Курс-професія від спеціалістки з Data Science Ганни Пилєвої
Аналітик даних + АІ
Стань впевненим Data Analyst з 0, працюючи з SQL, Python, BI інструментами, знайди роботу від $800 на місяць і не переживай, що тебе замінять.
Презентація курсу від авторки
Програма
Блок 1. Фундамент аналітики даних
Вступ до професії Data Analyst, ключові навички та інструменти аналітика даних
Модуль 1
Цей модуль допоможе вам зануритися у світ Data Analyst. Ви дізнаєтеся:
Модуль 4
Блок 2. Робота з базами даних та SQL
Бази даних, запити, фільтрація та об'єднання даних для аналітичних завдань
Модуль 5
Основи SQL та реляційних баз даних:
Практика роботи з даними в SQL:
Побудова звітів і дашбордів у Tableau та Power BI
Модуль 6
Модуль 7
Лекції цього модуля записані гостьовим лектором Tetiana Bezrodnia.
Цей модуль також включає практичний майстер-клас з вивчення мови DAX для Power BI — ключової навички, за яку високо оплачують аналітиків даних. МК триває 3 години, протягом яких Ви опануєте:
Майстер-клас записаний лектором Kateryna Shevtsova.
Самостійна робота над проєктом з даними, наданими Академією. Академія надає джерела даних, рекомендації та вимоги до виконання проєкту, та звісно ж - підтримку в чаті.
Блок 4
Модуль 8
Модуль 9
Модуль 10
Модуль 11
Блок 5. Інженерія даних та масштабування аналітики
Python для роботи з базами даних та API, ETL-процеси, DBT, BigQuery та оптимізація SQL-запитів
Модуль 12
Модуль 13
Статистичні гіпотези, A/B тести та основи ML для бізнес-аналітики
Модуль 15
Модуль 16
Блок 7. Кар'єра в аналітиці
Підготовка до працевлаштування, створення резюме та підготовка до співбесід.
Модуль 18 1
Аналітик даних + АІ
Стань впевненим Data Analyst з 0, працюючи з SQL, Python, BI інструментами, знайди роботу від $800 на місяць і не переживай, що тебе замінять.
Презентація курсу від авторки
Програма
Блок 1. Фундамент аналітики даних
Вступ до професії Data Analyst, ключові навички та інструменти аналітика даних
Модуль 1
Цей модуль допоможе вам зануритися у світ Data Analyst. Ви дізнаєтеся:
- Хто такий аналітик даних: Які задачі він вирішує та які навички потрібні для успіху.
- Ключові навички аналітика: Реальні приклади завдань і сценарії використання даних.
- Що таке продуктовий аналіз: Як аналіз даних допомагає бізнесу приймати кращі рішення.
- Метрики: Як правильно їх розуміти, обчислювати та використовувати для оцінки успіху.
- Порівняння Google Sheets та Excel: Основні відмінності та унікальні можливості кожного інструменту.
- Створення та форматування таблиць: Налаштування відображення різних типів даних.
- Сортування та фільтрація даних: Використання Views для гнучкого управління даними.
- Агрегація та умовне форматування: Використання функцій IF, SUMIF, Pivot Table для ефективного аналізу.
- Просунуті функції: VLOOKUP, робота з курсами валют, об'єднання даних, обробка тексту.
- Інтерактивні звіти: Побудова дашбордів для візуалізації ключових показників.
- Сегментація клієнтів. RFM-аналіз
- Когортний аналіз, Retention трикутник, розрахунок LTV
- АІ для роботи з Excel та Google Sheets
- Вступ до теорії ймовірностей: Основні поняття та ключові принципи.
- Ймовірність і її властивості: Розуміння ймовірнісних моделей.
- Комбінаторика: Методи підрахунку можливих варіантів подій.
- Умовна ймовірність і незалежні події: Як події впливають одна на одну.
- Теорема Байєса: Як оновлювати ймовірності з урахуванням нових даних.
- Інтерактивні звіти: Побудова дашбордів для візуалізації ключових показників.
Модуль 4
- Вступ до статистичного аналізу: Ключові поняття та основи роботи зі статистикою.
- Міри центральної тенденції: Середнє, медіана, мода та їх роль в аналізі даних.
- Варіація та стандартне відхилення: Як виміряти розкид даних.
- Коваріація та кореляція: Взаємозв'язки між змінними.
- Основні розподіли: Види розподілів та їх застосування в аналізі.
