Курс «Системное проектирование ПО»
Подробная программа обучения
Блок 1
Бизнес и системный анализ
Вводный блок, базовые знания по системному и бизнес анализу.
Блок 2
Системное проектирование
Блок по системному проектированию для аналитиков.
Блок 3
Анализ данных
Блок по базовым знаниям дата анализа для системного аналитика
  • 160
    Общий объем курса в часах
  • 26
    Продолжительность курса в неделях
  • Online
    Формат
  • 500 000 ₸
    Стоимость
Бисзнес и системный анализ
Блок 1
1
Введение в IT-аналитику
  • Направления IT-аналитики.
  • БА и СА: в чем отличие.
  • Жизненный цикл IT-проекта (этапы внедрения проекта).
  • Обзор BABOK-guide.
  • Обзор Swebok, CBOK guide.
2
Agile. Scrum.
  • Введение в гибкие методологии разработки программного обеспечения.
  • Понятия Agile, Scrum. Ценности и принципы Agile. Артефакты, мероприятия и роли в Scrum.
  • Планирование и ретроспектива в Scrum.
  • Покер планирования.
  • Оценка пользовательских историй.
  • Фасилитация и техники проведения ретроспектив.
3
Разработка требований к ПО
  • Основные этапы разработки требований и классификация требований.
  • Подходы к реализации проекта.
  • Основные техники сбора требований.
  • Использование ChatGPT в процессе работы с требованиями.
  • Анализ предметной области (определение бизнес-объектов) .
  • Осуществимость и приоритезация требований.
  • Декомпозиция требований.
  • Моделирование UML.
  • Прототипирование.
  • Анализ требований.
  • User Story, Use Case сценарии.
  • Шаблоны для оформления требований (постановки задач и спецификации требований).
  • Документирование требований
  • Оформление документации по ГОСТ.
4
Проектирование и моделирование процессов
  • Определение целей и задач бизнес-процессов в IT.
  • Методы и техники моделирования и проектирования бизнес-процессов в IT.
  • Создание моделей бизнес-процессов в IT.
5
Архитектура ПО и проектирование баз данных
  • Введение в архитектуру ПО.
  • Архитектурные стили.
  • Монолит VS Микросервисы.
  • Примеры различных видов архитектур ПО.
  • Введение в базы данных: основы БД, сущности, отношения, типы связей.
  • Формирование сущностей, типы данных и отношения.
  • Проектирование ER-диаграмм.
6
Интеграция и проектирование API
  • Виды интеграций.
  • Формирование сценариев интеграции/UML sequence.
  • Формирование бизнес-данных интеграций.
  • Введение в REST API.
  • Свойства и ограничения архитектуры REST.
  • Методы REST API.
  • Введение в SOAP: wsdl, xsd.
7
Тестирование ПО для БА и СА
  • Введение в тестирование ПО.
  • Типы, уровни и виды тестирования.
  • Использование инструментов для тестирования ПО СА и БА.
8
Обеспечивающие процессы для работы аналитика в IT
  • Особенности взаимодействия БА/СА с командой в IT-проекте
  • Трудоустройство в ИТ.
    • Разбор основных компетенций.
    • Оформление резюме.
    • Мотивационное письмо.
Системное проектирование
Блок 2
1
Введение в системное проектирование.
  • Основы системного проектирования и его важность в области IT.
  • Обзор функций и компетенций системного аналитика-проектировщика.
  • Изучение основ ООП: классы, объекты, наследование, инкапсуляция и полиморфизм.
2
Архитектура ПО для продвинутых
  • Изучение различных архитектурных стилей и их применение в реальных сценариях.
  • Стратегии проектирования архитектуры ПО, включая модульную, слоистую и микросервисную архитектуры.
  • Проектирование архитектуры ПО для СА
3
Анализ источников требований
  • Обучение методам анализа источников требований.
  • Создание структуры проекта на основе идентифицированных требований.

4
Проектирование веб-интерфейсов
  • Подходы к проектированию веб-интерфейсов.
  • Принципы и методы проектирования.
5
Проектирование БД для SA Middle+
  • Подходы к выбору и проектированию БД.
  • Проектирование ER - диаграмм
  • Проектирование реляционных БД.
  • Проектирование нереляционных БД.
6
Интеграции и проектирование API: продвинутый уровень
  • Введение в интеграционные взаимодействия:
  • Понятие и основные принципы интеграционных взаимодействий в IT.
