Аналитик данных — Анатолий Карпов

«Аналитик данных» от школы karpov.courses рассчитан на тех, кто хочет войти в профессию, и на тех, кто хочет упорядочить разрозненные знания. Он идёт от первых строк кода до дашбордов и расчёта продуктовых метрик. В стеке Python, SQL, ClickHouse, Git, Airflow и Tableau. Программу обновили в январе 2025 года.

Для кого этот курс

Python и статистику объясняют с азов, но нагрузка по математике и технике ощущается уже в первом модуле. Курс подойдёт тем, кто осваивает профессию с нуля, и начинающим аналитикам, у которых знания SQL и Python остались набором отдельных приёмов. Маркетологи и менеджеры учатся считать unit-экономику своими силами, без ожидания помощи от IT-отдела. По словам школы, курс доводит от нулевого уровня до Junior.

Как устроена программа

Сначала вы работаете с Python: основы языка, pandas, визуализация. Дальше SQL и ClickHouse, потом Git с командной строкой, Airflow для пайплайнов, Tableau для дашбордов и в конце продуктовые и бизнес-метрики.

• Python занимает около четырёх недель: основы языка и библиотеки Pandas, NumPy, Matplotlib и Seaborn.
• На SQL уходит около трёх недель, от простых выборок до оконных функций и join-ов в Redash. По словам школы, вы дойдёте от базового SELECT до конструкций, о которых спрашивают на технических собеседованиях.
• Git и терминал занимают неделю: командная строка и контроль версий в GitLab.
• Теория вероятностей длится около полутора недель: формула Бернулли, теорема Байеса, прикладные задачи.
• Статистике отведено около четырёх с половиной недель: распределения, p-value, проверка гипотез.
• Продуктовая аналитика занимает около четырёх недель: unit-экономика, A/B-тесты, метрика North Star, RFM-анализ.
• BI-системы (около трёх недель) учат строить дашборды в DataLens и Superset.
• Airflow идёт дополнительным блоком: основы ETL-пайплайнов и автоматический запуск регулярных задач.

Практика и формат

Занятия проходят онлайн на собственной платформе школы с лекциями, конспектами и тренажёрами. Каждую лекцию можно смотреть в видео или читать в текстовой версии. Задач для практики больше 830.

Кейсы взяты из доставки, интернет-торговли и приложений для знакомств. Вы настраиваете маркетинговые каналы через когортный анализ, считаете экономику магазина одежды, ищете причины ухода водителей такси, проверяете новые алгоритмы A/B-тестами и пишете на Python ботов, которые присылают отчёты в Telegram. Финальный проект — задача крупной компании на необработанных данных, решение оценивают эксперты. По словам школы, к концу накапливается портфолио из 10+ проектов.

Заложите около 5 месяцев и не меньше 15 часов в неделю.

Об авторе и преподавателях

Анатолий Карпов основал школу karpov.courses. До этого он был ведущим аналитиком в VK, и этот опыт лёг в основу методики. Уроки ведут практики: Рома Бунин, Head of Data в Nebius Group, Анастасия Кузнецова, Senior BI Analyst в той же компании, Анастасия Зеленова, Team Lead продуктовой аналитики в Raiffeisen CIB, и Алексей Баталов из команды аналитических продуктов Яндекса.

Остальные курсы по теме собраны в разделе «Аналитика данных». Если нужна только статистика, есть отдельный «Интенсив по статистике».