Курси Data Analyst та Business Intelligence (BI)

Фільтр
Курс
Формат
Online
Початок навчання
30.06.2025
Тривалість
24 місяців
Рівень
Для початківців
Мова навчання
Ukrainian
Вартість
3 900 EUR за курс
Вечірні заняттяВидається диплом/сертифікатСупровід ментораРеальний проект у портфоліо
Neoversity
  • Data Analyst / Business Intelligence (BI)
  • Data Science / Machine learning / AI
Подробиці

Програма курсу

Tier 1 / Базові знання ІТ (17 тижнів)

  • Python Programming: Foundations and Best Practices
  • Mathematics for Computer Science and Introduction to Problem-Solving Techniques
  • Basic Algorithms and Data Structures

Tier 2 / Спеціалізація (56 тижнів)

  • Computer Systems and Their Fundamentals
  • Numerical Programming in Python
  • Machine Learning: Fundamentals and Applications
  • Deep Learning for Computer Vision and NLP
  • Data Engineering
  • Relational Databases: Concepts and Techniques
  • Algorithmic Paradigms and Techniques for Problem Solving
  • Visual Analytics for Big Data
  • Product Analytics and Applied Statistics

Tier 3 / Поглиблені знання (21 тиждень)

  • Agile Product Mangement for Software Development Teams
  • Foundations of Cloud Computing
  • MLOps CI/CD
  • Career Strategies and Soft Skills for IT Professionals

Дипломний проєкт (8 тижнів)

  • Applied Computer Science: Capstone Project
    • Розробка власного стартапу в команді
    • Ви проходите всі стадії до пітчингу проєкту
    • Можливість отримати інвестиції

Особливості курсу

  • Регулярні живі лекції та практика з викладачами
  • Soft Skills
  • Гнучкий графік без сесій
  • Англійська для працевлаштування
  • Автоперевірка коду та ШІ
  • Підтримка кар'єрного консультанта
  • Розробка резюме та мотиваційного листа
  • Професійний профіль LinkedIn та зіркове портфоліо GitHub
  • Тестові інтерв'ю
  • Індивідуальні консультації та всебічна підтримка до випуску
  • Студенський квиток
  • Необхідність диплому бакалавра (будь-якої спеціальності) для вступу на магістратуру

Викладачі курсу

  • Антон Чорний - Agile product management lecturer / CEO of GoIT
  • Юрій Кучма - Basic Algorithms Lecturer
  • Юлія Олійник - Agile product management lecturer Career Strategies and Soft skills for IT specialists
  • Олександр Репін - HTML/CSS and JS Lecturer
  • Губа Михайло - UI/UX Designer / Lecturer
  • Андрій Білик - UX/UI Design Course Lecturer COO, UX/UI Designer
  • Максим Алієв-Ломач - React.js and JS Lecturer
  • Руслана Курносова - Career Strategies and Soft skills for IT specialists
  • Олег Андрус - Python Programming Lecturer
  • Олексій Кудін - Mathematics Lecturer

Запрошені спікери:

  • Nick Bilogorskiy - ТОП-експерт з безпеки
  • Дмитро Лисицький - Співзасновник укр.філії GlobalLogic та стартапу Influ2
  • Юлія Грущинська - Керівник відділу HR-партнерів в Ciklum
  • Robert Potter - Co-Founder at Internet 2.0
  • Костянтин Магалецький - Екс-партнер Horizon Capital
  • Vasile Tofan - Senior Partner at Horizon Capital
  • Віталій Нужний - Co-Founder SoftBlues
  • Роман Прокоф'єв - Засновник Jooble
  • Євген Сисоєв - Керівний партнер інвесткомпанії AVentures Capital
Більше інформації
Курс
Формат
Online
Початок навчання
23.06.2025
Тривалість
5 місяців
Рівень
Для початківців
Мова навчання
Ukrainian
Вартість
уточнюйте
Вечірні заняттяВидається диплом/сертифікатМожливе працевлаштуванняСупровід ментораРеальний проект у портфоліо
GoIT
  • Data Analyst / Business Intelligence (BI)
Подробиці

Ти навчишся збирати, аналізувати, візуалізувати дані для розробки ІТ-продуктів і зможеш працювати Junior Data Analyst

Програма курсу

Базова статистика в Google Sheets

  • Основи аналiтики даних
  • Базова робота з даними для розрахунку показників
  • Аналіз варіабельності даних та метрики активності
  • Розширені функції аналізу та візуалізації даних: регресія, прогнозування та графіки
  • Робота з функціями та перевірка даних в Google Sheets
  • Зведені таблиці, градієнти та когортний аналіз

SQL та візуалізація даних

  • Вступ до SQL
  • Базові функції SQL
  • Просунута робота з таблицями в SQL
  • Вступ до Looker Studio
  • Очистка даних та рядкові функції в SQL
  • Робота з датами й часом, віконні функції
  • Основи BigQuery
  • Основи Google Analytics 4

Продуктова та маркетингова аналітика

  • Знайомство з Tableau
  • Основні функції та інструменти в Tableau
  • Просунуті функції Tableau
  • Побудова інтерактивних дашбордів в Tableau
  • Інструменти просунутої візуалізації в Tableau
  • Принципи візуалізації та побудови дашбордів
  • CJM, Onboarding та tracking plan
  • Amplitude для продуктової аналітики
  • Power BI

Python та Jupiter Notebook

  • Основи Python
  • Робота з даними в Python
  • Введення в Pandas та створення DataFrame
  • Робота з даними в Pandas та агрегація даних
  • Очищення даних за допомогою Pandas
  • Візуалізація даних

A/B - тестування

  • Статистика в A/B тестуваннi
  • Складання плану тесту
  • Аналіз та презентація результатів тесту

Soft + Career Skills

  • Філософія Agile
  • Методологія Scrum
  • Робота в команді
  • Тайм-менеджмент
  • Заняття з працевлаштування
  • Складання грамотного резюме
  • Створення сторінки на LinkedIn
  • Написання мотиваційного листа
  • Майданчики для пошуку роботи
  • Підготовка до HR-інтерв’ю
  • Підготовка до технічного інтерв’ю
  • Комунікативні навички
  • Тестові співбесіди
  • English (пакет Plus)

Дипломний проєкт

  • Базова статистика
  • Аналіз даних
  • Візуалізація даних
  • Основи SQL
  • Tableau
  • Python
  • A/B-тестування

Особливості курсу

  • Кабінет my.goit
  • Спілкування в чаті
  • Прямі ефіри
  • Кар'єрний сервіс
  • Допомога ментора
Більше інформації
Курс
Формат
Online
Початок навчання
15.09.2025
Тривалість
22 занять
Рівень
Для досвідчених
Мова навчання
Ukrainian
Вартість
уточнюйте
Вечірні заняттяВидається диплом/сертифікатСупровід ментора
Laba
  • Data Analyst / Business Intelligence (BI)
Подробиці

Отримайте практичні навички застосування макросів, функцій і формул масивів та швидко ухвалюйте виважені рішення, використовуючи просунуті функції Excel.

Програма курсу

Онлайн-лекція №1. Знайомство

  • Знайомство
  • Ознайомлення з форматом курсу та програмою
  • Робота з LMS, критерії оцінювання домашніх завдань

Модуль 1. Під'єднання до зовнішніх джерел та консолідація даних (7 занять)

  • Навіщо Power Query і Power Pivot в Excel
  • Під'єднання до зовнішніх джерел даних (основи Power Query)
  • Перетворення "сирих" даних, або Магія Power Query
  • Моделі даних і Power Pivot. Зв'язки one-to-many, many-to-many
  • Основи DAX
  • Power Query як інструмент консолідації даних
  • Під'єднання до Google Sheets і вебресурсів

Модуль 2. Просунуті формули Excel. Комбінація формул. Формули масиву (6 занять)

  • Основні формули посилань і масивів
  • Іменовані комірки та діапазони
  • Організація динамічних діапазонів. Динамічні діапазони в Excel 365
  • Зведені й "розумні" таблиці та робота з ними
  • Формули агрегування та їхнє застосування
  • Сучасні альтернативи формулам масиву

Онлайн-заняття №1

  • Керування посиланнями на інші файли Excel
  • Формули куба в Excel

Модуль 3. Візуалізація в Excel (2 заняття)

  • Створення KPI у моделі даних Power Pivot та створення дашборда за допомогою Excel
  • Power BI як окремий інструмент візуального аналізу даних

Онлайн-заняття №2

Практичне заняття та Q&A-сесія.

Модуль 4. Автоматизація рутинних завдань за допомогою VBA та AI-інструментів (4 заняття)

  • Використання AI ChatGPT в Excel
  • Знайомство з VBA (Visual Basic for Applications): DOM, змінні й константи, цикли
  • Функція запису макросів
  • Запуск макросу за часом

Особливості курсу

  • Практичні домашні завдання
  • Надбудови Excel
  • Автоматизація роботи
  • Допомога ментора

Викладачі курсу

Микита Свідло - Head of Operations | Delivery Unit at Uklon

Більше інформації
Курс
Формат
Online
Початок навчання
26.08.2025
Тривалість
18 занять
Рівень
Для початківців, Для досвідчених
Мова навчання
Ukrainian
Вартість
уточнюйте
Вечірні заняттяВидається диплом/сертифікатСупровід ментораРеальний проект у портфоліо
Robot Dreams
  • Data Analyst / Business Intelligence (BI)
Подробиці

Практичний курс для тих, хто хоче швидко обробляти дані та перетворювати суху статистику на інтуїтивно зрозумілі графіки, зберігати дані в інтерактивних дашбордах, щоб реагувати на зміни та вчасно ухвалювати бізнес-рішення. І в результаті - оптимізувати роботу з даними та знизити витрати компанії.

Програма курсу

Intro в можливості Excel для ефективної роботи з даними

  • Працюєте з функцією Vlookup та підтягуєте дані в Excel з інших таблиць
  • Використовуєте функцію Xlookup та збираєте дані зліва, виконуєте горизонтальний та вертикальний пошук
  • Застосовуєте функцію Filter та швидко фільтруєте дані за заданими умовами
  • Працюєте з функцією Textjoin та об’єднуєте тексти в один текстовий рядок

Управління даними в Excel

  • Використовуєте формулу Take та берете певну кількість значень згори
  • Застосовуєте формулу Drop, щоб упускати певну кількість значень згори
  • Працюєте з формулою Sort для динамічного сортування даних
  • Працюєте з формулою Unique і миттєво видаляєте дублікати

Робота з текстом в Excel

  • Працюєте з текстом в Excel за допомогою розширених формул Textsplit, TextBefore, TextAfter
  • Розумієте, чому завдяки їм Excel мало чим поступається Python у роботі з текстом

Кастомізація таблиць в Excel

Використовуєте формули Wrapcols, Wraprows, Chooserows, Choosecols та кастомізуєте таблиці залежно від цілей, зокрема робите динамічний pivot, unpivot і багато іншого.

Створення власних формул в Excel. Можливості оптимізації роботи в Excel

  • Використовуєте Lambda та створюєте власні формули
  • Розумієте, що Lambda - це нові макроси, тільки набагато легші
  • Використовуєте Let для скорочень, читабельності та швидкості роботи в Excel зі складними та довгими формулами

What is Power Query?

  • Знаєте, для яких потреб та цілей використовують Power Query
  • Використовуєте конектори під'єднання до даних
  • Підключаєтеся до джерел даних та динамічно змінюєте джерела даних

Базові функції Power Query

Працюєте з інтерфейсом та базовими функціями Power Query, а саме: додавання стовпця, додавання стовпця за умовою, заповнення стовпців, фільтрування тощо.

Робота з текстом в Power Query

  • Знаєте все про роботу з текстом в Power Query
  • Виконуєте різні операції з текстом, зокрема розділення, ігнорування регістрів та багато інших, залежно від конкретних потреб та уяви

Робота з кількома таблицями в Power Query

Розумієте, як працювати з кількома таблицями та використовувати функції з'єднання, об'єднання, різні перетворення тощо.

Просунуті можливості Power Query

Працюєте зі складнішими кейсами використання Power Query, а саме групування, обходження помилок тощо.

General overview of Power BI Desktop

  • Вмієте налаштувати роботу з Power BI Desktop
  • Знаєте, як підключитися до даних (Excel, Web)
  • Ознайомлені з додатковими можливостями підключення до даних

Вивчення та впровадження DAX

  • Вмієте працювати з DAX у Power BI
  • Розбираєтеся у моделюванні даних, видах зв'язків і таблиць, взаємодії між ними, контекстах та формулах Calculate

Фільтрування даних

Розбираєтеся у фільтруванні даних та використовуєте слайсери, формули та фільтри.