Блок 2. Робота з базами даних та SQL
Бази даних, запити, фільтрація та об'єднання даних для аналітичних завдань
Модуль 5
Основи SQL та реляційних баз даних:
- Основи баз даних: Що таке бази даних, системи управління базами даних, реляційні та нереляційні БД.
- Знайомство з SQL: Мова запитів до баз даних та її логіка роботи.
- Термінологія та діалекти SQL: Ключові поняття та різновиди SQL.
- Базовий синтаксис SQL: Структура та основні команди для запитів.
- Практичні запити: Робота з SQL на реальних прикладах.
Практика роботи з даними в SQL:
- Фільтрація даних: Запити до однієї таблиці та обробка даних.
- Робота з рядками та датами: Методи та функції обробки даних.
- JOIN-запити: Поєднання таблиць для просунутих аналітичних запитів.
- UNION-запити: Об'єднання результатів із кількох запитів.
- INSERT, UPDATE, DELETE. Оновлення, вставка та видалення даних в таблицях.
- AI для роботи з базами даних і SQL
Побудова звітів і дашбордів у Tableau та Power BI
Модуль 6
- Вступ до BI-систем: Що таке BI-системи та як вони допомагають бізнесу.
- Огляд продуктів Tableau: Можливості та ключові інструменти платформи.
- Основи Tableau Public: Базовий функціонал для створення звітів.
- Створення дашборду: Побудова, налаштування та публікація звітів.
- Просунуті техніки Tableau: Нестандартні функції та лайфхаки для візуалізацій.
Модуль 7
- Початок роботи з Power BI: Установка, налаштування та створення першого звіту.
- Джерела даних та Power Query: Підключення, трансформація та обробка даних.
- Візуалізації у Power BI: Типи графіків, фільтри та інтерактивні елементи.
- Збереження та публікація звітів.
- Просунуті техніки Tableau: Нестандартні функції та лайфхаки для візуалізацій.
Лекції цього модуля записані гостьовим лектором Tetiana Bezrodnia.
Цей модуль також включає практичний майстер-клас з вивчення мови DAX для Power BI — ключової навички, за яку високо оплачують аналітиків даних. МК триває 3 години, протягом яких Ви опануєте:
- Основи DAX: синтаксис, контексти та принципи роботи
- Створення обчислювальних стовпців і мір
- Роботу з функціями Average, AverageX та контекстними переходами
- Професійні практики форматування та коментування коду
- Побудову дашбордів на реальних даних
Майстер-клас записаний лектором Kateryna Shevtsova.
Самостійна робота над проєктом з даними, наданими Академією. Академія надає джерела даних, рекомендації та вимоги до виконання проєкту, та звісно ж - підтримку в чаті.
Блок 4
Модуль 8
- Вступ до Python: Що таке Python та як його встановити.
- Anaconda та Anaconda Navigator: Налаштування робочого середовища.
- Виконання коду Python: Огляд доступних інструментів та середовищ.
- Jupyter Notebook та Jupyter Lab: Встановлення та робота з інтерфейсом.
- Редактор VS Code: Налаштування та можливості відлагодження коду.
- Google Colab та віртуальні середовища: Хмарне виконання коду.
- GitHub для аналітика: Контроль версій і робота з репозиторіями.
Модуль 9
- Основи Python: Змінні та основні типи даних.
- Колекції та Control Flow: Списки, словники та керування потоком виконання.
- Цикли та List Comprehensions: Ефективна обробка даних у Python.
- Функції у Python: Створення, анотація типів і застосування функцій.
- Параметри функцій: Особливості передавання значень і приклади використання.
- Глобальна та локальна область видимості: Модулі та обробка винятків.
- Класи у Python: Основи об'єктно-орієнтованого програмування.
Модуль 10
- Структури даних у Pandas та NumPy: Серії, DataFrame, багатовимірні масиви.
- Імпорт і читання даних: CSV, Excel, бази даних, інтеграція з Google Colab.
- Очищення та підготовка даних: Заповнення пропусків, обробка аномалій.
- Фільтрація та сортування: Методи вибірки даних.
- Агрегація та групування даних: GroupBy, Pivot, PivotTable.
- Функції та трансформації: Використання apply(), map() для маніпуляцій.
- Оптимізація роботи з табличними даними в Pandas: Підходи для підвищення ефективності та продуктивності під час обробки великих обсягів даних.
Модуль 11
- Основи візуалізації даних: Роль графічного представлення даних в аналізі, огляд Matplotlib.
- Базові графіки в Matplotlib: Побудова та налаштування графіків (лінії, кольори, маркери).
