Московский физико-технический институт Аналитик данных (профпереподготовка)
Всё для обучения
Как устроено обучение
О курсе
Подробнее
Спрос на специалистов, способных работать с данными, устойчиво растёт во всех отраслях — от финансов и ритейла до логистики и высоких технологий. Компании переходят к data-ориентированному управлению, и им требуются сотрудники, которые умеют превращать массивы информации в конкретные решения.Программа профпереподготовки «Аналитик данных» - системная и практикоориентированнная подготовка специалиста, готового решать реальные задачи бизнеса. Слушатели освоят продвинутые инструменты анализа данных — от SQL и Python до современных библиотек и визуализации.Кому подойдёт эта программа:тем, кто уже работает с данными и хочет систематизировать знания, освоить современные инструменты. А также тем, кто только входит в профессию и готов к интенсивной практической работе под руководством опытных наставников.Программа реализуется совместно с Edteh компанией "Нетология". 26 октября стартует шестой поток обучения на этой программе. Успешно освоившие программу обучения получат диплом о профессиональной переподготовке МФТИ.
Аудитория
Для кого этот курс
- Для тех, кто планирует в сжатые сроки получить актуальную профессию
- Для тех, кому необходимо освоить ключевые инструменты аналитика данных, расширить компетенции и научиться решать более сложные задачи
- Для тех, кто хочет систематизировать знания, отработать навыки на практике, продвинуться по карьерной лестнице или сменить профессиональную траекторию
Содержание
68 занятийПрограмма курса
№ТемаЧто внутри
01Основы Python
Подробности будут доступны на странице курса
02Управляющие конструкции и коллекции
Подробности будут доступны на странице курса
03Функции
Подробности будут доступны на странице курса
04Работа с файлами и пакетами
Подробности будут доступны на странице курса
05Время и даты в Python
Подробности будут доступны на странице курса
06Понятие класса
Подробности будут доступны на странице курса
07Регулярные выражения и основы синтаксического разбора
Подробности будут доступны на странице курса
08Библиотека Pandas
Подробности будут доступны на странице курса
09Функции и работа с данными
Подробности будут доступны на странице курса
10Основы Git
Подробности будут доступны на странице курса
11Основы парсинга и работы с API
Подробности будут доступны на странице курса
12Комбинаторика и дискретная вероятность
Подробности будут доступны на странице курса
13Случайные величины
Подробности будут доступны на странице курса
14Основы математической статистики
Подробности будут доступны на странице курса
15Методы построения оценок и статистические гипотезы
Подробности будут доступны на странице курса
16Анализ временных рядов и прогнозирование
Подробности будут доступны на странице курса
17Подключение к базе данных. Структура БД
Подробности будут доступны на странице курса
18Типы данных
Подробности будут доступны на странице курса
19Основы SQL
Подробности будут доступны на странице курса
20Углубление в SQL
Подробности будут доступны на странице курса
21Работа с PostgreSQL
Подробности будут доступны на странице курса
22Расширения в PostgreSQL
Подробности будут доступны на странице курса
23Введение в большие данные в финтехе
Подробности будут доступны на странице курса
24Традиционный анализ данных
Подробности будут доступны на странице курса
25Подходы к Data Science
Подробности будут доступны на странице курса
26Мотивация и технологии работы с большими данными
Подробности будут доступны на странице курса
27NoSQL & MongoDB
Подробности будут доступны на странице курса
28Hadoop & Spark
Подробности будут доступны на странице курса
29PySpark
Подробности будут доступны на странице курса
30Культура сбора и работы с данными
Подробности будут доступны на странице курса
31Кейсы: ценообразование, кредитный риск, CLTV & Uplift
Подробности будут доступны на странице курса
32Случайные события. Случайные величины
Подробности будут доступны на странице курса
33Основные статистические показатели
Подробности будут доступны на странице курса
34Исследование данных: Корреляция и корреляционный анализ. Регрессионный анализ и меры связи
Подробности будут доступны на странице курса
35Задачи классификации и кластеризации
Подробности будут доступны на странице курса
36Работа со статистическими гипотезами и основы A/B-тестирования
Подробности будут доступны на странице курса
37Рекомендательные системы
Подробности будут доступны на странице курса
38Работа с обезличенными данными
Подробности будут доступны на странице курса
39Causal Inference
Подробности будут доступны на странице курса
40Библиотека numpy. Вычислительные задачи
Подробности будут доступны на странице курса
41Продвинутый Pandas
Подробности будут доступны на странице курса
42Business Intelligence
Подробности будут доступны на странице курса
43Облачные технологии
Подробности будут доступны на странице курса
44Системы хранения и многомерного представления данных
Подробности будут доступны на странице курса
45MPP системы обработки данных
Подробности будут доступны на странице курса
46Потоковая обработка данных
Подробности будут доступны на странице курса
47Data Quality. Управление качеством данных
Подробности будут доступны на странице курса
48Decision-based / action-based аналитика
Подробности будут доступны на странице курса
49Введение в машинное обучение (ML)
Подробности будут доступны на странице курса
50Обучение с учителем (Supervised learning)
Подробности будут доступны на странице курса
51Обучение без учителя (Unsupervised learning)
Подробности будут доступны на странице курса
52Обучение с подкреплением
Подробности будут доступны на странице курса
53NLP и LLM в финансах
