Анализ и инженерия данных - Видеоуроки, Курсы, Туториалы
Раздел Data — для тех, кто работает с данными: аналитиков, инженеров данных, data scientists и разработчиков, которым нужно собирать, хранить, анализировать и визуализировать данные.
Здесь собраны курсы по инженерии данных — построению пайплайнов, хранилищ и Lakehouse на Apache Spark, Kafka, Airflow, dbt, Snowflake, ClickHouse и Databricks, а также по SQL, Elasticsearch и облачным платформам данных AWS, Azure и GCP.
Для аналитиков — статистика, A/B-тесты, Python для анализа данных, BI и дашборды в Power BI и Grafana, визуализация на D3.js. А для тех, кто идёт в Data Science, — машинное и глубокое обучение: от классических алгоритмов до нейросетей.
Популярное в data
Fine-Tuning LLM с открытыми весами: практический курс для инженеров
Инженер данных, (версия 2026)
Machine Learning для начинающих
Математические основы машинного обучения
MLOps Bootcamp: построение инфраструктуры для реальных ИИ-систем
Apache Airflow: Оркестрация рабочих процессов
Буткемп по дата-инженерии: от нуля до мастера
![[Книга] Искусство PostgreSQL (Полный пакет)](https://cdn.coursehunter.net/courses/260x159/kniga-iskusstvo-postgresql-polnyy-paket.webp)
[Книга] Искусство PostgreSQL (Полный пакет)
VLA-модели и мировые модели для робототехники
Список категорий в разделе Data
D3.js
Elasticsearch
Grafana
Power BI
SQL
Глубокое обучение
Машинное обучение
Обработка и анализ данных
Популярные авторы и школы курсов в разделе Data
Data: Список курсов
Игорь МосягинОбработка и анализ данных
Realtime Analytics: 6 недель практики в дата-инжиниринге
Realtime Analytics — практический DLC для инженеров данных, которые хотят собрать полноценный пайплайн аналитики в реальном времени: забрать изменения из PostgreSQL через CDC, передать события в Kafka, посчитать метрики в ClickHouse и отдать результат через FastAPI. После прохождения вы сможете не только поднять стек, но и диагностировать типовые поломки по lag, freshness, SLA и контрактам данных.Кому подойдёт курс по realtime analyticsПодойдётВы
Daniel Voigt GodoyГлубокое обучениеОбработка естественного языка AI-инженерияLLM (большие языковые модели)
Fine-Tuning LLM с открытыми весами: практический курс для инженеров
Fine-Tuning Open-Weight LLMs for Engineers
Практический курс по fine-tuning LLM с открытыми весами поможет инженерам освоить полный цикл дообучения больших языковых моделей: от выбора задачи и подготовки датасета до настройки LoRA/QLoRA, оценки качества и применения результата в реальных проектах.О курсеБольшинство материалов по тонкой настройке больших языковых моделей либо слишком теоретизированы, либо рассчитаны на крупные команды, большие датасеты и дорогую вычислительную инфраструкту
Vizuara AI LabsДругое (ИИ)Глубокое обучение
VLA-модели и мировые модели для робототехники
VLA Models & World Models for Robotics
Интенсивный практический курс из 8 лекций, посвящённый разработке, обучению и внедрению моделей Vision-Language-Action (VLA), Diffusion Policy и World Models на реальном роботизированном манипуляторе SO-101. От фундаментальных принципов до работы с физическим оборудованием.Курс объединяет современные исследования в области искусственного интеллекта и робототехники с практической реализацией интеллектуальных систем управления роботами.В ходе обуче
zerotomastery.ioAWSМашинное обучение
MLOps Bootcamp: построение инфраструктуры для реальных ИИ-систем
MLOps Bootcamp: Build Real-World AI Infrastructure
MLOps Bootcamp — это практический курс по построению инфраструктуры для реальных ИИ-систем: от эксперимента с моделью до развёртывания, мониторинга, повторного обучения и контролируемого выпуска новой версии в продакшен. Вы разберёте полный цикл MLOps в AWS и соберёте рабочий пайплайн для модели машинного обучения, которую можно поддерживать, улучшать и масштабировать.О курсеОбучить модель — только часть задачи. Чтобы модель машинного обучения пр
zerotomastery.ioОбработка и анализ данных
Data Wrangling Bootcamp: подготовка данных для проектов с ИИ
Data Wrangling Bootcamp: Turn Alien Data into AI
Data Wrangling Bootcamp — практический курс по подготовке данных для аналитики, машинного обучения и проектов с ИИ. Вы с нуля научитесь работать с «грязными» таблицами, находить ошибки, очищать данные, объединять файлы и превращать разрозненную информацию в удобный набор для анализа. Предварительный опыт в Python и Pandas не требуется: курс помогает перейти от просмотра уроков к самостоятельной работе с реальными данными.Зачем нужна подготовка да
Vizuara AI LabsМашинное обучение
Математические основы машинного обучения
