Анализ Данных
Обрабатывайте большие объемы информации без администрирования и баз данных
Изучите технологии и получите навыки, востребованные у работодателей
Кто такой Аналитик Данных и чем он занимается
Аналитик данных проводит статистические тесты, чтобы решить бизнес-проблемы, на которые пока нет ответа. Он работает с разными инструментами анализа, не ограничиваясь готовыми решениями и системами. Знает языки программирования и формулирует гипотезы. Курс поможет вам не только с нуля овладеть всеми важными для аналитика данных навыками, но и научит мыслить абстрактно, видеть за метриками и показателями смысл, находить взаимосвязи и строить гипотезы. Полученные навыки позволят брать в работу сложные задачи. Сможете приоритизировать гипотезы и подбирать наиболее эффективные инструменты для их проверки.
Аналитик данных — специалист, который занимается обработкой данных и составлением на их основе прогнозов, стратегий, планов и рекомендаций.
Чему вы научитесь
Как проходит обучение
Вы не останетесь один на один с новым: индивидуальные консультации с ментором, персональная обратная связь по проектам, работа с тимлидом в командном проекте
Вы научитесь мыслить алгоритмически и программировать через отработку алгоритмов, чтобы решать нетривиальные задачи в разработке
Вы освоите навыки через практику: тренажеры, домашние задания, интерактивные вебинары, сквозные проекты, командный проект
Программа курса
- Что такое аналитическое мышление
- Введение в Google-таблицы
- Продвинутые Google-таблицы
- Основы статистики
- Откуда берутся данные
- Продвинутая визуализация данных
- Python как инструмент анализа данных
- Основы Python и Git (арифметика)
- Базовые типы данных и циклы
- Функции и классы
- Продвинутые типы данных: массивы, множества, словари
- Python для анализа данных: numpy и scipy
- Python для анализа данных: pandas
- Основные библиотеки для подключения к БД из Python
- Инструменты matplotlib, seaborn для визуализации
- Выбор способа визуализации под задачу
- Основы SQL
- Углубление в SQL
- Написание оптимизированных запросов
- Работа с No SQL
- Библиотека numpy. Вычислительные задачи
- Библиотека pandas
- Функции и работа с данными
- Продвинутый pandas
- Сложные расчётные поля, обзор основных групп функций
- Библиотека Matplotlib & Seaborn. Визуализация данных
- Основы описательной статистики, виды распределений в Python
- Центральная предельная теорема и статистический анализ данных в Python
- Основные статистические тесты и проверка гипотез
