ИИ для анализа данных [Simulative] Марина Ермак

Складчина: ИИ для анализа данных [Simulative] Марина Ермак

ИИ для анализа данных

Авторский курс для аналитиков, продакт-менеджеров и всех, кто работает с данными.
Научитесь эффективно использовать существующие ИИ-сервисы в работе и ускорять решение аналитических задач.

Что вы сможете в результате?
• Быстрее решать рабочие задачи
Узнаете все особенности работы с ИИ-сервисами и начнёте получать от нейросетей быстрый и качественный результат для своих запросов в области анализа данных

• Делегировать рутину, сфокусироваться на главном
Выделите время на стратегически важные задачи и делегируете нейросетям стандартную работу: написание кода и создание визуализаций

• Использовать новые инструменты
Разберётесь в многообразии нейросетей, освоите современные техники промптинга и поймёте, какой ИИ-сервис применять в зависимости от запроса

Программа курса
Урок 1. Современные подходы в промптинге, современные модели
Нейросети: DeepSeek, Gemini, chatGPT, GigaChat, Алиса
• Что такое LLM (языковые модели)
• Базовые паттерны промптов
• Системный промт и промт для проектов
• Типовые ошибки: галлюцинации, “забытые” ограничения и как с ними бороться
• Обзор индустрии
• Чек-лист качества ответа

Урок 2. Работа с текстом и документацией для проектирования процесса
Нейросети: DeepSeek, chatGPT, GigaChat
• Сбор и структура требований к проекту (бриф → PRD/техзадание)
• Как делать A/B-тестирование: гипотеза → дизайн эксперимента → выбор метрик → риски → критерии успеха
• Описание и подсчёт метрик для проекта
• “ИИ-редактор”: улучшение ясности, снятие неоднозначностей, контроль терминологии
• UML-диаграммы и как их рисовать

Урок 3. Скрипты на pandas через вайбкодинг
Нейросети: Google Colab + Cursor
• Вайбкодинг: основные принципы и опасности
• Работа в Google Colab + AI assistant
• Cursor для аналитика: генерация и рефакторинг кода, объяснение чужого кода, быстрый поиск по проекту, правки “по месту”
• Отладка с ИИ
• Контроль качества: проверка логики, простые тест-кейсы

Урок 4. Вайбкодинг SQL-запросов с учётом модели и СУБД
Нейросети: Claude, chatGPT, Gemini
• Как правильно задавать контекст для SQL: схема, ключи, фильтры, временная логика
• Диалекты и нюансы (PostgreSQL / BigQuery / ClickHouse)
• Проверка корректности запросов
• Оптимизация запросов (EXPLAIN ANALYSE)
• Как просить ИИ объяснить запрос и потенциальные ошибки

Урок 6. Визуализация данных с ИИ (от графика к истории)
Нейросети: chatGPT, NotebookLM, Gemini
• Визуализация под задачу и данные
• Генерация кода визуализаций (matplotlib / plotly - на уровне примеров)
• Структура сторителлинга для визуализации через ИИ

Автор Марина Ермак

• Руководитель отдела аналитики и машинного обучения.
• Прошла путь от стажёра до руководителя отдела аналитики и машинного обучения: с нуля сформировала отдел, выстроила процессы между аналитикой, бизнесом и разработкой.
• Внедряла нейросетевые решения в процессы карьерных специалистов.
• Выступала на конференциях карьерных специалистов API и Skolkovo Startup Village, публиковалась на Хабре.
• Работала в Курчатовском институте, сотрудничала с ЦЕРН, выступала на конференциях МФТИ, «Ломоносов», ИТЭФ. Выпускница МФТИ с красным дипломом. Ведёт тренинги по системному и критическому мышлению.

Цена 45000 руб
Скрытая ссылка