Робота з контекстом

Вмієте працювати з формулами роботи з контекстом: All, AllSelected, AllExcept.

Working with Dates

Знаєте, як працювати з датами, використовувати таблицю Календар.

General overview of standart visualisations

Ознайомлені з дефолтними візуалізаціями в Power BI та розумієте основні правила їх створення.

Practical workshop - створення звіту в Power BI

Маєте власний звіт у Power BI, який створили з використанням раніше вивчених функцій та можливостей.

Результати курсових робіт

Розглянете курсові роботи студентів, проаналізуєте й порівняєте використані методи.

Особливості курсу

  • Інструменти
  • Практика
  • Проєкт в портфоліо
  • Кар'єра

Викладачі курсу

Богдан Дуда - Senior BI Analyst at S&P 500

Більше інформації
Курс
Формат
Online
Початок навчання
30.06.2025
Тривалість
24 занять
Рівень
Для початківців
Мова навчання
Ukrainian
Вартість
уточнюйте
Вечірні заняттяВидається диплом/сертифікатСупровід ментораРеальний проект у портфоліо
Robot Dreams
  • Data Analyst / Business Intelligence (BI)
Подробиці

Програма курсу

Основи аналітики великих даних

  • Зрозумієте відмінність між сховищами даних, data lakes і lakehouse-архітектурою
  • Дізнаєтеся про переваги та недоліки кожного підходу залежно від бізнес-сценарію
  • Вивчите патерни обробки даних - пакетну й потокову - та їхній вплив на архітектуру пайплайна

Основи Apache Spark

  • Зрозумієте розподілену модель виконання в Spark
  • Навчитеся виконувати базові трансформації та дії з DataFrame
  • Дізнаєтеся, коли краще використовувати DataFrame API, а коли - Spark SQL

Поглиблене вивчення Spark

  • Дізнаєтеся, як виявляти й усувати проблеми з продуктивністю в Spark
  • Навчитеся використовувати партиціювання, кешування й broadcast joins для оптимізації
  • Зрозумієте, як читати Spark UI для покращення виконання завдань і розв'язання проблем зі skew

Spark на EMR

  • Дізнаєтеся, з чого складається AWS EMR та як працюють його компоненти (Hadoop, Spark, Hive тощо)
  • Навчитеся налаштовувати EMR-кластери для зручної та масштабованої роботи зі Spark

Основи Databricks

  • Навчитеся налаштовувати робоче середовище Databricks в AWS
  • Зрозумієте життєвий цикл кластерів і як оптимізувати витрати
  • Дізнаєтеся, як підключати Databricks до хмарних сховищ, зокрема ADLS

Databricks SQL для аналітики

  • Навчитеся писати й виконувати SQL-запити в Databricks
  • Дізнаєтеся, як використовувати Databricks SQL для BI-аналітики
  • Зрозумієте, як оптимізувати запити й працювати з продуктивністю

Реалізація Data Governance на прикладі Unity catalog

  • Дізнаєтеся, як Unity Catalog централізує управління даними в Databricks
  • Навчитеся налаштовувати каталоги, схеми та доступи для безпеки даних
  • Зрозумієте можливості аудиту й відстеження походження даних (data lineage)

Best-практики роботи з Databricks

  • Дізнаєтеся, як оцінювати й оптимізувати витрати на Databricks
  • Навчитеся покращувати продуктивність ноутбуків і дотримуватися best practices
  • Вмітимете швидко знаходити й усувати проблеми з конфігурацією чи продуктивністю

Основи моделювання даних (Data Modeling)

  • Зрозумієте відмінність між Star- та Snowflake-схемами
  • Навчитеся обирати відповідний підхід для моделювання
  • Вмітимете розробляти базові аналітичні схеми "зірка" та "сніжинка"

Знайомство зі Snowflake

  • Дізнаєтесь основні принципи роботи Snowflake як хмарного DWH
  • Навчитеся налаштовувати середовище, створювати таблиці та працювати з Warehouse
  • Зможете завантажувати дані у Snowflake та виконувати SQL-запити
  • Зрозумієте ключові переваги Snowflake у порівнянні з іншими сховищами

Поглиблене вивчення Snowflake

  • Дізнаєтесь, як автоматизувати процеси в Snowflake за допомогою Tasks і Streams
  • Навчитеся реалізовувати сценарії ELT/ETL безпосередньо у Snowflake
  • Ознайомитеся зі способами шерингу даних і налаштуванням доступів
  • Зрозумієте, як використовувати Time Travel та Zero-Copy Cloning у проєктах

Основи моделювання даних за допомогою DBT

  • Навчитеся організовувати dbt-проєкт за рекомендованою структурою
  • Розберетесь із синтаксисом Jinja та створенням модульних SQL-шаблонів
  • Зможете створювати аналітичні моделі у форматі схем зірки або сніжинки за допомогою dbt

Розширені можливості DBT та якість даних

  • Навчитеся створювати тести й макроси для перевірки якості та цілісності даних
  • Зможете автоматизувати документацію та оповіщення для прозорості процесів
  • Розберетесь із розширеним синтаксисом Jinja для скорочення повторюваного коду

Основи Kafka на прикладі AWS MSK

  • Навчитеся описувати ключові концепції Kafka - topics, partitions, offsets
  • Зрозумієте, як Kafka забезпечує обробку даних у реальному часі
  • Зможете інтегрувати Kafka з іншими системами для подієво-орієнтованих архітектур

Spark Structured Streaming

  • Дізнаєтесь, як реалізувати інкрементну обробку даних у Spark Structured Streaming
  • Навчитеся працювати з невпорядкованими подіями за допомогою watermarking і windowing
  • Зможете розгорнути стримінговий конвеєр від Kafka до Delta Lake

Потокова обробка в AWS за допомогою Kafka та Spark

  • Зрозумієте переваги Kafka та Spark для real-time і stateful-обробки даних
  • Навчитеся створювати та налаштовувати потоки в AWS через Amazon Kinesis Data Analytics
  • Зможете реалізувати трансформації потоків: вікна, стани й checkpointing

Основи NoSQL

  • Дізнаєтеся про моделі NoSQL: key-value, документну та колонкову
  • Навчитеся проєктувати ключі партицій для масштабованості
  • Зрозумієте суть CAP-теореми та компроміси між узгодженістю й доступністю

Serverless-обробка за допомогою AWS Athena

  • Навчитеся здійснювати SQL-запити до даних у дата-озерах
  • Дізнаєтесь, як Athena масштабується та як оцінити її вартість
  • Зрозумієте, як партиціювання й зовнішні схеми пришвидшують аналітику

Основи Airflow та інтеграція з CI/CD

  • Навчитеся створювати DAG в Airflow для автоматизації ETL
  • Зрозумієте, як керувати розгортанням через Git та CI/CD
  • Дізнаєтесь, як працювати з розкладами, бекфілами та покращувати надійність

Інтеграція Airflow із Databricks та DBT

  • Навчитеся керувати завданнями Databricks через Airflow
  • Зможете запускати dbt-команди й налаштовувати змінні середовища
  • Дізнаєтесь, як централізувати розклади, логування та обробку помилок

Основи Power BI

  • Навчитеся підключатися до джерел, трансформувати й візуалізувати дані в Power BI
  • Дізнаєтесь, у чому відмінності між DirectQuery, Import та Live Connection

Інтеграція Power BI з Databricks

  • Дізнаєтесь, як підключити Power BI до Databricks Lakehouse для аналітики в реальному часі
  • Навчитеся налаштовувати розклади оновлення та працювати з потоковими наборами даних
  • Опануєте захист доступу до даних через AWS IAM

Q&A-сесія

Розберете всі неточності й отримаєте відповіді на запитання, що виникли під час проходження курсу Big Data.

Захист курсового проєкту

Реалізуєте та презентуєте data pipeline на базі Lambda-архітектури з використанням Databricks, dbt, Kafka, Snowflake і Power BI.

Особливості курсу

  • Допомога ментора
  • Практика
  • Курсовий проєкт
  • Проєкт в портфоліо
  • Сертифікат про проходження курсу

Викладачі курсу

Денис Кулемза - Senior Data Engineer at Intellias

Більше інформації
Курс
Формат
Online
Початок навчання
20.05.2025
Тривалість
24 занять
Рівень
Для початківців, Для досвідчених
Мова навчання
Ukrainian
Вартість
уточнюйте
Вечірні заняттяВидається диплом/сертифікатСупровід ментораРеальний проект у портфоліо
Robot Dreams
  • Data Analyst / Business Intelligence (BI)
Подробиці

Протягом навчання з аналізу ігрових даних ви дізнаєтеся, як комплексно працювати з даними в іграх - оцінювати поведінку гравців, створювати дашборди й ухвалювати обґрунтовані рішення для ефективних оновлень і побудови комплексної аналітики. Попрацюєте з SQL, Tableau, Looker Studio та аналітичними метриками.

Програма курсу

Основи ігрової індустрії та аналітики

  • Розберетеся в етапах життєвого циклу гри
  • Дізнаєтеся, як вивчення аналізу ігрових даних допомагає оптимізувати ігри, покращувати досвід гравців та збільшувати доходи
  • Зрозумієте, чим ігрова аналітика відрізняється від продуктової аналітики
  • З'ясуєте, чому для мобільних ігор важливо відстежувати сесії, а для консольних - поведінку гравця

Інструменти для ігрової аналітики

  • Дізнаєтеся, звідки беруться дані для гри - від ігрових логік (початок/завершення гри, покупки в магазинах) до зовнішніх джерел даних (рекламні кампанії, відгуки тощо)
  • Зрозумієте, які інструменти використовують на різних етапах роботи з даними: збору, перетворення, аналізу та візуалізації
  • Ознайомитеся зі спеціальними для ігрової індустрії аналітичними інструментами

Практичний воркшоп із Google Sheets

  • Підключите й підготуєте до аналізу перші ігрові дані в Google Sheets
  • Навчитеся створювати таблиці, використовувати формули, та фільтрувати ігрові дані в Google Sheets
  • Зможете розрахувати середній час гри, топпокупок чи інші ігрові події в Google Sheets
  • Умітимете створювати діаграми та графіки в Google Sheets для представлення результатів аналізу ігрових даних

Бази даних та SQL в ігровій аналітиці. Part 1

  • Зрозумієте основні поняття баз даних, СУБД, SQL
  • Налаштуєте PostgreSQL та підключите базу даних
  • Навчитеся використовувати базові запити в SQL для пошуку ігрової інформації
  • Навчитеся працювати з кількома таблицями даних за допомогою об'єднань JOIN та UNION

Бази даних та SQL в ігровій аналітиці. Part 2

  • Дізнаєтеся про розширені можливості SQL для роботи з ігровими даними
  • Навчитеся працювати з підзапитами та CTE для складних аналітичних запитів
  • Навчитеся працювати з аналізом попередніх значень за допомогою віконних функцій
  • Зрозумієте, як покращити швидкість і продуктивність виконання запитів за допомогою SQL-оптимізації

Практичний воркшоп з SQL в ігровій аналітиці

  • Вдосконалите навички написання простих і складних запитів
  • Зможете працювати з різними типами запитів
  • Навчитеся комбінувати типи запитів залежно від аналітичних задач в іграх

Збір даних у гейманалітиці. Part 1

  • Зрозумієте процес та етапи збору ігрових даних, як налаштувати SDK для збору даних
  • Опануєте методику збору внутрішньоігрових подій, технічних даних та даних із зовнішніх джерел
  • Працюватимете з Google Analytics та Amplitude, щоб відстежувати події в іграх
  • Будуватимете івент-мапи ігрових застосунків

Збір даних у гейманалітиці. Part 2

  • Зрозумієте, що таке API та цілі його використання в аналітиці
  • Дізнаєтеся, які бібліотеки Python допоможуть зібрати зовнішні ігрові дані
  • З'ясуєте, як обробляти й зберігати дані, отримані через API
  • Розберете, що таке парсинг даних та як обробляють дані, зібрані через API

Практичний воркшоп зі збору даних

  • Попрактикуєтеся в інтеграції SDK різних інструментів у гру для збору даних
  • Удосконалите навички роботи з Google Analytics і Amplitude
  • Розглянете, як використовувати інструменти для відстеження складних ігрових подій
  • Навчитеся обходити типові помилки під час відстеження ігрових подій

