Аналитик данных

Программа обучения

• Python для автоматизации и анализа данных18 занятий

  Освоите основные конструкции и структуры данных в Python, а также сбор, анализ и визуализацию данных.

  • Введение в язык Python. Знакомство со средой программирования. Базовые операции. Интерпретация ошибок;
  • Строки и списки в Python;
  • Понятие управляющих конструкций. Условные операторы;
  • Циклы for и while;
  • Устройство функций в Python. Поиск ошибок в коде и отладка;
  • Итераторы, генераторы, генераторы списков. Рекурсия;
  • Работа с файлами. Продвинутая работа со словарями;
  • Библиотеки для хранения и работы с данными в табличном формате: pandas;
  • Сбор данных: web-scraping с BeautifulSoup;
  • Сбор данных: Selenium, работа с сервисами через API;
  • Объектно-ориентированное программирование. Классы;
  • Введение в numpy;
  • Введение в pandas;
  • Работы с пропущенными данными;
  • Визуализация для презентации данных: matplotlib. Основные виды графиков. Основные ошибки при создании визуализаций;
  • Создание интерактивных визуализаций: plotly;
  • Разведывательный анализ данных. Особенности исследования текста.

• SQL 10 занятий

  Познакомитесь с языком запросов SQL для работы с базами данных.

  • Введение в базы данных;
  • Язык запросов и типы данных;
  • Секции и порядок выполнения;
  • Базовые функции;
  • Функции для работы с датой и временем;
  • Операции Join;
  • Оконные функции;
  • Основы визуализации;
  • Базовые показатели и их интерпретация;
  • Практическая работа по блоку.

• Прикладная статистика10 занятий

  Научитесь применять статистические методы для анализа данных.

  • Шкалы измерений, генеральная совокупность и выборка;
  • Описательные статистики и их свойства;
  • Нормальное распределение, статистическая достоверность;
  • Статистический вывод, уровень значимости, статистические гипотезы;
  • Корреляции (Пирсон, Спирмен, Кендалл);
  • Параметрические и непараметрические методы сравнения данных;
  • Сравнение номинальных данных;
  • Методы сравнения средних: t-test;
  • Методы сравнения средних: непараметрические аналоги;
  • Методы сравнения средних: ANOVA.

• A/B-тестирование5 занятий

  Научитесь планировать эксперименты и измерять их результаты — проводить A/B-тестирование, которое лежит в основе принятия решений во многих компаниях.

  • Введение. Мощность и корректность;
  • Планирование дизайна А/В и др.;
  • Повышение чувствительности А/B тестов;
  • Сложности с маленькими выборками и денежными метриками;
  • Многорукие бандиты и альтернативы А/B тестам.

• Business Intelligence7 занятий

  Узнаете, какие инструменты используют в бизнесе для визуализации информации, и научитесь представлять результаты с их помощью.

  • Задачи визуализации, подготовка данных, инструменты визуализации, введение в Tableau;
  • Принципы представления информации, типы данных и виды графиков, законы восприятия и их использование для демонстрации взаимосвязей и зависимостей;
  • Создание интерактивных визуализаций, специфические виды графиков, использование вычислений и встроенных функций Tableau для построения визуализаций, использование аналитических функций Tableau;
  • Создание дашбордов от формирования технического задания для заказчика до публикации;
  • Создание дашборда в Tableau;
  • Практическое занятие: формируем дашборд согласно техническому заданию в Tableau;
  • DataLens и Google Data Studio для построения визуализаций.

• Машинное обучение14 занятий

  Изучите классические алгоритмы машинного обучения.

  • Введение и основные задачи;
  • Линейная регрессия;
  • Градиентные методы обучения;
  • Линейная классификация и метрики качества классификации;
  • Логистическая регрессия и SVM;
  • Многоклассовая классификация, работа с категориальными признаками и текстами;
  • Решающие деревья;
  • Бэггинг и случайные леса;
  • Градиентный бустинг. Имплементации;
  • Отбор признаков и понижение размерности;
  • Кластеризация;
  • Поиск аномалий;
  • Рекомендательные системы;
  • Ранжирование.

• Продуктовая аналитика5 занятий

  Познакомитесь с принципами продуктовой аналитики, которая помогает изучать поведение пользователей при взаимодействии с продуктом. Научитесь интерпретировать полученную информацию и переводить её на язык бизнеса.

  • Основы продуктовой аналитики, решаемые задачи;
  • Базовые метрики продукта и их интерпретация;
  • Системы аналитики и сбор данных;
  • Когортный анализ;
  • Unit-экономика;
  • Пирамида метрик;
  • Дизайн кастомных метрик;
  • Аналитические фреймворки.

• Data Warehouse (DWH)5 занятий

  Познакомитесь с тем, как устроены хранилища больших данных в индустрии. Изучите архитектуру DWH, научитесь хранить и обрабатывать Big Data.

  • Основные принципы и понятия Data Warehouse (DWH);
  • Понятие Data Lake. Распределенные файловые системы. Hadoop, Spark;
  • Massive parallel processing (MPP)-системы. Терадата, Вертика, Greenplum;
  • ETL и оркестрирование. Cron, Airflow;
  • Обеспечение качества данных.

• Финальный проект