Python, SQL, Power BI и базовый ML — один сквозной стек Junior Data Analyst, собранный в 26 недель практики, кейсов и готового портфолио.
Программа идёт строго от простого к сложному: сначала Python, затем SQL, потом Pandas, визуализация, Power BI и базовый ML. Каждый модуль строится на предыдущем — без хаоса и перепрыгиваний.
70% курса — живая практика: live coding на каждом занятии, работа с реальными датасетами, задания с обратной связью. Вы не слушаете теорию — вы сразу пишете код и разбираете ошибки.
К концу курса у вас 2–3 полноценных аналитических проекта, оформленный GitHub-репозиторий и защита финального кейса. Это конкретный результат, который можно открыть на собеседовании.
Курс включает подготовку к профессиональной коммуникации: как документировать анализ, объяснять выводы бизнес-аудитории, проходить mock-интервью и защищать аналитические решения.
Кейсы курса взяты из логистики, образования, телеком-сектора и цифровых продуктов. Вы решаете настоящие бизнес-задачи, а не синтетические примеры из учебника.
2 занятия в неделю по 1,5 часа + практическая сессия по субботам. Все записи, материалы и задания доступны в LMS. Прогресс виден в личном кабинете — никакого хаоса в Telegram.
Опыт в программировании или SQL не нужен. Нужно желание разобраться с данными и довести дело до портфолио.
Путь от первых переменных в Python до сквозного аналитического пайплайна и защиты финального кейса.
Что изучаем: переменные, типы данных, операторы, функции, условия, циклы, базовая работа с ноутбуками и средой разработки (Jupyter / Google Colab).
Что изучаем: коллекции, списки, словари, множества, обработка исключений, модули, пакеты, структурирование кода для аналитических задач.
Что изучаем: реляционные базы данных, SELECT, INSERT, UPDATE, DELETE, фильтрация, сортировка, простые агрегаты. Проектирование простых схем БД.
Что изучаем: JOIN, GROUP BY, HAVING, подзапросы, оконные функции, индексы, основы оптимизации запросов.
Что изучаем: Pandas, SQLAlchemy, подключение к базам данных, выгрузка, объединение и предварительная обработка данных из разных источников.
Что изучаем: CSV, Excel, JSON, REST-запросы, BeautifulSoup, базовый веб-скрапинг, подготовка данных к анализу из разных форматов.
Что изучаем: очистка данных, работа с пропусками и выбросами, unittest/pytest, logging, документация кода, оформление GitHub-репозитория.
Что изучаем: Matplotlib, Seaborn, Plotly, базовый Power BI, выбор типа визуализации, интерактивные графики и аналитические выводы по ним.
Что изучаем: модели данных, вычисляемые столбцы, меры, контексты вычислений, CALCULATE, FILTER, ALL, подготовка интерактивного управленческого дашборда.
Что изучаем: полный цикл проекта — постановка бизнес-задачи, сбор и обработка данных Python + SQL, подготовка дашборда в Power BI, описание инсайтов и рекомендаций.
Что изучаем: Scikit-learn, классификация, регрессия, train/test split, метрики качества, интерпретация моделей, вводный обзор TensorFlow/Keras.
Что изучаем: временные ряды, когортный анализ, продуктовые метрики, продвинутый Pandas, автоматизация аналитических отчётов.
Что изучаем: сквозной аналитический кейс, финальная доработка портфолио, публикация на GitHub, устная защита проекта, обратная связь и план профессионального развития.
Полный стек для реального трудоустройства — от первой строки кода до защиты проекта.
Поэтапная оплата, предоплата или рассрочка — выберите удобный формат. Условия фиксируются в договоре до начала курса.
Тест SHL на числовое и вербальное мышление + мотивационная анкета + видео-презентация 1–2 минуты. Проходной порог: 50% по каждому направлению.
Студенты из листа ожидания приглашаются при освобождении квот или могут быть зачислены на платной основе. Грантовые места — по рейтинговому баллу.
ДЗ и практика — 45%, мини-проекты — 20%, посещаемость — 10%, peer review — 10%, финальный проект — 15%. Для сертификата: средний балл ≥ 85% и защита кейса.