Очищення та підготовка даних до аналізу

  • Дізнаєтеся, як "брудні" дані можуть вплинути на формулювання неправильних висновків щодо розвитку та стану гри
  • Навчитеся виявляти викиди й аномалії в даних в Google Sheets за допомогою SQL та Python
  • Зможете створити нові змінні чи метрики, якщо вони відсутні в оригінальному наборі даних - наприклад, для розрахунку середніх чи загальних ігрових значень

Ігрові метрики. Part 1

  • Знатимете, за допомогою яких метрик можна визначити комерційну успішність гри та формули їх розрахунків
  • Розрізнятимете продуктові та монетизаційні метрики, які відстежуються в іграх, та формули їх розрахунків
  • Розумітиметеся на специфічних для ігрової індустрії метриках
  • Вмітимете розраховувати метрики в Google Sheets, а також за допомогою SQL і Python

Ігрові метрики. Part 2

  • Знатимете, чому важливо відстежувати час логіну та кількість помилок в іграх
  • Розрізнятимете та вмітимете рахувати метрики сегментації гравців, а також розумітимете, чому важливо сегментувати гравців для розвитку ігор
  • Розумітимете, які монетизаційні та платіжні метрики важливо відстежувати в іграх, як їх збирати й розраховувати
  • Розглянете розрахунок метрик за допомогою Google Sheets, SQL і Python

Визначення та ухвалення рішень на основі метрик

  • Дізнаєтеся, як не загубитися в метриках, та навчитеся обирати ключові метрики для відстеження у грі залежно від конкретних аналітичних цілей
  • З'ясуєте, в яких ситуаціях варто створювати спеціальні для гри метрики та як їх відстежувати
  • Зрозумієте, як аналізувати метрики та ухвалювати обґрунтовані рішення на основі даних
  • Навчитеся проводити сегментацію, кореляційний аналіз та аналіз трендів, а також робити базові прогнози показників метрик

Візуалізація даних у гейманалітиці

  • Дізнаєтеся, чому важливо вміти якісно візуалізувати отриману з даних інформацію
  • Розберетеся в різних типах візуалізацій, опануєте найкращі практики створення аналітичних звітів
  • Ознайомитеся з Redash, Google Looker Studio та Tableau для візуалізації даних
  • Опануєте функціонал перших інструментів візуалізації даних та створите перші візуалізації

Візуалізація даних в Tableau. Part 1

  • Навчитеся підключати ігрові дані до Tableau, налаштовувати з'єднання
  • Дізнаєтеся, як можна очистити й перетворити дані за допомогою Tableau
  • Створите перші візуалізації даних в Tableau та налаштуєте можливість їх фільтрування

Візуалізація даних в Tableau. Part 2

  • Створите складніші візуалізації даних та навчитеся зрозуміло комбінувати візуалізації
  • Навчитеся розраховувати нові поля в даних за допомогою Tableau
  • Умітимете створювати аналітичні дашборди за допомогою Tableau
  • Дізнаєтеся, як зробити звіт інтерактивним

Інтерпретація даних та звітність

  • Навчитеся визначати інсайти на основі власного аналізу у звітності колег
  • Опануєте найкращі практики побудови аналітичної доповіді та презентації результатів аналізу
  • Дізнаєтеся, як зрозуміло комунікувати результати звітності та працювати з командою

Воркшоп: Презентація результатів аналізу

Вдосконалите навички пошуку інсайтів у даних та презентації результатів звітності.

Маркетинг в іграх

  • Розберетеся в особливостях маркетингу в іграх та його основних цілях
  • Відрізнятимете й працюватимете з результатами різних типів маркетингу в іграх
  • Навчитеся аналізувати результати маркетингових кампаній та робити висновки
  • Набудете досвіду роботи з маркетинговими ігровими даними та ухвалення рішень на основі аналізу

Монетизація в ігровій індустрії. Part 1

  • Дізнаєтеся про особливості монетизації в іграх
  • Розрізнятимете типові моделі монетизації в іграх та їхні відмінності відносно інших продуктів
  • Розумітимете, яку модель монетизації застосовують до різних типів гри, і знатимете, чому для мобільних ігор часто використовують Free-to-Play та Ad-based
  • Навчитеся оцінювати ефективність різних типів монетизації та робити висновки

Монетизація в ігровій індустрії. Part 2

  • Навчитеся аналізувати ефективність монетизаційних стратегій та знаходити шляхи їх оптимізації
  • Зрозумієте, як балансувати ресурси та витрати для задоволення гравців і збільшення доходу
  • Навчитеся аналізувати реальні кейси монетизації (покупки в іграх, дохід від реклами тощо) та робити висновки

A/B-тестування

  • Навчитеся планувати, проводити й аналізувати A/B-тести в іграх
  • Розділятимете гравців на цільові групи для проведення тестування та визначатимете потрібний розмір вибірки
  • Навчитеся обирати й працювати з інструментами для проведення А/В-тестування
  • Дізнаєтеся, як інтерпретувати результати тестування та ухвалювати рішення

Unit-економіка

  • З'ясуєте, чим юніт-економіка в іграх відрізняється від інших продуктів
  • Навчитеся розраховувати юніт-економіку ігор та її ключові метрики
  • Дізнаєтеся, як розраховувати LTV, CAC, ARPU, ARPPU
  • Зрозумієте можливості прибутковості гри на основі розрахунків юніт-економіки

Презентація фінального проєкту

Особливості курсу

  • Допомога ментора
  • Практика
  • Робота з інструментами аналітики
  • Курсовий проєкт
  • Сертифікат про проходження курсу

Викладачі курсу

Влада Басок - former Data Analyst at Wargaming, Data Analyst at Buff App

Більше інформації
Курс
Рекомендуємо
Формат
Online
Початок навчання
28.07.2025
Тривалість
10 занять
Рівень
Для початківців, Для досвідчених
Мова навчання
Ukrainian
Вартість
уточнюйте
Вечірні заняттяВидається диплом/сертифікатСупровід ментора
Laba
  • Business Analyst
  • Data Analyst / Business Intelligence (BI)
Подробиці

Курс підійде для керівників чи власників бізнесу, аналітиків, фінансистів чи маркетологів. Під час занять ви навчитесь будувати моделі даних, опануєте інструменти Power BI для аналізу та візуалізації отриманих даних, оптимізуєте систему звітності у компанії, навчитесь працювати з DAX-формулами.

Програма курсу

Бізнес-аналітика та Power BI

  • Основна концепція бізнес-аналітики
  • Огляд засобів самостійної бізнес-аналітики
  • Екосистема Microsoft Power BI
  • Реєстрація у Power BI та системні вимоги
  • Робота з Power BI Service
  • Фільтри й інтерактивність
  • Drill down/up, фокусування, сортування, підказки
  • Експорт даних

Power Query: імпорт, обробка й об’єднання даних. Частина 1

  • Інтерфейс Power BI Desktop
  • Що таке Power Query
  • Джерела даних для Power BI
  • Підготовка даних до роботи
  • Імпорт даних із файлів Excel, CSV
  • Обробка, перетворення й очищення даних

Power Query: імпорт, обробка й об’єднання даних. Частина 2

  • Підключення до папки з безліччю файлів
  • Введення даних вручну
  • Об'єднання даних (типи з’єднань, робота зі значеннями, що дублюються)
  • Зміна параметрів джерела даних
  • Використання SQL баз даних як джерела даних
  • Підключення до онлайн-сервісів та автоматичне створення дашбордів (на прикладі Google Analytics)

Моделювання даних і введення в DAX

  • Основні принципи побудови моделі даних
  • Управління зв’язками між таблицями
  • Що таке DAX
  • Обчислення та створення заходів
  • Швидкі заходи
  • Огляд основних функцій DAX
  • Таблиця календаря та функція FORMAT
  • Створення сортувальних стовпців

Візуалізація даних

  • Типи графіків і можливості форматування
  • Принципи вибору діаграм
  • Основні помилки під час візуалізації даних
  • Умовне форматування та форматування таблиць
  • Фільтри різного рівня, синхронізація фільтрів
  • Налаштування взаємодії візуалізацій
  • Варіанти візуалізації план-факт аналізу
  • Візуалізація геоданих
  • Кастомні візуалізації

Робота з DAX

  • Робота з функціями IF, SWITCH
  • Функції роботи з текстом
  • LOOKUPVALUE і RELATED
  • Time intelligence, зіставлення різних часових інтервалів
  • Використання змінних
  • Рекомендації з використання обчислювальних мір і стовпців

Advanced DAX

  • Filter context і зміна відборів за допомогою функції CALCULATE
  • Накопичувальна сума
  • Робота з Х-формулами: SUMX, AVERAGEX
  • Агрегування даних і SUMMARIZE
  • Мультивалютний звіт
  • Поради з моделювання

Побудова комплексних звітів та AI-функціонал

  • Використання закладок для більшої інтерактивності
  • Способи вибору передналаштованих періодів
  • Кастомізація підказок, що випливають
  • Drill through фільтри для деталізації даних
  • AI-функціонал візуалізації Q&A (запитання та відповіді простою мовою)
  • AI-пояснення відхилення показників
  • Правила дизайну ідеального дашборду

Power BI Service та Power BI Mobile

  • Публікація звіту на портал powerbi.com
  • Створення та налаштування дашбордів для різних ролей
  • Спільна робота з контентом. Групи та налаштування доступів
  • Автоматичне оновлення даних та Power BI Gateway
  • Безпека даних та розмежування доступу
  • Мобільний додаток Power BI
  • Налаштування оповіщень

Впровадження Power BI

  • Питання, на які обов'язково слід відповісти перед початком впровадження
  • Логіка та процес впровадження Power BI на підприємстві
  • Pro-ліцензія та коли вона необхідна
  • Адміністрування Power BI: Admin Portal та Usage Metrics
  • Чек-лист із фіналізації моделі даних у Power BI

Особливості курсу

  • Доступ до матеріалів протягом 1 року
  • Викладачі з багаторічним досвідом в бізнес-аналітиці
  • Закріплення отриманих знань на практиці
  • Фідбек щодо домашніх завдань
  • Доступ до закритого телеграм-чату курсу, де можна обмінюватися досвідом та обговорювати домашні завдання
  • Сертифікат після закінчення курсу

Викладачі курсу

Віктор Рижов - Засновник аналітичної компанії Bintels

Більше інформації
Курс
Формат
Online
Початок навчання
13.05.2025
Тривалість
10 занять
Рівень
Для досвідчених
Мова навчання
Ukrainian
Вартість
уточнюйте
Вечірні заняттяВидається диплом/сертифікатСупровід ментора
Laba
  • Data Analyst / Business Intelligence (BI)
Подробиці

Відкрийте нові можливості для аналізу даних та навчіться розв’язувати бізнес-завдання без програмістів. Застосовувати в роботі просунуті функції Power BI вас навчить Віктор Рижов, бізнес-аналітик із 13-річним досвідом.

