Сложность
Сложность
Продвинутый
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
С проверкой домашнего задания
Трудоустройство
Трудоустройство
Содействие
Сертификат
Сертификат
Да

Стоимость курса

70 000 ₽
есть рассрочка

Курс "Аналитик данных" - это интенсивный курс обучения всем аспектам роли аналитика данных в команде, основанный на требованиях работодателей и актуальном стеке технологий и инструментов.

Что вы получите после обучения

Сертификат, ссылками на который можно делиться с другими людьми

Образовательная организация

Программа курса

Python для работы с данными

  > Установка Python и основные инструменты разработки: Anaconda, Jupyter Notebook, PyCharm.
  > Синтаксис языка: переменные, типы данных, операторы, функции.
  > Условные конструкции и циклы: if-else, for, while.
  > Структуры данных: списки, кортежи, множества, словари.
  > Работа с файлами и директориями: чтение, запись, перемещение и удаление.
  > Обработка исключений: try-except.
  > Модули и пакеты: создание, импорт и использование.
  > ООП в Python: классы, объекты, наследование. 
  > Линейная алгебра. Вспоминаем
  > Работа с библиотекой NumPy:
  > Создание массивов NumPy
  > Операции над массивами
  > Индексирование и срезы массивов
  > Функции для работы с массивами
  > Работа с библиотекой Pandas
  > Введение в Pandas и структуры данных
  > Создание DataFrame и Series
  > Обработка и очистка данных
  > Сводные таблицы и агрегирование данных
  > Применение линейной алгебры в машинном обучении
  > Работа с данными с помощью NumPy и Pandas

Git

  > Определение командной строки и ее роли.
  > Основные команды (cd, ls, mkdir, rm, cp, mv).
  > Системы контроля версий   
  > Концепции системы контроля версий.
  > Основные команды (init, add, commit, status, log).
  > Работа с удаленными репозиториями (clone, remote, push, pull).

Теория вероятностей и статистика

  > Определение понятий статистики и вероятности
  > Общие принципы статистической обработки данных
  > Основные принципы теории вероятностей
  > Описательная статистика
  > Расчет основных характеристик данных: среднее, медиана, мода, дисперсия, стандартное отклонение
  > Вероятность
  > Определение понятия вероятности
  > Расчет вероятности событий
  > Условная вероятность и формула Байеса
  > Распределения вероятностей: дискретные и непрерывные
  > Гипотезы и их проверка
  > Уровень значимости и p-value
  > Корреляционный анализ
  > Корреляция и коэффициент корреляции
  > Построение корреляционной матрицы

А/В-тесты

  > Введение в A/B тестирование
  > Определение A/B тестирования и его цели.
  > Основные термины: контрольная группа, тестовая группа, конверсия, p-значение и т. д.
  > Примеры успешных A/B тестов и их влияние на бизнес.
  > Определение целей теста и выбор метрик успеха.
  > Разработка гипотез и создание вариаций страницы/продукта.
  > Размер выборки и его расчеты для достижения статистической значимости.
  > Статистический анализ результатов: t-тест, z-тест и др.
  > Интерпретация показателей: p-значение, доверительные интервалы.
  > Принятие решений на основе результатов теста: внедрение изменений, отклонение или повторное тестирование.
  > Практические задания и кейсы для закрепления материала.
  > Обзор инструментов для проведения A/B тестирования

Визуализация данных:

  > Основные принципы визуализации данных
  > Знакомство с библиотеками Matplotlib и Seaborn
  > Построение первых графиков: scatter plot, line plot, bar plot
  > Загрузка и предварительная обработка данных для визуализации
  > Очистка и преобразование данных
  > Разведочный анализ данных
  > Настройка осей и меток
  > Добавление заголовков и подписей
  > Использование различных цветов и стилей
  > Создание множественных графиков
  > Использование различных типов диаграмм: pie chart, histogram, box plot
  > Настройка внешнего вида графиков
  > Использование Seaborn для создания более сложных и красивых графиков
  > Работа с категориальными данными
  > Использование статистических графиков
  > Создание собственного проекта визуализации данных
  > Презентация результатов и обсуждение лучших практик

SQL

  > Знакомство с языком SQL
  > Создание баз данных и таблиц
  > Операторы SELECT, INSERT, UPDATE, DELETE
  > Основные функции SQL (COUNT, SUM, AVG, MAX, MIN)
  > Операторы WHERE и AND/OR
  > Сортировка данных с помощью ORDER BY
  > Использование DISTINCT для удаления дубликатов
  > Использование оператора IN и BETWEEN для фильтрации данных
  > Практические задания
  > Использование оператора JOIN для объединения таблиц
  > Внутренние, внешние, левые и правые соединения
  > Использование подзапросов
  > Практические задания на объединение таблиц
  > Использование оператора GROUP BY для группировки данных
  > Использование агрегатных функций с GROUP BY
  > Фильтрация групп данных с помощью оператора HAVING
  > Практические проекты для применения изученных навыков

Развитие продукта

  > Определение продуктового видения и его роль в развитии продукта.
  > Понимание бизнес-анализа и его влияние на принятие решений в компании.
  > Формирование продуктового видения
  > Исследование рынка и аудитории продукта.
  > Выявление потребностей пользователей и определение ключевых функциональных требований.
  > Роль продакт-менеджера в продуктовом развитии.
  > Как аналитику данных работать в тесном сотрудничестве с продакт-менеджерами.
  > Использование данных для развития бизнеса
  > Сбор и анализ данных о продукте и пользовательском поведении.
  > Применение данных для выявления возможностей для улучшения продукта и достижения бизнес-целей.
  > Организация работы команд в IT-продуктах
  > Методологии управления продуктами: Agile, Scrum, Kanban.
  > Работа в команде аналитиков данных в рамках IT-продукта: роли, процессы, коммуникация.

Продуктовая аналитика

  > Значение аналитики данных для бизнеса
  > Основные принципы анализа данных и их применение в бизнесе
  > Как объяснить ценность аналитики данных бизнесу
  > Понимание потребностей пользователей продукта
  > Методы и техники определения потребностей пользователей
  > Сегментация пользователей и её значение для продуктового развития
  > Практические кейсы по определению потребностей пользователей и сегментации
  > Основы юнит-экономики и её роль в анализе данных
  > Выбор и расчёт ключевых продуктовых метрик
  > Практические задания по расчёту юнит-экономики и метрик

Airflow

  > Обзор задач, которые можно автоматизировать с помощью Airflow.
  > Основные понятия и термины: DAGs (Directed Acyclic Graphs), Operators, Tasks, Executors.
  > Установка и настройка Airflow.
  > Создание первого DAG:
  > Определение DAG и его структура.
  > Использование Operators для определения задач.
  > Конфигурация и планирование DAGs.
  > Определение зависимостей между задачами.
  > Использование контроля выполнения (execution_date) для управления временем задач.
  > Планирование и мониторинг:
  > Использование планировщика (Scheduler) для автоматического выполнения задач по расписанию.
  > Мониторинг выполнения задач через веб-интерфейс Airflow.
  > Создание собственных операторов для выполнения специфических задач.
  > Использование переменных и шаблонов для динамической конфигурации DAGs.
  > Передача параметров между задачами.
  > Масштабирование и оптимизация
  > Конфигурация и использование различных Executor'ов для оптимизации выполнения задач.
  > Работа с очередями и параллельным выполнением задач.

Работа над курсовым проектом

Подготовка к собеседованию

Рейтинг курса

2.5
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 01.11.2024 16:15
Аналитик данных

Аналитик данных

Оставить отзыв
Поделиться курсом с друзьями