Скачать ИИ для анализа данных [Simulative] Марина Ермак

[Silen]

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.


Спойлер: Автор
Марина Ермак - Руководитель отдела аналитики и машинного обучения: прошла путь от стажёра-аналитика и с нуля выстроила процессы между аналитикой, разработкой и бизнесом

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.



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


Спойлер: URL





СКАЧАТЬ СЛИВ КУРСА

Для просмотра скрытого содержимого вы должны зарегистрироваться