Яндекс Практикум. Программирование и анализ данных

Напоминаем, на каких курсах начинается обучение в конце июня ⬇️

Программирование

iOS-разработчик — длится 10 месяцев, начнётся 19 июня.

Python-разработчик — длится 10 месяцев, начнётся 19 июня.

Java-разработчик — длится 10 месяцев, начнётся 26 июня.

Фронтенд-разработчик — длится 10 месяцев, начнётся 26 июня.

Разработчик 1С — длится 6 месяцев, начнётся 26 июня.

Инженер по тестированию: от новичка до автоматизатора — длится 9 месяцев, начнётся 26 июня.

➡️ Все курсы по программированию

Анализ данных

Аналитик данных — длится 7 месяцев, начнётся 19 июня.

Бизнес-аналитик — длится 7,5 месяцев, начнётся 19 июня.

Системный аналитик — длится 9 месяцев, начнётся 19 июня.

Инженер данных — длится 12 месяцев, начнётся 19 июня.

Специалист по Data Science — длится 8 месяцев, начнётся 26 июня.

1С-аналитик — длится 8 месяцев, начнётся 26 июня.

➡️ Все курсы по анализу данных

Аналитику данных: полезные ссылки для погружения в бизнес и продукт

Делимся материалами, которые помогут погрузиться в контекст бизнеса, узнать, с какими метриками работают аналитики, и научиться рассчитывать эти показатели с помощью Python.

Data-Driven в компании: что это, как принимаются решения и в чём заключается суть подхода. Статья рассказывает, как управлять компанией на основе данных, в чём заключаются принципы подхода и как построить пошаговый план по внедрению метода в работу.

Продуктовая аналитика: инструменты. Видеолекция продуктового менеджера Дмитрия Животворева о продуктовой аналитике, её основных инструментах и сложностях их применения. Материал подходит для неподготовленного слушателя.

Метрики продукта: как оценить эффективность бизнеса. Статья с кратким экскурсом по CTR, LTV, ARPU и другим метрикам продукта, дашбордам и фреймворкам для анализа показателей бизнеса. Не даст ответы на все вопросы, но станет шпаргалкой для новичков и подскажет, куда копать, чтобы разобраться.

Что такое хорошая конверсия в активацию. Бенчмарки и советы на основе более 500 продуктов. Перевод одноимённого материала инвестора и бывшего продакт-менеджера Airbnb Ленни Рачицки — о том, что такое момент активации, каким он может быть и как на основе этого показателя считать успешность продукта или бизнеса.

Thinking Face. Научный подход к аналитике и маркетингу. Телеграм-канал, который поможет расширить кругозор в маркетинге и продуктовой аналитике. Большинство постов — рекомендации в формате карточек с объяснениями и результатами подтверждающих исследований.

Diligence at Social Capital. Англоязычный материал в шести частях от эксперта венчурной компании Social Capital Джонатана Хсу. Внутри много формул и графиков, детально раскрывающих тонкости работы с продуктовыми метриками.

Calculating customer lifetime value: A Python solution. Статья на английском с разбором LTV — метрики, обозначающей пожизненную ценность клиента (сколько денег принёс пользователь за всё время, что он покупает продукцию). Также в материале — код программы на Python, который помогает считать LTV на основе маржи, ежемесячного дохода и других показателей.

Customer Lifetime Value. Ещё более глубокое погружение в LTV, без теории, но с большим количеством фрагментов готового кода на Python для автоматизации вычислений. Сайт может не работать с российского IP.

Вебинар: как попасть в МТС (или куда угодно)

Расскажем о трудоустройстве в МТС и дадим советы, которые пригодятся при поиске работы и в других компаниях. Также у вас будет возможность задать вопросы экспертам, в том числе действующему HR Lead в МТС.

➡️ Бесплатно, 18 июня в 19:00 мск

Вы узнаете:

— Как попасть в МТС. Расскажем, каких сотрудников ищут, как получить работу через стажировки и вакансии, где их искать и как откликаться.

