Симулейтив

Всем привет! На связи Алёна Лесихина, продуктовый аналитик и автор Telegram-канала Select * from аналитика 👋🏻 Поделилась для блога Симулейтив своим подходом к работе с событиями аналитики. И немного рассказала про свой путь выстраивания аналитики для новосозданного проекта. Статья будет полезна аналитикам, которые только входят в чудесный мир разметки и не хотят набивать шишки и плодить события пачками 🙂 📌 Читать статью: simulative.ru/blog/analytics-events 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

⚡️ Через час разбираем, кто такой fullstack-аналитик и почему на него растёт спрос Присоединяйтесь в 19:00 МСК к вебинару — Илья Ковалёв, лид команды клиентской аналитики в Dodo Brands, разберёт реальные вакансии топовых компаний и покажет, как устроена работа fullstack-аналитика на практике. Вы увидите, что на самом деле пишут в вакансиях Яндекса, Авито и Сбера, почему узкий специалист всё чаще проигрывает тому, кто закрывает задачу от данных до решения в одиночку, и как не тормозить карьеру даже при сильном техническом бэкграунде. ➡️ Эфир будет тут ⬅️ 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

🛎️ Приём в магистратуру официально открыт! Хотите стать fullstack-аналитиком с дипломом топового вуза и реальным опытом? Теперь это возможно! НИЯУ МИФИ и Simulative запускают второй поток магистратуры, где вы получите: 🔸 Научную базу от одного из лучших технических вузов страны; 🔸 Практику на симуляторе — работа с реальными бизнес-кейсами; 🔸 Гарантированное портфолио, которое выделит вас среди других кандидатов. Кому подойдет программа? 🔸 Новичкам — чтобы с нуля войти в профессию и сразу устроиться аналитиком; 🔸 Аналитикам с опытом — углубить знания и прокачать продуктовое мышление; 🔸 Менеджерам — научиться работать с данными без помощи аналитиков; 🔸 Выпускникам вузов — быстро построить карьеру в data science. Почему это круче обычной магистратуры? 🔸 Гибкий онлайн-формат — учитесь из любой точки мира; 🔸 100% практики — только симулятор реальных задач аналитика; 🔸 Все льготы студента МИФИ — диплом, отсрочка, налоговый вычет. Успейте подать заявку! Набор уже стартовал, но количество мест ограничено — всего 40 платных мест.

🎁 И главное: до 7 июня при покупке магистратуры дарим тренинг Андрона Алексаняна «Как делать аналитику»!

➡️ Узнать подробности поступления ⬅️ P. S. Хотите узнать, подойдет ли вам программа? Оставьте контакты — поможем оценить ваши шансы и подготовиться к поступлению! 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

💻💻💻💻💻 Fullstack-аналитик: что реально требуют компании в 2026 году? Рынок изменился — узкий специалист всё чаще проигрывает тому, кто может закрыть задачу от данных до решения в одиночку. На вебинаре разберём, как выглядит этот запрос изнутри и что с этим делать. Илья Ковалёв, лид команды клиентской аналитики в Dodo Brands и автор Telegram-канала Кусочек пиццы, разберёт реальные вакансии топовых компаний и покажет, как устроена работа fullstack-аналитика на практике. На вебинаре вы: ➡️ Поймёте, чем fullstack-аналитик отличается от просто аналитика и почему на него растёт спрос; ➡️ Увидите, что на самом деле пишут в вакансиях Яндекса, Авито и Сбера — и чего там не пишут, но ждут; ➡️ Узнаете, за что платят больше и какие ошибки тормозят карьеру даже при сильном техническом бэкграунде. 📆 2 июня, 19:00 МСК, онлайн ❗️ Поставить напоминание в календарь 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

Расписание в июне 🌴 Начинаем лето с пользы! Записывайтесь на курсы в июне и готовьтесь к осеннему выходу на рынок труда 🔥

🛎️ Напоминаем, что все наши курсы (включая те, что выйдут в течение следующего года) доступны по подписке с выгодой до 70%!

