Сегодня стартуют сразу две программы — «Аналитик данных» и «Симулятор аналитика»

«Аналитик данных» подойдёт тем, кто только начинает свой путь в Data Science, а также Junior аналитикам, которые хотят углубить свои знания и освоить новые инструменты

[Присоединиться]

«Симулятор аналитика» — это минимум теории и максимум практики. На пять недель вы погрузитесь в полноценный рабочий процесс и наберётесь опыта в решении реальных бизнес-задач.

Симулятор не подойдёт новичкам, но может стать хорошим продолжением учебного трека после «Аналитика данных».

[Начать учиться]

Однажды мы уже работали с Superset — тогда Анатолий показывал основные возможности этого инструмента.

Давайте же теперь рассмотрим, как его запустить на своём компьютере. На этом уроке мы поднимем Superset, а также базы данных PostgreSQL и ClickHouse.

Для этого воспользуемся Docker:

● создадим тома и сеть, поднимем контейнеры;
● подключим базы данных к Superset и напишем несколько простейших SQL-запросов;
● поднимем контейнер с PostgreSQL так, чтобы можно было записать в него данные через программу (например, с помощью бота);
● после работы удалим контейнеры и тома.

Знание английского не только помогает в работе, но и значительно расширяет список компаний для трудоустройства — зная язык, можно претендовать на оффер от зарубежной компании. А подтянуть статистику никогда не будет лишним.

Предлагаем совместить два в одном! Собрали проверенные YouTube-каналы, которые подойдут как новичкам, так и опытным специалистам 👇

● StatQuest with Josh Starmer

Каждое видео на канале — это небольшой квест, раскрывающий определённую тему из мира статистики. Уникальная подача материала, юмор, последовательное объяснение сложных вещей простым языком — буквально на пальцах. Всё это сопровождается наглядными примерами и визуализацией.

У автора канала есть свой сайт с удобной навигацией по каналу. Если вы только начинаете изучать статистику, рекомендуем придерживаться её. А для опытных дата-сайентистов есть целые плейлисты, посвящённые ML-моделям и нейросетям.

● Brandon Foltz

Канал с уроками по основам теории вероятностей и статистики, который подойдет тем, кто только начинает знакомиться с этой областью.

Что такое мода и медиана? Как строится гистограмма? Как проводятся статистические тесты и для чего нужны линейные модели? Все эти вопросы последовательно раскрываются автором канала — каждая тема подкреплена большим количеством практических примеров с визуализацией, а к некоторым урокам приложены наглядные расчёты в Excel.

Важные достоинства курса Statistics 101 — целостность и структурированность. У каждой большой темы есть свой плейлист — рекомендуем изучать всё по порядку.

● zedstatistics

Канал посвящён наиболее популярным темам и сложным вопросам в области статистики. По сути это сборник полезных видео, проливающих свет на отдельные понятия и проблемы, который можно использовать для более глубокого погружения в предметную область.

Если в процессе обучения что-то осталось непонятным или вас заинтересовала определённая тема и вы хотите лучше в ней разобраться, можно поискать ответы на свои вопросы здесь.

● Professor Leonard

Хотите почувствовать себя студентом зарубежного колледжа? Соскучились по парам в университете или хотите узнать, что это такое? Тогда этот канал для вас!

Увлекательные живые лекции от профессора математики с подробным объяснением теории в мельчайших подробностях. Если у вас достаточно свободного времени и вам ближе именно такой формат обучения, а не сжатое объяснение ключевых понятий — рекомендуем присмотреться к этим видео.

На канале есть отдельный курс по статистике с нуля, а также лекции по высшей математике — для тех, кто хочет вспомнить её или изучить с нуля.

● The Organic Chemistry Tutor

Ещё один отличный плейлист по основам статистики от The Organic Chemistry Tutor. Автор раскрывает наиболее важные темы, подкрепляя объяснение наглядными расчётами, графиками и диаграммами. Самое то, чтобы в нужный момент быстро пробежаться по ключевым понятиям и вспомнить формулы — например, перед собеседованием.