  • Основы протоколов взаимодействия
  • Подходы и стратегии интеграционных взаимодействий:
  • Различия между точечной интеграцией, шиной сервисов (ESB), микросервисной архитектурой и API-шлюзами.
  • Рассмотрение преимуществ и недостатков каждого подхода.
  • Выбор стратегии интеграции на основе различных факторов.
  • Проектирование REST API для SA Middle+.
  • Проектирование SOAP
7
Сценарии разработки (постановки задач)
  • Рассмотрение основ взаимодействия между Frontend и Backend командами.
  • Разработка сценариев для API и формирование технической документации на основе этих сценариев.
Анализ данных
Блок 3
1
От чисел к знаниям. Введение в анализ данных
  • Введение в анализ данных: определение и основная цель
  • Обсуждение ключевых терминов и концепций: данные, анализ данных, статистический анализ, машинное обучение
  • Обзор процесса анализа данных: сбор данных, очистка данных, исследование данных, моделирование данных, интерпретация результатов
  • Важность критического мышления: смещения (bias) в процессе сбора и анализа данных
  • Различные типы данных: категориальные, числовые, временные ряды
  • Инструменты для анализа данных: Python, R, Excel, SQL
  • Области применения анализа данных: бизнес-аналитика, наука о данных, машинное обучение
2
Основы анализа данных на Python: Практический курс
  • Введение в Python и его использование в анализе данных
  • Основные библиотеки Python для анализа данных
  • Загрузка, очистка и исследование данных
  • Основы статистического анализа в Python: основные параметры и проверка гипотез
  • Визуализация данных в Python с помощью библиотек Matplotlib и Seaborn
  • Введение в машинное обучение с Python: обучающая и тестовая выборки, обучение моделей, оценка моделей
3
Визуализация данных для принятия эффективных решений. Основы и практика
  • Важность визуализации данных для принятия решений
  • Обзор инструментов визуализации в Python: Matplotlib, Seaborn, Plotly
  • Типы графиков и их использование: линейные графики, гистограммы, диаграммы рассеяния, коробчатые диаграммы
  • Введение в интерактивную визуализацию данных с использованием Plotly
  • Использование визуализации для исследования данных и выявления инсайтов
  • Создание интерактивных дашбордов и отчетов для принятия решений
4
Практический анализ данных: Решение реальных кейсов с помощью Python
  • Анализа данных в разных индустриях – финансы, маркетинг, ритейл и транспорт
  • Обзор методов и подходов анализа данных: классификация, кластеризация, регрессия
  • Разбор кейса из финансов: анализ финансовых показателей, прогнозирование рыночных тенденций, определение кредитоспособности клиентов
  • Разбор кейса из маркетинга: анализ потребительского поведения, сегментация рынка, определение эффективности рекламной кампании
  • Разбор кейса из ритейла: управление запасами, прогнозирование продаж, анализ покупательского поведения, оптимизация ценообразования
  • Разбор кейса из транспорта: Транспортный анализ и моделирование, основные метрики и типы анализа, оптимизация маршрутов, прогнозирование спроса
5
Статистический анализ данных с Python
  • Введение в статистический анализ
  • Описательная статистика с использованием Python: Меры центральной тенденции и разброса
  • Краткий обзор инференциальной статистики
  • Концепции проверки гипотез, доверительных интервалов, p-value
  • Использование Python для проведения t-тестов, хи-квадрат тестов, ANOVA
  • Объяснение корреляции и видов корреляции
  • Простой линейный регрессионный анализ в Python
  • Интерпретация вывода регрессионного анализа
6
Развитие цифровых компетенций: Новые возможности в эпоху искусственного интеллекта
  • Введение в эпоху AI и ChatGPT
  • Обзор искусственного интеллекта (AI), его влияния на бизнес и общество и введение в ChatGPT
  • Изучение технологии обучения модели, стоящей за ChatGPT
  • Обсуждение широкого спектра применений ChatGPT и других полезных нейросетей.
  • Практические примеры использования ChatGPT и других нейросетей в различных отраслях.
  • ChatGPT как инструмент повышения эффективности и продуктивности. Написание промптов и работа с плагинами
  • Этические и безопасные способы использования AI и ChatGPT в бизнесе и обучении
7
Трудоустройство
  • Разбор компетенций Data Analyst, Data Scientist
  • Оформление компетенций в резюме
  • Подготовка к собеседованиям