5 июня ✅ Тренажёр аналитика данных Автор курса: Михаил Строганов, продуктовый аналитик в Magnit OMNI 7 июня ✅ Fullstack-аналитик Ментор курса: Павел Беляев, тимлид группы дата-аналитиков в Яндекс eLama 14 июня ✅ Аналитик данных Ментор курса: Александр Грудинин, Lead Data Analyst в AdTech Holding ✅ BI-аналитик Ментор курса: Павел Беляев, тимлид аналитиков данных в Яндекс eLama ✅ Тренинг «Осмысленные дашборды» Автор курса: Анастасия Кузнецова, эксперт по BI и визуализации данных 17 июня ✅ ML-инженер Ментор курса: Мария Жарова, ML-инженер в команде рекомендаций в Wildberries ✅ DL-инженер Ментор курса: Евгения Анкудинова, дата-сайентист в Avito ✅ Временные ряды Автор курса: Павел Беляев, тимлид аналитиков данных в Яндекс eLama 21 июня ✅ Fullstack-аналитик Ментор курса: Павел Беляев, тимлид группы дата-аналитиков в Яндекс eLama ✅ A/B-тестирование Автор курса: Аслан Байрамкулов, руководитель направления алгоритмических продуктов в ЦУМ 28 июня ✅ Аналитик данных Ментор курса: Александр Грудинин, Lead Data Analyst в AdTech Holding ✅ Инженер данных Ментор курса: Валерия Елпатьевская, инженер данных в Альфа-Банке ✅ Тренинг «Как делать аналитику» Автор курса: Андрон Алексанян, CEO Симулейтив 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

Почему статистически значимый эффект на целевой метрике не является гарантом успешности теста? Привет, на связи Аслан Байрамкулов, автор курса по A/B-тестированию 👋🏻 Рассмотрим ситуацию — мы открываем дашборд A/B-теста и видим красивую картинку: новая версия оформления заказа подняла конверсию в покупку. p-value < 0.05. Выкатываем? Перед ответом на этот вопрос надо узнать, что с деньгами, возвратами и поддержкой? Потому что рост конверсии сам по себе ещё не доказывает, что продукту стало лучше. Именно для отслеживания более широкого набора условий и ограничений нужны защитные метрики. Рассказал подробнее в статье, зачем нужны защитные метрики и из чего должен складываться успешный A/B-тест. ➡️ Читать статью: simulative.ru/blog/protective-metrics-ab 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

⚡️ Прямо сейчас разбираем A/B-тесты в продуктовой аналитике! Присоединяйтесь к вебинару — Аслан Байрамкулов, руководитель направления алгоритмических продуктов в ЦУМ, проведёт вас через полный путь эксперимента: от формулировки гипотезы до вывода для бизнеса. На реальном продуктовом кейсе вы увидите, как устроен зрелый A/B-тест — с правильными метриками, проверкой данных и чётким ответом на вопрос, выкатывать фичу или нет. ➡️ Эфир тут ⬅️ 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

⚡️ Друзья, мы начали! Разбираем методы A/B-тестирования в прямом эфире — вы ещё успеваете присоединиться к практике и задать вопросы! ➡️ Подключиться к трансляции ⬅️ 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

[Стрим] A/B-тесты: тонкости подготовки, которые решают всё Друзья, наши контентные стримы продолжаются! Сегодня в 19:00 по МСК к нам заглянет Александр Грудинин, Lead Data Analyst в AdTech Holding. 💡 О чём поговорим? За правильным дизайном A/B-теста стоит целый арсенал подходов, и выбор между ними напрямую влияет на то, доверять ли результатам. Разберём по делу: 1️⃣ Аналитический подход — когда он работает и в чём его ограничения; 2️⃣ Monte Carlo — как и зачем моделировать тест до его запуска; 3️⃣ Bootstrap — когда без него не обойтись; 4️⃣ Как выбирать между тремя методами под конкретную задачу; 5️⃣ AA-тест в процессе дизайна — нужен ли он на самом деле? Всё это — на реальных данных и с живым кодом на Python 🐍 🛎️ Поставить напоминалку в календарь 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

5 ошибок, которые аналитики делают при работе с бизнес-задачей Привет! На связи Михаил Строганов, автор тренажёра аналитика данных, продуктовый аналитик в Magnit OMNI 👋🏻 Кого из нас хоть раз не посещала мысль: «Ну почему они просто не могут сказать, что хотят посчитать?». Согласитесь, работать без чёткого ТЗ бывает сложно, но именно умение собирать контекст задачи с клиента выделяет сильных аналитиков. В карточках собрал ещё 5 ошибок, которые аналитики делают при работе с бизнес-задачами ⬆️

Большая часть ошибок связаны с пониманием задачи и исправляются только практикой на задачах, где заказчик ненастоящий, а вопросы реальные. В Тренажёре аналитика данных я собрал 15 кейсов из разных сфер бизнеса как раз с такими запросами. Я буду разбирать ваши ответы и проверять не только правильность запроса, но и логику подхода к задаче.