— Как выглядит наём в МТС. Разберём, на что смотрят HR-менеджеры и какие навыки важны для начинающих специалистов в разных направлениях бизнеса.

— Какие есть «красные» и «зелёные» флаги. Выясним, какие ошибки допускают кандидаты на собеседованиях и как правильно себя позиционировать.

— Как найти работу после курсов. Расскажем, как Практикум помогает обучиться навыкам и найти работу в крупных российских и зарубежных IT-компаниях.

➡️ Зарегистрироваться на вебинар. Подтвердим регистрацию в телеграме, напомним об эфире и пришлём на него ссылку.

Продолжаем рассказывать о высшем образовании в онлайн‑магистратуре Яндекса. В карточках постарались собрать ответы на главные вопросы, которые волнуют абитуриентов.

Чтобы узнать больше о программах обучения и получить гайд для подготовки к вступительным, переходите по ссылке. Там же сможете оставить заявку на консультацию, если останутся вопросы.

➡️ Узнать больше об онлайн-магистратуре

Новый курс «Мидл системный аналитик»

Запустили курс по продвинутому системному анализу — для тех, кто хочет повысить квалификацию и освоить актуальные технологии и инструменты.

Курс подойдёт тем, кто уже работает в системной аналитике или смежном IT-направлении: например, в QA, разработке или бизнес-аналитике.

Вы прокачаете навыки системного анализа и проектирования систем, сфокусировавшись на двух основных направлениях: разработка программной архитектуры системы и системные интеграции.

За 4 месяца вы научитесь:

🔸Выявлять характеристики архитектуры и выбирать подходящий ситуации стиль;

🔸Разрабатывать логическую архитектуру системы;

🔸Составлять архитектурные диаграммы в D​r​a​w​.​i​o и Structurizr;

🔸Разделять монолитные приложения на микросервисы;

🔸Моделировать API и выбирать подходящий ситуации стиль;

🔸Проектировать REST API и Async API;

🔸Работать с API, используя Swagger и Postman;

🔸Документировать архитектурные решения в соответствии с международными стандартами;

🔸Презентовать результаты и защищать свои решения.

Ближайший старт — 26 июня. Чтобы понять, подходит ли вам курс, начните учиться бесплатно и пройдите входной тест.

Подборка полезных ресурсов для ML-инженера

Рассказываем, какие русскоязычные курсы, учебники и сообщества помогут ML-инженеру развиваться в профессии или даже войти в неё с нуля.

Онлайн-учебник по машинному обучению от Школы анализа данных — учебник для тех, кто не боится математики и хочет разобраться в технологиях ML. Вы изучите классическую теорию и тонкости реализации алгоритмов, пройдя путь от основ машинного обучения до тем, которые поднимаются в свежих научных статьях.

Прикладная математика для машинного обучения — онлайн-курс от преподавателей МГУ для желающих подтянуть математику. Программа последовательно разбирает методы, на которых строится машинное обучение и модели нейронных сетей. Подходит начинающим ML-инженерам без математического бэкграунда.

Машинное обучение в биологии — машинное обучение используется в самых разных областях — от банковской сферы до прогнозирования заболеваний. Этот курс поможет применить уже имеющиеся знания ML-инжиниринга в биологии и отработать навыки на реальных задачах.

Машинное обучение в физике — ещё один курс-погружение в специфическую область — в этой программе акцент сделан на решение задач, возникающих при работе с данными в физике, с учётом их характерных свойств и особенностей.

Машинное обучение. Портфолио реальных проектов — книга, в которой собраны практические проекты, связанные с конкретными бизнес-задачами из разных индустрий. Помогает понять, в каких сценариях используется машинное обучение, и погрузиться в ключевые концепции через практику.

Промт-инжиниринг для GenAI. Паттерны надежных запросов для качественных результатов — книга для тех, кто хочет научиться получать максимум от GPT и других LLM-моделей. Пригодится как в ML-инжиниринге, так и в решении профессиональных задач в других сферах.