Програма курсу

Advanced Power Query & M

  • Створення та використання M-функцій у Power Query
  • Підготовка сполучних таблиць-довідників у Power Query та DAX
  • Відображення дати останнього оновлення звіту та актуальності даних
  • Використання параметрів
  • Використання SQL-баз як джерела даних Power BI

Просунута візуалізація у Power BI. Частина 1

  • Налаштування динамічного форматування візуалізацій
  • Динамічна вісь Х
  • Використання панелі "Аналітика" у візуалізаціях
  • Робота з shape-картами
  • Нестандартні типи візуалізацій: каскадна, точкова, стрічкова, водоспад
  • Факторний аналіз

Просунута та АІ-візуалізація у Power BI. Частина 2

  • Застосування користувальницьких тем оформлення
  • AI-функціонал Q&A (питання та відповіді людською мовою)
  • Аналіз відхилень за допомогою вбудованих функцій візуалізацій
  • АІ-візуалізація: ключові фактори впливу
  • R-візуалізації

Робота з таблицями у DAX

  • Розуміння базових табличних функцій: FILTER, ALL, ALLEXCEPT, VALUES, DISTINCT
  • CALCULATETABLE
  • SELECTCOLUMNS
  • Агрегування даних: SUMMARIZE та SUMMARIZECOLUMNS
  • CROSSJOIN
  • TOPN та GENERATE
  • ROW та DATATABLE
  • UNION

Advanced DAX. Частина 1

  • Створення автоматичної таблиці-календаря
  • Використання змінних у обчисленнях
  • Неактивні зв'язки та USERELATIONSHIP
  • Контексти обчислень та зміна відборів за допомогою CALCULATE
  • Накопичувальна сума
  • Робота з Х-формулами (SUMX, AVERAGEX тощо)

Advanced DAX. Частина 2

  • Використання функції EARLIER
  • Нові та постійні клієнти
  • Мультивалютний звіт та "вирівнювання" даних за курсами валют
  • Advanced Time Intelligence - ковзні середні значення: DATEADD, DATESINPERIOD
  • Одержання накопичувальної суми з початку року (YTD) за аналогічний період минулого року
  • Робота з ієрархічними довідниками: PATH, PATHITEM, ISINSCOPE
  • Використання RANX та підводні камені

Параметри What-if

  • Настроювана кількість ТОП-об'єктів
  • Фільтрація даних із використанням what-if параметрів
  • Створення кредитного калькулятора на базі what-if параметрів
  • DCF-аналіз у Power BI: PRODUCT, XIRR, XNPV

Розбір практичних кейсів

  • Аналіз подій із тривалістю в DAX (наприклад, активні замовлення в роботі)
  • Сегментування та ABC-класифікація (статичний та динамічний варіанти)
  • Отримання щоденних даних з помісячного плану (алокація бюджету по днях)
  • Робота з різною деталізацією даних та тонке налаштування підсумкових рядків у матрицях: ISFILTERED, ISCROSSFILTERED
  • Динамічне прогнозування продажів

Оптимізація моделі даних та VertiPaq + DAX Studio

  • Використання аналізу продуктивності Power BI
  • Огляд DAX Studio
  • Що таке VertiPaq
  • Поняття колонкової бази даних
  • Використання пам'яті та компресія
  • Аналіз внутрішньої структури моделі
  • Первинна оптимізація моделі та розбір типових помилок

Робота з Dataflows та різні корисності

  • Динамічна безпека на рівні рядків (RLS): USERNAME, USERPRINCIPALNAME
  • Робота з Dataflows
  • Штрих-коди в Power BI Mobile
  • Робота з Power BI Embedded

Особливості курсу

  • Практичні домашні завдання
  • Особистий зворотній зв'язок від викладача
  • Додаткові матеріали, які залишаються з вами назавжди
  • Будуємо нетворкінг

Викладачі курсу

Віктор Рижов - Засновник аналітичної компанії Bintels

Більше інформації
Курс
Рекомендуємо
Формат
Online
Початок навчання
26.03.2025
Тривалість
11 тижнів
Рівень
Для початківців, Для досвідчених
Мова навчання
Ukrainian
Вартість
уточнюйте
Вечірні заняттяВидається диплом/сертифікатСупровід ментораРеальний проект у портфоліо
Robot Dreams
  • Data Analyst / Business Intelligence (BI)
  • SQL / DBA
Подробиці

На курсі розпочнемо зі структур бази даних та основних команд SQL. Згодом опануємо типи даних, попрацюємо з операторами JOIN та UNION, ознайомимося з CTE та View. Навчимося працювати з Google BigQuery й використовувати віконні функції. Перед завершенням курсу розглянемо візуалізацію в Looker Studio, PowerBI і Tableau.

Програма курсу

Основні команди SQL

  • Вступ. Бази даних: як вони працюють і для чого потрібні
  • Як обирати дані з таблиці. Parts 1&2
  • Порядок та best practices із написання SQL-запитів
  • Воркшоп: вступ до базових запитів SQL

Типи даних та функції

  • Типи даних та їхні особливості: числові, рядкові, дата, часові. Булеві значення
  • Типи даних та їхні особливості: NULL, JSON, функція CAST
  • Виконання простих практичних завдань із типів даних
  • Функції для обробки даних. Parts 1&2
  • Виконання простих практичних завдань із функцій для обробки даних
  • Воркшоп: типи даних та функції для їх обробки

Оператори об'єднання даних та підзапити

  • Оператори об'єднання даних: JOIN та UNION
  • Виконання простих практичних завдань на тему JOIN та UNION
  • Воркшоп: робота з операторами JOIN та UNION
  • Робота з підзапитами
  • Воркшоп: робота з підзапитами
  • CTE та view: CTE, CTE з рекурсією, приклади застосування
  • CTE та view: view, синтаксис та звернення до view
  • Розв'язання практичних завдань з CTE та View
  • Воркшоп: підзапити, CTE та view - коли і як використовувати

Сховище даних та Google BigQuery

  • Як працювати зі сховищем даних
  • Робота з хмарним сервісом Google BigQuery
  • Розбір інтерфейсу Google BigQuery та розв'язання простих практичних завдань
  • Воркшоп: робота з Google BigQuery

Віконні функції

  • Робота з віконними функціями
  • Виконання простих практичних завдань із віконними функціями
  • Оптимізація запитів та віконні функції
  • Воркшоп: робота з віконними функціями

Візуалізація даних

  • Вступ до візуалізації даних
  • Візуалізація даних. Робота з Looker Studio та Power BI
  • Воркшоп: візуалізація в Looker Studio та Power BI
  • Візуалізація даних. Робота з Tableau
  • Воркшоп: візуалізація в Tableau

Фінал

  • Підготовка до курсового проєкту
  • Дизайн дашборду та дата-сторітелінг
  • "А що далі?"
  • Презентація результатів курсового проєкту

Особливості курсу

  • Теорія
  • Інструменти для роботи
  • Практика
  • Кар'єра

Викладачі курсу

Олександр Сапєльніков - Head of Analytics at Solidgate

Більше інформації
Курс
Формат
Online
Початок навчання
23.07.2024
Тривалість
20 занять
Рівень
Для початківців, Для досвідчених
Мова навчання
Ukrainian
Вартість
уточнюйте
Вечірні заняттяВидається диплом/сертифікатСупровід ментораРеальний проект у портфоліо
Robot Dreams
  • Data Analyst / Business Intelligence (BI)
Подробиці

Навчіться створювати інтерактивні візуалізації та працювати із широким спектром аналізу даних навіть без уміння писати код завдяки функціоналу Tableau.

Програма курсу

Основи візуалізації даних в Excel

  • Навчитеся створювати базові візуалізації в Excel та налаштовувати їхній вигляд
  • Зможете автоматизовувати вигляд візуалізацій
  • Вмітимете поєднувати базові візуалізації між собою

Просунуті можливості візуалізації в Excel. Tips and Tricks

  • Дізнаєтеся про просунуті можливості Excel в частині візуалізації даних
  • Зможете створювати візуалізації на основі динамічних нових формул Excel
  • Розглянете неочевидні "фішки" візуалізацій в Excel для створення зрозумілих звітів

Pivot Chart. Візуалізація зведених таблиць

  • Навчитеся працювати з Pivot Chart та візуалізувати зведені таблиці
  • Зможете робити динамічні інтерактивні дашборди в Excel, налаштовувати взаємодію між графіками

Знайомство з інтерфейсом і функціоналом Tableau

  • Дізнаєтеся специфіку застосування і переваги різних продуктів Tableau
  • Розглянете інтерфейс Tableau Public
  • Зрозумієте, як побудувати робочий процес в Tableau

Підключення до даних

  • Навчитеся підключатися до даних із .csv-файлу і до таблиці з Google Sheets
  • Дізнаєтесь, як створювати звʼязки між таблицями
  • Зрозумієте концепції фізичних і логічних таблиць
  • Зможете обʼєднувати дані з різних джерел у складні структури
  • Розглянете відмінність між Live- та Extract-підключенням до даних
  • Навчитеся правильно обирати тип підключення та налаштовувати Incremental Extract

Підготовка даних

  • Зможете проводити загальний огляд і перевірку структури даних
  • Дізнаєтесь, як знаходити й виправляти недоліки в даних
  • Розглянете створення додаткових рівнів групування для категорійних даних

Формули

  • Опануєте базовий процес створення і використання формул
  • Навчитеся писати формули для перетворень текстових, числових та інших типів даних
  • Розглянете процес створення агрегованих обчислень
  • Зможете використовувати LOD-обчислення для агрегації на різних рівнях

Основи візуалізації даних

  • Розглянете процес комунікації інсайтів через дизайн візуалізацій
  • Навчитеся правильно обирати тип візуалізації залежно від контексту
  • Зможете використовувати інструменти візуалізації для фокусування уваги аудиторії на інсайтах

Побудова базових візуалізацій: Робота з кольором, положенням та рівнем деталізації

  • Навчитеся будувати основні елементарні візуалізації
  • Зможете керувати кольором, положенням та рівнем деталізації позначок на візуалізації
  • Дізнаєтесь, як додавати й редагувати лейбли до позначок
  • Навчитеся комбінувати різні величини на одному графіку

Таблиці та швидкі табличні обчислення

  • Дізнаєтесь, як групувати інформацію на різних рівнях у таблицях
  • Опануєте перетворення простих таблиць на Highlight Tables для спрощення сприйняття інформації
  • Навчитеся створювати, налаштовувати й використовувати швидкі табличні обчислення

Фільтри й форматування

  • Розглянете принцип використання фільтрів на різних рівнях
  • Дізнаєтеся відмінності різних типів фільтрів та порядку їхнього виконання
  • Навчитеся форматувати на візуалізаціях текстові й допоміжні елементи

Побудова базових візуалізацій: географічні візуалізації

  • Навчитеся будувати графіки для візуалізації географії, кореляції та розподілу
  • Дізнаєтесь, як керувати формою та розміром позначок на візуалізації
  • Зможете налаштовувати вигляд географічних візуалізацій

Аналітична панель інструментів

  • Розглянете елементи аналітичної панелі
  • Зможете додавати на візуалізацію тотали
  • Навчитеся використовувати Reference Line і Reference Band для позначення контрольних ліній і зон на візуалізаціях
  • Дізнаєтесь, як використовувати Distribution Band для позначення на графіку статистик розподілу
  • Зможете додавати лінію тренду

Побудова нестандартних візуалізацій

  • Попрактикуєтеся візуалізувати відхилення за допомогою Diverging Bar
  • Навчитеся використовувати швидкі табличні обчислення для візуалізації кумулятивних показників
  • Зможете візуалізувати загальні показники за допомогою Donut Chart
  • Дізнаєтесь, як показувати зміну величини в часі за допомогою Waterfall Chart

Створення дашбордів

  • Дізнаєтесь, як додавати візуалізації на дашборд і налаштовувати їхній вигляд
  • Навчитеся додавати, редагувати й форматувати легенди та фільтри
  • Зможете створювати й форматувати навігацію між різними вкладками на дашбордах
  • Розглянете основні концепції проєктування цілісних звітів

Інтерактивність

  • Навчитеся створювати різні види параметрів і застосовувати їх
  • Зможете робити інтерактивні хайлайти й фільтри за допомогою Actions
  • Дізнаєтесь, як редагувати Tooltip
  • Зможете додавати й налаштовувати візуалізацію в Tooltip

Використання сторітелінгу та сторібордів

  • Зможете використовувати знайдені інсайти в даних для створення цілісних наративів
  • Розглянете процес побудови історій в Tableau
  • Дізнаєтесь, як експортувати історії для презентацій

Tableau Desktop

  • Навчитеся підключатися до баз даних
  • Зможете конфігурувати екстракти й створювати інкрементальні екстракти
  • Дізнаєтесь, як використовувати SQL-запити для підключення до баз даних
  • Розглянете відмінності між різними форматами проєктів

Оптимізація проєкту

  • Розглянете оптимальні способи побудови звітів для максимальної продуктивності
  • Попрактикуєте роботу з рекомендаціями оптимізатора

Презентація курсового проєкту

Особливості курсу

  • Онлайн курс
  • 20 занять
  • 14 домашніх завдань
  • Кейс у портфоліо

Викладачі курсу

  • Євгеній М'яновський - Data Analyst at SQUAD
  • Богдан Дуда - BI Analyst
Більше інформації
Курс
Формат
Online
Початок навчання
20.01.2025
Тривалість
40 занять
Рівень
Для початківців
Мова навчання
Ukrainian
Вартість
уточнюйте
Гнучкий графікВидається диплом/сертифікатСупровід ментораРеальний проект у портфоліо
Robot Dreams
  • Data Analyst / Business Intelligence (BI)
Подробиці

На курсі ви поступово опануєте всі актуальні інструменти дата-аналітика. Розпочнете навчання з найпростіших таблиць у Google Sheets, вивчите SQL, перетворення типів даних та основні функції баз даних. Згодом перейдете до Python для трансформації та аналізу даних. Навчитеся візуалізувати дані з використанням Looker Studio та Tableau. Останній модуль навчання - математична статистика, завдяки якій ви опануєте A/B-тестування та метрики продукту.

Програма курсу

Інтро

Знайомство з курсом та професією Data Analyst.