Канал посвящён самым разным наукам: химии, физике, биологии. Здесь можно найти и видео по математике, по которым удобно повторять азы и изучать более продвинутые темы.

Как измерить результат и оценить эффективность новых фич для IT и бизнеса? Построить надёжную платформу A/B-тестирования!

А чтобы сделать это быстрее и избежать возможных ошибок, можно опереться на опыт коллег. Ozon Tech рассказали, как они построили платформу для проведения A/B-тестов, выявили проблемы инфраструктуры и существенно ускорили работу всего Ozon.

[Читать статью]

Для тех, кто хочет углубиться в тему, мы собрали материалы для работы с A/B-тестами.

Заканчиваем вечер Q&A-сессией по курсу System Design! Хорошие новости: вести его будет не только Валерий Бабушкин, но и преподаватель программы Евгений Нижибицикй.


Присоединяйтесь, чтобы задать интересующие вас вопросы и послушать истории из практики авторов курса.

[Начинаем через час!]

В блоке «Визуализация» на курсе «Аналитик данных» мы учим делать классные дашборды и даём основы работы с Tableau. Многие переживают, актуален ли этот инструмент. Во-первых, зная Tableau, легко обучиться и другим BI-системам. А во-вторых, мы всегда обновляем наши программы вслед за изменениями Data Science!

Поэтому мы добавили в программу курса большую лекцию с обзором нескольких аналогов, которые используют российские компании. А с вами хотим бесплатно поделиться лекциями об одном из таких инструментов — DataLens от Яндекса.

Всё самое интересное по ссылкам:

● Как подключать данные
● Как создавать чарты и расчётные поля
● Как работать с дашбордами, селекторами и параметрами

Полный блок с обзором других инструментов доступен на всех потоках курса «Аналитик данных».

Как тренировать навыки, закрывать пробелы в знаниях и готовиться к техническим собеседованиям? Курсы и видео на YouTube — это хорошо, но не стоит ограничиваться только этими источниками. Мы собрали сайты, где вы можете потренироваться в написании кода на Python и SQL.

● InterviewBit

Платформа для подготовки к техническим интервью. Внутри — вопросы, которые можно услышать на собеседованиях в такие компании, как Google, Facebook и Amazon. В зависимости от вашего уровня и целей сервис составит оптимальный план подготовки и подберёт наиболее подходящие задачи.

● StrataScratch

Сервис, созданный специально для тренировки навыков, востребованных в сфере Data Science. Здесь можно целенаправленно готовиться к собеседованиям либо просто прорабатывать слабые места — на сайте есть более тысячи реальных вопросов с интервью в BigTech компании.

● CodeWars

На Codewars можно практиковаться в написании кода на более чем 55 языках программирования. Задачи будут подобраны под ваш грейд, и по мере выполнения он будет повышаться. Также после отправки ответа у вас будет возможность посмотреть решения других пользователей.

● CodeChef

Особенность CodeChef заключается в том, что помимо решения задач пользователи могут участвовать в ежемесячных соревнованиях, продвигаться в таблице рейтинга и даже получать призы! Соревновательный дух может стать сильной мотивацией :)

● Py.Checkio

Py.Checkio — необычный сервис, где можно учиться писать код на Python в игровом формате. По мере выполнения заданий вы будете открывать новые локации и переходить к более сложным задачам.

● LeetCode

Идеальная платформа для тех, кто только начинает свой путь в IT. LeetCode позволяет решать задачи разных уровней сложности, отслеживать прогресс готовиться к техническим интервью и изучать решения опытных программистов. По праву считается одним из самых популярных тренажёров для развития профессиональных навыков.

Всем привет! На связи karpovꓸcourses

Помним, мы обещали встречу с Анатолием Карповым в Ереване... освобождайте эту субботу, будем знакомиться!

Часть нашей команды сейчас находится в Армении, поэтому помимо обещанных историй о работе Анатолия в аналитике и ответов на вопросы, будем делиться «инсайдами» от ребят, участвующих в создании, запуске и поддержке курсов.

