329 модулей по 8 направлениям. Формулы с LaTeX, Python-код, интерактивные визуализации.
Временные ряды (54 модулей)
Полная шпаргалка: от базовой диагностики до продвинутых моделей, внедрения, контроля качества и защиты результата. Структура: темы -> модули -> практика.
Тема 1. Временные ряды для решения бизнес-задач (8 модулей)
Тема 2. Базовые прогнозы и интерпретация результатов (13 модулей)
Тема 3. Улучшение прогнозов: признаки, аномалии и события (7 модулей)
Тема 4. Продвинутые модели прогнозирования: ML и DL (8 модулей)
Тема 5. Внедрение прогнозных моделей (3 модулей)
Тема 6. Контроль качества и интерпретация прогнозов (11 модулей)
Тема 7. Презентация модели и прогнозов (4 модулей)
Статистика для аналитика (16 модулей)
Вероятность, распределения, доверительные интервалы, проверка гипотез, A/B-дизайн и причинный анализ. Каждый модуль с интерактивными задачами на scipy/numpy через Python в браузере.
Тема 1. Базы вероятности и распределений (2 модулей)
Тема 2. Описательная статистика и оценка (5 модулей)
Тема 3. Hypothesis testing и A/B (5 модулей)
Тема 4. Причинный анализ (4 модулей)
A/B тестирование (74 модулей)
От нулевой гипотезы до продакшн-эксперимента. Статистика, дизайн, метрики, качество данных, продвинутые методы и разбор реальных кейсов.
Тема 1. Основы гипотезного тестирования (8 модулей)
Тема 2. Статистические критерии (11 модулей)
Тема 3. Дизайн эксперимента (9 модулей)
Тема 4. Метрики эксперимента (11 модулей)
Тема 5. Качество данных и SRM (9 модулей)
Тема 6. Продвинутые методы (7 модулей)
Тема 7. Кейсы и практика (9 модулей)
Тема 8. Теория вероятностей и статистические распределения (10 модулей)
Теория вероятностей (40 модулей)
От аксиом Колмогорова до байесовских A/B-тестов. Распределения, CLT, проверка гипотез, марковские цепи и Монте-Карло — всё, что нужно аналитику для собеседования и работы.
Тема 1. Основы теории вероятностей (7 модулей)
Тема 2. Случайные величины и распределения (7 модулей)
Тема 3. Совместные распределения и зависимости (6 модулей)
Тема 4. Распределения для аналитика (7 модулей)
Тема 5. Оценки и проверка гипотез (7 модулей)
Тема 6. Продвинутые темы для аналитика (6 модулей)
ML для аналитика (33 модулей)
От линейной регрессии до SHAP и uplift-моделирования. Классификация, кластеризация, рекомендации, мониторинг моделей — всё, что спрашивают на собесе аналитика.
Тема 1. Основы ML (6 модулей)
Тема 2. Классические модели (6 модулей)
Тема 3. Кластеризация и сегментация (5 модулей)
Тема 4. Рекомендации и ранжирование (5 модулей)
Тема 5. ML в продакшене для аналитика (6 модулей)
Тема 6. Практика на собеседованиях (5 модулей)
SQL для аналитика (53 модулей)
Полный курс SQL: от первого SELECT до оконных функций, оптимизации и аналитических паттернов. 43 модуля с примерами на реальных данных, SVG-диаграммами и задачами с собеседований.
Тема 1. Основы SQL (8 модулей)
Тема 2. Соединения таблиц (JOIN) (7 модулей)
Тема 3. Агрегация и подзапросы (7 модулей)
Тема 4. Оконные функции (7 модулей)
Тема 5. SQL для аналитики (8 модулей)
Тема 6. Продвинутый SQL (7 модулей)
Тема 7. Оптимизация запросов (5 модулей)
Тема 8. Базы данных: различия и выбор (4 модулей)
PySpark для аналитика (19 модулей)
Практический курс: DataFrame API, форматы данных, джойны, spills, skew, Spark UI — всё что нужно аналитику для работы с big data и ответов на собесе.
Тема 1. Основы PySpark (3 модулей)
Тема 2. Форматы данных и запросы (6 модулей)
Тема 3. Оптимизация и Catalyst (3 модулей)
Тема 4. Spills и Data Skew (главное) (2 модулей)
Тема 5. Отладка и Spark UI (2 модулей)
Тема 6. Собеседование (2 модулей)
Тема 7. ML в Spark (1 модулей)
Python для аналитика (40 модулей)
Полный курс от Hello World до middle-уровня: основы, структуры данных, функции, замыкания, декораторы, генераторы, ООП, алгоритмы. Подходит и тем кто только начинает, и тем кто готовится к собесу.