RADAR.Школа — сообщество людей, влюблённых в исследования и анализ данных
О чём курс
Школа Анализа Данных 2026 — это двадцатый поток курса Марка Шафира, CEO агентства RADAR. Курс «родился» на факультете социальных наук НИУ ВШЭ, где Марк читал его для студентов магистратуры программы «прикладные методы социального анализа рынков». Также Марк вёл его в Британке и в школе ОИРОМ-ВШЭ. В последние 3 года Школа Анализа Данных является флагманским курсом в RADAR.Школе.
За это время курс прошли более 2000 человек, которые сейчас работают в ведущих компаниях по всему миру
Каждый год Марк улучшает и дополняет курс. Добавляются новые методы, показатели, способы интерпретации результатов
Главная «фишка» обновлённого курса 2026 — это отдельные занятия по работе в Python и R в рамках каждого модуля. В прошлом ученики Марка, а теперь специалисты лаборатории по разработке web-приложений по анализу данных Даниил Чеппа и Андрей Тимофеев покажут, как делать каждый из разбираемых методов анализа с помощью кода Python и R
Кому подойдёт
Представителям исследовательских агентств
чтобы понимать, для каких бизнес-задач какие методы используются, нарастить знания, увидеть новые возможности применения методов, овладеть хитростями и приёмами работы с методами
Представителям компаний-заказчиков исследований
чтобы понимать, почему ваши исполнители используют тот или иной метод исследования, и как они его используют, чтобы видеть данные и понимать, что из них ещё можно «выжать»
Студентам-социологам и маркетологам
чтобы увидеть, как методы анализа данных социологических и маркетинговых исследований применяются на практике, как они работают, а когда их нельзя применять, и как интерпретировать результаты
Всем, кто сталкивается с данными пользователей
со сбором, обработкой и анализом: опросных данных, внутренних клиентских, из социальных медиа, и т.д.
Как проходит курс
Программа
Связь анкеты и базы. Организация структуры данных. Типы шкал и переменных. Веса. Линейные распределения. Меры средней тенденции. Multiple response set’ы. Таблицы сопряженности.
17.02 Теория (все тарифы)
19.02 Мастер-класс (Light и Full)
20.02 Python&R (Light и Full)
25.02 Разбор д/з (Full)
17.02 Теория (все тарифы)
19.02 Мастер-класс (Light и Full)
20.02 Python&R (Light и Full)
25.02 Разбор д/з (Full)
Аппарат проверки гипотез. Стандартная ошибка. Доверительные интервалы. T-test: сравнение средних. Z-test: сравнение долей признаков. Статистически значимые различия. Дисперсионный анализ.
24.02 Теория (все тарифы)
26.02 Мастер-класс (Light и Full)
27.02 Python&R (Light и Full)
04.03 Разбор д/з (Full)
24.02 Теория (все тарифы)
26.02 Мастер-класс (Light и Full)
27.02 Python&R (Light и Full)
04.03 Разбор д/з (Full)
Связь и зависимость. Меры связи для разных типов шкал. Анализ стандартизованных остатков. Ранговая корреляция. Корреляция Пирсона. Частная корреляция.
03.03 Теория (все тарифы)
05.03 Мастер-класс (Light и Full)
06.03 Python&R (Light и Full)
11.03 Разбор д/з (Full)
03.03 Теория (все тарифы)
05.03 Мастер-класс (Light и Full)
06.03 Python&R (Light и Full)
11.03 Разбор д/з (Full)
Профили, массы, расстояния, инерция. Координаты и вклады. Интерпретация полюсов осей. Разграничение карт на сектора. Виды нормализации. Простой и множественный анализ соответствий.
10.03 Теория (все тарифы)
12.03 Мастер-класс (Light и Full)
13.03 Python&R (Light и Full)
18.03 Разбор д/з (Full)
10.03 Теория (все тарифы)
12.03 Мастер-класс (Light и Full)
13.03 Python&R (Light и Full)
18.03 Разбор д/з (Full)
Метод главных компонент (PCA). Выбор количества факторов. Факторные нагрузки и факторные значения. Вращение осей. Категориальный факторный анализ (CatPCA). Многомерное шкалирование.
17.03 Теория (все тарифы)
19.03 Мастер-класс (Light и Full)
20.03 Python&R (Light и Full)
25.03 Разбор д/з (Full)
17.03 Теория (все тарифы)
19.03 Мастер-класс (Light и Full)
20.03 Python&R (Light и Full)
25.03 Разбор д/з (Full)
Выбор кластеризующих переменных. Выбор формы кластеров. Выбор метрики пространства. Определение количества кластеров. Метод K-means. Иерархические методы. Кластеры на факторах.