Результат:

  • Розумієте відмінність між аналітиком даних, бізнес-аналітиком, фінансовим аналітиком, вебаналітиком, продуктовим аналітиком тощо
  • Маєте уявлення про інструментарій аналітика даних

Google Sheets для Data Analyst

  • Можливості Google Sheets та вбудовані формули
  • Аналіз даних у Google Sheets
  • Таблиці та візуалізація даних у Google Sheets
  • Воркшоп з Google Sheets

Результат:

  • Розумієте, з яких етапів складається аналіз даних
  • Вмієте користуватися базовими функціями Google Sheets для аналізу даних

Робота з базами даних

  • Введення в теорію баз даних
  • Знайомство з інтерфейсом Google BigQuery
  • Синтаксис SQL: оператори
  • Розв’язання простих практичних задач за темою
  • Функції агрегації даних, аналітичні функції
  • Data definition language: створюємо власний проєкт і наповнюємо його даними
  • Розв'язання простих практичних задач за темою
  • Воркшоп: синтаксис SQL, функції агрегації даних
  • Оператори об'єднання даних [JOIN, UNION]
  • Воркшоп: робота з операторами JOIN та UNION
  • Типи даних та їхнє перетворення
  • Розв'язання простих практичних задач за темою
  • Підзапити, CTE, View
  • Schedule query
  • Регулярні вирази (regex)
  • Воркшоп: підзапити, CTE та View
  • Віконні функції
  • Розв'язання простих практичних задач за темою
  • Оптимізація запитів, індекси, CRUD-оператори
  • Воркшоп: робота з віконними функціями + оптимізація запитів

Результат:

  • Розумієте принципи роботи баз даних, їхні переваги та обмеження
  • Працюєте з BigQuery, створюєте SQL-запити різної складності для аналізу даних
  • Володієте навичками групування даних, використання математичних функцій та об'єднання таблиць
  • Працюєте з підзапитами, CTE, View та регулярними виразами
  • Вмієте розраховувати складні метрики за допомогою віконних функцій, підключати різні джерела даних та оптимізувати SQL-запити

Python для трансформації та аналізу даних

  • Вступ до Python: встановлення та налаштування середовища
  • Основні типи даних
  • Основні оператори, операції з різними типами даних
  • Умовні оператори та цикли
  • Бібліотеки Python для роботи з даними
  • Pandas. Робота з датафреймами
  • Воркшоп: Python для роботи з даними
  • Підключення до баз даних і трансформації даних
  • Воркшоп: підключення до баз даних і трансформації даних
  • Аналіз та візуалізація даних у Python
  • Парсинг даних за допомогою Python
  • Знайомство з Git, Terraform та Airflow
  • Воркшоп: аналіз даних за допомогою Python

Результат:

  • Розумієте мови програмування та їхню роль в аналітиці, вмієте налаштовувати середовище програмування та працювати з циклами
  • Володієте навичками роботи з функціями, структурами даних (списки, словники, кортежі, множини) та розумієте їхню алгоритмічну складність
  • Вмієте працювати з Pandas, аналізувати дані за допомогою Python та створювати візуалізації
  • Працюєте з базами даних через конектори, вмієте отримувати й трансформувати дані
  • Знаєте основи Git, Airflow та вмієте працювати з Terraform

Блок 4. Візуалізація даних

  • Вступ до візуалізації
  • Looker Studio: огляд і базові можливості
  • Воркшоп: візуалізація з Looker Studio
  • Tableau: огляд і базові можливості
  • Воркшоп: візуалізація з Tableau

Результат:

  • Розумієте принципи та важливість візуалізації даних, знаєте інструменти для її створення
  • Вмієте працювати з Looker Studio й Tableau: налаштовувати акаунти, підключати різні джерела даних, створювати як прості, так і складні дашборди
  • Володієте навичками візуалізації даних в обох інструментах та вмієте підключати нові джерела даних

Згадати все - матстат на практиці

  • Застосування та базові терміни мат. статистики
  • Описова статистика: міри центральної тенденції
  • Описова статистика: міри мінливості
  • Описова статистика: квантилі розподілу та їхня візуалізація
  • Просунуті теми мат. статистики: види розподілу
  • Мат. статистика: важливі правила й теореми
  • Кореляція, регресія та визначення A/B-тестування
  • Воркшоп: мат. статистика на практиці
  • Метрики продукту: дані та аналітичні системи
  • Принципи збору даних
  • Метрики продукту
  • Сегментація користувачів
  • Воркшоп: метрики продукту

Результат:

  • Розумієте, для чого застосовують мат. статистику в аналізі даних, і вмієте розрахувати базові статистики для датасету
  • Знайомі з поняттям A/B-тестів, вмієте рахувати метрики продукту й писати вимоги для збору базових подій та метрик

Підсумки

  • Підготовка до курсового проєкту - як презентувати результати аналізу (онлайн)
  • Захист курсового проєкту

Результат:

  • Розумієте всі етапи процесу аналізу даних і можете застосовувати їх до реального кейсу
  • Знаєте, як правильно підготуватися до презентації результатів проведеного аналізу

Розвиток кар'єри в ІТ

  • Розвиток кар'єри в ІТ
  • Стратегія пошуку роботи
  • Ефективне резюме і супровідний лист
  • Проходження процесу відбору до компанії

Результат:

  • Маєте власну стратегію пошуку роботи
  • Правильно оформлюєте власні соцмережі, щоби приваблювати увагу рекрутерів
  • Знаєте, як написати супровідний лист і зацікавити роботодавця
  • Вмієте презентувати себе

Особливості курсу

  • Досвід від практиків
  • Нетворкінг з колегами
  • Стажування для кращих
  • Можна повернути кошти до 3 заняття
  • Інструменти для роботи
  • Воркшопи
  • Підготовка резюме та портфоліо
  • Самостійна робота з реальними даними

Викладачі курсу

  • Вікторія Кириченко - Lead Analytics Engineer at Railsware
  • Юлія Ларіонова - Data Analyst at MEGOGO
Більше інформації
Курс
Формат
Online
Початок навчання
Будь-який момент
Тривалість
5 місяців
Рівень
Для початківців
Мова навчання
Ukrainian
Вартість
44 740 UAH за курс
Гнучкий графікВидається диплом/сертифікатМожливе працевлаштуванняСупровід ментораРеальний проект у портфоліо
Mate academy
  • Data Analyst / Business Intelligence (BI)
Подробиці

На курсі Data Analytics ти опануєш всі потрібні технології, щоб стати Data-аналітиком. Ти опануєш такі технології, як SQL, Python, Tableau, статистика, A/B тестування, метрики продукту і маркетингу, і багато чого іншого.

Програма курсу

Data Analytics Basics

  • Introduction
  • Netflix Cinematic Map
  • Calculated Fields
  • Creating Dashboard
  • Summary

Course Fundamentals

Productive Learning Tips.

SQL Basics

  • Introduction to SQL
  • SELECT Statement
  • WHERE Statement
  • NULL Value, LIKE, BETWEEN, and IN Statements
  • ORDER BY, LIMIT, DISTINCT
  • Aliases
  • Aggregate Functions
  • GROUP BY Statement
  • JOIN Statement
  • Functions
  • HAVING Statement

SQL Advanced

  • Relational Databases
  • Getting Started with Google BigQuery
  • CASE WHEN
  • UNION
  • Subquery
  • String Functions
  • Datetime Functions
  • Window Functions
  • Common Table Expressions
  • Additional Entities in SQL
  • Nested Fields
  • Query Optimization
  • SQL and Additional Tools

Google Spreadsheets for Data Analyst

  • Spreadsheet - the Basic Tool for Analytics
  • Data Importing
  • Basic Data Types
  • Formulas and Built-In Functions
  • Cell Reference Types
  • Data Cleaning
  • Text Processing
  • Working with Ranges
  • Table Relationships
  • Pivot Tables
  • Data Visualization
  • Data Exporting and Shiring
  • Google Sheets Summary

Tableau

  • Introduction
  • Tableau Vocabulary
  • Session Dashboard
  • Sales Dashboard
  • Email Dashboard
  • Tableau Public Server Overview
  • Tableau Desktop
  • Tableau Online
  • Tableau Prep
  • Summary

Python Basics

  • Introduction
  • Main Concepts
  • Numbers
  • Strings
  • Boolean
  • Lists
  • Conditional Operators
  • Loops
  • Functions
  • Summary

Python for Data Analytics

  • Introduction
  • Code Style
  • Working With Numbers
  • Working With Strings
  • Dics Basics
  • Functions Revisited
  • Modules and Imports
  • Environmental Setup for Data Analysis
  • NumPy
  • Pandas Part 1
  • Pandas Part 2
  • Visualisation with Matplotlib and Seaborn
  • Connection to Database
  • Exploratory Data Analysis

Statistics

  • Introduction to Statistics
  • Descriptive Statistics
  • Sampling: Approaches and Methods
  • Statistical Hypotheses
  • Relationship of Random Variables
  • Design of Statistical Experiments

Product A/B Testing

  • A/B Testing Introduction
  • Planning A/B Testing
  • Data Collection and Analysis
  • Creation of A/B Testing Tool
  • Cases Analysis
  • Advanced Tools and Approaches

Building Portfolio

  • Portfolio
  • Vacancies Overview

Employment 2.0

  • Employment Roadmap
  • Preparing Your Resume
  • Interview Preparation
  • Cover Latter Preparation
  • Google, LinkedIn, DOU, Djinni
  • How to find and apply for vacancies
  • Job Search Tips: Talking to Recruiters
  • Work details FAQ

Advanced Analytics: Prediction and Clustering Models

  • Advanced Analytics Introduction
  • Numerical Values Forecasting
  • Categorical Values, Risks and Probabilities Forecasting
  • Feature Engineering Basics
  • Cluster Analysis
  • Summary

Product and Marketing Metrics

  • Introduction
  • User Acquisition
  • Product Metrics
  • Monetization
  • Product Frameworks
  • B2B Metrics
  • Summary

Особливості курсу

  • Працюєш? Вчись у власному темпі
  • Зідзвони з менторами двічі на тиждень
  • Чат з одногрупниками
  • Навчальні матеріали "без води" замість довгих лекцій
  • Гарантуємо працевлаштування після навчання
Більше інформації
Курс
Формат
Online
Початок навчання
28.01.2025
Тривалість
2 місяців
Рівень
Для досвідчених
Мова навчання
Ukrainian
Вартість
уточнюйте
Вечірні заняттяВидається диплом/сертифікатСупровід ментораРеальний проект у портфоліо
Robot Dreams
  • Data Analyst / Business Intelligence (BI)
  • SQL / DBA
Подробиці

Навчіться використовувати розширені функції SQL для проведення складної аналітики, оптимізації запитів та ефективної роботи з великими наборами даних.

Програма курсу

Вступ. DataGrip

  • Отримаєте загальне уявлення про структуру курсу та його очікувані результати
  • Зможете встановити й налаштувати DataGrip для роботи з PostgreSQL
  • Ознайомитеся з інтерфейсом та основними функціями DataGrip
  • Навчитеся підключатися до баз даних та виконувати SQL-запити у DataGrip

Базовий SQL. Частина 1

  • Пригадаєте структуру SQL-запиту та зможете складати базові SELECT-запити
  • Дізнаєтесь основні типи даних у PostgreSQL та навчитеся виконувати їхню конвертацію
  • Навчитесь об'єднувати таблиці за допомогою різних типів JOIN
  • Зможете використовувати фільтрацію, агрегацію та сортувати результати

Базовий SQL. Частина 2

  • Навчитеся використовувати вбудовані функції для розрахунків та обробки даних
  • Зможете застосовувати підзапити для витягування та аналізу даних із вкладених джерел
  • Дізнаєтесь, як створювати CTE для спрощення складних запитів та покращення їхньої читабельності
  • Зможете застосовувати віконні функції для розрахунків на рівні окремих груп даних

Агрегації

  • Зможете використовувати умовну агрегацію для побудови гнучких звітів
  • Зрозумієте, як працює багаторівневе групування, і дізнаєтеся, коли його доцільно застосовувати
  • Вивчите синтаксис ROLLUP, CUBE, GROUPING SETS, STRING_AGG
  • Навчитесь обчислювати статистичні показники (медіана, стандартне відхилення, персентилі)

Робота з часовими даними

  • Навчитеся виконувати різні маніпуляції з часовими даними у PostgreSQL, включно з конверсіями, форматуванням та розрахунками
  • Зможете використовувати rolling windows для аналізу часових рядів
  • Дізнаєтесь, як обчислювати кумулятивні значення в часі (YTD)
  • Зможете порівнювати часові періоди за допомогою SQL-запитів (WoW, YoY)

