Придбаний Аналитик данных [2022] [OTUS] [Ксения Агеева]

[Gadzhi]

• .

Аналитик данных [2022]
OTUS
Data Analyst
Ксения Агеева

Аналитик данных (Data Analyst) - это специалист по работе с большими данными. Он собирает их, анализирует, визуализирует и делает выводы. На основании полученных гипотез компании принимают важные для бизнеса решения.

Что даст вам курс:
Команда экспертов отобрала всю самую полезную информацию для старта карьеры в области анализа данных в оптимальном объеме! Акцент делается на практическую применимость каждого метода в реальной жизни.
В программе курса "Аналитик данных" совмещены и особенности общения со стейкхолдерами с позиции основ бизнес-анализа, и техника с позиции дата-анализа, и BI, так как необходимо уметь не только качественно анализировать данные, но и наглядно их визуализировать. В реальности совмещение этих трех (в идеале - изолированных) ролей происходит весьма часто. Наш выпускник будет готов к такому варианту развития событий, и будет знать, какие навыки прокачивать в дальнейшем в зависимости от особенностей места работы.
В результате вы овладете необходимыми инструментами, чтобы получить старт в новой профессии или существенно снизить количество ежедневной рутины на текущем месте работы.

На кого рассчитан курс:

1. Дата-аналитики уровня Junior, которые стремятся систематизировать и углубить свои знания;
2. Специалисты по отчетности, которые строят её вручную или в полуавтоматическом режиме в Excel и хотят научиться делать это быстрее и эффективнее;
3. Выпускники, желающие работать в области анализа данных, и обладающие необходимым минимумом знаний для старта
4. Маркетологи, менеджеры продукта, бизнес-аналитики, экономисты, специалисты по планированию, желающие сократить свою ежедневную рутину до минимума

После курса вы:

1. Сможете работать в области анализа данных, начиная с junior ступени;
2. Общаться со стейкхолдерами и обсуждать запрос на анализ данных, уточнять требования;
3. Предобрабатывать и исследовать сырые данные;
4. Статистически описывать данные и готовить их к дальнейшему анализу;
5. Писать SQL и Python код для целей анализа и визуализации данных;
6. Использовать BI платформы для базовой и продвинутой визуализации данных, создавать дашборды и дата-стори;
7. Презентовать результаты работы и находить правильные слова "просто о сложном";
8. Иметь представление о различных инструментах в сфере дата анализа, а также о возможных путях дальнейшего развития в области ML, Data Science.

Спойлер: Информация

Модуль 1 - Введение в анализ данных и основы статистики

Тема 1. Основы статистики. Генеральная совокупность и выборка
Тема 2. Нормальное распределение. Стандартное отклонение. Доверительные интервалы
Тема 3. Статистические гипотезы и уровень значимости. Коэффициент корреляции
​

Модуль 2 - СУБД и SQL

Тема 4. Введение в теорию баз данных. Группы операторов в SQL. Выбор данных
Тема 5. Типы объединений и соединений таблиц. Порядок выполнения запроса
Тема 6. Функции в SQL. Вложенные запросы и временные таблицы
Тема 7. Объекты базы данных. Оптимизация производительности запросов​

Модуль 3 - Введение в Python

Тема 8. Введение в Python. Знакомство с синтаксисом и основными понятиями
Тема 9. Структуры данных Python. Операторы, циклы for и while
Тема 10. Библиотеки, модули и функции. Методы визуализации.​

Модуль 4 - Предобработка данных, исследовательский и статистический анализ данных

Тема 11. Изучение срезов данных. Работа с пропусками и дубликатами
Тема 12. Нормировка данных. Анализ временных рядов
Тема 13. Постановка и проверка гипотез. Валидация результатов. Взаимосвязь данных​

Модуль 5 - Введение в Business Intelligence и визуальный анализ данных

Тема 14. Введение в Business Intelligence и Tableau
Тема 15. Основные типы источников данных в Tableau, типы соединений
Тема 16. Визуализация в Tableau. Виды диаграмм и основные сценарии их использования
Тема 17. Вычисляемые поля и функции в Tableau
Тема 18. Организация данных в Tableau
Тема 19. Введение в информационный дизайн
Тема 20. Проектирование дашборда с учетом User Experience​

Модуль 6 - Жизненный цикл проекта в анализе данных

Тема 21. Принятие решений в бизнесе на основе данных
Тема 22. Сбор требований и прототипирование
Тема 23. Итеративная работа с заказчиком на этапе разработки
Тема 24. Этап релиза и мониторинг востребованности​

Модуль 7 - Специальные методы и направления в дата-аналитике

Тема 25. Продуктовая аналитика
Тема 26. BI аналитика. Дата журналистика и дата-сторителлинг​

Проектная работа

Тема 27. Вводное занятие
Тема 28. Конусльтация по проектам
Тема 29. Защита проектов​

https://otus.ru/lessons/data-analyst/?int_source=courses_catalog&int_term=analytics