24.03 Теория (все тарифы)
26.03 Мастер-класс (Light и Full)
27.03 Python&R (Light и Full)
01.04 Разбор д/з (Full)
24.03 Теория (все тарифы)
26.03 Мастер-класс (Light и Full)
27.03 Python&R (Light и Full)
01.04 Разбор д/з (Full)
Оценка устойчивости кластерного решения. Обучающая и обучаемая выборка. Дискриминантная функция. Процент верных предсказаний. Карты различий сегментов. Векторные карты.
31.03 Теория (все тарифы)
02.04 Мастер-класс (Light и Full)
03.04 Python&R (Light и Full)
08.04 Разбор д/з (Full)
31.03 Теория (все тарифы)
02.04 Мастер-класс (Light и Full)
03.04 Python&R (Light и Full)
08.04 Разбор д/з (Full)
Алгоритмы CHAID, ECHAID, C&RT, QUEST. Критерии роста и остановки дерева. Выбор предикторов, регулировка разбиений. Работа с узлами. Предсказательная сила дерева.
07.04 Теория (все тарифы)
09.04 Мастер-класс (Light и Full)
10.04 Python&R (Light и Full)
15.04 Разбор д/з (Full)
07.04 Теория (все тарифы)
09.04 Мастер-класс (Light и Full)
10.04 Python&R (Light и Full)
15.04 Разбор д/з (Full)
Простая линейная регрессия. Параметры модели. Остатки и ошибки. Ограничения регрессии. Интерпретация коэффициентов. Множественная регрессия. Dummy-переменные. Нелинейные регрессии. Подбор модели.
14.04 Теория (все тарифы)
16.04 Мастер-класс (Light и Full)
17.04 Python&R (Light и Full)
22.04 Разбор д/з (Full)
14.04 Теория (все тарифы)
16.04 Мастер-класс (Light и Full)
17.04 Python&R (Light и Full)
22.04 Разбор д/з (Full)
Отношение шансов. Логит-модели. Интерпретация коэффициентов. Пошаговые методы. Процент верных предсказаний. Переобучение регрессии. Эффекты взаимодействия.
21.04 Теория (все тарифы)
23.04 Мастер-класс (Light и Full)
24.04 Python&R (Light и Full)
29.04 Разбор д/з (Full)
21.04 Теория (все тарифы)
23.04 Мастер-класс (Light и Full)
24.04 Python&R (Light и Full)
29.04 Разбор д/з (Full)
Атрибуты, уровни, профили, полезности, важности. Ортогональный план. RBC, ACA, CBC, MaxDiff, Menu-Based. Оптимизация продукта. Работа в симуляторах.
28.04 Теория (все тарифы)
30.04 Мастер-класс (Light и Full)
11.05 Python&R (Light и Full)
13.05 Разбор д/з (Full)
28.04 Теория (все тарифы)
30.04 Мастер-класс (Light и Full)
11.05 Python&R (Light и Full)
13.05 Разбор д/з (Full)
Тренд и сезонность. Автокорреляция и авторегрессия. Модели ARIMA. Значимость параметров и критерии качества.
12.05 Теория (все тарифы)
14.05 Мастер-класс (Light и Full)
15.05 Python&R (Light и Full)
20.05 Разбор д/з (Full)
12.05 Теория (все тарифы)
14.05 Мастер-класс (Light и Full)
15.05 Python&R (Light и Full)
20.05 Разбор д/з (Full)
Преподаватель
Марк Шафир
CEO&Co-founder
RADAR research agency
RADAR research agency
Окончил Вышку в 2006 году
В 2007 году основал исследовательское агентство RADAR. Специализируется на анализе данных маркетинговых исследований и data-сторителлинге
21 год в индустрии маркетинговых исследований. Большой опыт работы с крупнейшими игроками российского рынка в сфере стратегического маркетинга
19 лет преподавания, из которых 14 лет в НИУ ВШЭ (курсы «Введение в маркетинговые исследования» и «Современные методы анализа данных»)
Эксперты
Учился на последнем потоке Марка в НИУ ВШЭ. Пришел в RADAR в 2020 году. Сейчас тимлид команды Conjoint и ценовых исследований. Основные клиенты: ГК Самолет, Догма, МТС, ROUST, Home Bank, Эр-Телеком, X5 Group, Metro, OTC Pharm, и др. Помимо исследований занимается разработкой софта для Conjoint-решений
Кроме Радара работал в Стартап Студии банка Уралсиб, где занимался оценкой экономики и рисков стартапов с помощью сращения полевых данных исследований с финансовыми данными рынка
Даниил Чеппа
Team Lead
RADAR Research agency
RADAR Research agency
В Радаре с 2023 года. Работал с клиентами: ГК Самолёт, Догма, Брусника, Metro, Бюро 1440, и др. В Радаре помимо проектов занимается разработкой софта для анализа и визуализации данных. На его счёту программа для работы c анализом соответствий, софт для подбора оптимального кластерного решения для сегментации, инструмент для работы с ограничениями регрессионного анализа, и другие
Андрей Тимофеев
Research Project Manager
RADAR research agency
RADAR research agency
Тарифы
Возможности оплаты
в России
Картой любого банка России
Системой Быстрых Платежей
Яндекс.Пэй
Сбер Pay
Тинькофф Pay
вне России
Картами Visa, Mastercard, American Express
PayAnyWay
В рассрочку*
Тинькофф на 3/4/6 месяцев
Всегда.Да на 3/4/6 месяцев
Покупай со Сбером на 6 месяцев
Я.Сплит на 2/4 месяца
Если вы хотите оплатить как юр.лицо, пишите нам на почту support@radar-school.ru
*покупка курса в рассрочку возможна только используя российские платежные сервисы
*покупка курса в рассрочку возможна только используя российские платежные сервисы
FAQ
Остались вопросы?
