візуалізації ключових показників.
Модуль 3Теорія ймовірностей
- Вступ до теорії ймовірностей: Основні поняття та ключові принципи.
- Ймовірність і її властивості: Розуміння ймовірнісних моделей.
- Комбінаторика: Методи підрахунку можливих варіантів подій.
- Умовна ймовірність і незалежні події: Як події впливають одна на одну.
- Теорема Байєса: Як оновлювати ймовірності з урахуванням нових даних.
Модуль 4Основи статистики для аналізу даних
- Вступ до статистичного аналізу: Ключові поняття та основи роботи зі статистикою.
- Міри центральної тенденції: Середнє, медіана, мода та їх роль в аналізі даних.
- Варіація та стандартне відхилення: Як виміряти розкид даних.
- Коваріація та кореляція: Взаємозв'язки між змінними.
- Основні розподіли: Види розподілів та їх застосування в аналізі.
Блок 2. Робота з базами даних та SQLБази даних, запити, фільтрація та об'єднання даних для аналітичних завдань
Модуль 5Бази даних. SQL: базовий синтаксис, JOINs
Основи SQL та реляційних баз даних:
- Знайомство з SQL: Що таке SQL та як працюють реляційні бази даних. - Термінологія та діалекти SQL: Ключові поняття та різновиди SQL. - Базовий синтаксис SQL: Структура та основні команди для запитів. - Практичні запити: Перші кроки з SQL на реальних прикладах.
Практика роботи з даними в SQL:
- Фільтрація даних: Запити до однієї таблиці та обробка даних. - Робота з рядками та датами: Методи та функції обробки даних. - JOIN-запити: Поєднання таблиць, перші приклади та пояснення. - CASE WHEN: Умовна логіка в SQL. - UNION-запити: Об'єднання результатів із кількох запитів.
Блок 3. Візуалізація та BI-інструментиПобудова звітів і дашбордів у Tableau та Power BI
Модуль 6Інструменти BI. Побудова інтерактивних звітів з Tableau
- Вступ до BI-систем: Що таке бізнес-аналітика та як вона допомагає бізнесу.- Огляд продуктів Tableau: Можливості та ключові інструменти платформи.- Основи Tableau Public: Базовий функціонал для створення звітів.- Створення дашборду: Побудова, налаштування та публікація звітів.- Просунуті техніки Tableau: Нестандартні функції та лайфхаки для візуалізацій.
Модуль 7Побудова інтерактивних звітів з Power BI
- Початок роботи з Power BI: Установка, налаштування та створення першого звіту.- Джерела даних та Power Query: Підключення, трансформація та обробка даних.- Візуалізації у Power BI: Типи графіків, фільтри та інтерактивні елементи.- Збереження та публікація звітів.
Проєкт “Аналіз даних з Google Sheets, SQL та BI-системою.”
Самостійна робота над проєктом з даними на вибір. Надаються джерела даних та рекомендації і вимоги до виконання проєкту, та звісно ж - підтримка в чаті.
Блок 4. Аналіз даних з PythonОснови програмування, інструменти та бібліотеки для ефективного аналізу даних
Модуль 8Інструменти для аналізу даних з Python
- Вступ до Python: Що таке Python та як його встановити.- Anaconda та Anaconda Navigator: Налаштування робочого середовища.- Виконання коду Python: Огляд доступних інструментів та середовищ.- Jupyter Notebook та Jupyter Lab: Встановлення та робота з інтерфейсом.- Редактор VS Code: Налаштування та можливості відлагодження коду.- Google Colab та віртуальні середовища: Хмарне виконання коду.- GitHub для аналітика: Контроль версій і робота з репозиторіями.
Модуль 9Основи програмування на Python
- Основи Python: Змінні та основні типи даних.- Колекції та Control Flow: Списки, словники та керування потоком виконання.- Цикли та List Comprehensions: Ефективна обробка даних у Python.- Функції у Python: Створення, анотація типів і застосування функцій.- Параметри функцій: Особливості передавання значень і приклади використання.- Глобальна та локальна область видимості: Модулі та обробка винятків.- Класи у Python: Основи об'єктно-орієнтованого програмування.- Принципи чистого коду в Python: Як писати зрозумілий та якісний код для аналітичних завдань.