Mathematical Foundations for Machine Learning
Курс «Математические основы машинного обучения» — это программа для тех, кто хочет системно разобраться в математике, необходимой для изучения машинного обучения, анализа данных и искусственного интеллекта. Вы освоите ключевые инструменты линейной алгебры и интегрального исчисления, научитесь понимать математические идеи, лежащие в основе алгоритмов ML, и сможете увереннее переходить к практическим задачам в Data Science.О курсеМатематика в машин
Vizuara AI LabsДругое (ИИ)Машинное обучениеLLM (большие языковые модели)
Буткемп по обучению с подкреплением и исследованиям
Reinforcement Learning Research Bootcamp
Буткемп по обучению с подкреплением и исследованиям — это интенсивный практико-ориентированный курс для тех, кто хочет глубоко освоить Reinforcement Learning (RL): от математических основ и классических алгоритмов до разработки интеллектуальных агентов, RLHF, Agentic RAG и подготовки собственного исследовательского проекта.О курсеПрограмма помогает последовательно пройти путь от базовых принципов обучения с подкреплением до современных исследоват
karpov.coursesОбработка и анализ данных
Инженер данных, (версия 2026)
Инженер данных
Курс «Инженер данных, версия 2026» — это практическая программа по data engineering: от проектирования DWH и построения ETL/ELT-процессов до обработки Big Data, облачных хранилищ, визуализации и управления данными как продуктом.О курсеСовременная инженерия данных — это не только работа с SQL-запросами и таблицами. Инженер данных проектирует архитектуру хранилищ, настраивает сбор и обработку данных, контролирует качество, обеспечивает доступность
Noelle RussellAzureДругое (ИИ)Машинное обучение
Azure AI Fundamentals: сертификация
Azure AI Fundamentals Certification
Azure AI: основы — это курс для системной подготовки к сертификации Microsoft Azure AI-900: Azure AI Fundamentals и знакомства с ключевыми возможностями искусственного интеллекта в облаке Microsoft Azure. Вы разберёте основные AI workloads, принципы Responsible AI, машинное обучение, компьютерное зрение, обработку естественного языка и генеративный ИИ на базе Azure AI, Azure AI Foundry и Azure OpenAI.О чём этот курсКурс помогает понять, как ус
R&D-лаборатория Devhands
Алексей БелозерскийОбработка и анализ данных
Clickhouse для аналитиков и инженеров данных
Курс «ClickHouse для аналитиков и инженеров данных» поможет разобраться с популярной колоночной СУБД для аналитики больших данных, научиться эффективно хранить терабайты информации, выполнять быстрые SQL-запросы и понимать, для каких задач ClickHouse подходит лучше всего, а где его применять не стоит.Что вы изучите на курсеНа обучении вы познакомитесь с архитектурой ClickHouse, особенностями хранения и обработки данных, практиками оптимизации зап
Узнать больше о Data
Что входит в раздел Data?
Раздел объединяет всё, что связано с данными: инженерию данных, аналитику, SQL, BI и визуализацию, а также машинное и глубокое обучение. Часть категорий, например SQL или машинное обучение, также входит в разделы Backend и ИИ — здесь они собраны вместе для тех, кто строит карьеру именно в работе с данными.
Чем отличаются аналитик данных, инженер данных и data scientist?
Инженер данных строит инфраструктуру: пайплайны, хранилища и потоковую обработку, чтобы данные надёжно поступали туда, где они нужны. Аналитик данных работает с уже подготовленными данными — пишет SQL-запросы, строит отчёты и дашборды, проверяет гипотезы. Data scientist создаёт модели машинного обучения для прогнозов и автоматизации решений.
С чего начать изучение анализа данных?
Базовый набор — SQL, Python и основы статистики: с ними уже можно выгружать данные, обрабатывать их и делать выводы. Затем освойте BI-инструмент, например Power BI, чтобы строить дашборды и отчёты. Для инженерного направления после этого переходите к хранилищам данных, Airflow и Spark.
Для чего нужны Apache Spark, Kafka и Airflow?
Это три базовых инструмента инженера данных. Apache Spark обрабатывает большие объёмы данных распределённо, на кластере из многих машин. Apache Kafka передаёт потоки событий между системами в реальном времени. Apache Airflow управляет пайплайнами: запускает задачи по расписанию, следит за зависимостями и перезапускает упавшие шаги.
Нужно ли знать машинное обучение для работы с данными?
Для аналитика и инженера данных это не обязательно: их основные инструменты — SQL, Python, BI и платформы обработки данных. Но понимание основ машинного обучения помогает лучше готовить данные для моделей и общаться с командой Data Science. Для data scientist машинное обучение — это основа профессии.