Робота з текстовими даними

  • Навчитеся виконувати складні маніпуляції з текстовими даними, використовуючи вбудовані функції
  • Зможете форматувати текстові дані відповідно до специфічних вимог
  • Опануєте парсинг текстових даних, виділяючи корисну інформацію

Popular Expressions

  • Навчитеся писати й розуміти регулярні вирази
  • Зможете використовувати регулярні вирази в SQL для пошуку, очищення та аналізу текстових даних
  • Дізнаєтесь, як застосовувати регулярні вирази для обробки даних, що потребує складної текстової логіки

Робота з напівструктурованими даними

  • Зможете витягувати й обробляти значення зі структур JSON та ARRAY за допомогою різних операторів та функцій
  • Навчитеся маніпулювати JSON-об'єктами та масивами для підготовки даних до подальшого аналізу
  • Опануєте функцію UNNEST для розбиття масивів на окремі рядки та застосування їх у запитах

СТЕ

  • Зможете використовувати CTE для перетворення даних, агрегації та групування
  • Навчитеся комбінувати декілька CTE в одному запиті
  • Дізнаєтесь, як створювати рекурсивні CTE для роботи з ієрархічними структурами

Перетворення й трансформація даних

  • Навчитеся використовувати можливості SQL для трансформації структури даних
  • Зможете застосовувати спеціальні функції для трансформацій даних
  • Зрозумієте, який метод підходить для конкретних завдань і як оптимізувати процес трансформації даних у PostgreSQL

Вступ до оптимізації запитів

  • Зрозумієте важливість оптимізації запитів для покращення продуктивності
  • Зможете розрізняти імперативний та декларативний підходи й розуміти переваги декларативного SQL
  • З'ясуєте, як PostgreSQL виконує запити та який шлях проходить запит від аналізу до виконання
  • Дізнаєтесь основні алгоритми, які використовують в оптимізації запитів, їхній вплив на продуктивність
  • Розберете різні типи індексів і навчитеся застосовувати їх для оптимізації запитів у PostgreSQL

План виконання запиту

  • Зрозумієте, що таке план виконання запиту та його роль у процесі оптимізації запитів
  • Опануєте використання команди EXPLAIN для отримання та аналізу планів виконання запитів
  • Розглянете різні типи планів виконання та їхній вплив на продуктивність бази даних
  • Зможете ідентифікувати "вузькі місця" у запитах та застосовувати отриману інформацію для оптимізації запитів

Оптимізація запитів. Частина 1

  • Зрозумієте концепцію селективності та її роль у продуктивності запиту
  • Навчитеся використовувати індекси для оптимізації фільтрів і JOIN-операцій
  • Дізнаєтеся про випадки, коли індекси можуть погіршувати продуктивність

Оптимізація запитів. Частина 2

  • Навчитеся використовувати оптимальні JOIN-алгоритми для об'єднання великих таблиць
  • Зможете налаштувати операції групування для досягнення найменшої вартості виконання запиту
  • Дізнаєтесь, як застосовувати SET-операції для оптимізації запитів
  • Зрозумієте вплив віртуальних об'єктів на продуктивність

Особливості роботи з іншими СУБД

  • Зрозумієте ключові відмінності між PostgreSQL та іншими популярними СУБД
  • Адаптуєте свої SQL-запити до різних платформ баз даних

Презентація результатів курсового проєкту

Особливості курсу

  • Допомога ментора
  • Практика
  • Домашні завдання
  • Курсовий проєкт
  • Сертифікат про проходження курсу

Викладачі курсу

Євген М'яновський - Data Analyst at SQUAD

Більше інформації
Курс
Формат
Online
Початок навчання
10.12.2024
Тривалість
14 занять
Рівень
Для досвідчених
Мова навчання
Ukrainian
Вартість
уточнюйте
Вечірні заняттяВидається диплом/сертифікатСупровід ментораРеальний проект у портфоліо
Robot Dreams
  • Data Analyst / Business Intelligence (BI)
  • Data Science / Machine learning / AI
Подробиці

За 14 онлайн-занять навчитеся працювати з класичними моделями, як-от ARIMA та SARIMA, а також із сучасними нейронними мережами, зокрема з LSTM, для розв’язання складних бізнес-завдань. Крім цього, опануєте техніки кросвалідації, обробки даних та створення ансамблевих моделей — щоб підвищити точність прогнозів та автоматизувати процеси в компаніях.

Програма курсу

Знайомство з машинним навчанням

  • Дізнаєтеся, що таке машинне навчання
  • Навчитеся будувати моделі лінійної регресії
  • З’ясуєте, чому часові ряди виділяють як клас

Дерева та кросвалідація

  • Зрозумієте, як будують дерево
  • Розберетеся в метриках
  • Дізнаєтесь, як правильно оцінити моделі

Ансамблі та валідація моделей для часових рядів

  • Навчитеся генерувати ознаки (Feature Engineering) для часових рядів
  • Зрозумієте, чому ансамблі потужніші за звичайні моделі
  • Дізнаєтесь, як робити валідацію на часових рядах

Обробка, декомпозиція та візуалізація

  • Розберете, з яких компонентів складаються часові ряди та як вони можуть поєднуватися
  • Навчитеся робити детальні та інформативні візуалізації
  • Зрозумієте, як правильно опрацьовувати часові ряди

Моделі типу ARIMA

Навчитеся будувати класичні моделі для часових рядів типу ARIMA.

Експотенційне згладжування

  • Попрактикуєтеся будувати моделі експоненційного згладжування
  • Розглянете їхні переваги та недоліки

Модель Prophet

Навчитеся будувати моделі Prophet.

Ієрархічні підходи в часових рядах та гібридні моделі

Навчитеся працювати з групою часових рядів та об’єднувати моделі для їхнього прогнозування між собою.

Вступ до нейромереж

  • Розглянете, як будують нейромережі
  • Дізнаєтесь, як їх тренують
  • Зможете самостійно імплементувати просту нейромережу

Автоенкодери

  • Зрозумієте архітектуру автоенкодерів
  • Навчитеся самостійно будувати модель автоенкодера
  • Зможете інтерпретувати результати й використовувати ці моделі для виявлення аномалій

RNN

  • Зрозумієте архітектуру нейромереж
  • Навчитесь будувати RNN для часових рядів

LSTM

Дізнаєтесь, які недоліки має RNN та як їхню роботу покращує LSTM.

CNN

  • Розберетесь у базовій архітектурі CNN
  • Дізнаєтесь, як їх можна застосувати для часових рядів

Моніторинг, аномалії та next steps

  • Розглянете моніторинг та знаходження аномалій
  • Дізнаєтеся, де можна ще застосувати нові знання

Особливості курсу

  • 14 онлайн-занять
  • Допомога ментора
  • Сертифікат про проходження курсу
  • Кейс у портфолоіо
  • Курсовий проєкт

Викладачі курсу

Кристи Ісакова - former Data Scientist at CHECK24, Holidu and FlixBus

Більше інформації
Відеокурс / Платформа
Рекомендуємо
Формат
Online
Початок навчання
Будь-який момент
Тривалість
12 занять
Рівень
Для початківців, Для досвідчених
Мова навчання
Ukrainian
Вартість
уточнюйте
Гнучкий графікСупровід ментораРеальний проект у портфоліо
Robot Dreams
  • Python
  • Data Analyst / Business Intelligence (BI)
Подробиці

Базовий синтаксис Python є фундаментом для розвитку в будь-якій сфері IT ― від аналітики до веброзробки та машинного навчання. robot_dreams згенерував курс, який допоможе вивчити Python з нуля, його основні функції та бібліотеки. Доступ до цього курсу — інвестиція у ваше майбутнє.

Програма курсу

Знайомство з базовим синтаксисом

Навчіться запускати програми, написані на Python. Ознайомтеся з pipenv, пакетом віртуального оточення для Python. Опануйте базовий синтаксис мови та правила форматування вихідного коду. Навчіться імпортувати модулі та бібліотеки Python, а також користуватися вбудованими функціями.

Типи та структури даних

Навчіться працювати з основними вбудованими типами даних та вибирати правильні структури даних з огляду на їхні властивості. Попрацюйте із контейнерами list, tuple, dic, set. Навчіться користуватися операціями з урахуванням їхніх пріоритетів.

Робота з керівними конструкціями

Навчіться користуватися оператором присвоєння. Напишіть код на Python з використанням розгалуження виду if, elif, else та циклів виду for, while. Використовуйте спискове включення Comprehensions для генерації структур даних.

Функції та генератори

Навчіться оголошувати та викликати функції. Спробуйте написати власні функції та повертати одне або кілька значень. Навчіться використовувати та створювати генератори.

Функції введення/виведення

Опануйте функції input() і print(), навчіться читати файл і записувати дані в нього за допомогою Python. Використовуйте контекстний менеджер для правильного звільнення ресурсів. Навчіться користуватися бібліотеками для роботи з різними форматами даних.

ООП у Python

Опануйте принципи об'єктно-орієнтованого програмування для мови Python та навчіться їх застосовувати. Попрактикуйтеся у визначенні та інстанціонуванні класу. Вивчіть статичні методи та методи класу.

Стратегії обробки помилок

Ознайомтеся з різними стратегіями обробки помилок та винятків. Навчіться збуджувати, обробляти та оголошувати винятки. Створіть ієрархію винятків.

Введення в мережеве програмування

Пройдіть короткий екскурс у мережевий стек. Вивчіть принципи клієнт-серверної архітектури. Напишіть мережну програму з використанням сокетів. Навчіться працювати з протоколами HTTP, призначеними для передачі даних.

Введення в багатопотокове програмування

Зрозумійте різницю між потоками, процесами та корутинами. Навчіться обирати правильний підхід для реалізації конкурентності, зважаючи на вимоги. Напишіть простий багатопотоковий додаток і спробуйте створити з незалежними процесами.

Beyond the basics. Екосистема Python

Ознайомтесь із каталогом програмного забезпечення PyPi та бібліотеками мови. Навчіться тестувати, налагоджувати, робити виміри та логувати програми.

Бібліотека NumPy

Вивчіть інструменти бібліотеки NumPy. Розв'яжіть задачі лінійної алгебри, використовуючи масиви та матриці NumPy.

Аналіз та візуалізація даних

Навчіться користуватися бібліотекою для візуалізації даних Matplotlib та візуалізувати дані за допомогою графіків, діаграм, гістограм із набору цієї бібліотеки. Вивчіть можливості та інструменти бібліотеки Pandas. Виконайте аналіз та перетворення даних, використовуючи групування, злиття, побудову зведених таблиць та інших інструментів Pandas.

Особливості курсу

  • Робота з аналізом даних
  • Розробка на Python
  • Автоматизація
  • Підтримка методиста

Викладачі курсу

Олександр Тихонрук - Team Lead у TakeOff Technologies Inc

Більше інформації
Курс
Формат
Online
Початок навчання
22.07.2025
Тривалість
2 місяців
Рівень
Для початківців
Мова навчання
Ukrainian
Вартість
5 600 UAH за місяць
Гнучкий графікВидається диплом/сертифікатСупровід ментора
DAN IT Education
  • Data Analyst / Business Intelligence (BI)
Подробиці

Програма курсу

Модуль 1. Вступ до Power BI

Вступ до Power BI: продукти, ліцензування, знайомство з інтерфейсом, базові налаштування.

Модуль 2. Трансформація даних з Power Query

Трансформація даних з Power Query: підключення до даних, очищення, трансформація та підготовка даних.

Модуль 3. Моделювання даних

Моделювання даних: створення моделей, зв'язків між таблицями, їх види та призначення.

Модуль 4. DAX

DAX: контексти, створення мір, стовпців та таблиць, обчислення.

Модуль 5. Візуалізація даних

Візуалізація даних: використання вбудованих візуалізацій та їх кастомізація, робота з мапами, меню навігації, кастомні підказки та деталізація.

Модуль 6. Налаштування безпеки, спільний доступ

Налаштування безпеки, спільний доступ: RLS (Row-Level Security), публікація та спільний доступ до звітів, розклад автоматичного оновлення.

Практичний проєкт

Практичний проєкт: створення повноцінного звіту для реального бізнес-кейсу.