Модуль 10Бібліотека Pandas: ключові концепції та методи роботи з даними
- Структури даних у Pandas та NumPy: Серії, DataFrame, багатовимірні масиви.- Імпорт і читання даних: CSV, Excel, бази даних, інтеграція з Google Colab.- Очищення та підготовка даних: Заповнення пропусків, обробка аномалій.- Фільтрація та сортування: Методи вибірки даних.- Агрегація та групування даних: GroupBy, Pivot, PivotTable.- Функції та трансформації: Використання apply(), map() для маніпуляцій.- Оптимізація роботи з табличними даними в Pandas: Підходи для підвищення ефективності та продуктивності під час обробки великих обсягів даних.
Модуль 11Візуалізація даних для аналізу з бібліотеками matplotlib, seaborn, plotly
- Основи візуалізації даних: Роль графічного представлення даних в аналізі, огляд Matplotlib.- Базові графіки в Matplotlib: Побудова та налаштування графіків (лінії, кольори, маркери).- Аналіз декількох графіків: Побудова кількох візуалізацій на одній фігурі, підписи, легенди, збереження.- Типи графіків: Діаграми розсіювання, гістограми, barplots, box plots.- Seaborn для аналітики: Основи, переваги та побудова складних графіків.- Порівняння Matplotlib та Seaborn: Сценарії використання.- Візуалізація часових рядів (time series).
Блок 5. Просунуті методи роботи з данимиBigQuery, оптимізація SQL-запитів та робота з великими даними
Модуль 12Підключення до бази даних напряму з Python
- Локальні бази даних: Як створювати та тестувати бази на локальному комп'ютері.- SQL-скрипти та клієнти: Як виконувати запити та керувати базами через SQL-клієнти.- Підключення до бази даних через Python: Як встановлювати з'єднання та виконувати запити.- Імпорт даних у Pandas: Як аналізувати дані, завантажені з баз даних.- Внесення змін у таблиці: Як застосовувати INSERT, DELETE, UPDATE.- SQL та Pandas: Поєднання можливостей для глибокого аналізу даних.- Робота з курсорами: Як ефективно керувати транзакціями та великими запитами.
Модуль 13Інструмент для роботи з великими даними BigQuery
- BigQuery: Що це та огляд можливостей інструменту.- Колонкові бази даних. BigQuery та інші.- BigQuery Sandbox та публічні дані. Робота з запитами.- Таблиця ga_sessions_ у BigQuery. Розбір структури та аналіз даних.
Модуль 14Оптимізація SQL запитів
- EXPLAIN: Як аналізувати SQL-запити та зрозуміти, що уповільнює їх виконання.- Індекси: Що таке індекси, як вони працюють та як допомагають пришвидшити запити.- Оптимізація JOIN: Як правильно використовувати JOIN-запити для ефективного об'єднання таблиць.- Інші методи оптимізації: Додаткові техніки для підвищення продуктивності SQL-запитів
Блок 6. Просунута статистика та машинне навчанняСтатистичні гіпотези, A/B тести та основи ML для бізнес-аналітики
Модуль 15Тестування статистичних гіпотез та A/B тестування
- Основи тестування статистичних гіпотез: Як формулювати та перевіряти статистичні гіпотези.- Статистичні тести: Z-тест, p-value та інтерпретація результатів.- Порівняння вибірок: Тестування на одній та двох вибірках.- A/B тестування: Теорія, постановка задачі та дизайн експерименту.- Аналіз результатів тестування: Перевірка гіпотез та фінальні висновки.
Модуль 16Основи машинного навчання для аналітика даних
- Роль і використання ML в аналітиці даних: Як машинне навчання допомагає аналітикам вирішувати бізнес-завдання.- Задача прогнозування: Передбачення числових значень (наприклад, прогноз доходів або попиту).- Задача класифікації: Розподіл даних на категорії (наприклад, виявлення шахрайських транзакцій).- Задача кластеризації: Групування схожих даних без попередньо визначених категорій (наприклад, сегментація клієнтів).
