Курс Python для анализа данных
Курс Аналитик данных
Начало курса
Продолжительность
3,5 месяца (80 ак. часов)
Расписание
Вт 19:00 - 21:30
или
Ср 19:00 - 21:30
(10 мест)
Единовременно 70000
записаться
В рассрочку / 10 мес 7000
записаться
Также доступна рассрочка на 4, 6 и 10 месяцев.
Описание курса
Курс"Аналитик данных"
Для кого подойдёт данный курс:
для новичков, желающих освоить профессию "Аналитик данных" или "Продуктовый аналитик"
для всех кто уже работает в сфере аналитики данных, и хочет повысить свой уровень каких-то аспектах или структурировать свои знания
Требования к участникам: Мы расширили курс, включили такие темы, как Python, Git и основы мат. статистики и теорвера, и теперь никаких начальных требований к участникам нет, будем всему учиться с нуля.
Программа
развернуть 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
развернуть 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).
развернуть 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
развернуть 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
развернуть 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
развернуть 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
развернуть 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.
развернуть 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
развернуть 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.
Сертификат после обучения
По окончании обучения вы получите сертификат. Нас знают и ценят работодатели, поэтому сертификат станет вашим дополнительным преимуществом при трудоустройстве в IT-компанию.
Сертификат о прохождении курса мы отправим вам на почту. Вы легко сможете добавить ссылку на сертификат в резюме и подтвердить свой уровень подготовки.
Преподаватели
Антон
Ведущий эксперт Data Science в
Neoflex
Я работаю в подразделении, которое занимается машинным обучением. Мой предыдущий опыт связан с решением задач из области nlp и аналитики данных. Кроме того, умею работать с бигдата-фреймворками и решать задачи из области компьютерного зрения.
Фото с очных занятий в СПб
Курсы программирования, тестирования, мобильных и веб-технологий от Level UP!
Учитесь с профессионалами в сфере IT-образования!