- Аналіз декількох графіків: Побудова кількох візуалізацій на одній фігурі, підписи, легенди, збереження.
- Типи графіків: Діаграми розсіювання, гістограми, barplots, box plots.
- Seaborn для аналітики: Основи, переваги та побудова складних графіків.
- Порівняння Matplotlib та Seaborn: Сценарії використання.
- Візуалізація часових рядів (time series).
- Sweetviz: Автоматична візуалізація даних для швидкого аналізу та порівняння наборів даних..
Блок 5. Інженерія даних та масштабування аналітики
Python для роботи з базами даних та API, ETL-процеси, DBT, BigQuery та оптимізація SQL-запитів
Модуль 12
- Створення підключення до БД: Налаштування з'єднання з базами даних через Python.
- Читання даних через pandas: Завантаження та обробка даних з БД у DataFrame.
- Параметризовані запити та захист від SQL-ін'єкцій: Безпечне виконання запитів з параметрами.
- Аналітичні запити з агрегацією: GROUP BY, COUNT, SUM та інші функції для аналізу.
- Складна аналітика на Python+SQL з віконними функціями: Просунуті техніки аналізу часових рядів та рангування.
- Внесення оновлень через INSERT, UPDATE, DELETE: Зміна даних у базі з контролем транзакцій.
- Інтеграція з API та збереження в БД: Завантаження даних із зовнішніх джерел.
- Створення production-ready ETL пайплайнів: Автоматизовані процеси обробки даних для реальних проектів.
- Основи роботи з DBT: Створення моделей, реалізація ELT-підходу та базове тестування якості даних.
Модуль 13
- BigQuery: Що це та огляд можливостей інструменту.
- Колонкові бази даних. BigQuery та інші.
- BigQuery Sandbox та публічні дані. Робота з запитами.
- Таблиця ga_sessions_ у BigQuery. Розбір структури та аналіз даних.
- EXPLAIN: Як аналізувати SQL-запити та зрозуміти, що уповільнює їх виконання.
- Індекси: Що таке індекси, як вони працюють та як допомагають пришвидшити запити.
- Оптимізація JOIN: Як правильно використовувати JOIN-запити для ефективного об'єднання таблиць.
- Інші методи оптимізації: Додаткові техніки для підвищення продуктивності SQL-запитів
Статистичні гіпотези, A/B тести та основи ML для бізнес-аналітики
Модуль 15
- Основи тестування статистичних гіпотез: Як формулювати та перевіряти статистичні гіпотези.
- Статистичні тести: Z-тест, p-value та інтерпретація результатів.
- Порівняння вибірок: Тестування на одній та двох вибірках.
- A/B тестування: Теорія, постановка задачі та дизайн експерименту.
- Аналіз результатів тестування: Перевірка гіпотез та фінальні висновки.
Модуль 16
- Роль і використання ML в аналітиці даних: Як машинне навчання допомагає аналітикам вирішувати бізнес-завдання.
- Задача прогнозування: Передбачення числових значень (наприклад, прогноз доходів або попиту).
- Задача класифікації: Розподіл даних на категорії (наприклад, виявлення шахрайських транзакцій).
- Аналіз даних з AI
- Побудова графіків з AI
- Формування звітів з AI
- Оптимізація написання Python коду з AI
Блок 7. Кар'єра в аналітиці
Підготовка до працевлаштування, створення резюме та підготовка до співбесід.
Модуль 18 1
- Створення сильного резюме крок за кроком: Детальні рекомендації і приклади резюме учнів, які знайшли роботу.
- Ефективний LinkedIn-профіль: Як оптимізувати сторінку для залучення рекрутерів.
- WOW-портфоліо: Демонстрація проєктів, що привертають увагу роботодавців.
- Платформи для пошуку роботи: Огляд Djinni та інших ресурсів для IT-фахівців. Реєстрація на Djinni.
- Готовність №1 до співбесід: Як відповідати на технічні та нетехнічні запитання.
- Тестові співбесіди: Практика в парах для опрацювання типових запитань.
- Подолання внутрішніх блокерів: Робота зі страхами та невпевненістю перед подачею на вакансії.
- Чекліст “250+ питань до технічної співбесіди” з відповідями.
- Чекліст “HR-питання” з прикладами хороших і поганих відповідей.
- Гайд "Платформи для пошуку фриланс-проєктів і фултайм роботи в Україні і країнах Європи".
https://www.dataloves.academy/courses/analitik-danih