Сообщество ML-инженеров Open Data Science — крупнейшее сообщество в России. Вы сможете посещать мероприятия, искать вакансии в сфере, присоединяться к проектам и проходить курсы, а когда наберётесь опыта — участвовать в соревнованиях (часто с хорошими денежными призами).

Сохраняйте, чтобы не потерять 🖤

Как выбрать профессию в IT?

Собираем истории всех, кто готов поделиться опытом. В совместном проекте с Пикабу пикабушники, студенты и эксперты Практикума рассказывают, чем хороши их профессии.

Если вы уже работаете в IT, расскажите, с чего всё началось, что вас вдохновляет в работе, не жалеете ли о выборе.

А если только выбираете направление, читайте истории других — возможно, какая-то из них вам откликнется и поможет с выбором. Орфография и пунктуация авторов сохранены.

Программирование → Я попробовал программировать за компанию с другом, и мне неожиданно зашло. Я решил связать с этим жизнь, о чем не пожалел ни разу. У меня было мало ожиданий. Но были некие образы программиста.

Откровением стало, что для того, чтобы достичь какого‑то высокого уровня, нужны софт скилы! Если задумались об этой профессии, попробуйте сделать пет‑проект. Если захватит — вам надо. Все иное подтянется. А без любви все тлен.

Не идите в IT ради денег или спокойного места и не думайте, что профессия легка.

Тестирование → Я никогда не тянулись к программирования. И потому, когда в 2011 прошла собеседование на тестировщика ПО даже не представляла, что буду делать. Важным оставалось, что программировать не придётся.

Да, по зп тестировщик проигрывает программисту, ну и пусть. Я люблю свою профессию за вдумчивость, копание, разбор и анализ. Необходимо разбираться в той области, где ты тестируешь.

Я работала с банковским ПО и с программами для расчёта коммунальных платежей. Без основ нельзя поймать баги. Приходилось изучать и бухучёт, и законодательство, и основы работы у юр.фирм и многое многое другое.

Но зато такое удовольствие и удовлетворение, когда ты ПОНИМАЕШЬ как это работает. Как должно быть. И как этот продукт увидит конечный пользователь. Вот за это и люблю свою профессию.

Аналитика → Data Science — увлекательная современная сфера, в которой рутину можно автоматизировать — из данных извлекать закономерности и обучать на них нейросети. Работать можно удаленно, а еще войти в интеллектуальное сообщество.

Когда я прошел курс, сомнения «точно ли это мое» развеялись. Было неожиданным ощутить, что я айтишник. Нужно не бояться выходить из зоны комфорта, чтобы не пришлось потом жалеть о несделанном и думать: «А ведь это могла быть моя жизнь!».

Так что советую освоить основы Python и SQL, а также повторить школьную математику, найти и пройти хороший практический курс и сделать пет‑проект.

Да, в учебе будет много математики и алгоритмов, потом всю жизнь придется читать документацию и осваивать новые технологии, иногда на английском. Но есть большая ложка меда — код помогают писать нейросети!

👉 Читать все истории и поделиться своей

Напоминаем, на каких курсах начинается обучение в начале июня⬇️

Программирование

🟠 Разработчик C++ — длится 9 месяцев, начнётся 5 июня.

🟠 Python-разработчик — длится 10 месяцев, начнётся 5 июня.

🟠 Go-разработчик — длится 8 месяцев, начнётся 10 июня.

🟠 Java-разработчик — длится 10 месяцев, начнётся 10 июня.

🟠 Android-разработчик — длится 12 месяцев, начнётся 10 июня.

🟠 Фронтенд-разработчик — длится 10 месяцев, начнётся 10 июня.

➡️ Все курсы по программированию

Анализ данных

🟠 Аналитик данных — длится 7 месяцев, начнётся 5 июня.

🟠 Бизнес-аналитик — длится 7,5 месяцев, начнётся 5 июня.

🟠 Системный аналитик — длится 9 месяцев, начнётся 5 июня.

➡️ Все курсы по анализу данных