✅ Записывайтесь, стартуем 5 июня: simulative.ru/da-practice 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

Мы в эфире, подключайтесь!

Конвейер данных — уже сегодня в 19:00 МСК Сегодня вечером разбираем полный цикл работы с данными вместе с Павлом Беляевым, руководителем группы дата-аналитиков в Яндекс eLama. От сбора и обработки до метрик и реальных решений — то, как это устроено на практике в крупной компании. Подключайтесь! ➡️ Ссылка на трансляцию 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

Вебинары последней недели мая ❤️ На этой неделе погружаемся в конвейер данных и учимся строить эффективные A/B-тесты. Ставьте напоминание в календарь, чтобы не забыть!

⭐️ 25 мая, 19:00 МСК — «Конвейер данных: от сбора до решения» Вместе с Павлом Беляевым разберёмся, что из себя представляет конвейер данных и как правильно работать с ним на каждом этапе — сбор, преобразование, визуализация, анализ, решения для бизнеса. ➡️ Поставить напоминание в календарь

⭐️ 28 мая, 19:00 МСК — «A/B-тесты в продуктовой аналитике: от гипотезы до решения» Решим продуктовый кейс: подготовим метрики для A/B-теста, сформулируем рабочую гипотезу и интерпретируем неоднозначные результаты. Словом, сделаем максимально эффективный A/B-тест для бизнеса. ➡️ Поставить напоминание в календарь

📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

Разбираем ошибки в DL уже сейчас! Присоединяйтесь к вебинару — Евгения Анкудинова, Data Scientist в Avito, на живом примере покажет, как выглядит сломанный пайплайн изнутри и что именно идёт не так на каждом этапе: от подготовки данных до обучения модели. Если вы хоть раз получали модель, которая формально обучилась, но в деле не работает — этот вебинар для вас. 🛎️ Подключиться к эфиру 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

💻💻💻💻💻 Почему ваша нейросеть не работает? Обучили модель, а она не предсказывает ничего полезного. Знакомо? 21 мая вместе с Евгенией Анкудиновой, Data Scientist в Avito, разберём типичные ошибки новичков в Deep Learning: возьмём правдоподобный, но намеренно сломанный пайплайн и последовательно починим его в прямом эфире. На вебинаре вы: ➡️ Узнаете, какие ошибки убивают модель ещё до обучения — грязные данные, некорректная разметка, неправильный сплит и data leakage; ➡️ Поймёте, почему модель переобучается или не учится вовсе, и как выбрать архитектуру, гиперпараметры и learning rate, не стреляя наугад; ➡️ Разберёте, в каких задачах Deep Learning вообще не нужен — и как это понять до того, как потратить время и ресурсы. 📆 21 мая, 19:00 МСК, онлайн ❗️ Ссылку на подключение к трансляции пришлём за 1 час до её начала. 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

❗️ Запись стрима про ML-модели уже на канале! Смотрите там, где удобно: ➡️ YouTube ➡️ VK Видео ⭐️ А уже в пятницу завершаем набор на обучение на курсы «ML-инженер» и «Дата-сайентист», где Мария выступает ментором. Присоединяйтесь к курсу и учитесь строить эффективные ML-модели от создания до продакшена! 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

Друзья, стрим с Марией уже идёт! Разбираем подготовку данных для ML-моделей — вы ещё успеваете подключиться и задать вопросы в прямом эфире. ➡️ Подключиться к трансляции ⬅️

⚡️ Друзья, стрим начинаем уже через час! Мария Жарова расскажет, как на практике выглядит подготовка данных для ML-моделей: дубликаты, пропуски, выбросы, кодирование признаков и типичные ошибки, которые незаметно роняют качество модели. Подключайтесь — будет практично и по делу! ➡️ Подключиться к трансляции 📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS