Анализ данных на Python и базы данных (SQL)

все курсы

Программирование

2.7

Сложность

Продвинутый

Тип обучения

Курс

Формат обучения

С проверкой домашнего задания

Сертификат

Да

Стоимость курса

нет данных

нет рассрочки

Институт общественных наук

Программа профессиональной переподготовки

Партнер программы – университет «Иннополис»

Период обучения: 2022-2023 учебный год

Программа «Анализ данных на Python и базы данных (SQL)» даст студентам понимание основ программирования алгоритмов ML (Machine Learning) с использованием языка Python. А также поможет освоить ряд компетенций в области управления современными реляционными базами данных и приобрести практические навыки использования языковых средств СУБД (Системы управления базами данных).

Зачем изучать анализ данных?

В бизнесе и государственном управлении необходимо постоянно анализировать огромные объемы данных, чтобы получить информацию для контроля качества работы, выдвижения свежих идей и обоснования принимаемых решений. Эксперты, которые разбираются в массивах данных, могут рассчитывать на быструю карьеру с впечатляющими окладами.

Как правило, в объявлениях о вакансиях, связанных с анализом данных, чаще всего упоминаются именно SQL и Python.

Подать заявку на курс могут только студенты, которые не обучаются по следующим направлениям:

01.03.02 Прикладная математика и информатика

09.03.03 Прикладная информатика

27.03.02 Управление качеством

27.03.05 Инноватика

38.03.05 Бизнес-информатика

Преимущества программы:

Обучение онлайн. Каждый студент может учиться в любое удобное ему время из любой точки планеты, где есть Интернет. Также будет возможность выстраивать гибкий график и распределять нагрузку в течение года обучения.
Доступность материала. Освоить программу может каждый! Обучение не требует какой-то предварительной подготовки. Главное, уделить достаточно времени изучению материала.
Обратная связь от куратора. На программе предусмотрены практические задания, которые будет проверять куратор. Кураторы будут давать обратную связь по учебным проектам и отвечать на дополнительные вопросы студентов.
Актуальные знания. Программа составлена специально для того, чтобы дать студентам самые востребованные инструменты для анализа данных. Полученные навыки позволят молодым специалистам применять data-driven подход в различных областях бизнеса и быть более востребованными на рынке труда.
Ассессмент в университете «Иннополис». По итогам трех этапов ассессмента каждый слушатель получает индивидуальный профиль digital-компетенций, который может быть использован в портфолио при трудоустройстве или продолжении обучения.
Диплом после выпуска. После успешного прохождения программы и сдачи экзамена в форме публичной защиты проекта студентам будет выдан диплом установленного образца о профессиональной переподготовке.

Защита проекта и итоговая аттестация

В ходе освоения программы у студентов будет возможность придумать новые цифровые продукты (самостоятельно или в команде). Авторы лучших решений получат поддержку Академии и возможность сотрудничества с Лабораторией искусственного интеллекта и Лабораторией платформенной разработки РАНХиГС.

Контакты

Email: digitalkaf@ranepa.ru

Телефон: +7 (963) 716-64-40

Подробнее

Вас будут обучать

Павел Голосов

курс

Куратор проекта «Цифровые кафедры» в РАНХиГС

Кандидат технических наук, декан Факультета информационных технологий и анализа данных Института ЭМИТ РАНХиГС

Макар Басалаев

курс

Преподаватель

Закончил бакалавриат и магистратуру на факультете ВМК МГУ им. М.В.Ломоносова. Работал программистом в Лаборатории Касперского и Megaputer Intelligence.

Артём Федосеев

курс

Преподаватель

Кандидат экономических наук, доцент кафедры прикладных информационных технологий ИОН РАНХиГС. Работал ведущим системным аналитиком в ФГАУ НИИ «ВОСХОД».

Образовательная организация

РАНХиГС

0 отзывов

Президентская академия — основоположник бизнес-образования в России. Первой в России открыла программы бизнес-образования для предпринимателей в 1999 году

Большая часть программ образования MBA и EMBA в РАНХиГС имеют аккредитации престижных ассоциаций мира и поддерживается ведущими зарубежными университетами, включая Гарвардский, Кингстонский и Стэнфордский, Университет Дьюка и др. Слушатели курсов получают два диплома – РАНХиГС и одного из престижных европейских или американских университетов.