Подробности будут доступны на странице курса
54Основы инжиниринга данных: типы и структуры данных
Подробности будут доступны на странице курса
55Системы хранения данных: реляционные и NoSQL базы данных
Подробности будут доступны на странице курса
56Обработка и трансформация данных: инструменты и методы
Подробности будут доступны на странице курса
57Разработка ETL/ELT процессов: от теории к практике
Подробности будут доступны на странице курса
58Оптимизация производительности и масштабирование систем данных
Подробности будут доступны на странице курса
59Безопасность данных: принципы и лучшие практики
Подробности будут доступны на странице курса
60Основы визуализации данных и принципы дизайна информации
Подробности будут доступны на странице курса
61Типы графиков и визуализация для разных типов данных
Подробности будут доступны на странице курса
62Интерпретация визуализации и извлечение информации
Подробности будут доступны на странице курса
63Создания дашбордов и презентаций
Подробности будут доступны на странице курса
64Инструменты визуализации данных: BI-инструменты, SAS DataLens, Qlik Sense, Grafana, Apache Superset
Подробности будут доступны на странице курса
65Основы визуализации данных в Python (библиотеки matplotlib и seaborn)
Подробности будут доступны на странице курса
66Бизнес-аналитика
* Анализ продаж и эффективности маркетинговых кампаний * Сегментация клиентов и разработка персонализированных предложений * Прогнозирование спроса и оптимизация ценообразования
67Аналитика в сфере финансов и банковского дела
* Оценка кредитных рисков * Анализ инвестиционных портфелей и торговых стратегий * Оптимизация финансовых процессов и бюджетирование
68Продуктовая аналитика
* Анализ поведения пользователей и их взаимодействия с продуктом * Оптимизация пользовательского опыта и повышение конверсий * Прогнозирование спроса и поведения клиентов * Разработка и тестирование новых функций и улучшений продукта * Анализ эффективности маркетинговых кампаний и каналов привлечения
01Основы Python
02Управляющие конструкции и коллекции
03Функции
04Работа с файлами и пакетами
05Время и даты в Python
06Понятие класса
07Регулярные выражения и основы синтаксического разбора
08Библиотека Pandas
09Функции и работа с данными
10Основы Git
11Основы парсинга и работы с API
12Комбинаторика и дискретная вероятность
13Случайные величины
14Основы математической статистики
15Методы построения оценок и статистические гипотезы
16Анализ временных рядов и прогнозирование
17Подключение к базе данных. Структура БД
18Типы данных
19Основы SQL
20Углубление в SQL
21Работа с PostgreSQL
22Расширения в PostgreSQL
23Введение в большие данные в финтехе
24Традиционный анализ данных
25Подходы к Data Science
26Мотивация и технологии работы с большими данными
27NoSQL & MongoDB
28Hadoop & Spark
29PySpark
30Культура сбора и работы с данными
31Кейсы: ценообразование, кредитный риск, CLTV & Uplift
32Случайные события. Случайные величины
33Основные статистические показатели
34Исследование данных: Корреляция и корреляционный анализ. Регрессионный анализ и меры связи
35Задачи классификации и кластеризации
36Работа со статистическими гипотезами и основы A/B-тестирования
37Рекомендательные системы
38Работа с обезличенными данными
39Causal Inference
40Библиотека numpy. Вычислительные задачи
41Продвинутый Pandas
42Business Intelligence
43Облачные технологии
44Системы хранения и многомерного представления данных
45MPP системы обработки данных
46Потоковая обработка данных
47Data Quality. Управление качеством данных
48Decision-based / action-based аналитика
49Введение в машинное обучение (ML)
50Обучение с учителем (Supervised learning)
51Обучение без учителя (Unsupervised learning)
52Обучение с подкреплением
53NLP и LLM в финансах
54Основы инжиниринга данных: типы и структуры данных
55Системы хранения данных: реляционные и NoSQL базы данных
56Обработка и трансформация данных: инструменты и методы
57Разработка ETL/ELT процессов: от теории к практике
58Оптимизация производительности и масштабирование систем данных
59Безопасность данных: принципы и лучшие практики
60Основы визуализации данных и принципы дизайна информации
61Типы графиков и визуализация для разных типов данных
62Интерпретация визуализации и извлечение информации
63Создания дашбордов и презентаций
64Инструменты визуализации данных: BI-инструменты, SAS DataLens, Qlik Sense, Grafana, Apache Superset
65Основы визуализации данных в Python (библиотеки matplotlib и seaborn)
66Бизнес-аналитика
* Анализ продаж и эффективности маркетинговых кампаний * Сегментация клиентов и разработка персонализированных предложений * Прогнозирование спроса и оптимизация ценообразования
67Аналитика в сфере финансов и банковского дела
* Оценка кредитных рисков * Анализ инвестиционных портфелей и торговых стратегий * Оптимизация финансовых процессов и бюджетирование
68Продуктовая аналитика
* Анализ поведения пользователей и их взаимодействия с продуктом * Оптимизация пользовательского опыта и повышение конверсий * Прогнозирование спроса и поведения клиентов * Разработка и тестирование новых функций и улучшений продукта * Анализ эффективности маркетинговых кампаний и каналов привлечения
Документ после выпуска
Диплом о профессиональной переподготовке
Организатор
Автор курса
Мнения учеников
Отзывы о курсе
Оставьте отзыв
Расскажите о качестве обучения, поддержке и результате. Это поможет другим выбрать организацию осознанно.
Оставьте заявку
Консультант ответит на вопросы о курсе «Аналитик данных (профпереподготовка)» и поможет разобраться в деталях обучения.
Нажимая кнопку, вы даете согласие на обработку персональных данных
Информация обновлена 28 сентября 2026 г.
Продолжить выбор
Похожие курсы
Начать без затрат
