SQL для аналитиков
и разработчиков

Первый шаг в мире SQL: выбираем данные из таблицы, фильтруем, сортируем, ищем по шаблону. После курса вы сможете самостоятельно формировать выгрузки из базы данных для Excel или Google Sheets.

Вы научитесь превращать тысячи строк в понятные цифры: считать выручку, строить отчёты по дням и месяцам, находить топ-клиентов и аномалии. После курса вы сможете отвечать на любые вопросы руководителя за 5 минут — одним SQL-запросом.

Вы научитесь работать с несколькими таблицами одновременно: объединять данные через JOIN, находить записи без пары, использовать подзапросы и строить многотабличные CRM-выгрузки. После курса вы сможете самостоятельно получать любые данные из реальных баз данных — без помощи разработчика.

Оконные функции, CTE и аналитические паттерны уровня Data Analyst. Вы освоите ROW_NUMBER, LAG/LEAD, накопительные итоги, когортный анализ и LTV — именно эти навыки требуют на собеседованиях в аналитику. Работаем с реальным fintech-датасетом: клиенты, счета, транзакции.

Финальный курс платформы — для тех, кто хочет не просто писать запросы, а проектировать базы данных. Вы освоите нормализацию (1НФ–3НФ), DDL, DML, транзакции, VIEW, индексы, а также построите полноценную схему Data Warehouse (Star Schema) с таблицами фактов и измерений. Работаем на реальном retail-датасете.

Научитесь уверенно изменять данные в PostgreSQL. Курс охватывает INSERT (VALUES, SELECT, многострочный), UPDATE (одиночный, массовый, UPDATE FROM), DELETE (по условию, каскадное), а также UPSERT через ON CONFLICT и цепочки RETURNING в CTE. Все задачи — на реальной пользовательской базе данных.

Освойте вложенные SELECT — один из ключевых инструментов опытного разработчика. Вы научитесь писать скалярные и табличные подзапросы, коррелированные подзапросы и EXISTS, именованные подзапросы через CTE (WITH) и их цепочки, рекурсивные CTE для обхода иерархий и LATERAL JOIN для задач Top-N per group. Работаем на датасете с оргструктурой, проектами и деревом категорий.

Транзакции и ACID — фундамент надёжных баз данных. Вы поймёте, зачем нужны BEGIN/COMMIT/ROLLBACK, как работают четыре свойства ACID (Atomicity, Consistency, Isolation, Durability), чем отличаются уровни изоляции READ COMMITTED, REPEATABLE READ и SERIALIZABLE, почему возникают дедлоки и как их избегать, а также освоите практические паттерны: upsert, идемпотентные операции и retry-логику. Курс незаменим для собеседований на позицию аналитика или backend-разработчика.

Научитесь читать план выполнения EXPLAIN ANALYZE и понимать, почему PostgreSQL выбирает Seq Scan вместо Index Scan. Освоите все типы индексов: B-tree, Hash, GIN, BRIN, partial и covering (INCLUDE). Узнаете антипаттерны, которые «ломают» индекс: функция на колонке, implicit cast, NOT IN с NULL. Поймёте, как работают VACUUM и ANALYZE, и как следить за состоянием базы через pg_stat_user_tables и pg_stat_user_indexes. 52 практических урока на датасете e-commerce.

Оконные функции — один из самых востребованных навыков на рынке аналитики данных. Вы освоите OVER(), PARTITION BY и ORDER BY в окне, функции ранжирования (ROW_NUMBER, RANK, DENSE_RANK, NTILE), навигационные функции (LAG, LEAD, FIRST_VALUE, LAST_VALUE), агрегатные оконные функции для вычисления долей и нарастающих итогов, а также управление фреймом (ROWS BETWEEN, RANGE BETWEEN). 74 урока на датасете продаж сотрудников — от первого OVER() до реальных аналитических отчётов в стиле интервью.

PostgreSQL — это не просто «хранилище таблиц». В этом курсе вы освоите JSONB для работы с полу-структурированными данными, ARRAY для хранения и поиска по спискам, полнотекстовый поиск (tsvector, tsquery, ts_rank, ts_headline), GIN-индексы для ускорения JSONB и ARRAY операций, основы PL/pgSQL для хранимых функций и триггеров, а также разберёте разницу между VIEW и MATERIALIZED VIEW. 44 практических урока на датасете блог-платформы.

Научитесь строить аналитические отчёты уровня Senior BI-аналитика. DATE_TRUNC и EXTRACT для группировки по периодам, MoM и YoY через LAG, нарастающие итоги и скользящее среднее. FILTER и CASE WHEN для pivot-таблиц без внешних инструментов. ROLLUP, CUBE и GROUPING SETS для многоуровневых иерархических отчётов. Когортный анализ, воронка продаж и анализ Парето. 42 практических урока на датасете продаж.

Полный стек аналитика данных: от pandas до dbt. Вы научитесь читать pandas-код и понимать его SQL-эквивалент, строить dbt-модели в стиле staging → mart, писать переносимые Spark SQL запросы, понимать SQLAlchemy Core и ORM, избегать N+1 проблему и писать оптимальные аналитические запросы. 48 практических уроков на датасете SaaS-платформы.

Профессиональный курс для PostgreSQL DBA. Вы научитесь настраивать postgresql.conf и читать pg_settings, диагностировать кластер через системные каталоги, организовывать резервное копирование с pg_dump и pg_basebackup, настраивать WAL-архивирование и PITR, разворачивать потоковую репликацию и HA-кластеры с Patroni, мониторить производительность через pg_stat_statements. 50 практических уроков на датасете DBA-инфраструктуры.

Полный курс по построению ETL/ELT-пайплайнов для аналитики данных. Вы научитесь проектировать Extract-паттерны (full load, incremental, CDC), трансформировать данные (SCD Type 2, дедупликация, нормализация), строить DQ-проверки и мониторинг качества данных, оркестрировать пайплайны через Airflow-паттерны, обеспечивать идемпотентность и SLA-мониторинг, работать с потоковой обработкой (Kafka, Flink, Spark Streaming). 55 практических уроков на датасете реальной ETL-платформы.

Полный курс по проектированию и эксплуатации хранилищ данных. Вы научитесь строить схему «звезда» и «снежинка», работать с OLAP-операциями (ROLLUP, CUBE, GROUPING SETS), применять оконные функции для аналитики (MoM, retention, Pareto), понимать архитектуру колоночных СУБД (ClickHouse, BigQuery, Snowflake), оптимизировать запросы через партиционирование и материализованные представления, строить RFM-сегментацию, когортный анализ и basket analysis. 48 практических уроков на e-commerce DWH-датасете.

Практический курс по MongoDB: от первого find-запроса до aggregate-пайплайнов и $lookup. Все задачи проверяются автоматически. Идеально для аналитиков, которые уже знают SQL.