Модуль 17Оптимізація аналітичної роботи: інструменти та підходи
- Sweetviz: Автоматична візуалізація даних для швидкого аналізу та порівняння наборів даних.- ChatGPT для аналізу даних: Автоматизація рутинних завдань, генерація SQL-запитів та допомога у виявленні інсайтів.- Google Gemini та інші ШІ-асистенти: Альтернативні інструменти для підтримки аналітичних задач.- Бібліотеки з АІ для аналітики: Використання додаткових Python-бібліотек (зокрема, PandasAI) для інтелектуального аналізу.
Фінальний проєкт
Самостійний аналітичний проєкт з використанням SQL, Python, BigQuery, Excel/Google Sheets та BI-інструмента за вибором. Проєкт охоплює збір, обробку, аналіз та візуалізацію даних та допомагає продемонструвати практичні навички та готовність до реальних бізнес-завдань учня.
Блок 7. Кар'єра в аналітиціПідготовка до працевлаштування, створення резюме та підготовка до співбесід.
Модуль 18Професійний профіль аналітика даних
- Створення сильного резюме крок за кроком: Детальні рекомендації і приклади резюме учнів, які знайшли роботу.- Ефективний LinkedIn-профіль: Як оптимізувати сторінку для залучення рекрутерів.- WOW-портфоліо: Демонстрація проєктів, що привертають увагу роботодавців.- Платформи для пошуку роботи: Огляд Djinni та інших ресурсів для IT-фахівців. Реєстрація на Djinni.
Модуль 19Підготовка до співбесід
- Готовність №1 до співбесід: Як відповідати на технічні та нетехнічні запитання.- Тестові співбесіди: Практика в парах для опрацювання типових запитань.- Подолання внутрішніх блокерів: Робота зі страхами та невпевненістю перед подачею на вакансії.- Чекліст “250+ питань до технічної співбесіди” з відповідями.- Чекліст “HR-питання” з прикладами хороших і поганих відповідей.- Гайд "Платформи для пошуку фриланс-проєктів і фултайм роботи в Україні і країнах Європи".
Сумарно програма містить 19 модулів, 210 практичних уроків, 52 домашніх завдань - це все, що вам потрібно для впевненого старту та зростання в кар'єрі аналітика даних!
Під час навчання в нас буде окремий блок про працевлаштування в якому ви зрозумієте:
Як створити конкурентоспроможне резюме, яке підкреслить ваші сильні сторони, освіту та досвід, і як адаптувати його під вимоги ATS-систем для автоматичного відбору кандидатів.
Як оформити та оптимізувати профіль LinkedIn, щоб отримувати пропозиції від компаній навіть без досвіду роботи.
Як побудувати сильне портфоліо, яке виділятиметься серед сотень кандидатів і демонструватиме ваші навички на реальних проєктах.
Як підготуватись до співбесіди аби відчувати себе впевнено та професійно, спілкуючись з потенційним роботодавцем.
Як подолати страхи та невпевненість у своїх навичках і зрозуміти, які кроки саме вам потрібно зробити для успішного старту в IT.
А ще! Під час навчання ви не просто створюєте резюме, а й отримуєте детальний зворотний зв'язок: які помилки варто виправити, як краще підкреслити свої навички та ефективно презентувати досвід, щоб привернути увагу роботодавця.
Впровадивши всі рекомендації та поради цього модуля, ваші шанси отримати бажаний оффер в ІТ протягом 3 місяців після навчання сягають 97% !
3% ми залишаємо на обставини непереборної сили: коли ви раптово захворіли або сталось щось, що унеможливлює пошук роботи, хоча зі свого боку ви зробили
все можливе.
Впровадивши всі рекомендації та поради цього модуля, ваші шанси отримати бажаний оффер в ІТ протягом 3 місяців після навчання сягають 97% !
3% ми залишаємо на обставини непереборної сили: коли ви раптово захворіли або сталось щось, що унеможливлює пошук роботи, хоча зі свого боку ви зробили все можливе.
Цей курс — ваш впевнений старт та професійний апгрейд для кар'єри в аналітиці!