Пишите нам на почту
support@radar-school.ru
support@radar-school.ru
Как показывает опыт, пробование новых умений на практике и обратная связь дают качественно новый уровень компетенции. Плюс, часто бывает, что при выполнении домашнего задания студенты сталкиваются с вопросами, которые лучше проговорить с преподавателем. Также на разборе вы увидите, с какими другими проблемами можно столкнуться.
Домашние задания будут посвящены решению определенных бизнес-задач с помощью рассматриваемого метода (или группы методов). Вам нужно будет произвести расчеты в в SPSS/Excel/макросах/Python/R и подготовить короткую презентацию в PowerPoint/KeyNote. Базы можно использовать свои, либо, если нет своих, мы предоставим тренировочные базы.
На мастер-классах учим работе в SPSS, Python и R. Обеспечиваем макросами и веб-утилитами собственной разработки. Если работаете в другой среде, можете использовать её
6−8 дней. Домашнее задание задается после мастер-класса в четверг. Для первого потока дедлайн — 12:00 среды, для второго — 23:59 четверга.
Безусловно да! Разбор работ других — это тоже отличный способ научиться. Кроме того, на воркшопе можно вступить в дискуссию, задать вопросы по любой работе, обменяться опытом.
Если вы первый раз пользуетесь платформой GetCourse: После оплаты заказа на указанный вами e-mail приходит письмо, в котором содержатся данные для доступа в личный кабинет на платформе GetCourse. Вам нужно будет подтвердить e-mail (пройти по соответствующей ссылке в письме), после чего вы будете зарегистрированы.
Если вы уже пользовались платформой GetCourse, то вам не нужно повторно регистрироваться, тренинг должен отобразиться в вашем личном кабинете после завершения заказа.
Если вы уже пользовались платформой GetCourse, то вам не нужно повторно регистрироваться, тренинг должен отобразиться в вашем личном кабинете после завершения заказа.
Доступ к учебным материалам (записям занятий, презентациям, базам и т. д.) дается навсегда.
Да, в курсе курс «Школа Анализа Данных 2024» интересующие модули можно купить отдельно.
Да, даже если курс уже идет или закончился, вы все еще можете его купить. Мы записываем и сохраняем все вебинары, поэтому вы сможете посмотреть их в записи.
Да, можно, пишите нам на support@radar-school.ru
Да, есть, пишите на support@radar-school.ru, мы вышлем.
Можно, в случае, если на тарифе Full остались свободные места. Пишите нам на support@radar-school.ru — мы уточним актуальные данные.
Письмо со ссылкой на добавление в чат курса должно было прийти на почту, указанную при покупке. Поищите входящие письма от отправителя «school@radar-research.ru», либо проверьте папку «Спам». Если письмо со ссылкой никак не находится, пишите нам на support@radar-school.ru
Нет, для юридических лиц возможна только 100% предоплата.
После поступления 100% оплаты вашим сотрудникам на корпоративные почты придет письмо для подтверждения e-mail, в нем будут логин и пароль для входа. После подтверждения e-mail мы пришлем письма с организационной информацией на тот же электронный адрес.
Да, если вы уже проходили какой-либо из платных курсов RADAR. Школы (как физическое или как юридическое лицо, на вас распространяется скидка 5%.
Также при оформлении 3+ сотрудников от одного юр. лица, делаем скидку 5%.
Также при оформлении 3+ сотрудников от одного юр. лица, делаем скидку 5%.
Цена закрепляется за вами на момент создания заказа на GetCourse. Оплатить заказ можно в любое время после создания. Если вы создавали заказ, но потеряли ссылку на страницу оплаты, пишите нам на support@radar-school.ru