Программа подготовки аналитиков финансовых данных
Шестимесячный курс по машинному обучению и анализу больших данных в финансах. Начало следующего потока — сентябрь 2025 года.
Узнать о зачисленииСтруктура обучения: шесть практических модулей
Программа построена так, чтобы каждый модуль давал конкретные навыки. К концу курса вы сможете самостоятельно строить модели для анализа финансовых данных.
Основы работы с данными
Изучение Python, библиотек pandas и numpy. Работа с CSV-файлами, очистка данных, базовая статистика.
Финансовые временные ряды
Анализ биржевых котировок, валютных курсов. Методы прогнозирования и выявления трендов в исторических данных.
Машинное обучение для финансов
Регрессия, классификация, кластеризация. Применение алгоритмов к задачам оценки рисков и предсказания.
Работа с большими объёмами
Инструменты для обработки терабайтов информации: Spark, SQL-базы данных, облачные платформы.
Визуализация и отчётность
Создание дашбордов, графиков и интерактивных отчётов. Умение донести результаты анализа до коллег.
Итоговый проект
Самостоятельная разработка полноценной аналитической системы на реальных данных с презентацией результатов.
Как проходит обучение
Занятия два раза в неделю по вечерам — в 19:00 и 19:30 по рижскому времени. Каждая сессия длится около двух часов. Мы проводим их онлайн, так что можно подключаться из любой точки.
После каждой темы даём домашние задания. Обычно на них уходит 3-4 часа в неделю. Есть дедлайны, но если что-то не успеваете — всегда можно написать преподавателю и договориться о продлении.
В середине программы проводим промежуточный экзамен — проверяем, как усвоены базовые концепции. А в конце защищаете свой проект перед группой и приглашёнными специалистами.
Хронология шестимесячного курса
Сентябрь 2025 — старт программы
Знакомство с группой, установка инструментов, первые занятия по Python и работе с табличными данными. Начинаем с простых задач — загрузка CSV, фильтрация строк, базовые графики.
Октябрь 2025 — временные ряды
Погружаемся в финансовые данные: биржевые котировки, валюты, индексы. Учимся строить прогнозы, находить сезонность и аномалии в исторических рядах.
Ноябрь 2025 — модели машинного обучения
Изучаем алгоритмы: линейная регрессия, деревья решений, случайный лес. Применяем их к задачам предсказания цен и оценки рисков. Промежуточный экзамен в конце месяца.
Декабрь 2025 — большие данные
Работа с терабайтами информации: Apache Spark, облачные базы данных, распределённые вычисления. Учимся обрабатывать данные, которые не помещаются в память одного компьютера.
Январь 2026 — визуализация
Создаём дашборды и интерактивные отчёты. Изучаем библиотеки Plotly, Dash, учимся представлять результаты анализа понятным языком для коллег без технического бэкграунда.
Февраль 2026 — итоговый проект
Месяц на самостоятельную работу над финальным проектом. Выбираете тему, собираете данные, строите модель, готовите презентацию. Защита проходит в конце февраля.
Преподаватели программы
С вами будут работать специалисты, которые занимаются анализом финансовых данных и машинным обучением в реальных проектах.
Эвелина Кайрате
Ведущий аналитик данных
Семь лет работы с финансовыми данными в банковском секторе. Специализируется на временных рядах и прогнозировании. Ведёт модули по анализу биржевых котировок и оценке рисков.
Зарина Бектемир
Инженер машинного обучения
Разрабатывает модели для обработки больших объёмов финансовой информации. Преподаёт блоки по машинному обучению, работе со Spark и облачными платформами. Участвовала в запуске нескольких продуктовых систем аналитики.