Засновниця Data Loves Academy, Full Stack Machine Learning Engineer з досвідом роботи з даними понад 8 років і викладацьким досвідом 4 роки
• 2 червоних дипломи з профільної освіти в ТОП українських ВНЗ: НТУУ "КПІ" спеціальність "Системний аналіз" та УКУ магістратура з Computer Science спеціальність "Data Science"• понад 15 розроблених Machine Learning проєктів від задуму до впровадження• понад 500 випускників з навчальних програм з програмування та Data Science• сертифікований консультант з працевлаштування• авторка найбільшого блогу в Instagram українською про машинне навчання, програмування та аналітику даних з аудиторією >20к підписників• авторка блогу на Youtube про Data Science, GenAI і програмування українською
Гортай слайди ->
А тут послання від моїх випускників
А що, якщо в мене не вийде
Розумію ваші переживання та сумніви. Пропоную ще раз пройтись по головним елементам в курсі, щоб ви побачили своїми очима, що у вас просто немає шансу не отримати результат.
Протягом 6 місяців ви будете не просто знайомитись та вивчати нові теми, а все відпрацьовувати на практиці в форматі квізу або домашнього завдання.
Паралельно після кожного виконаного дз ви отримаєте максимально детальний зворотний зв’язок. А наприкінці ми ще ретельно підготуємось до найголовнішого, пошуку роботи в IT.
Кожного дня вас супроводжує куратор та залишається з вами на зв'язку в чаті. Якщо у вас виникне питання, ви відразу отримати підтримку, відповідь та розуміння, що робити далі. А ще підтримку від однодумців та розуміння,
А зараз все поєднуємо: ПРАКТИКА + СУПРОВІД + ЗВОРОТНИЙ ЗВ’ЯЗОК + РЕКОМЕНДАЦІЇ З ПРАЦЕВЛАШТУВАННЯ = РЕЗУЛЬТАТ
Точка А: Працювала в Мережі АЗС на посаді “Економіст-координатор відділу статистичного обліку”
Точка А: Працювала в Мережі АЗС на посаді “Економіст-координатор відділу статистичного обліку”
Точка В: Змінила роботу та стала Data Analyst через місяць після завершення навчання
ТІ, ХТО ЗАПОВНИТЬ ФОРМУ ПЕРЕДЗАПИСУ НА КУРС “PYTHON ДЛЯ АНАЛІЗУ ДАНИХ" ОТРИМАЮТЬ ДОДАТКОВИЙ БОНУС ВІД ГАННИ ПИЛЄВОЇ: ЗАПИС МАЙСТЕР-КЛАСУ, ЗАВДЯКИ ЯКОМУ ВИ НАВЧИТЕСЬ ПРАЦЮВАТИ З КОДОМ І ПОЗНАЙОМИТИСЬ БЛИЖЧЕ З ОПРАЦЮВАННЯМ ДАНИХ НА PYTHON.
Після перегляду відео ви:
ТІ, ХТО ЗАПОВНИТЬ ФОРМУ ПЕРЕДЗАПИСУ НА КУРС “PYTHON ДЛЯ АНАЛІЗУ ДАНИХ" ОТРИМАЮТЬ ДОДАТКОВИЙ БОНУС ВІД ГАННИ ПИЛЄВОЇ:
ЗАПИС МАЙСТЕР-КЛАСУ, ЗАВДЯКИ ЯКОМУ ВИ НАВЧИТЕСЬ ПРАЦЮВАТИ З КОДОМ І ПОЗНАЙОМИТИСЬ БЛИЖЧЕ З ОПРАЦЮВАННЯМ ДАНИХ НА PYTHON.
Після перегляду відео ви:
Наші випускники працюють в топових ІТ-компаніях України і світу
Accenture
Appflame
Aspire Global
Boosta
Сreatio Global
Deep Knowledge Group
EverCompliant
GlobalLogic
Impulse company
IT Sanctuary
MODUS X
OschadBank
Otp Вank
Playrix
Robota.ua
SAP SE
Solihull College
The New Normal Analytics
Trionika
upSWOT Inc.
Valuetek
Наші випускники працюють в топових
ІТ-компаніях України і світу
Впевнена, багато хто себе впізнає
Я поки не впевнений, що готовий саме зараз переходити в IT 🤨
Боюсь, що з моїм досвідом не буде того результат, який я хочу. Боюсь не впоратися 😔
Чи варто починати, якщо мені 35+? 🤔Не впевнений, що вийде знайти відповідну посаду в короткий час 🥺
Блог про машинне навчання, програмування та аналітику даних