Программы EMBA РАНХиГС стали единственными в России, вошедшими в международный рейтинг Business Week и в пятерку лидеров Восточной Европы по версии Eduniversal.

Выпускники программ бизнес-образования Президентской академии сегодня занимают руководящие должности в крупных российских и зарубежных компаниях, среди которых «Аэрофлот – российские международные авиалинии», «Газпром», «Альфа‑Банк», «Внешторгбанк», «Норильский Никель», «Внешэкономбанк», Сбербанк РФ, «Лукойл», Центральный банк РФ, РАО ЕС, General Electric, Citibank, Volvo, Ernst and Young, Hewlett Packard, Microsoft, IBM, PricewaterhouseCoopers и др.

Программы

Master of Business Administration
Executive Master of Business Administration
Doctor of Business Administration
Программы профессиональной переподготовки
Программы повышения квалификации
Видеолекции

Программа курса

Python

Как все это работает? Возможности Python.
Почему все используют Python? Сравнение с другими языками программирования. Как писать программы? Плюсы Python. Как использовать Python в задачах: обработки текстов, работы с изображениями, написании биржевых роботов, запуска чат-ботов. Ввод и вывод в Python. Имена в Python. Базовые операции. Управление ходов выполнения программы (условные конструкции). Примеры простых программ.

Циклы. Строки. Строковые методы.
Цикл с предусловием. Операторы Break и Continue. Цикл For. Устройство строк и длина строки. Элемент строки и как резать строки. Получение подстроки из строки. Обход строки. Срезы.

Кортежи. Списки. Функция map. Генератор списка случайных значений.
Зачем нужны кортежи. Работа со списком. Элементы списка. Печать списка. Корректное копирование списков. Особенности использования функции map. Что такое генераторы случайных значений. Множество. Операции с множествами. Frozenset. Словари. Метод get. Обход словаря.

Функции. Применение математических функций. Области видимости и исключения.
Как правильно писать функции. Простые алгоритмы. Написание первых функций. Как добавить математику. Рекомендации в написании собственных функций. Как работают области видимости. Глобальные переменные. Возврат нескольких значений из функции. Исключения.

Работа с файлами. Матрицы. Виды сортировок
Что можно делать с файлами. Открытие и закрытие файлов. Чтение и запись текстовых файлов. Матрицы. Заполнение матриц. Ввод матриц по строкам. Чтение и запись матриц. Пузырьковая сортировка. Разбор алгоритма. Несколько версий решения.

Обзор библиотеки NumPy. Работа с функциями NumPy. Библиотека SciPY.
Библиотеки Python, их установка. Основные типы данных NumPy. Численные функции. Работа с массивами. Операции с массивами. Двумерные массивы. Матрицы. Основные возможности библиотеки SciPy.

Обзор библиотеки Pandas. Базовая аналитика.
Установка библиотеки. Создание объекта Series. Индексация DataFrame. Таблицы. Чтение-запись файлов. Индексация. Выборка данных. Операции со строками и столбцами. Работа с NaN. Сортировка.

Визуализации данных. Практические примеры
Изучение новых данных, предобработка, визуализация данных, поиск связей между признаками, подготовка данных для обучения и создание моделей прогнозирования кредитного риска. Получение модели, которая отвечает на вопрос: выдавать или не выдавать кредит.

Автоматизация рутинных задач. Практические примеры
Разбор практических примеров автоматизации задач, связанных с получением агрегированной информации из нескольких источников (Excel файлов) или сети интернет.

Обзор методов машинного обучения, применяющихся для Анализа данных. Практические примеры
Практический пример выявления основных признаков и их интерпретация в задаче обучения с учителем.