Бонусний модуль: Англійська для ІТ

В рамках модуля студенти:

  • Опанують спеціалізовану лексику, актуальну для сфери дата-аналітики
  • Навчаться представляти себе, доповіді та презентації англійською мовою
  • Підготуються до проходження інтерв'ю англійською мовою

Особливості курсу

  • Живі заняття
  • Ізраїльська методика Телем
  • Підтримка ментора
  • Робота над реальними проєктами
  • Допомога курс-координатора
  • Сучасна LMS-система

Викладачі курсу

  • Ірина Чиж - Senior DW/BI Engineer at SoftServe
  • Дмитро Мазоха - Analytics Team Lead, NDA
Більше інформації
Курс
Формат
Online
Початок навчання
24.06.2025
Тривалість
6 місяців
Рівень
Для початківців
Мова навчання
Ukrainian
Вартість
5 500 UAH за місяць
Гнучкий графікВидається диплом/сертифікатМожливе працевлаштуванняСупровід ментораРеальний проект у портфоліо
DAN IT Education
  • Data Analyst / Business Intelligence (BI)
Подробиці

Усі заняття проходять з викладачем у живому форматі. Також постійний доступ до ментора, який допоможе розібратись в усіх питаннях, що виникли під час виконання домашнього завдання чи в роботі над проєктом. Навчання побудоване на роботі над реальними проєктами самостійно та у команді.

Програма курсу

Модуль: Soft Skills

  • Основні комунікативні навички: Основи ефективного спілкування
  • Емоційний інтелект: Управління емоціями в професійному середовищі
  • Критичне мислення: Аналіз і оцінка інформації для прийняття рішень
  • Робота в команді: Співпраця і взаємодія з колегами
  • Самопрезентація: Вміння представити себе та свої ідеї

Модуль 1. Excel

  • Основи роботи з Excel
  • Візуалізація даних
  • Розширене використання функцій Excel
  • Створення інтерактивних таблиць

Модуль 2. Дизайн бази даних та поглиблене програмування SQL

  • Структура і дизайн баз даних: Вивчення основ моделювання баз даних, включаючи створення схем, таблиць, ключів та обмежень
  • Мова SQL та управління даними: Освоєння типів даних, контейнерів даних (таблиць), отримання, фільтрація та упорядкування даних
  • Просунуті операції SQL: Робота зі скалярними функціями, багатотабличними запитами та підзапитами
  • Програмування на SQL: Використання змінних, умовних операторів IF, циклів, курсорів, процедур та функцій
  • Проєктування баз даних: Розуміння процесу нормалізації та практичні навички створення ефективно структурованих баз даних

Модуль 3. BackEnd: інтеграція даних, Python

  • Основи Python: Від перших кроків з print та input() до складних типів даних і логічних операцій
  • Структура управління: Модульне програмування, цикли while, списки та управління потоками
  • Робота з файлами та даними: Від серіалізації об’єктів до використання JSON та pickle
  • Програмування класів: Розбір класів, методів і просунутих паттернів програмування
  • Просунуте використання Python: Багатовимірні масиви, математичні функції та пакети для наукових розрахунків, такі як Jupyter і numpy
  • Бібліотека pandas: Все про векторні операції, об’єднання даних та роботу з бібліотекою для аналізу даних

Поглиблені теми роботи з Big Data:

  • Машинне навчання: Від основ до дерев рішень та логістичної регресії
  • Прогнозувальна аналітика: Основи, підготовка даних та принципи регуляризації

Модуль 4 Front End: Інструменти та концепції звітності - Power BI

  • Основи Power BI: Продукти, ліцензування, завантаження та налаштування
  • Підключення до даних: Робота з різноманітними джерелами даних
  • Power Query: Перетворення даних, включаючи форматування та групування
  • Моделювання даних: Стратегії та техніки для створення ефективних даних та звітів
  • DAX і візуалізація даних: Основи створення формул та кастомізація візуальних звітів
  • Мобільні та хмарні рішення: Оптимізація звітів для мобільних пристроїв та використання хмарних сервісів для підвищення продуктивності

Final Project. Підсумковий проєкт

  • Дослідницький аналіз даних: Аналіз з використанням описової статистики та візуалізації
  • Перевірка гіпотез: Вибір та перевірка гіпотез на основі аналізу даних
  • Моделювання: Розробка моделі машинного навчання для прогнозування, включаючи створення пайплайну крос-валідації та методи підвищення ефективності моделі
  • Побудова звітів: Використання зразка набору даних для створення аналітичного звіту, який надасть цінну інформацію для управлінських рішень
  • Аналіз ключових метрик: Оцінка результативності діяльності за різними параметрами
  • Візуалізація даних: Створення візуально привабливих та зрозумілих звітів для прийняття управлінських рішень

Бонусний модуль: Англійська для ІТ

В рамках модуля студенти:

  • Опанують спеціалізовану лексику, актуальну для сфери дата-аналітики
  • Навчаться представляти себе, доповіді та презентації англійською мовою
  • Підготуються до проходження інтерв’ю англійською мовою

Особливості курсу

  • Живі заняття
  • Ізраїльська методика Телем
  • Підтримка ментора
  • Робота над реальними проєктами
  • Допомога курс-координатора
  • Сучасна LMS-система
  • Система оцінки знань
  • Кар'єрний супровід

Викладачі курсу

  • Ірина Чиж - Senior DW/BI Engineer в Softserve
  • Дмитро Мазоха - Analytics Team Lead, компанія Develux
  • Бестужев Владислав - ex-Middle BI Developer at Plarium
  • Калашник Сергій - Python for Dta Science, Senior Data Analyst, Boosters
  • Іван Гомонець - BI Tech Lead t GROWE
  • Сергій Алпатов - Head of Learning and Development, Elogic Commerce
Більше інформації
Курс
Формат
Online
Початок навчання
01.07.2025
Тривалість
30 годин
Рівень
Для початківців
Мова навчання
Ukrainian
Вартість
24 000 UAH за курс
Гнучкий графікВидається диплом/сертифікатСупровід ментораРеальний проект у портфоліо
Світ Сучасної Освіти
  • Data Analyst / Business Intelligence (BI)
Подробиці

Під час навчання учасники ознайомляться з основними бібліотеками для обробки та візуалізації даних (Pandas, Numpy, Matplotlib, Seaborn), опанують методи машинного навчання (регресія, класифікація, кластеризація), а також навчаться працювати з SQL для аналізу даних у базах даних. Курс розрахований як на новачків, так і на фахівців, які прагнуть поглибити свої знання в аналізі даних.

Програма курсу

Обробка даних Pandas

  • Вступ до курсу
  • Налаштування середовища
  • Вступ до Pandas
  • Створення та робота з DataFrame і Series
  • Імпорт даних із CSV, Excel, SQL Database та JSON файлів
  • Індексація та фільтрація даних
  • Сортування даних
  • Обробка пропущених значень
  • Групування та агрегування даних
  • Злиття та об'єднання таблиць

Обробка даних Numpy

  • Вступ до Numpy та створення масивів
  • Ініціалізація масивів:
    • одномірні
    • двовимірні
    • багатовимірні
  • Індексація, зрізи та маніпуляції з елементами масиву
  • Арифметичні операції та векторизація
  • Обробка пропущених та некоректних значень у масивах
  • Статистичні функції:
    • середнє
    • медіана
    • стандартне відхилення
  • Зміна форми масивів та об'єднання масивів
  • Збереження та завантаження масивів із файлів

Візуалізація Matplotlib

  • Вступ до Matplotlib та його можливості
  • Створення простих графіків (лінійний, точковий, стовпчастий)
  • Налаштування осей, заголовків та підписів графіків
  • Зміна кольорів, стилів та маркерів графіків
  • Додавання легенд, анотацій та тексту на графіки
  • Побудова кількох графіків на одному полотні (subplots)
  • Збереження графіків у різних форматах файлів (PNG, PDF)
  • Створення спеціалізованих графіків (гістограми, кругові діаграми, коробчасті діаграми)

Візуалізація Seaborn

  • Вступ до Seaborn та його особливості
  • Створення графіків розподілу даних (histplot, kdeplot, distplot)
  • Побудова категоріальних графіків (barplot, countplot, boxplot)
  • Використання графіків відношень (scatterplot, lineplot)
  • Теплові карти (heatmap) для візуалізації кореляцій та матриць
  • Налаштування стилів та палітр кольорів у Seaborn
  • Фасетна візуалізація (FacetGrid, pairplot) для групування даних
  • Аналіз та візуалізація статистичних даних (violinplot, swarmplot)

Задача регресії

  • Підготовка даних для регресії
  • Розбиття даних на навчальну та тестову вибірки
  • Створення моделі лінійної регресії
  • Навчання моделі на навчальних даних
  • Оцінка точності моделі
  • Візуалізація результатів регресії

Задача класифікації

  • Підготовка даних для класифікації
  • Розбиття даних на навчальну та тестову вибірки
  • Створення моделі класифікації (Logistic Regression, Decision Tree)
  • Навчання моделі на навчальних даних
  • Оцінка точності моделі (accuracy, precision, recall)
  • Візуалізація результатів класифікації

Кластеризація

  • Підготовка даних для кластеризації
  • Вибір методу кластеризації (K-Means, Agglomerative Clustering та ін.)
  • Створення та моделі кластеризації
  • Візуалізація кластерів
  • Оцінка якості кластеризації (silhouette score)
  • Аналіз отриманих кластерів та інтерпретація результатів

Аномалії

  • Підготовка даних для пошуку аномалій
  • Вибір методу виявлення аномалій (Isolation Forest, Local Outlier Factor)
  • Створення та навчання моделі для пошуку аномалій
  • Прогнозування аномалій у даних
  • Оцінка точності виявлення аномалій
  • Візуалізація та інтерпретація виявлених аномалій

SQL

  • Вступ до SQL та основи реляційних баз даних
  • Виконання простих запитів SELECT
  • Фільтрація даних за допомогою WHERE
  • Сортування результатів за допомогою ORDER BY
  • Агрегація даних (SUM, AVG, COUNT, MIN, MAX)
  • Групування даних за допомогою GROUP BY
  • З'єднання таблиць (JOIN)

Розбір домашніх проєктів

  • Демонстрація кращих рішень учасників
  • Демонстрація типових рішень викладача
  • Підсумки курсу

Чого навчаться учасники

  • Налаштовувати робоче середовище та ефективно використовувати бібліотеки Python для аналізу даних
  • Обробляти, агрегувати та візуалізувати дані за допомогою Pandas та Numpy
  • Створювати візуалізації за допомогою Matplotlib та Seaborn
  • Опанувати методи регресії, класифікації та кластеризації для машинного навчання
  • Працювати з SQL для виконання запитів і аналізу даних
  • Виявляти та інтерпретувати аномалії в даних
  • Розробляти рішення для реальних проєктів і презентувати їх результати

Попередні вимоги

  • Базові знання Python (основні конструкції, цикли, функції)
  • Уявлення про дані та базові статистичні поняття
  • Досвід роботи з таблицями (наприклад, у Excel) буде перевагою, але не є обов'язковим

Особливості курсу

  • Допомога ментора
  • Практика
  • Фінальний проєкт
  • Сертифікат про проходження курсу
Більше інформації
Курс
Формат
Online
Початок навчання
17.06.2025
Тривалість
20 занять
Рівень
Для початківців
Мова навчання
Ukrainian
Вартість
10 400 UAH за курс
Гнучкий графікВидається диплом/сертифікатСупровід ментора
Hillel IT school
  • Data Analyst / Business Intelligence (BI)
Подробиці

Курс Data Analytics Basic надає відмінну можливість освоїти основи дата-аналітики та принципи використання інструментів обробки та візуалізації даних. На нашому курсі ви зможете опанувати всі актуальні інструменти, які потрібні сучасному дата-аналітику.

