Прикладная статистика

  • Трехмесячный учебный курс
  • Можно проходить из любой точки России
  • Бесплатно

Кому подойдет курс

Вы студент или выпускник технических направлений

Вам интересна теория вероятностей и математическая статистика, но еще не успели применить знания на практике

Уже пробовали свои силы в аналитике, хотите развиваться дальше и найти свою специализацию

Что вас ждет на курсе

Программа курса

  • Кто такой аналитик данных и зачем ему знать статистику, примеры
  • Тесты на пальцах. Исследование проблемы перед проверкой гипотезы
  • Базы данных в Тинькофф и способы обращения к ним
  • Диалекты SQL и инструменты аналитики в Тинькофф
  • Базовые распределения, статистики и их свойства
  • Введение в Python: библиотеки numpy, scipy.stats
  • Типы сравнения данных
  • Типы диаграмм
  • Воронки и конверсии
  • Визуализации данных в Python: библиотека matplotlib. Примеры на данных Тинькофф
  • Принятие решения, зоны роста
  • Исследование процесса и мониторинг
  • Типы метрик и методы работы с ними. Доли и динамики
  • Сегментации. Винтажи и эффект дозревания
  • На что обращать внимание при оценке результатов аналитики
  • В чем разница между корреляцией и причинно-следственной связью
  • Статистические точечные оценки и их свойства, как работать с выбросами в реальных данных
  • Интервальные оценки, понятия доверительного интервала и уровня доверия
  • Практика на Python: примеры на данных Тинькофф, примеры из задач по оценке рисков
  • Временные ряды в жизни аналитика — как выбрать метрики для продукта
  • Выявление аномалий во временном ряде
  • Практика на Python: метрики продуктов Тинькофф, задачи на поиск аномалий
  • Как сформулировать гипотезу по метрикам продукта
  • Какие данные встречаются в реальной жизни и какие проблемы это дает
  • Как запустить эксперимент: требования к группам, ожидаемые результаты
  • Практика на Python: как запускаются A/B тесты в Тинькофф
  • Проверка статистических гипотез, основные понятия
  • Односторонние и двусторонние альтернативы. Статистическая и практическая значимость
  • Способы сравнения критериев
    Доверительный интервал
  • Критерии проверки нормальности
  • Нормальные параметрические критерии: z, t-критерии Стьюдента
  • Доверительный интервал
  • Поправка на множественные сравнения
  • Примеры проверки гипотез из жизни Тинькофф
  • Обработка результатов эксперимента, подсчет его статистической и практической значимости
  • Как спасти поломанный тест
  • Примеры проверки гипотез для не нормально распределенных величин
  • Практика на Python: как запускаются A/B тесты в Тинькофф (продолжение)
  • Построение доверительного интервала через бутстреп
  • Метод максимального правдоподобия. Метод моментов
  • Практика на Python: примеры на данных Тинькофф (продолжение)
  • Многомерная линейная регрессия, МНК, требования к данным
  • Примеры построения регрессионных моделей из жизни Тинькофф, библиотека statmodels — интерпретация коэффициентов модели
  • Логистическая регрессия
  • Примеры построения регрессионных моделей из жизни Тинькофф (продолжение)
  • Алгоритм, обучающий деревья решений
  • Подготовка данных
  • Методы оценки качества модели. Переобучение
  • Задача регрессии и задача классификации

Как строится обучение

Онлайн-занятия 1 раз в неделю

Курс стартует в сентябре и длится 3 месяца

В неделю будете тратить около 3 часов на лекции и столько, сколько сочтете нужным, на домашние задания

Интерактив и нетворкинг

Можно задавать вопросы преподавателям в Зуме или в чате в Телеграме, обсуждать домашние задания с сокурсниками

Это поможет усвоить материал и найти новый профессиональный круг общения

Наши преподаватели

Ведущие аналитики Тинькофф

Бесплатное обучение

Как попасть на курс

1
2
3
4
5