Аналитик данных
Data Analyst
Подробнее о курсе
Краткое описание курса
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. Курс даёт техническую базу и навыки использования инструментов для работы с данными
Целевая аудитория курса
- Начинающие аналитики, программисты
Получаемые знания и навыки
- Получение данных с помощью языка запросов SQL
- Очистка и трансформация данных с помощью Python
- Сбор и анализ требований заказчиков к отчётности
- Применение в работе ключевых математических методов и основ статистики
- Прогнозирование событий на основе данных
- Анализ результатов кампаний, исследований и тестирования продуктовых гипотез
- Способность создавать аналитические решения и представлять их бизнесу
Краткое содержание курса
- Аналитическое мышление
- Понятия аналитического мышления
- Основы статистики
- Работа в Google-таблицах
- Понятие данных, продвинутая визуализация данных, инструменты анализа данных
- Изучение темы машинного обучения для жизни
- Построение гипотез для проверки
- Практическое задание
- SQL и получение данных
- Основы SQL, написание простых запросов
- Загрузка данных в базу, работа с PostgreSQL
- Работа с MongoDB
- Практическое задание
- Метрики, гипотезы, точки роста
- Типы заказчиков аналитики в компании, методы взаимодействия с ними
- Основные метрики продукта: маркетинговые финансовые метрики, иерархия метрик
- Сбор требований и разработка отчётности, оптимизация отчетности
- Формулирование гипотез. Поиск точек роста
- Дизайн тестов, проведение и анализ. Построение простых моделей
- Аналитика больших данных
- Большие данные. Традиционные аналитические подходы, базовые типы данных и циклы, функции и классы
- Продвинутые типы данных: массивы, множества, словари
- Python для анализа данных: pandas, numpy и scipy, основные библиотеки для подключения к БД из Python
- Библиотека numpy. Вычислительные задачи
- Библиотека pandas
- Продвинутый pandas
- Визуализация, выбор способа визуализации под задачу, инструменты matplotlib, seaborn
- Основы описательной статистики, виды распределений в Python
- Центральная предельная теорема и статистический анализ данных в Python
- Основные статистические тесты и проверка гипотез
- Освоение ЦПТ
- Дискретные и непрерывные распределения и получите основы статистических проверок гипотез
- Итоговый проект