Програма курсу

Хто такий дата-аналітик і чим він займається

  • Що має знати та вміти дата-аналітик
  • Види аналізу даних
  • Де дата-аналітики беруть інформацію
  • Сфери, в яких потрібні дата-аналітики і як вони допомагають компаніям

Data Driven підхід і big data

  • Що таке data driven підхід
  • Загальні характеристики великих даних
  • Інструменти для обробки та роботи з даними (SQL, PowerBI та інші)

Виявлення проблем та формулювання завдань

  • Початок роботи дата-аналітика
  • Визначення потреб, збір інформації, декомпозиція задач
  • Принципи спілкування зі стейкхолдерами
  • Розробка плану аналізу

Excel як аналітичний інструмент

  • Чому Excel часто недооцінюють?
  • Математичні формули та функції
  • Фільтрування та сортування даних
  • Логічні функції в Excel
  • Пошук даних
  • Зведені таблиці

Робочий день дата-аналітика

  • Ранкові стендапи в agile-командах
  • Розподіл завдань в команді за допомогою системи управління проєктами Jirа
  • Робота аналітика над задачами та фінальний продукт дата-аналітики
  • Ретро як засіб підбивання підсумків виконаної роботи та рефлексії щодо спринта

Візуалізація даних

  • Що має містити хороша візуалізація даних
  • Вибір правильного типу графіка для візуалізації даних
  • Правила хорошої візуалізації

Інструменти для візуалізації даних

  • Огляд найпопулярніших інструментів візуалізації даних
  • Побудова аналітичних дашбордів
  • Які можливості відкриває візуалізація даних

Особливості курсу

  • Невеликі групи
  • Система особистих кабінетів
  • Доступ до відеозаписів занять
  • Викладачі практики
  • Оперативна служба підтримки студентів
  • Практичні заняття

Викладачі курсу

  • Олександр Єсенін - Data Analyst at MAUDAU
  • Артем Шостак - Data Analyst, BI Developer at Avenga
  • Денис Бахнюк - Data Analyst, Reports Developer at Kyivstar
  • Андрій Круш - Data Analyst / BI Developer at INSPE
  • Єгор Резніченко - Data Engineer at Matrix42
  • Дарина Пономарьова - Product Data Analyst / Data Scientist at Qappi
Більше інформації
Курс
Формат
Online
Початок навчання
23.06.2025
Тривалість
32 занять
Рівень
Для досвідчених
Мова навчання
Ukrainian
Вартість
18 000 UAH за курс
Гнучкий графікВидається диплом/сертифікатСупровід ментораРеальний проект у портфоліо
Hillel IT school
  • Data Analyst / Business Intelligence (BI)
Подробиці

Ви поглибите розуміння SQL, Python та Power BI, вивчите найефективніші методи роботи з базами даних, обробки та візуалізації інформації. Курс включає практичні завдання, де ви зможете застосувати отримані знання на реальних проєктах, а також дипломну роботу, що допоможе вам засвідчити ваші навички.

Програма курсу

SQL та робота з базами даних

  • Бази даних і СУБД
  • Типи баз даних
  • Структура реляційних баз даних
  • Синтаксиси SQL запитів
  • Умовний оператор WHERE
  • Оператори IN / NOT IN, LIKE / NOT LIKE
  • Умови AND / OR, BETWEEN AND / NOT BETWEEN AND, IS NOT NULL / IS NULL
  • Оператори порівняння =, <>, <, >, >=, <=
  • Типи даних та їх особливості
  • Функції агрегації SUM, COUNT та інші, оператор GROUP BY
  • Пропозиція HAVING, порівняння із WHERE
  • Оператор LIMIT
  • Оператор JOIN (INNER, LEFT OUTER, RIGHT OUTER, FULL OUTER, CROSS)
  • Оператори UNION та UNION ALL
  • Підзапити
  • Оператор WITH
  • Віконні функції

Робота з Python

  • Синтаксис Python. Типи даних. Оператори
  • Розгалуження і цикли
  • Рядки і словники
  • Списки, кортежі, набори
  • Класи
  • Робота з файлами. CSV-файли. Обробка виключень
  • Numpy. Pandas
  • Matplotlib, seaborn
  • Python в Excel

Робота у Power BI Desktop

  • Інтерфейс та налаштування
  • Підключення до джерел даних - бази даних, файли ( Excel, CSV), онлайнові служби та інші
  • Побудова моделі даних, створення та керування зв'язками
  • Перетворення даних - очищення даних, об'єднання запитів, додавання запитів, створення додаткових стовпців
  • Візуалізація даних - таблиця, матриця, гістограми, діаграми, водоспад, лійка та інше
  • Фільтрація даних - фільтри на візуалізації, на сторінці, на всіх сторінках

Мова DAX

  • Синтаксис DAX
  • Функції DAX - агрегатні функції, функції дати та часу, функції фільтрації, логічні функції, математичні функції, функції зв'язку, табличні функції
  • Створення мір для аналізу даних
  • Створення обчислюваних стовпців
  • Створення обчислюваних таблиць

Робота у Power BI Services

  • Публікація звітів
  • Редагування звітів
  • Налаштування безпеки
  • Налаштування автоматичного оновлення

Дипломна робота

Побудова аналітичного звіту на базі Power BI.

Особливості курсу

  • Невеликі групи
  • Система особистих кабінетів
  • Доступ до відеозаписів занять
  • Викладачі практики
  • Оперативна служба підтримки студентів
  • Практичні заняття

Викладачі курсу

  • Григорій Перевозчиков - Data Analyst at ТОВ "Сільпо-фуд"
  • Віталій Доарме - Lead Data Analyst at NielsenIQ
  • Олексій Подгорний - Senior Data Analyst / Data Scientist at JustAnswer
  • Юлія Завальнюк - Analyst at Vodafone
Більше інформації

Сторінки

Читайте нас в Telegram, щоб не пропустити анонси нових курсів.

Відгуки про курси

Галина   11.06.2025

Завершила навчання в robot dreams на курсі Junior Data Analyst. Поки чекаю свій диплом, хочу щиро подякувати і поділитись своїм досвідом. 

Загалом, я прийшла на курс вже з базовими навичками SQL/Exel, і обирала його через те, що там в програмі був Пайтон. Проте хочу сказати, що мої знання тільки поглибилися на навчанні, теми були прописані і продемонстровані дуже глибоко, що дуже позитивно показалось на моїй поточні роботі та розвитку логічного мислення. Ну і в результаті, хороший бекграунд на Пайтоні + гарне і впевнене володіння SQL/Exel. Всі теми які заявлені в програмі дуже вичерпно презентовані, після завершення курсу відчуваю себе дуже впевнено і навіть сумую, що так швидко закінчились мої «студентські» місяці. Дякую, дякую і ще раз дякую. Ви найкращі! 

Рекомендації: Рекомендую
5
Середня: 5 (1 голос)
Курси Data Analyst / Business Intelligence (BI)
Валерія   10.06.2025

Сподобалось усе від лекцій до практик. Дуже надихала похвала та фідбеки, доброзичлива комунікація як з лекторами так і з куратором. Матеріали досить докладні і зрозумілі, домашки добре орієнтовані на застосування набутих знань. Особливо сподобалися коментарі з приводу частих питань на інтерв'ю та навичок, які потрібні на різних етапах роботи.Хотілося б, щоб трохи докладніше розписували в матеріалах ключові функції python. А також було б цікаво отримати приблизний список частих питань на співбесідах) Величезна подяка за такий цікавий і приємний курс! Отримана насолода та знання коштували витраченого на це часу! Хочеться послухати ще)

Рекомендації: Рекомендую
5
Середня: 5 (1 голос)
Курси Data Analyst / Business Intelligence (BI)
Данило   24.04.2025

Привіт! Хочу поділитись своїм досвідом після проходження курсу Data Analysis. Цей курс дає міцне базове розуміння основних аспектів дата-аналітики. Ви дізнаєтесь, як використовувати різні інструменти для аналізу та візуалізації даних. Навчання було непростим, довелося докласти чимало зусиль, але на кожному етапі, коли виникали труднощі, ментор завжди був готовий допомогти і дати корисні поради. Окрім практичних і теоретичних знань, курс допоможе створити портфоліо з реальними кейсами, а також допоможе в оформленні резюме та LinkedIn профілю. Пройшовши курс, я успішно отримав джобофер через три місяці! Щиро рекомендую і курс, і компанію GoIT!

Плюси:Міцна базова підтримка, робота з інструментами, супровід менторів, практичні кейси, кар'єрного підтримка, результат
Мінуси:Не легка прогулянка, можливі труднощі на початку, самостійна робота обов’якова. Хоча це, власне, не мінуси для тих, хто готовий працювати над собою
Рекомендації: Рекомендую
5
Середня: 5 (1 голос)
28.04.2025   Відповідь представника компанії

Вітаємо вас із таким чудовим результатом! Дуже радіємо вашим досягненням і пишаємося, що GoIT став частиною вашого професійного шляху. Бажаємо вам подальших успіхів, нових звершень і натхнення розвиватися далі! Дякуємо за теплі слова та довіру!

Курси Data Analyst / Business Intelligence (BI)
Мая   19.03.2025

Щиро дякую команді GoIT за неймовірний курс Data Analytics!

  Цей курс допоміг мені систематизувати університетські знання, розширити технологічний стек та опанувати нові інструменти аналізу й візуалізації даних на реальних проєктах.   Особлива подяка всім, хто підтримував і допомагав нам на шляху до розвитку як аналітиків даних:   Лекторам — Олені Скрипці та Івану Вільчавському — за ґрунтовні теоретичні знання, детальний розбір завдань, відповідальність та відкритість до запитань.   Менторам — Надії Трофімовій та Андрію Приходьку — за постійну підтримку, допомогу з домашніми завданнями та фінальним проєктом.   Клієнт-менеджеру Тетяні Іллюшко — за своєчасну допомогу з технічними та організаційними питаннями.   ‍‍ Студентам курсу — за взаємодопомогу, обговорення технічних тем і моральну підтримку. Разом ми не лише підвищили практичний досвід, а й розвинули важливі soft-скіли.   Окрема подяка менеджерам кар’єрного центру за корисні поради, інсайти та матеріали щодо проходження всіх етапів працевлаштування!   Завдяки знанням та навичкам, отриманим на курсі Data Analytics від GoIT, у поєднанні з університетською освітою та попереднім досвідом роботи, я вже через місяць після завершення навчання отримала оффер на позицію вебаналітика!   Рекомендую GoIT усім, хто прагне розвиватися у сфері аналітики даних!
Рекомендації: Рекомендую
5
Середня: 5 (1 голос)
19.03.2025   Відповідь представника компанії

Дякуємо за ваш чудовий відгук! Ми дуже раді, що курс Data Analytics допоміг вам систематизувати знання та розширити технологічний стек. Ваша вдячність усім учасникам процесу навчання – це дуже цінно для нас.

Ваш успіх – це результат вашої праці та відданості, і ми дуже пишаємося, що могли бути частиною цього шляху.Бажаємо вам великих досягнень у новій ролі та подальших професійних успіхів!

Курси Data Analyst / Business Intelligence (BI)
Софія   18.03.2025

Привіт! Хочу щиро подякувати школі GoIT за відкриті кар’єрні можливості!

  Влітку я вирішила спробувати себе у новій сфері дата-аналітиці. Якраз натрапила на безкоштовний ознайомчий триденний курс від GoIT і була приємно вражена. Мені сподобалось настільки, що я одразу придбала повний курс Data Analyst ще й зі знижкою. Навчання тривало з вересня 2024 по лютий 2025.   Це був справжній виклик захопливий, інтенсивний і водночас непростий, адже моя попередня освіта була скоріше художньою, ніж технічною. Але курс надав усі необхідні інструменти для опанування нових навичок, а підтримка на кожному етапі надихала не зупинятися.   Викладачі різних напрямків ділилися знаннями з максимальною професійністю та увагою до деталей, а ментори завжди були на зв’язку в чаті, готові підказати та допомогти з домашніми завданнями.   Ми опанували багато корисних інструментів і технологій: SQL, PostgreSQL, Google Sheets, Excel, Big Data, LookerStudio, Google Analytics, Tableau, Amplitude, Python (Numpy, Pandas, Matplotlib, Seaborn), а також принципи A/B-тестування.   На завершальному етапі кар’єрний центр надав цінні поради щодо проходження співбесід, оформлення резюме та самопрезентації, а також допоміг розвинути важливі "м’які" навички. Ми навіть практикувалися в онлайн-співбесідах із викладачем, щоб подолати страх і набути впевненості.   І ось результат вже через місяць після завершення навчання я отримала свою першу роботу в новій сфері! Зараз проходжу онбординг і почуваюся досить впевнено завдяки отриманим знанням.   Дякую GoIT за можливість змінити своє життя та здобути нову професію! Якщо ви ще вагаєтесь — не сумнівайтеся, воно того варте!
Плюси:Кваліфіковані викладачі, чудова структура курсу, практика, класне ком'юніті
Рекомендації: Рекомендую
5
Середня: 5 (1 голос)
19.03.2025   Відповідь представника компанії

Дякуємо за чудовий відгук!  Ми дуже раді, що ваш шлях до нової професії був таким захопливим і результативним. Ми завжди прагнемо надавати найкращі інструменти та ресурси для наших студентів, тому особливо приємно чути, що вам вдалося успішно пройти всі етапи навчання та знайти роботу в дата-аналітиці! 

Бажаємо вам успіху в новій кар’єрі, нехай цей шлях принесе вам багато нових досягнень! І дякуємо, що обрали GoIT для свого розвитку!

Курси Data Analyst / Business Intelligence (BI)

Сторінки