Промежуточная аттестация по модулю
Промежуточная аттестация проходит в форме зачета (компьютерного тестирования). Образец типового тестового здания:

С помощью какой функции Python можно узнать тип переменной?

hwoami
type
typeof
is

Какой диапазон чисел будет создан в следующем коде: range (9, 3, -2)

9 8 7 6 5 4 4
9 7 5 3
9 7 5
11 9 8 7 6 5 4

Что позволяет выполнить фрагмент кода, приведенный в листинге?

Фрагмент кода: print(math.sqrt(2))
вывод на экран числа 2 из библиотеки math
подключение библиотеки math
возведение числа math в квадрат
вывод на экран квадратного корня из двух

SQL

Хранение и целостность данных.
Хранение данных: файлы данных, журналов, уровни RAID, Tempdb. Связи в базах данных, один к одному, один ко многим, многие ко многим. Целостность данных: PRIMARY KEY, CHECK, UNIQUE и FOREIGN KEY. Нормализация таблиц.

Создание базы данных и таблиц.
Архитектура СУБД: логический (таблицы и тип данных, ключи, индексы, представления, сборки, ограничения, правила, значения по умолчанию) и физический уровни (файлы и файловые группы, страницы). Создание базы данных. Типы данных полей таблиц: Точные числа, символьные строки в Юникоде, приблизительные числа, двоичные данные, дата и время, прочие типы данных, символьные строки. Создание таблиц. Где писать запросы?

Индексы. Диаграммы.
Индексы: кластеризованный, некластеризованный, уникальная идентификация, filtered, columnstore, хэш, некластеризованный индекс, оптимизированный для памяти. ER диаграммы: Database Diagrams, Database Node. DML и самые распространенные операторы языка SQL: SELECT, INSERT, UPDATE, DELETE. Значение уникальных факторов.

Запросы. Внешние соединения.
Запросы к одной таблице. Выборка без повторов. Запросы к нескольким таблицам. Внешние соединения: LEFT, RIGHT или FULL.

Агрегатные функции. Подзапросы.
Подзапросы: WHERE COUNT, SUM, AVG, MAX, MIN, IN, ALL, ANY. Объединение данных: SELECT JOIN. Агрегатные функции: AVG, CHECKSUM_AGG, COUNT, COUNT_BIG, GROUPING, GROUPING_ID, MAX, MIN, STDEV, STDEVP, STRING_AGG, SUM, VAR, VARP. Условия для агрегатных функций.

Полезные функции.
Еще немного об операторах. Промышленный запрос. Полезные функции: SQRT, RAND, CONCAT, числовые и строковые функции. Приоритет операций и преобразование типов: CAST, CONVERT.

Транзакции. Представления.
Один запрос четырьмя способами. Транзакции: концепция транзакций – атомарность, согласованность, изолированность, долговечность, управление транзакциями – COMMIT, ROLLBACK, SAVEPOINT, SET TRANSACTION. Параллельный доступ к данным: проблемы грязного, неповторяемого чтения, фантомов. Представления: индексированные, секционированные, системные.

Переменные и циклы.
Начало программирования. Переменные: DECLARE, SET, SELECT. Структура кода. Операторы описания данных: CREATE, DROP, ALTER и др. Операторы манипуляции данными: INSERT, DELETE, SELECT, UPDATE и др. Операторы задания прав доступа в базе данных: GRANT / REVOKE, LOCK / UNLOCK, SET LOCK MODE Операторы защиты, восстановления данных и прочие операторы. Циклы: WHILE.

Хранимые процедуры и функции.
Временные таблицы. Курсоры Transact-SQL, серверные, клиентские. Типы курсоров: однонаправленный, статический, Keyset, динамический. Хранимые процедуры и функции: CREATE PROCEDURE, CREATE PROC.

Триггеры. Исключения.
Конвейерные ХФ. Триггеры: AFTER, INSTEADOF. Исключения: EXCEPT. Динамический SQL с использованием ключевого слова и с использованием хранимой процедуры: EXECUTE IMMEDIATE.

СУБД. NoSQL базы данных.
Транзакции в программировании/СУБД/SQL. Как выполняются запросы. Как повысить производительность запросов. NoSQL базы данных и его преимущества.

К какому типы данных полей относится тип NUMBER?