29 октября, с 14:00 до 17:00 (по местному времени) ждём всех желающих в Библиотеке Мирзояна 🧡

А если боитесь потеряться – добавляйтесь в чат встречи [по ссылке]

Пройти курс «Аналитик данных» с нуля, найти работу, пойти учиться на дата-инженера и получить оффер с зарплатой вдвое выше.

Именно такой путь прошёл выпускник программ «Аналитик данных» и «Инженер данных» Александр Глухов. Мы узнали у Александра, почему он выбрал дата-инженерию и какие навыки помогают ему на новом месте. Делимся его отзывом 👇

На момент, когда началось обучение на курсе, я уже заканчивал курс «Аналитик данных» от karpovꓸcourses и работал около трёх месяцев на должности аналитика данных в крупном офлайн-ритейле.

Решил пойти на дата-инженерию, выбирал между ней и Data Science (ML), так как было интересно расти дальше. Для меня это первый опыт работы в сфере IT, моё профильное образование совершенно другое — инженер-конструктор в области машиностроения.

Курс — бомба. Честно. Сейчас, уже работая инженером данных, я добрался до middle-позиции и, оглядываясь назад, могу сказать, что я безумно благодарен за курс. Всего за несколько месяцев я сумел найти работу инженером данных, увеличил зарплату в два раза (по сравнению с аналитиком) и до сих пор использую стек технологий, который был на программе.

Более того, сейчас на текущей работе я даже внедряю некоторые инструменты, с которыми познакомился на курсе, отвечаю за их настройку и обучаю других ребят.

Конечно, уже сейчас, спустя несколько месяцев работы, я мог бы найти какие-то «минусы», придраться к тому, что иногда не хватало более глубоких примеров и боевых задач (а ещё лучше — сквозного проекта, который научил бы студентов всей Data Lineage: от источника до потребителя). Но эта придирка была бы с моей стороны не совсем корректна, если учесть, что курс практически с нуля ведёт до Junior+. Кстати, я до сих пор обращаюсь к некоторым преподавателям за советом.

Резюме: я очень доволен курсом, не жалею ни секунды о потраченных ресурсах и времени. Более того, с удовольствием бы продолжил обучение актуальным open source инструментам и технологиям, так как в нашей стране всё-таки дата-инженер — это некий мастер на все руки, и конкретно мне нужно ещё очень многое изучить и переварить.

В частности, жду курса по Docker, и поглядываю в целом за новыми направлениями у karpov.courses.

Всем рекомендую курс, но предупреждаю: здесь придётся пахать, читать, спрашивать, а уж когда будет Big Data и облака — ух! :) Эмоций будет море, но оно того стоит.

8 октября в Казахстане состоялась IT-конференция Kolesa Conf’22. Более 45 спикеров поделились своей экспертизой в 4 направлениях: Web, Data, Mobile и Management, и мы — не исключение!

Анатолий Карпов выступил с докладом «Методы оценки размера выборки в А/Б-тестах. От размера эффекта до симуляций», в котором рассказал:

● как правильно подглядывать за А/Б-тестами;
● что сильнее: t-test или непараметрика;
● почему симуляция данных позволяет глубже понять свой продукт;
● как правильно оценить размер выборки для эксперимента в случае нетривиального дизайна исследования.

Но лучше один раз увидеть, поэтому включайте запись!

Выступления по каждому направлению доступны по ссылкам:
● Web
● Data
● Mobile
● Management

«Основы статистики» в трёх частях, «Введение в Data Science и машинное обучение»... ни для кого не секрет, что история karpovꓸcourses началась с курсов на Stepik. До сих пор многие приходят учиться к нам именно оттуда — и приятно осознавать, что эти программы остаются актуальными даже спустя несколько лет!

На курсе «Введение в Data Science и машинное обучение» количество студентов уже перевалило за 100 тысяч, а на «Основах статистики» вот-вот станет 225 тысяч слушателей!

Если вы ещё не успели познакомиться с каждым из курсов, то почему бы это не сделать перед выходными?

● «Основы статистики» станут отличным началом перед стартом «Аналитика данных» в следующий понедельник.
● «Введение в Data Science и машинное обучение» — самое то, чтобы заранее попробовать себя в машинном обучении и присоединиться уже на следующей неделе к новому потоку Start ML.

Спасибо всем — и тем, кто недавно стал нашим студентом, и тем, кто с нами уже давно — за то, что позволили нам стать вашими проводниками в мир Data Science. Обещаем и дальше помогать на этом нелёгком пути!

Что делать ML-инженерам, которые достигли уровня Middle или Senior, но хотят дальше развиваться в профессии и учиться решать нестандартные задачи под менторством опытных коллег? Наш совет: записаться на новый поток программы Hard ML :)

Топовые специалисты из Blockchainꓸcom, Яндекс и AliExpress поделятся своим опытом и научат решать реальные задачи бизнеса:
● динамическое ценообразование;
● ранжирование и матчинг;
● uplifting-моделирование;
● продвинутое А/В-тестирование;
● деплой ML-сервисов.

Стартуем уже сегодня!

[Попробовать свои силы]

Порой IT-специалистам кажется невозможным трудоустройство в большие технологические компании уровня FAANG, где интервью по проектированию систем — обязательный этап. Мы решили показать, что всё возможно, и сделали свой курс по System Design.

VP of Data Science в Blockchainꓸcom Валерий Бабушкин и ML Team Lead в AliExpress Евгений Нижибицкий поделятся опытом и за четыре недели научат выстраивать оптимальные и масштабируемые архитектуры для программных систем. Чтобы узнать, как проходит обучение на курсе, включайте Q&A-сессию с его авторами.

Новый поток начинается 7 ноября!

[Начать учиться]

Как составлять содержательные дашборды и ничего при этом не упускать?

Роман Бунин, руководитель группы развития BI-систем Яндекс Go и преподаватель karpovꓸcourses, стал гостем подкаста Flow Live, где рассказал о подходах к сбору данных и проектированию систем дашбордов.

Включайте, чтобы узнать больше о BI в современных компаниях :)

Начинаем новую неделю стартами сразу двух программ!

● «Аналитик данных» — хороший вариант для тех, кто только погружается в сферу и хочет получить хорошую базу для развития своей карьеры. Студенты, успешно закончившие курс, обладают всеми необходимыми для работы hard skills, а также могут использовать полученные знания в других профессиях внутри Data Science.

[Начать путь в Data Science]

● «Инженер данных» подойдёт специалистам уровня Junior и Middle, которые хотят выйти на новый уровень, а также аналитикам данных, BI- и Backend-разработчикам, желающим попробовать себя в смежной области. Мы даём студентам универсальные знания и на практике учим использовать важные для инженеров данных инструменты: Greenplum, Spark, Hadoop, Kubernetes, Hive, Kafka, Tableau, Airflow.

[Начать учиться]

Всем привет! На связи karpovꓸcourses

Уже на этой неделе состоится первая часть долгожданной конференции Матемаркетинг. В этом году спикеры обсудят не только аналитику и маркетинг, но и эффективность онлайн-бизнеса.

● 11–12 ноября — онлайн-часть с докладами спикеров, находящихся за границей.
● 17–18 ноября — как онлайн, так и офлайн-выступления на площадке кампуса Сколково. Мы тоже там будем, так что забегайте поздороваться :)

Количество и полезность выступлений с каждым годом только растёт, поэтому лучше один раз увидеть полную программу, чем десять раз прочитать нашу выжимку.

И вишенка на торте — для наших подписчиков действует скидка 20% по промокоду Karpov_courses.

А ещё у ребят есть бесплатные билеты на некоторые онлайн-доклады — в том числе на выступление Валерия Бабушкина! Но это – только после регистрации на сайте ;)

Хотите строить математические модели и создавать свои ML-сервисы?

Методы машинного обучения применяются во многих сферах: в медицине, науке, бизнесе, при создании рекомендательных систем в разных сервисах (например, музыкальных). И это далеко не всё!

На курсе Start ML за 7 месяцев вы получите все знания и навыки, необходимые сильному ML-специалисту. Программа в первую очередь подойдёт новичкам — чтобы успешно пройти курс, достаточно знать математику на уровне школьной программы. Всему остальному мы научим с нуля :)

Новый поток стартует уже сегодня!

[Освоить новую профессию]